Plant-Derived Anti-Cancer Therapeutics and Biopharmaceuticals
Notice bibliographique
Résumé
In spite of significant advancements in diagnosis and treatment, cancer remains one of the major threats to human health due to its ability to cause disease with high morbidity and mortality. A multifactorial and multitargeted approach is required towards intervention of the multitude of signaling pathways associated with carcinogenesis inclusive of angiogenesis and metastasis. In this context, plants provide an immense source of phytotherapeutics that show great promise as anticancer drugs. There is increasing epidemiological data indicating that diets rich in vegetables and fruits could decrease the risks of certain cancers. Several studies have proved that natural plant polyphenols, such as flavonoids, lignans, phenolic acids, alkaloids, phenylpropanoids, isoprenoids, terpenes, and stilbenes, could be used in anticancer prophylaxis and therapeutics by recruitment of mechanisms inclusive of antioxidant and anti-inflammatory activities and modulation of several molecular events associated with carcinogenesis. The current review discusses the anticancer activities of principal phytochemicals with focus on signaling circuits towards targeted cancer prophylaxis and therapy. Also addressed are plant-derived anti-cancer vaccines, nanoparticles, monoclonal antibodies, and immunotherapies. This review article brings to light the importance of plants and plant-based platforms as invaluable, low-cost sources of anti-cancer molecules of particular applicability in resource-poor developing countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».