Nanomatériaux à base d'oxyde de gadolinium : applications en imagerie par résonance magnétique (IRM)
Bibliographic record
Abstract
L’imagerie par résonance magnétique (IRM) est couramment utilisée en médecine pour obtenir des images anatomiques de haute résolution. L’IRM permet également de suivre la migration de cellules injectées in vivo. Dans ce contexte, un agent de contraste est nécessaire afin de clairement visualiser les cellules. Actuellement, les produits de contraste les plus utilisés en IRM clinique sont les chélates de gadolinium puisqu’ils permettent de rehausser le signal des tissus fortement vascularisés. Cependant, la majorité de ces composés ne sont que faiblement internalisés et retenus à l’intérieur des cellules. Afin de permettre un marquage cellulaire plus efficace, des nanoparticules d’oxyde de gadolinium (Gd2O3) ont récemment été développées. La première partie de ce projet de maîtrise consistait donc en l’utilisation de ces particules, revêtues de diéthylène glycol (Gd2O3-DEG), comme marqueur cellulaire. Une fois marquées avec ce produit, les cellules peuvent être visualisées en IRM, in vitro et in vivo (œuf de poulet fertilisé). Or, les particules de Gd2O3-DEG s’agglomèrent en solution aqueuse saline (milieu de culture) et à haute concentration, elles peuvent affecter la prolifération des cellules. De ce fait, la seconde partie de ce projet consistait à remplacer le DEG par du polyéthylène glycol (PEG) afin de conférer aux nanocristaux une meilleure stabilité et de diminuer leur cytotoxicité. Dans le cadre de cette maîtrise, le greffage de PEG a été réalisé à l’aide de trois polymères différents, soit le PEG-phosphate, le PEG-silane et le PEG diacide. Dans le but de déterminer le meilleur groupement chimique pouvant réagir avec le Gd2O3, ces polymères ont été greffés à la fois sur les particules et sur des films minces de Gd2O3. Différentes stratégies de greffage ont été élaborées avec les deux systèmes afin d’identifier les conditions de réaction optimales. Suite à ces expériences, les caractéristiques physico-chimiques des particules et des surfaces recouvertes de PEG ont été mesurées à l’aide de différentes techniques d’analyse. En somme, cette étude a permis de démontrer que le PEG-phosphate interagit plus fortement avec les nanomatériaux à base de Gd2O3 que les deux autres PEG. De plus, les particules de Gd2O3-PEG-phosphate possèdent des propriétés physico-chimiques et relaxométriques supérieures à tous les autres systèmes étudiés dans le cadre de ce projet (nanoparticules revêtues de DEG, de PEG-silane et de PEG diacide). Ces particules pourraient donc être considérées, dans le futur, comme agent de contraste pour l’IRM cellulaire et pourraient remplacer les produits employés à ce jour (principalement des nanoparticules d’oxyde de fer).
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 | 0.000 |
| 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 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".