Implication des canaux K+ dans les processus de réparation de l’épithélium respiratoire sain et fibrose kystique
Bibliographic record
Abstract
La pathologie de la fibrose kystique (FK) est causée par des mutations du gène codant pour le canal Cl- CFTR. Au niveau respiratoire, cette dysfonction du transport transépithélial de Cl- occasionne une altération de la composition et du volume du liquide de surface des voies aériennes. Une accumulation de mucus déshydraté favorise alors la colonisation bactérienne et une réponse inflammatoire chronique, entraînant des lésions épithéliales sévères au niveau des voies aériennes et des alvéoles pouvant culminer en défaillance respiratoire. Le principal objectif de mon projet de maîtrise était d’étudier les processus de réparation de l’épithélium alvéolaire sain, l’épithélium bronchique sain et FK à l’aide d’un modèle in vitro de plaies mécaniques. Nos résultats démontrent la présence d’une boucle autocrine EGF/EGFR contrôlant les processus de migration cellulaire et de réparation des lésions mécaniques. D’autre part, nos expériences montrent que l’EGF stimule l’activité et l’expression des canaux K+ KATP, KvLQT1 et KCa3.1 des cellules épithéliales respiratoires. L’activation de ces canaux est cruciale pour les processus de réparation puisque la majeure partie de la réparation stimulée à l’EGF est abolie en présence d’inhibiteurs de ces canaux. Nous avons également observé que les cellules FK présentent un délai de réparation, probablement causé par un défaut de la réponse EGF/EGFR et une activité/expression réduite des canaux K+. Nos résultats permettent de mieux comprendre les mécanismes de régulation des processus de réparation de l’épithélium sain et FK. De plus, ils ouvrent de nouvelles options thérapeutiques visant à promouvoir, à l’aide d’activateurs de canaux K+ et de facteurs de croissance, la régénération de l’épithélium respiratoire chez les patients atteints de FK.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".