MétaCan
Menu
← Back to cohort
Record W2946361906 · doi:10.71781/28763

Analyse biochimique et inhibition de complexes macromoléculaires dans des cellules humaines et bactériennes

2018· dissertation· fr· W2946361906 on OpenAlexfundno aff
Flore Oudouhou

Bibliographic record

VenueOpen MIND · 2018
Typedissertation
Languagefr
FieldComputer Science
TopicComputational Drug Discovery Methods
Canadian institutionsnot available
FundersCanadian Institutes of Health ResearchUniversité de MontréalNatural Sciences and Engineering Research Council of CanadaMcGill University
KeywordsPhilosophyMolecular biologyBiology

Abstract

fetched live from OpenAlex

Les complexes macromoléculaires sont au cœur des processus fondamentaux de la cellule. L’étude de leur composition, de leur structure et des interactions qui s’exercent entre leurs composants permet de mieux appréhender leurs fonctions ; leurs composants représentant bien souvent des cibles d’intérêt en recherche clinique. Lors de mon doctorat nous avons ainsi mis en place une approche multidisciplinaire afin d’étudier deux complexes macromoléculaires : la machinerie eucaryote de synthèse et d’incorporation des sélénocystéines dans les protéines ; et le système de sécrétion de type 4 d’Helicobacter pylori. La sélénocystéine, 21e acide aminé du code génétique, a pour particularité de ne pas avoir de codon dédié et d’être encodé par le codon « stop » UGA. Ainsi, le décodage en sélénocystéine requiert une machinerie de traduction spécialisée, qui repose sur des interactions transitoires entre protéines et ARN. Bien que les principaux acteurs de la machinerie soient à présent identifiés, de nombreux détails moléculaires restent à clarifier. Afin de caractériser les interactions, de nature dynamique et transitoire, entre les acteurs de la machinerie connus à ce jour, nous avons tiré avantage de l’essai BRET (Bioluminescence Resonance Energy Transfer). Ainsi, nos études d’interaction in vivo nous ont permis de définir l’état oligomérique des différents facteurs et d’identifier plusieurs interactions inconnues jusqu’alors. Les sites d’interaction entre plusieurs facteurs de la machinerie ont également été déterminés par des approches in vitro. Nous proposons ainsi un modèle plus détaillé des étapes conduisant au décodage de la Sec. De plus, nous proposons le premier modèle structural d’une protéine clé, mais mal connue, de la machinerie (SECp43), qui pourra par la suite être exploité pour élucider l’implication de la protéine dans la machinerie de traduction. Dans un second temps, nous nous sommes intéressés à l’étude du système de sécrétion de type 4 d’Helicobacter pylori. La bactérie H. pylori est un pathogène humain dont la présence dans l’organisme accroît le risque de développement de cancer gastrique, le système de sécrétion de type 4, encodé par certaines souches, constituant un facteur aggravant de la pathogénicité. Du fait de l’émergence de souches d’H. pylori multirésistantes aux antibiotiques, les traitements actuels pour éradiquer la bactérie deviennent inadaptés. Ainsi, nous proposons d’adopter une stratégie alternative aux antibiotiques. Nous avons donc entrepris de développer et caractériser des molécules capables d’inhiber la virulence de la bactérie, en ciblant la protéine Cagα, une ATPase du système de sécrétion de type 4. La molécule 1G2 a ainsi été identifiée. Celle-ci inhibe l’activité ATPase de Cagα et diminue de près de 50% la réponse pro-inflammatoire des cellules eucaryotes, induite sous l’effet de l’infection par H. pylori. L’efficacité de la molécule a, par la suite, été évaluée sur des souches cliniques d’H. pylori résistantes aux antibiotiques, préalablement caractérisées. Nous avons ainsi mis en évidence que la molécule 1G2 était également efficace sur des souches cliniques hautement virulentes, de type occidental et d’Asie de l’Est. La chronicité de l’infection par H. pylori pouvant conduire au développement de cancers gastriques, nos résultats suggèrent le fort potentiel de la molécule 1G2 dans le traitement de l’infection. Cette molécule pourra notamment servir de base pour la conception d’autres molécules ayant un effet plus notoire sur la virulence d’H. pylori.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.004
Threshold uncertainty score0.011

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.078
GPT teacher head0.384
Teacher spread0.306 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueOpen MIND→Same topicComputational Drug Discovery Methods→French-language works237,207→