Caractérisation de nouveaux analogues des cannabinoides
Bibliographic record
Abstract
Ce mémoire présente l’étude de certains effets pharmacologiques de nouveaux analogues synthétiques des cannabinoïdes. Un des objectifs de longue date des recherches sur les cannabinoïdes a été la découverte de puissants analogues synthétiques de substances naturelles, qui pourraient être développés comme médicaments. Cela nécessite, entre autres, qu’ils soient exempts d’effets psychotropes qui caractérisent l’usage récréatif du Cannabis. Le moteur derrière cet objectif a été la longue histoire de l’usage du Cannabis comme substance médicale, en particulier dans le traitement de la douleur et de l’inflammation.\nParmi les nombreux effets pharmacologiques des cannabinoïdes, deux sont d’un grand intérêt thérapeutique : l’effet antiprolifératif sur les cellules tumorales et l’effet anti-angiogène. Dans ce mémoire, l’étude de ces deux effets a été réalisée sur des cultures cellulaires tumorales et endothéliales humaines. Les tests de prolifération sur les deux types de cellules n’ont pas montré de cytotoxicité. Ce qui a permis de poursuivre l’étude de l’effet anti-angiogène, et qui a mis fin à l’étude de l’effet anti-tumoral. \nL’inhibition de l’angiogénèse a été investiguée en réalisant des tests de recolonisation d’une zone dénudée dans une monocouche de cellules endothéliales et des tests de formation de microtubules sur matrice gélifiée. L’effet anti-angiogène n’a pas pu être évalué à cause de problèmes de contamination, néanmoins certaines molécules montrent un effet anti-migratoire.\n L’absence de cytotoxicité et l’analogie structurale avec le -tétrahydrocannabinol encourage à continuer l’investigation des effets pharmacologiques de ces nouvelles molécules synthétiques. Il serait aussi pertinent d’étudier, dans une thèse de doctorat, les mécanismes d’actions moléculaires par lesquels agissent ces molécules.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".