XiaoMi-AI文件搜索系统
World File Search Systemcoimm
与链球菌感染和肠道菌群组成相关的小儿自身免疫性神经精神疾病：我们知道什么？
免疫系统可以识别并杀死恶性细胞。抗癌免疫机制被实现为多尺度，非线性细胞和分子过程。许多因素决定了免疫系统肿瘤相互作用的结果，包括癌症相关抗原，免疫细胞和宿主生物。在这种复杂性和非线性动力学的背景下，深度数据驱动的理论和数学建模可以提高我们对控制这些过程的机制，定义可靠的生物标志物的理解，并有可能提高免疫和联合疗法的能力。在这里，我们审查并总结了对研究主题的贡献“ Oncoimmunology中的数学建模和计算预测。” Metzcar等人的评论。讨论了一种机械学习方法的概述，该方法将机械数学建模与数据驱动的机器学习结合在一起。作者回顾了这种方法的观点，并讨论了机械学习如何推动数学肿瘤学。提供了四类的机械学习（顺序，平行，外在，内在），其中包括来自肿瘤学研究的示例，例如纵向肿瘤反应预测和事件时间分析。
用于癌症研究的新兴类器官免疫共培养模型：从肿瘤免疫学到个性化免疫疗法
摘要 在过去十年中，针对免疫系统的治疗彻底改变了癌症治疗领域。免疫检查点抑制剂等疗法已被批准作为多种实体瘤（如黑色素瘤和非小细胞肺癌）的一线治疗，而其他疗法，例如嵌合抗原受体 (CAR) 淋巴细胞转移疗法，仍在开发中。尽管在一小部分患者中获得了有希望的结果，但由于肿瘤间异质性和治疗耐药性，大多数免疫疗法的总体临床疗效有限。因此，预测患者特异性反应对于有效使用昂贵的免疫治疗药物以及获得更好的结果具有重要意义。由于许多免疫疗法通过增强 T 细胞与恶性靶细胞的相互作用和/或识别来发挥作用，因此使用来自同一患者的这些细胞组合进行体外培养有望以个性化方式预测药物疗效。与体内情况相比，由于细胞的表型行为发生了改变，因此使用二维癌细胞系进行此类培养是不可靠的。三维肿瘤衍生类器官可以更好地模拟体内组织，被认为是研究复杂肿瘤-免疫相互作用的更为现实的方法。在这篇综述中，我们概述了患者特异性肿瘤类器官免疫共培养模型的开发，以研究肿瘤特异性免疫相互作用及其可能的治疗侵犯。我们还讨论了这些模型的应用，这些模型可以提高个性化治疗效果并了解肿瘤微环境，例如：（1）以个性化的方式筛选免疫检查点抑制和 CAR 疗法的疗效。（2）生成肿瘤反应性淋巴细胞用于过继细胞转移疗法。（3）研究肿瘤-免疫相互作用以检测细胞特异性在肿瘤进展和缓解中的作用。总的来说，这些肿瘤免疫共培养可能对开发针对患者的治疗方法以及增进我们对肿瘤-免疫相互作用的理解有着光明的未来。
肿瘤免疫疫苗组学的艺术
图 2. 癌症免疫治疗策略的发展和进展。第一代癌症免疫疗法包括但不限于免疫刺激细胞因子，旨在激活免疫系统，从而促进同时发生的抗肿瘤反应。第二代癌症免疫疗法包括但不限于 CAR-T 细胞、免疫原性细胞死亡 (ICD) 诱导剂和 ICP 抑制剂，旨在阻断特殊的免疫抑制分子、诱导精确的细胞过程或针对特定的肿瘤细胞，从而诱导可控的抗肿瘤反应。第三代癌症免疫疗法包括但不限于 TIME 和 ICP 的共同靶向，旨在同时阻断负免疫调节的各个方面，从而产生安全有效的抗肿瘤反应 [10]。摧毁体内的癌前或恶性细胞。简而言之，免疫监视