MétaCan
Menu
Back to cohort
Record W2955207444 · doi:10.71781/4779

Conception d'espaceurs pour relever les défis de bioconjugaison

2018· dissertation· fr· W2955207444 on OpenAlexfundno aff
Alexandre Melkoumov

Bibliographic record

VenueOpen MIND · 2018
Typedissertation
Languagefr
FieldArts and Humanities
Topiclinguistics and terminology studies
Canadian institutionsnot available
FundersFonds de recherche du Québec – Nature et technologiesRéseau Québécois de Recherche sur les Médicaments
KeywordsHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Un des problèmes majeurs avec l’administration orale ou intraveineuse de médicaments est le fait que le principe actif se distribue à travers tout le corps, avec très peu de spécificité vers le site pathologique. Dans ce projet, l’hypothèse de travail est que la conjugaison de ces principes actifs avec des agents de ciblage permettra d’orienter ces conjugués vers des cibles thérapeutiques dans le but d’améliorer leur efficacité thérapeutique ou leur perméabilité intestinale. À cet effet, une série d’espaceurs de propriétés diverses (longueur, hydrophilie, clivage) a été développée pour conjuguer un principe actif à un agent de ciblage tels qu’un peptide ou une protéine. Dans un premier temps, des principes actifs peu perméables ont été conjugués à un ligand reconnaissant le récepteur GM1, tels qu’un peptide ou la sous-unité β de la toxine du choléra (CTB), pour améliorer leur perméabilité intestinale. En effet, la CTB utilise le récepteur GM1 pour être internalisée dans les entérocytes. Grâce à une optimisation des espaceurs, l’affinité des conjugués utilisant les peptides avec le récepteur GM1 a été conservée, ce qui a été démontré par titration calorimétrique isotherme (ITC) et par thermophorèse à micro-échelle (MST). L’internalisation des conjugués a été évaluée par cytométrie en flux dans des cellules intestinales Caco-2 et T84. Les conjugués peptidiques sont internalisés dans les cellules Caco-2 et T84, mais cette internalisation est limitée et n’augmente pas en présence de GM1. En revanche, le conjugué de l’albumine avec la CTB (CTB-BSA) est beaucoup mieux internalisé dans les cellules, et dépend de la présence de GM1. Enfin, la perméabilité a été évaluée dans un modèle utilisant une monocouche cellulaire de Caco-2 ou T84. Les conjugués peptidiques ont montré une perméabilité modeste alors que le conjugués CTB-BSA possède une perméabilité supérieure au contrôle. Cette étude montre que la conjugaison de la CTB à une macromolécule permet d’augmenter la perméabilité de protéines à travers une monocouche de cellules intestinales. Dans un second temps, un médicament immunostimulant a été conjugué avec un anticorps ciblant le récepteur HER2 du cancer du sein pour former un conjugué Anticorps-Médicament (Antibody-Drug-Conjugate, ADC). L’objectif était d’améliorer l’efficacité anticancéreuse de l’anticorps ciblant le HER2 utilisé actuellement dans le traitement du cancer du sein (Trastuzumab), en combinant les propriétés immunostimulantes du médicament. L’anticorps anti-HER2 murin a été conjugué au médicament grâce à un espaceur clivable pH-sensible. Le degré de conjugaison et la stabilité colloïdale des anticorps conjugués (ADC) ont été évaluées par chromatographie d’interaction hydrophobe (HIC) et chromatographie d’exclusion de taille (SEC) respectivement. Il était possible de greffer 4 ou 8 molécules de médicament sur l’anticorps en gardant une bonne stabilité colloïdale. L’ADC a conservé son affinité pour des cellules présentant le récepteur HER2 tel que les cellules TUBO et H2N100. Le médicament greffé sur l’ADC a également conservé son activité thérapeutique in vitro, ce qui a été démontré dans les mêmes cellules par l’évaluation du degré de méthylation et l’expression des gènes CXCL9 et CXCL10. Ce conjugué s’est révélé prometteur in vitro et l’évaluation de son efficacité anticancéreuse in vivo sur un modèle murin de cancer du sein, en comparaison avec l’anticorps anti-HER2, est en cours dans le laboratoire Stagg.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.846
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0190.003

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 head0.089
GPT teacher head0.341
Teacher spread0.252 · 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; both teacher heads agree on what is shown here.

Study designNot applicable
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 MINDSame topiclinguistics and terminology studiesFrench-language works237,207