Biophysical studies of peptide hormone aggregation and self-assembly : from functional amyloids to physiologically relevant model systems
Bibliographic record
Abstract
Les fibres amyloïdes sont des arrangements supramoléculaires linéaires non ramifiés résultant de l'autoassemblage organisé de protéines dans des structures quaternaires en feuillets-β-croisés. Les fibres amyloïdes ont été initialement associées à différentes pathologies, bien que des assemblages amyloïdes présentant des fonctions essentielles aux processus physiologiques aient été identifiés chez la majorité des organismes vivants. Parmi les polypeptides associés aux amyloïdes, il a été démontré que les hormones peptidiques forment des amyloïdes à la fois pathologiques et fonctionnels. En plus de ces deux amyloïdes biologiques, les formulations peptidiques sont également sujettes à l'autoassemblage et à l'agrégation, ce qui réduit la stabilité, l'efficacité et la biosécurité du médicament. La formation d'amyloïde par les hormones peptidiques est donc un domaine d'intérêt particulier, mais il demeure difficile de décrire avec précision en raison de la nature dynamique du processus et de sa complexité. Actuellement, il existe un besoin urgent non seulement d'améliorer notre compréhension de la progression par laquelle les amyloïdes se forment, mais également de développer de nouvelles approches et de nouveaux outils pour étudier le processus de formation d'amyloïde dans des conditions biologiques incorporant d'autres biomolécules connues pour co-agréger, tels les glycosaminoglycanes (GAG) et les phospholipides. L'objectif principal de cette thèse est de développer des stratégies innovantes pour étudier les processus et les facteurs affectant l'agrégation des hormones peptidiques en fibres amyloïdes. Deux hormones peptidiques ont été utilisés dans cette étude. Tout d'abord, le pituitary adenylate activating polypeptide (PACAP), un peptide cationique hautement soluble qui a été postulé pour exister sous forme d’amyloïdes réversibles à l'intérieur de granules sécrétoires, a été utilisé pour représenter les amyloïdes fonctionnels. Deuxièmement, l’islet amyloid polypeptide (IAPP) dont l'agrégation et le dépôt pancréatique sont associés au diabète de type 2 a été utilisé comme modèle d'amyloïdes pathologiques. Trois objectifs spécifiques ont été ciblés : 1) décrire le mécanisme par lequel les GAG stimulent l'autoassemblage du PACAP, 2) établir des modèles de bicouche lipidique biologiquement pertinents pour évaluer les perturbations de la membrane plasmique induites par l'autoassemblage de IAPP, et 3) expliquer les sources de variation expérimentale au cours de la cinétique de l'assemblage amyloïde in vitro. Contrairement aux mécanismes classiques de formation principalement déduits d'amyloïdes pathologiques, le PACAP a formé des gouttelettes denses et séparées en phases où l'autoassemblage a été initié. Ni les gouttelettes, ni les fibres de PACAP ne se sont révélées cytotoxiques, ce qui appuie l'hypothèse d’amyloïde fonctionnel. Ensuite, un nouvel essai à base de FRET a été développé pour détecter les perturbations membranaires induites par l'IAPP à l'aide de vésicules de membrane plasmique de cellules eucaryotes, surmontant les limites des modèles synthétiques traditionnels. Enfin, le test standard sur microplaque souvent utilisé pour décrire la cinétique de la formation d'amyloïde s'est avéré hautement sensible aux conditions expérimentales - la fréquence et le nombre de mesures étaient des sources d'agitation confondantes modulant la cinétique. Ces résultats donnent non seulement un aperçu des mécanismes sous-jacents des amyloïdes physiologiques, mais fournissent également des outils innovants pour étudier l'amyloïdogenèse, comblant l’écart entre les processus biologiques in vivo et l'étude biophysique de l'amyloïde in vitro. Ces approches et les informations tirées de ces travaux s'avérent des contributions précieuses à l'étude de l'amyloïde dans des conditions biologiquement pertinentes. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Islet amyloid polypeptide, pituitary adenylate cyclase activating polypeptide, érythrocytes, vésicules de membranes plasmiques géantes, glycosaminoglycanes
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 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 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".