Implication des récepteurs de la mélatonine dans les troubles neurologiques et le diabète de type 2 et identification de régions clés du récepteur MT1 responsables de sa sélectivité fonctionnelle
Bibliographic record
Abstract
La mélatonine est une neurohormone produite principalement par la glande pinéale de manière circadienne et agissant par l’activation de deux récepteurs couplés aux protéines G (RCPGs) appelés MT1 et MT2. La mélatonine régule de nombreuses fonctions physiologiques importantes. La régulation des niveaux de dopamine (DA) et de glucose en font partie mais nous ne savons pas clairement comment la mélatonine les régule.Les niveaux de DA extracellulaire sont principalement régulés par son transporteur (DAT) responsable de sa recapture dans les neurones présynaptiques afin de prévenir d’une hyperactivation des récepteurs dopaminergiques. Par conséquent, nous avons vérifié le rôle de DAT dans la régulation du système dopaminergique par le système mélatoninergique. Nous avons montré qu’en interagissant avec la forme immature non-glycosylée de DAT, MT1 et MT2 le retiennent dans le réticulum endoplasmique régulant ainsi son expression à la surface cellulaire et donc la recapture de la DA. De la même manière, les souris déficientes en MT1 ou MT2 ont montré une augmentation de la recapture de la DA dans les synaptosomes de striatum et une baisse de l’hypermotilité induite par l’amphétamine. Dans ce projet nous avons ainsi révélé un nouveau lien entre les systèmes mélatoninergiques et dopaminergiques basé sur la formation de complexes moléculaires entre les récepteurs de la mélatonine et DAT.Afin de mieux comprendre le rôle de la mélatonine dans la régulation des niveaux de glucose, nous avons ensuite étudié l’implication de variants génétiques de MT2 dans le développement du diabète de type 2 (DT2). Des études antérieures avaient montré que des variants naturels défectueux fonctionnellement étaient associés à un risque de développer le DT2. Afin de déterminer plus précisément les propriétés défectueuses en lien avec le DT2, nous avons mesuré l’activation spontanée et celle induite par la mélatonine de 40 variants MT2. Nous avons ainsi montré que des défauts d’activation des protéines Gαi et Gαz induite par la mélatonine et de recrutement spontané de la βarrestine-2 sont significativement reliés à un risque de développer le DT2. Les résultats expérimentaux corrélaient avec les prédictions de l’analyse sur le score d’évolution. Ce travail permettra de nouvelles avancées dans la recherche de traitements personnalisés pour les personnes portants les mutations sur MT2 afin qu’il retrouve une réponse non défectueuse.Le séquençage de 9393 personnes a permis l’identification de 32 variants naturels MT1. Le récepteur MT1 sauvage et les variants ont ainsi été caractérisés grâce aux techniques de transfert d’énergie par résonnance de bioluminescence (BRET). Nous avons montré que MT1 active les protéines Gαi/o, Gα12 et Gα15 et recrute la βarrestine-2. L’analyse des résultats par factorisation matricielle non linéaire a révélé l’existence de 5 clusters caractérisés par différents profils de signalisation. La modélisation 3D par homologie de MT1 a permis de déterminer l’impact de chaque variant sur l’activation du récepteur et ses interactions avec les protéines G et la βarrestine-2. Ce projet a ainsi permis de démontrer que des variants naturels sont très intéressant afin de comprendre les mécanismes d’action des RCPGs. En résumé, ce travail contribue à la compréhension des fonctions des récepteurs à la mélatonine et souligne leur importance dans la régulation du système dopaminergique et de l’homéostasie glucidique. Nos résultats offrent de nouvelles perspectives dans la recherche de nouveaux traitements personnalisés pour les patients souffrant d’un dérèglement du système dopaminergique ou de DT2.
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 | 0.000 | 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 | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".