Optophysiologie SERS : analyse in vitro d’environnement cellulaire en Raman exalté par les surfaces
Bibliographic record
Abstract
Afin d’assurer la communication et la régulation de leur métabolisme, les cellules vivantes sécrètent une panoplie de petites et grandes molécules agissant comme messagers chimiques. Ces messagers sont généralement libérés dans l’environnement extracellulaire et diffusent jusqu’à l’atteinte d’une cible moléculaire bien précise. Cet évènement de reconnaissance biologique induit une cascade de réactions biochimiques qui sont le fondement des fonctions biologiques des cellules. Un dysfonctionnement associé à la sécrétion de messagers chimiques est associé à plusieurs conséquences cliniques. Par exemple, un changement de composition des neurotransmetteurs lors de la libération synaptique dans le cerveau est associé à la maladie d’Alzheimer, la maladie de Parkinson, la dépression, les dépendances et la schizophrénie. L’analyse des messagers chimiques est donc d’une grande importance dans le domaine clinique. Néanmoins, les méthodes analytiques contemporaines ne sont pas aptes à mesurer les changements rapides et hétérogènes des messagers chimiques lors d’évènements de sécrétion cellulaire. De nouvelles techniques permettant une analyse hautement sensible de plusieurs messagers chimiques simultanément et de manière localisée sont nécessaires. Les matériaux plasmoniques permettent l’utilisation de spectroscopies exaltée par les métaux comme la diffusion Raman exaltée par les effets de surfaces (SERS). Grâce à la spécificité moléculaire du SERS et à sa haute sensibilité, pouvant atteindre la détection d’une seule molécule, les capteurs SERS offrent divers avantages permettant le développement de nouvelles technologies dédiées aux mesures des sécrétions cellulaires. L’objectif principal de la thèse est la mise au point de nouveaux capteurs SERS permettant l’analyse des sécrétions cellulaires avec une haute sensibilité et une haute sélectivité. Pour y arriver, des nanoparticules d’or furent adsorbées sur des capillaires de verres nanométriques de type patch clamp. L’immobilisation des nanoparticules sur ces patch clamp génère un nanocapteur plasmonique pouvant être positionné dans l’espace, tout en conservant un état d’agrégation constant, facteur clé en SERS. Ces nanocapteurs furent donc positionnés près de cellules in vitro, puis des spectres SERS furent acquis dans le temps. Afin d’analyser cette réponse optique complexe, de nouvelles méthodes chimiométriques ont été développées. Comme première approche, un code-barres unique fut extrait à partir de chaque parton vibrationnel expérimental mesuré par SERS dans le temps, puis comparés à ceux d’une librairie extraient à partir de standards. Cette comparaison permet : (1) l’identification de la molécule selon son code-barres et (2) une analyse semi-quantitative en dénombrant le nombre de fois qu’un code-barres fut identifié sur une période de temps précise. Cette méthode chimiométrique, définie comme l’optophysiologie SERS, fut employée pour sonder les métabolites extracellulaires sécrétés par des cellules MDCKII au niveau basal et post-stimulation. Par sa nouveauté, l’optophysiologie requiert une optimisation des paramètres d’analyse, limitant sa capacité de multiplexage et son adaptation pour la détection de nouvelles cibles moléculaires. Afin d’en améliorer la sensibilité et la sélectivité, un nouvel algorithme d’évaluation des codes-barres fut implémenté à l’optophysiologie. Ce nouvel algorithme fut employé pour sonder les neurotransmetteurs sécrétés par des neurones dopaminergiques originaires du mésencéphale de souris. De plus, afin de visualiser les neurones et positionner correctement les nanocapteurs près des varicosités axonales, sites de libération majeure des neurotransmetteurs, un microscope combiné permettant l’imagerie de fluorescence et la spectroscopie Raman fut construit. À l’aide de ces outils, il fut possible de mesurer les changements relatifs de concentration in vitro de cinq neurotransmetteurs dans des conditions basales et durant plusieurs cycles de stimulation. Les performances analytiques de l’optophysiologie SERS dépendent, majoritairement, des codes-barres utilisés pour l’analyse, nécessitant donc une optimisation laborieuse de ces derniers. Cette optimisation constitue un obstacle majeur pour la translation de l’optophysiologie SERS vers le domaine clinique. Pour pallier à ce problème, plusieurs codes barre furent attribués par molécule et analyser, de manière analogue à de la reconnaissance faciale, par un réseau neuronal artificiel. L’optophysiologie SERS couplée à de l’intelligence artificielle a permis la détection de plus de sept métabolites extracellulaires associés au métabolisme de carbone, de l’azote et de l’énergie dans des cellules cancéreuses et contrôles. Les expériences présentées dans la thèse montrent le potentiel d’application de l’optophysiologie SERS pour la détection de métabolites sécrétés par des neurones, ou d’autres types de cellules présentant divers phénotypes, afin d’en étudier les fonctions biologiques normales ou celles associées à une pathologie. Ces nouvelles technologies mèneront certainement à des percées importantes dans différents domaines cliniques et scientifiques.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".