MétaCan
Menu
← Retour à la cohorte
Enregistrement W3155377639 · doi:10.71781/29748

Développement d’un nouveau modèle de criblage tridimensionnel pour la découverte de médicaments épigénétiques contre le cancer du poumon

2019· dissertation· fr· W3155377639 sur OpenAlexfundno aff
G. Innes

Notice bibliographique

RevueOpen MIND · 2019
Typedissertation
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchFondation Charles-Bruneau
Mots-clésBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

La découverte de médicaments en oncologie repose encore majoritairement sur les criblages pharmacologiques à haut débit. Cependant, les modèles traditionnels de culture cellulaire en deux dimensions (2D) ne reflètent pas les conditions physiopathologiques des tumeurs solides in situ. Au laboratoire, notre hypothèse est que le manque de représentativité des cellules en culture 2D par rapport aux tumeurs in situ lors des essais de criblage pharmacologique in vitro est responsable du faible taux de succès des petites molécules lors d’essais cliniques. Pour pallier ce problème, nous avons développé une méthode de culture à long-terme en trois dimensions (3D) avec des cellules d’adénocarcinome du poumon qui permet le maintien des cellules en sphéroïdes jusqu’à 38 jours. Les cellules s’adaptent rapidement à la culture 3D en diminuant leur taille et en ralentissant significativement leur métabolisme. Au niveau épigénétique, l’expression du complexe KAT3A/KAT3B et de BRG1 est significativement diminuée, et ce de manière temps-dépendante. À l’inverse, l’expression de HDAC6 est augmentée lors du passage en 3D. Finalement, nous avons vérifié si les changements épigénétiques induits par la culture 3D influençaient significativement la réponse aux médicaments. Ainsi, nous avons traité les cellules en 2D et après 10 ou 24 jours en 3D avec une pharmacothèque de 154 médicaments épigénétiques. 60% des médicaments ont démontré une activité anticancéreuse significative sur les cellules en 2D, contrairement à 9% sur les sphéroïdes de 10 jours. Avec les sphéroïdes de 24 jours, uniquement 1 médicament, le MS023, un inhibiteur des arginines méthyltransférases (PRMT) de type I, a été efficace. L’augmentation de la sensibilité au MS023 concorde avec une augmentation de la méthylation des arginines dans les sphéroïdes. En conclusion, mon projet démontre que la culture 3D modifie l’épigénome des cellules cancéreuses du poumon de manière temps-dépendant et que ces changements sensibilisent les cellules à une inhibition des PRMT de type I. L’étude des sphéroïdes nous permet d’améliorer notre compréhension de la biologie tumorale et des processus de découverte de médicaments ce qui pourrait pallier le faible taux de succès associé aux modèles 2D classique.

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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,021
Tête enseignante GPT0,290
Écart entre enseignants0,269 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→