Évaluation des propriétés biologiques de sels de biguanidium : perturbation membranaire et applications dans le traitement du cancer du pancréas
Bibliographic record
Abstract
La metformine, un médicament couramment utilisé pour le traitement du diabète de type II, fut récemment identifiée comme un composé ayant des propriétés anticancéreuses très intéressantes, notamment pour le cancer du pancréas. Toutefois, malgré les nombreuses expériences in vitro et sur des modèles murins qui ont confirmé cet effet, les essais cliniques sur les humains sont restés infructueux. Un des facteurs mis en cause pour expliquer ces résultats est la grande hydrophilie de la metformine, qui diminue sa biodisponibilité et limite son transport au travers des membranes cellulaires. Nous nous sommes donc intéressés à la synthèse de sels de biguanidium amphiphiles inspirés de la metformine qui se partitionnent plus facilement dans les bicouches phospholipidiques et qui possèdent de meilleures activités anticancéreuses. Pour ce faire, nous avons tout d’abord étudié la perturbation des membranes par de simples alkylbiguanidium. Nous avons démontré que ces composés peuvent transporter des ions H+/OH- et dépolariser les membranes bactériennes, ce qui leur confère des propriétés antibactériennes et antifongiques. Afin de limiter l’hémolyse associée à ces composés, des sels de biguanidium substitués par le groupement phényléthynylbenzyle ont par la suite été synthétisés. La structure de ceux-ci leur permet de mieux se partitionner dans les membranes et s’accumuler dans les mitochondries, tout en diminuant la toxicité associée à une perturbation membranaire trop forte. Leur activité sur les cellules cancéreuses du pancréas est ainsi beaucoup plus importante que celle de la metformine, de même que leur capacité à inhiber la croissance de xénogreffes chez les souris. Ces résultats nous ont ensuite amené vers la synthèse d’une petite librairie de sels de biguanidium et l’étude de leurs activités anticancéreuses et antibactériennes. Les modifications structurales et les changements de contre-ion apportés à cette librairie ont permis d’obtenir des composés encore plus efficaces et surtout beaucoup plus sélectifs envers les cellules saines, ouvrant ainsi la porte à une nouvelle classe de médicaments anticancéreux à base de sels de biguanidium.
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 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".