Bibliographic record
Abstract
L’importance des modifications épigénétiques sur le contrôle de l’expression génique est clairement établie dans la littérature. Il demeure cependant incertain si les marques épigénétiques modulent l’activité transcriptionnelle ou si ce sont plutôt des conséquences découlant de facteurs régulateurs qui modulent préalablement cette activité. Pour ma thèse, j’ai investigué le rôle de la méthylation de l’ADN dans le contexte de l’activation du système immunitaire inné. Plus précisément, j’ai conduit une analyse intégrant des données de méthylation à l’échelle génomique, de modifications d’histones, d’accessibilité à la chromatine et d’expression génique sur des cellules dendritiques avant et après une infection provoquée par Mycobacterium tuberculosis (MTB). Dans le cadre du projet, je montre que la réponse immunitaire à l’infection est associée à la perte de méthylation sur des milliers de sites CpG, indépendamment de la prolifération cellulaire. Les déméthylations actives se trouvent principalement sur des éléments amplificateurs éloignés des sites d’initiation de la transcription et sont fortement associées à l’induction de gènes situés dans leur voisinage. Cependant, une analyse longitudinale indique que la plupart des changements d’expression se produisent avant les changements perceptibles de méthylation. Une analyse de footprint de l’ADN a révélé que le recrutement de facteurs de transcriptions impliqués dans la réponse immunitaire, tel que NF-κB/Rel, précède les pertes de méthylation observées. Il est intéressant de noter que les niveaux de méthylation dans les régions déméthylées ne sont pas rétablis durant l'infection, même pour des gènes dont l’expression retourne à l’état basal. Ces résultats suggèrent que la déméthylation de l’ADN n’est probablement pas cruciale à la mise en place du programme de régulation central enclenché par les cellules du système immunitaire en réponse aux pathogènes. Celle-ci pourrait cependant jouer un rôle dans la mémoire épigénétique et pourrait permettre une réponse plus rapide à une seconde infection. De manière générale, les résultats ouvrent la porte à l’utilisation des régions de méthylation de l’ADN comme bio-marqueur prédictifs d’infections passées et présentes.
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 | 0.001 |
| 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 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".