Étude de l'impact de combinaisons d'acides gras et de l'insuline sur la fonctionnalité des cellules musculaires lisses vasculaires
Bibliographic record
Abstract
L’athérosclérose est étroitement liée au diabète de type 2. De fortes concentrations plasmatiques en acides gras libres (AGL) et en insuline sont des caractéristiques retrouvées chez les patients souffrant de ces deux pathologies. Les AGL, présents dans notre alimentation, font partie de l’environnement auquel les cellules sont exposées. Leurs effets dépendent de leur nature, les acides gras saturés (AGS) étant néfastes et les acides gras monoinsaturés (AGMI) plus protecteurs. Ils ont donc des effets variés sur les cellules musculaires lisses vasculaires (CMLV) impliquées dans la pathogénèse de l’athérosclérose. Ainsi, l’objectif principal de ce projet de maîtrise était d’évaluer l’impact de deux combinaisons d’AGL sur la viabilité des CMLV, en condition hyperinsulinémique ou non. Les deux combinaisons renfermaient les mêmes AGL mais en proportions différentes, l’une étant plus riche en AGS et l’autre en AGMI. Nos résultats ont montré que les combinaisons d’AGL ont un effet pro-apoptotique principalement dû aux AGS. L’acide oléique présent dans les combinaisons atténue cependant cet effet. Il diminue même plus fortement l’apoptose des CMLV lorsqu’associé à un AGS que lorsqu’utilisé seul. Cet impact est significatif uniquement dans certaines proportions de ces AGL et est plus efficace en présence d’insuline. Ces résultats mettent en lumière la présence d’une compétition entre mécanismes anti- et pro-apoptotiques en fonction des proportions d’AGS versus AGMI et de l’insulinémie chez les CMLV. Ils soulignent également l’importance de la présence des AGMI dans les diètes riches en AGS et pourraient être utiles pour l’élaboration de nouvelles diètes adaptées aux patients athérosclérotiques et diabétiques.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".