MétaCan
Menu
← Retour à la cohorte
Enregistrement W2946361906 · doi:10.71781/28763

Analyse biochimique et inhibition de complexes macromoléculaires dans des cellules humaines et bactériennes

2018· dissertation· fr· W2946361906 sur OpenAlexfundno aff
Flore Oudouhou

Notice bibliographique

RevueOpen MIND · 2018
Typedissertation
Languefr
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de MontréalNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésPhilosophyMolecular biologyBiology

Résumé

récupéré en direct d'OpenAlex

Les complexes macromoléculaires sont au cœur des processus fondamentaux de la cellule. L’étude de leur composition, de leur structure et des interactions qui s’exercent entre leurs composants permet de mieux appréhender leurs fonctions ; leurs composants représentant bien souvent des cibles d’intérêt en recherche clinique. Lors de mon doctorat nous avons ainsi mis en place une approche multidisciplinaire afin d’étudier deux complexes macromoléculaires : la machinerie eucaryote de synthèse et d’incorporation des sélénocystéines dans les protéines ; et le système de sécrétion de type 4 d’Helicobacter pylori. La sélénocystéine, 21e acide aminé du code génétique, a pour particularité de ne pas avoir de codon dédié et d’être encodé par le codon « stop » UGA. Ainsi, le décodage en sélénocystéine requiert une machinerie de traduction spécialisée, qui repose sur des interactions transitoires entre protéines et ARN. Bien que les principaux acteurs de la machinerie soient à présent identifiés, de nombreux détails moléculaires restent à clarifier. Afin de caractériser les interactions, de nature dynamique et transitoire, entre les acteurs de la machinerie connus à ce jour, nous avons tiré avantage de l’essai BRET (Bioluminescence Resonance Energy Transfer). Ainsi, nos études d’interaction in vivo nous ont permis de définir l’état oligomérique des différents facteurs et d’identifier plusieurs interactions inconnues jusqu’alors. Les sites d’interaction entre plusieurs facteurs de la machinerie ont également été déterminés par des approches in vitro. Nous proposons ainsi un modèle plus détaillé des étapes conduisant au décodage de la Sec. De plus, nous proposons le premier modèle structural d’une protéine clé, mais mal connue, de la machinerie (SECp43), qui pourra par la suite être exploité pour élucider l’implication de la protéine dans la machinerie de traduction. Dans un second temps, nous nous sommes intéressés à l’étude du système de sécrétion de type 4 d’Helicobacter pylori. La bactérie H. pylori est un pathogène humain dont la présence dans l’organisme accroît le risque de développement de cancer gastrique, le système de sécrétion de type 4, encodé par certaines souches, constituant un facteur aggravant de la pathogénicité. Du fait de l’émergence de souches d’H. pylori multirésistantes aux antibiotiques, les traitements actuels pour éradiquer la bactérie deviennent inadaptés. Ainsi, nous proposons d’adopter une stratégie alternative aux antibiotiques. Nous avons donc entrepris de développer et caractériser des molécules capables d’inhiber la virulence de la bactérie, en ciblant la protéine Cagα, une ATPase du système de sécrétion de type 4. La molécule 1G2 a ainsi été identifiée. Celle-ci inhibe l’activité ATPase de Cagα et diminue de près de 50% la réponse pro-inflammatoire des cellules eucaryotes, induite sous l’effet de l’infection par H. pylori. L’efficacité de la molécule a, par la suite, été évaluée sur des souches cliniques d’H. pylori résistantes aux antibiotiques, préalablement caractérisées. Nous avons ainsi mis en évidence que la molécule 1G2 était également efficace sur des souches cliniques hautement virulentes, de type occidental et d’Asie de l’Est. La chronicité de l’infection par H. pylori pouvant conduire au développement de cancers gastriques, nos résultats suggèrent le fort potentiel de la molécule 1G2 dans le traitement de l’infection. Cette molécule pourra notamment servir de base pour la conception d’autres molécules ayant un effet plus notoire sur la virulence d’H. pylori.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,078
Tête enseignante GPT0,384
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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetComputational Drug Discovery Methods→Travaux en français237 207→