Size exclusion of radioactive polymers to study the biodegradation and stability of polymeric nanoparticles
Notice bibliographique
Résumé
Les nanotechnologies ont joué un rôle essentiel dans le développement réussi des vaccins COVID-19 produits par BioNTech, Pfizer et Moderna. Elles ont rendues possible l'utilisation de nanomédicaments pour le traitement et la prophylaxie de maladies, qui ont à leur tour conduit au développement de différents excipients aux fonctions spécialisées. Par exemple, les lipides cationiques utilisés dans le vaccin COVID-19 aident à former des nanocomplexes avec l'actif, c'est-à-dire l'ARNm, et facilitent l'échappement endosomal. Le développement de nouveaux nanomédicaments contenant des excipients novateurs justifie l'utilisation de techniques analytiques permettant de caractériser leurs propriétés physicochimiques et leur stabilité, qui ont ultimement un impact sur les performances in vivo. Idéalement, les composantes des nanomédicaments doivent être dégradés et éliminés par l'organisme après avoir exercé leur action pharmacologique prévue. Dans cette thèse de doctorat, nous avons développé une technique qui combine le radiomarquage des polymères et la chromatographie d'exclusion stérique de polymères radioactifs, nommée SERP (pour « Size Exclusion of Radioactive Polymers », en anglais). Cette méthode inédite permet de suivre la biodisposition et d'estimer la dégradation des nanoparticules polymères in vitro et in vivo. Le triméthyl chitosane (TMC), un biopolymère, a été choisi comme modèle pour préparer des nanoparticules. Dans un premier temps, nous avons démontré l'utilité de cette méthode pour suivre la dégradation des nanoparticules de TMC in vitro en présence d'acide, d'enzymes et de cellules. Nous avons ensuite évalué le devenir à long terme des nanoparticules in vivo après administration intraveineuse chez les animaux. La SERP a été utilisée pour évaluer la dégradation des nanoparticules de TMC dans des échantillons biologiques complexes comme les tissus, l'urine et les fèces. Nous avons également vérifié la polyvalence de la méthode SERP pour contrôler la stabilité in vitro et la corrélation avec la pharmacocinétique in vivo d'un système de nanoparticules polymères synthétiques composé de poly(acide lactique-co-acide glycolique) et de poly(éthylène glycol) (PLGA-PEG). La sensibilité de la SERP a été comparée à la technique de diffusion dynamique de la lumière pour détecter la dégradation in vitro. Nous avons été capables de mesurer les différences dans la cinétique de dégradation de deux formulations différentes marquées avec la même molécule radioactive. Nous avons établi ensuite une corrélation entre la dégradation in vitro observée via SERP et la pharmacocinétique in vivo. Enfin, nous croyons que cette méthode aidera à suivre la biodisposition, à informer sur la biodégradation in vivo et à évaluer la stabilité d'une variété de matériaux utilisés dans la préparation de nanomédicaments. La SERP nous fournira plus d'informations sur les interactions des nanoparticules avec les organismes vivants et facilitera le développement de nanomédicaments plus sûrs et plus efficaces.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».