MétaCan
Menu
Retour à la cohorte
Enregistrement W4403961654 · doi:10.58931/cot.2024.1326

Prostate-specific Membrane Antigen (PSMA): A Diagnostic and Therapeutic Target in Advanced Prostate Cancer

2024· article· en· W4403961654 sur OpenAlexaff
Urban Emmenegger, Rubens Copia Sperandio

Notice bibliographique

RevueCanadian oncology today. · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésGlutamate carboxypeptidase IIProstate cancerProstate-specific antigenMedicineProstateAntigenCancerCancer researchOncologyInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

Prostate cancer is among the most prevalent malignant conditions globally, and both incidence and mortality are expected to increase markedly over the next two decades. Recently, the diagnostic and treatment landscape for managing this disease underwent remarkable advances that led to the incorporation of innovative approaches, such as prostate-specific membrane antigen (PSMA) theranostics. PSMA, which is also known as folate hydroxylase or glutamate carboxypeptidase, is a transmembrane protein 100- to 1000-fold overexpressed by prostate cancer cells compared to healthy cells found in the benign prostate gland, salivary glands, proximal renal tubules, small intestine mucosa, and hepatocytes, amongst others. Since its discovery over 30 years ago (see Figure 1 for this and other milestones), PSMA has caught the attention of the scientific community as a potential therapeutic target, and for the past two decades many efforts have been undertaken to identify and develop PSMA ligands and antibodies that could be exploited as prostate cancer therapeutics. This review aims to provide an overview of available PSMA ligands, their mechanisms of action, diagnostic and therapeutic applications, and future perspectives of PSMA-targeted therapeutic approaches within the field of radioligand therapy (RLT).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,328
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian oncology today.Même sujetProstate Cancer Treatment and ResearchTravaux en français237 207