Étude de l’inflammation placentaire lors de complications de la grossesse
Bibliographic record
Abstract
Le placenta est l’organe central de la grossesse et son bon fonctionnement est essentiel pour mener à une grossesse à terme sans complication. L’inflammation joue un rôle très important dans les différentes étapes de la grossesse, de l’implantation à l’accouchement. Lorsque cette inflammation est débalancée au niveau du placenta, cela peut causer plusieurs altérations de ses fonctions. L’inflammation peut être induite par deux différents stimuli, soient par une intervention externe, donc infectieux (via les Pathogen-Associated Molecular Patterns, PAMPs) ou de façon endogène (via les Damage-Associated Molecular Patterns, DAMPs). L’augmentation de l’inflammation est aussi associée avec les complications de la grossesse, qui touchent 5-12% de toutes les grossesses et qui peuvent mener à des conséquences dévastatrices sur la santé de la mère et du nouveau-né. Ces complications comprennent la prééclampsie (PE), l’accouchement prématuré (AP) et le retard de croissance intra-utérin (RCIU). Malgré que ces pathologies aient des étiologies différentes, elles partagent un facteur commun qui joue un rôle essentiel soit, l’inflammation. Dans le but de mieux comprendre le rôle et les effets de l’inflammation sur le placenta humain et dans les complications de la grossesse, nous avons évalué les effets d’un PAMP (LPS) et d’un DAMP (IL-1) classiques dans un modèle d’explants placentaires humains et nous avons réalisé une étude transcriptomique non biaisée de placentas issus de chaque pathologie. Tout d’abord, nous avons démontré que le LPS induisait une plus grande quantité de cytokines pro-inflammatoire comparativement à l’IL-1 et que l’inhibition de la voie de signalisation de l’IL-1 par son antagoniste (IL-1Ra) diminuait leur expression et leur sécrétion. De plus, le LPS induisait une augmentation de la mort cellulaire dans les explants et la prolifération des cellules de Hofbauer, macrophages placentaires. Par la suite, l’étude du transcriptome de placentas provenant de complications de la grossesse (PE, AP et RCIU) a permis de constater que les pathologies ne forment pas de groupes (clusters) basés sur l’expression globale des gènes comparativement placentas issus de grossesses sans complication qui se regroupaient majoritairement ensemble. Il a été possible d’identifier les gènes significativement différents dans chaque pathologie et l’ontologie génique de ceux-ci. Nous avons identifié 198 gènes communs à toutes les complications de la grossesse qui sont majoritairement associés à des processus inflammatoires tels que l’interaction entre les cellules lymphoïdes et non lymphoïdes, l’activation leucocytaire et la régulation de la production de cytokines. Enfin, en plus de confirmer les modulations connues de certains gènes dans chaque complication de la grossesse, nous avons été en mesure d’identifier de nouveaux gènes qui n’avaient jamais été associés avec les pathologies, tels que FUT9, SLAMF7 et TGM3. En conclusion, les travaux présentés dans cette thèse démontrent que l’inflammation induite par le LPS et l’IL-1 n’a pas les mêmes effets au niveau du placenta. L’inflammation est une composante commune aux différentes complications de la grossesse et une meilleure compréhension des processus inflammatoires modulés dans chaque pathologie pourrait permettre le développement de nouvelles approches thérapeutiques. Des travaux futurs pourraient s’intéresser au potentiel prolifératif des cellules de Hofbauer et à l’investigation des nouveaux gènes identifiés par les résultats transcriptomiques.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 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".