MétaCan
Menu
Back to cohort
Record W3037116332 · doi:10.71781/31609

Développement de nouvelles immunothérapies pour le traitement de la lymphohistiocytose hémophagocytaire (HLH) à l’aide d’un modèle murin

2019· dissertation· fr· W3037116332 on OpenAlexfundno aff
Josée-Anne Joly

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2019
Typedissertation
Languagefr
FieldMedicine
TopicAutoimmune and Inflammatory Disorders Research
Canadian institutionsnot available
FundersCanadian Institutes of Health Research
KeywordsMolecular biologyMedicineBiology

Abstract

fetched live from OpenAlex

La lymphohistiocytose hémophagocytaire (HLH) est une maladie hyper-inflammatoire rare, mais potentiellement mortelle affectant surtout les jeunes enfants. Il existe deux formes de HLH : primaire et secondaire. La HLH primaire est causée par une mutation des gènes impliqués dans la voie cytotoxique médiée par les granules, alors que la HLH secondaire se développe en raison d’une condition préexistante, telle qu’un cancer, une infection chronique ou une transplantation. La HLH est caractérisée par le développement d’inflammation extrême, une production excessive de cytokines inflammatoires ainsi qu’une infiltration tissulaire massive par des lymphocytes T et des macrophages activés. À ce jour, le traitement de la HLH consiste d’abord à réduire l’inflammation à l’aide d’agents de chimiothérapie hautement toxiques et de corticostéroïdes, puis à procéder à une transplantation de cellules souches hématopoïétiques (CSH) chez les patients atteints de HLH primaire, le seul traitement disponible permettant la rémission de ces patients. Toutefois, les thérapies actuelles ne parviennent pas toujours à réduire l’inflammation extrême chez plusieurs patients atteints de HLH, si bien que le taux de mortalité avant la transplantation de CSH est toujours d’environ 20% à 25%. C’est pourquoi le développement de nouveaux traitements anti-inflammatoires, plus efficaces, représenterait une avancée majeure dans le traitement de la HLH. Des études dans des modèles murins avaient déjà démontré que l’utilisation d’anticorps bloquants ciblant l’IFNg (anti-IFNg) ou de ruxolitinib, un inhibiteur de JAK1/2 (« janus activated kinases 1/2 »), pouvait améliorer efficacement, quoique partiellement, les manifestations de la HLH. Nous avons donc émis l’hypothèse que l’utilisation d’une thérapie combinée ciblant des cytokines JAK-dépendantes et indépendantes serait plus efficace qu’une monothérapie pour diminuer les symptômes de la HLH. À l’aide d’un modèle murin déficient pour le gène de la perforine (PKO), nous avons comparé les effets de l’inhibition de l’IL-6 et de l’IL-18, deux cytokines fortement sécrétées dans la HLH, en combinaison avec soit de l’anti-IFNg ou du ruxolitinib. Nous avons aussi vérifié l’efficacité d’une thérapie combinée d’anti-IFNg et de ruxolitinib sur les manifestations de la HLH. Nos travaux ont montré que l’anti-IL-6R et l’anti-IL-18, lorsque combinés avec de l’anti-IFNg ou du ruxolitinib, amélioraient légèrement, mais pas de manière significative, les symptômes de la HLH. Par contre, l’utilisation d’une thérapie combinant du ruxolitinib avec de l’anti-IFNg générait un important effet de synergie sur la résolution des symptômes. Notre étude démontre que l’anti-IFNg et le ruxolitinib, même s’ils sont efficaces par eux-mêmes, devraient être utilisés en combinaison afin de prévenir la progression de la HLH. Cette étude est particulièrement pertinente puisque l’anti-IFNg a récemment été approuvé par la FDA pour le traitement de la HLH tandis que le ruxolitinib est présentement à l’étude chez l’humain.

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)0.000
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 score0.002
Threshold uncertainty score0.005

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.010
GPT teacher head0.214
Teacher spread0.204 · 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
Published2019
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicAutoimmune and Inflammatory Disorders ResearchFrench-language works237,207