MétaCan
Menu
Retour à la cohorte
Enregistrement W6998985305

Biophysical studies of peptide hormone aggregation and self-assembly : from functional amyloids to physiologically relevant model systems

2023· other· fr· W6998985305 sur OpenAlexfundno aff

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2023
Typeother
Languefr
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaSorbonne UniversitéUniversité du Québec à Montréal
Mots-clésAnimal modelAgrégationGrowth hormoneHuman growth hormone
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les fibres amyloïdes sont des arrangements supramoléculaires linéaires non ramifiés résultant de l'autoassemblage organisé de protéines dans des structures quaternaires en feuillets-β-croisés. Les fibres amyloïdes ont été initialement associées à différentes pathologies, bien que des assemblages amyloïdes présentant des fonctions essentielles aux processus physiologiques aient été identifiés chez la majorité des organismes vivants. Parmi les polypeptides associés aux amyloïdes, il a été démontré que les hormones peptidiques forment des amyloïdes à la fois pathologiques et fonctionnels. En plus de ces deux amyloïdes biologiques, les formulations peptidiques sont également sujettes à l'autoassemblage et à l'agrégation, ce qui réduit la stabilité, l'efficacité et la biosécurité du médicament. La formation d'amyloïde par les hormones peptidiques est donc un domaine d'intérêt particulier, mais il demeure difficile de décrire avec précision en raison de la nature dynamique du processus et de sa complexité. Actuellement, il existe un besoin urgent non seulement d'améliorer notre compréhension de la progression par laquelle les amyloïdes se forment, mais également de développer de nouvelles approches et de nouveaux outils pour étudier le processus de formation d'amyloïde dans des conditions biologiques incorporant d'autres biomolécules connues pour co-agréger, tels les glycosaminoglycanes (GAG) et les phospholipides. L'objectif principal de cette thèse est de développer des stratégies innovantes pour étudier les processus et les facteurs affectant l'agrégation des hormones peptidiques en fibres amyloïdes. Deux hormones peptidiques ont été utilisés dans cette étude. Tout d'abord, le pituitary adenylate activating polypeptide (PACAP), un peptide cationique hautement soluble qui a été postulé pour exister sous forme d’amyloïdes réversibles à l'intérieur de granules sécrétoires, a été utilisé pour représenter les amyloïdes fonctionnels. Deuxièmement, l’islet amyloid polypeptide (IAPP) dont l'agrégation et le dépôt pancréatique sont associés au diabète de type 2 a été utilisé comme modèle d'amyloïdes pathologiques. Trois objectifs spécifiques ont été ciblés : 1) décrire le mécanisme par lequel les GAG stimulent l'autoassemblage du PACAP, 2) établir des modèles de bicouche lipidique biologiquement pertinents pour évaluer les perturbations de la membrane plasmique induites par l'autoassemblage de IAPP, et 3) expliquer les sources de variation expérimentale au cours de la cinétique de l'assemblage amyloïde in vitro. Contrairement aux mécanismes classiques de formation principalement déduits d'amyloïdes pathologiques, le PACAP a formé des gouttelettes denses et séparées en phases où l'autoassemblage a été initié. Ni les gouttelettes, ni les fibres de PACAP ne se sont révélées cytotoxiques, ce qui appuie l'hypothèse d’amyloïde fonctionnel. Ensuite, un nouvel essai à base de FRET a été développé pour détecter les perturbations membranaires induites par l'IAPP à l'aide de vésicules de membrane plasmique de cellules eucaryotes, surmontant les limites des modèles synthétiques traditionnels. Enfin, le test standard sur microplaque souvent utilisé pour décrire la cinétique de la formation d'amyloïde s'est avéré hautement sensible aux conditions expérimentales - la fréquence et le nombre de mesures étaient des sources d'agitation confondantes modulant la cinétique. Ces résultats donnent non seulement un aperçu des mécanismes sous-jacents des amyloïdes physiologiques, mais fournissent également des outils innovants pour étudier l'amyloïdogenèse, comblant l’écart entre les processus biologiques in vivo et l'étude biophysique de l'amyloïde in vitro. Ces approches et les informations tirées de ces travaux s'avérent des contributions précieuses à l'étude de l'amyloïde dans des conditions biologiquement pertinentes. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Islet amyloid polypeptide, pituitary adenylate cyclase activating polypeptide, érythrocytes, vésicules de membranes plasmiques géantes, glycosaminoglycanes

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,228
Écart entre enseignants0,207 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)Même sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207