Développement de chimie de surface pour la réduction de l’adsorption non-spécifique de lysat cellulaire et application clinique de biocapteurs SPR
Notice bibliographique
Résumé
Le travail présenté dans cette thèse porte sur le développement de chimie de surface et de biocapteurs pouvant être utilisés dans le milieu hospitalier afin d’améliorer les méthodes de dépistages et de suivi de traitement de diverses maladies et cancers. Les méthodes actuelles de dépistage du cancer reposent principalement sur l’analyse histologique des cellules par des experts dans le domaine. Cela complique la transmission de l’information au patient et retarde le moment où un traitement approprié peut être entamé. Grâce à de nouvelles techniques d’analyses simples et peu coûteuses comme la spectroscopie de résonance des plasmons de surface (SPR), il est possible de développer des tests qui pourront être effectués par le personnel de l’hôpital, en peu de temps et à peu de frais. Afin de pouvoir utiliser la SPR en milieu clinique, une chimie de surface appropriée doit être développée afin d’empêcher les matrices biologiques de masquer le signal des analytes d’intérêt. En effet, qu’il s’agisse de lysat cellulaire, de sérum ou de tout autre fluide biologique, le contenu protéique et lipidique peut s’adsorber de façon non-spécifique aux surfaces d’analyse, compromettant ainsi les résultats obtenus. Afin de pallier ce problème, le développement de chimie de surface a été effectué. Des monocouches de peptides et de liquides ioniques ont été utilisées afin de réduire l’adsorption non-spécifique de lysat cellulaire non-dilué sur des capteurs SPR. Parmi les peptides, le plus efficace s’est avéré être le 3 MPA (His)2(Leu)2(Phe)2 OH, un peptide chargé positivement formé de 6 acides aminés plutôt hydrophobes. Grâce à cette surface, l’adsorption non-spécifique de lysat cellulaire a pu être réduite jusqu’à 159 ± 27 ng/cm2, par rapport à 929 ± 186 ng/cm2 sur une surface d’or non protégée. Une étude en spectrométrie de masse a permis de mieux comprendre le phénomène d’adsorption non-spécifique de lysat cellulaire et de confirmer que ce sont principalement des lipides qui s’adsorbent non-spécifiquement au capteur SPR lorsque celui-ci est exposé à du lysat cellulaire. Malgré la nette amélioration par rapport à un capteur non protégé, le phénomène d’adsorption non-spécifique était encore significativement présent avec les monocouches de peptides. L’adsorption non-spécifique de lysat cellulaire a ensuite été drastiquement réduite grâce aux liquides ioniques hydrophobes et chargés. Le liquide ionique le plus performant a montré une adsorption non-spécifique d’à peine 2 ± 2 ng/cm2. Par la suite, un biocapteur permettant la détection de HER2, un biomarqueur de cancer du sein présent dans environ 30% des cas de cancers du sein agressifs, a été développé. Cela a permis de démontrer que le liquide ionique pouvait être utilisé pour la construction d’un biocapteur, ouvrant ainsi la porte à un large domaine d’analyses en lysat cellulaire. Finalement, les défis de l’analyse SPR avec des échantillons cliniques ont été explorés par le développement d’un biocapteur pour l’anti-asparaginase, permettant de faire le suivi de traitement de patients atteints de leucémie. L’asparaginase est administrée aux patients leucémiques, en combinaison avec plusieurs autres composés chimiothérapiques, afin de combattre ce cancer. Toutefois, plusieurs patients ont une réaction allergique à cette protéine de source bactérienne, mais ne démontrent pas de symptômes physiques. Le biocapteur développé visait donc à détecter les réactions immunitaires des patients afin de modifier leur traitement lorsque cela s’avère nécessaire. Un biocapteur pour la détection de l’anti-asparaginase dans le sérum non-dilué de patients leucémiques a donc été développé. Des échantillons cliniques ont été étudiés et les résultats obtenus pour le nouveau biocapteur SPR ont montré une bonne concordance avec les résultats obtenus en ELISA.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».