Étude des modulateurs du stress réplicatif
Notice bibliographique
Résumé
Une composante primordiale de la biologie du cancer est l’interdépendance entre le stress réplicatif, la réparation de l’ADN et la réponse à la thérapie par agents génotoxiques. Nous avons précédemment démontré que plusieurs lignées cellulaires sont particulièrement susceptibles au stress réplicatif en raison de l’épuisement du complexe hétérotrimérique RPA, une composante critique de la réplication et de plusieurs voies de réparation de l’ADN. Cette plus grande vulnérabilité peut d’ailleurs être détectée par un défaut de réparation par excision de nucléotides (NER) spécifiquement durant la phase S. Or, les travaux précédents de notre équipe de recherche ont également démontré que ce défaut est observé chez plusieurs lignées de cancer séreux de haut grade des ovaires (CSHG), le cancer gynécologique le plus mortel au Canada. Ce dernier est fréquemment traité au cisplatine, un agent génotoxique causant un fort stress réplicatif. L’efficacité du cisplatine est contrecarrée par le développement d’une chimiorésistance importante. Nous avons émis l’hypothèse que cette même résistance peut être le résultat d’une meilleure tolérance au stress réplicatif suivi d’une meilleure disponibilité de RPA pour la NER, la seule voie de réparation capable de retirer directement les adduits de cisplatine dans l’ADN génomique des cellules humaines. Les travaux présentés dans cette thèse démontrent que, chez les lignées de CSHG, il existe une forte corrélation entre capacité de NER en phase S (SPR) et résistance aux agents génotoxiques. Les cellules SPR+ présentent d’ailleurs une meilleure tolérance au stress réplicatif et une meilleure protection des fourches de réplication bloquées. Finalement, nous montrons que l’ensemble des phénotypes caractéristiques des cellules SPR- peuvent être résolus par la surexpression de RPA, plaçant une fois de plus cette molécule à l’intersection critique entre stress réplicatif, réparation de l’ADN et résistance à la chimiothérapie du cancer. Mes travaux m’ont ensuite conduit à étudier un aspect plus spécifique du stress réplicatif dans le contexte du cancer : les mécanismes de régulation de la protéine APOBEC3B (A3B). Cette cytidine désaminase a d’ores et déjà été caractérisée pour son activité mutagène dont la trace est communément rencontrée dans de nombreux cancers. De plus, des travaux récents suggèrent que non seulement A3B cause un stress réplicatif élevé, mais également que ce dernier augmente l’activité de cette même enzyme. Cependant, la plupart des études portant sur les interacteurs protéiques d’A3B se sont plutôt penchées sur son rôle dans la régulation de la réplication virale. Il existe donc un manque majeur dans nos connaissances quant aux protéines interagissant avec A3B dans le contexte du stress réplicatif. Je rapporte dans cet ouvrage mes tentatives de remédier à cette tare en utilisant des protéines de fusion employant le système BioID. Les résultats obtenus par ces expériences s’inscrivent difficilement dans le contexte du stress réplicatif lié à A3B, mais ils mettent en évidence une association potentielle de cette protéine avec plusieurs composantes des granules de stress et de la machinerie de métabolisme des ARN. Il est cependant possible que cette dernière soit impliquée dans le stress réplicatif, une éventualité qui viendrait étayer les études récentes détaillant les interrelations entre le stress réplicatif et la transcription. Devant l’avènement des nouvelles technologies d’intelligence artificielle et d’apprentissage profond, mes travaux m’ont finalement conduit à examiner le stress réplicatif de manière plus holistique en développant un réseau neuronal artificiel conçu pour caractériser la progression des cellules en phase S : SphaseNET. Ce dernier utilise l’apprentissage par transfert du réseau InceptionV3 couplé à un réseau d’affinage spécifiquement conçu et entraîné dans cette optique. Notre jeu de données se base sur des images de microscopie par fluorescence de cellules U-2 OS traitées brièvement à l’analogue de thymidine EdU et dont la quantité totale d’ADN est évaluée par DAPI. SphaseNET est capable de discriminer efficacement les cellules étant en début, au milieu ou en fin de phase S. De plus, nous démontrons que nous pouvons utiliser ce système pour identifier des anomalies dans l’activation des origines de réplication inactives, un phénomène particulièrement enclin à mener au stress réplicatif. Cette relation a d’ailleurs été rapporté ici dans le contexte du cancer des ovaires et semble contribuer à l’épuisement de RPA chez les cellules SPR-. SphaseNET pourrait donc constituer un outil de découverte important dans l’étude des mécanismes régulant la coordination de la réplication de l’ADN, représentant ainsi un atout de plus dans la recherche sur la biologie du cancer.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».