MétaCan
Menu
Retour à la cohorte
Enregistrement W2955207444 · doi:10.71781/4779

Conception d'espaceurs pour relever les défis de bioconjugaison

2018· dissertation· fr· W2955207444 sur OpenAlexfundno aff
Alexandre Melkoumov

Notice bibliographique

RevueOpen MIND · 2018
Typedissertation
Languefr
DomaineArts and Humanities
Thématiquelinguistics and terminology studies
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesRéseau Québécois de Recherche sur les Médicaments
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Un des problèmes majeurs avec l’administration orale ou intraveineuse de médicaments est le fait que le principe actif se distribue à travers tout le corps, avec très peu de spécificité vers le site pathologique. Dans ce projet, l’hypothèse de travail est que la conjugaison de ces principes actifs avec des agents de ciblage permettra d’orienter ces conjugués vers des cibles thérapeutiques dans le but d’améliorer leur efficacité thérapeutique ou leur perméabilité intestinale. À cet effet, une série d’espaceurs de propriétés diverses (longueur, hydrophilie, clivage) a été développée pour conjuguer un principe actif à un agent de ciblage tels qu’un peptide ou une protéine. Dans un premier temps, des principes actifs peu perméables ont été conjugués à un ligand reconnaissant le récepteur GM1, tels qu’un peptide ou la sous-unité β de la toxine du choléra (CTB), pour améliorer leur perméabilité intestinale. En effet, la CTB utilise le récepteur GM1 pour être internalisée dans les entérocytes. Grâce à une optimisation des espaceurs, l’affinité des conjugués utilisant les peptides avec le récepteur GM1 a été conservée, ce qui a été démontré par titration calorimétrique isotherme (ITC) et par thermophorèse à micro-échelle (MST). L’internalisation des conjugués a été évaluée par cytométrie en flux dans des cellules intestinales Caco-2 et T84. Les conjugués peptidiques sont internalisés dans les cellules Caco-2 et T84, mais cette internalisation est limitée et n’augmente pas en présence de GM1. En revanche, le conjugué de l’albumine avec la CTB (CTB-BSA) est beaucoup mieux internalisé dans les cellules, et dépend de la présence de GM1. Enfin, la perméabilité a été évaluée dans un modèle utilisant une monocouche cellulaire de Caco-2 ou T84. Les conjugués peptidiques ont montré une perméabilité modeste alors que le conjugués CTB-BSA possède une perméabilité supérieure au contrôle. Cette étude montre que la conjugaison de la CTB à une macromolécule permet d’augmenter la perméabilité de protéines à travers une monocouche de cellules intestinales. Dans un second temps, un médicament immunostimulant a été conjugué avec un anticorps ciblant le récepteur HER2 du cancer du sein pour former un conjugué Anticorps-Médicament (Antibody-Drug-Conjugate, ADC). L’objectif était d’améliorer l’efficacité anticancéreuse de l’anticorps ciblant le HER2 utilisé actuellement dans le traitement du cancer du sein (Trastuzumab), en combinant les propriétés immunostimulantes du médicament. L’anticorps anti-HER2 murin a été conjugué au médicament grâce à un espaceur clivable pH-sensible. Le degré de conjugaison et la stabilité colloïdale des anticorps conjugués (ADC) ont été évaluées par chromatographie d’interaction hydrophobe (HIC) et chromatographie d’exclusion de taille (SEC) respectivement. Il était possible de greffer 4 ou 8 molécules de médicament sur l’anticorps en gardant une bonne stabilité colloïdale. L’ADC a conservé son affinité pour des cellules présentant le récepteur HER2 tel que les cellules TUBO et H2N100. Le médicament greffé sur l’ADC a également conservé son activité thérapeutique in vitro, ce qui a été démontré dans les mêmes cellules par l’évaluation du degré de méthylation et l’expression des gènes CXCL9 et CXCL10. Ce conjugué s’est révélé prometteur in vitro et l’évaluation de son efficacité anticancéreuse in vivo sur un modèle murin de cancer du sein, en comparaison avec l’anticorps anti-HER2, est en cours dans le laboratoire Stagg.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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 Opus0,089
Tête enseignante GPT0,341
Écart entre enseignants0,252 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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 MINDMême sujetlinguistics and terminology studiesTravaux en français237 207