Micelles polyioniques ternaires pour la libération intracellulaire dâoligonucleotides
Bibliographic record
Abstract
Les oligonucléotides (ONs) antisens présentent un fort potentiel en tant quâagents thérapeutiques. Toutefois, leurs propriétés physicochimiques limitent leur utilisation en thérapie génique. Pour pallier aux divers obstacles, des systèmes de vectorisation, tels que les micelles polyioniques (PICMs), ont été développés. Grâce à leur structure unique, les micelles protégent lâON contre une dégradation prématurée et le couplage dâun ligand à leur surface augmente leur spécificité et leur internalisation. Dans dâautres systèmes, un polymère adjuvant aux propriétés pH-sensibles peut être ajouté pour faciliter la sortie de lâendosome et augmenter lâefficacité de lâON. \nLâobjectif général de ce mémoire était de mettre au point des PICMs ternaires ciblées pour lâadministration dâONs. Ces micelles assureraient à la fois lâinternalisation cellulaire de leur cargaison en interagissant avec des récepteurs cellulaires et sa fuite de lâendosome grâce à un mécanisme de déstabilisation de la membrane endosomale. Pour cela, des PICMs composées dâun copolymère cationique de type poly(éthylène glycol)-bloc-poly(méthacrylate dâ(alkylamino)éthyle) et dâun copolymère dâacide méthacrylique ont été préparées. Les propriétés physicochimiques de ces vecteurs ont démontré quâils permettaient une condensation efficace de lâacide nucléique et ce, indépendamment de la nature du polymère cationique et de lâacide nucléique. Finalement, une approche de couplage par pont disulfure a été développée afin de greffer au copolymère un fragment dâanticorps dirigé contre les récepteurs de la transferrine. \nEn conclusion, ces travaux démontrent la versatilité et le potentiel des PICMs ternaires en tant que vecteurs dâacide nucléique, et proposent une méthodologie de couplage dâun ligand afin de formuler des PICMs ciblées.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| 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 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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 teacher head, 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".