L'effet d'une prédisposition génétique aux maladies inflammatoires de l'intestin sur la barrière épithéliale intestinale
Bibliographic record
Abstract
Les maladies inflammatoires de l’intestin (MICIs) incluent la maladie de Crohn et la colite ulcéreuse et affectent plus de 270 000 personnes au Canada. L’origine des MICIs est associée à des facteurs génétiques, des facteurs environnementaux et à une perturbation du microbiome intestinal. Plus de 200 régions génomiques ont précédemment été associées aux MICIs. Des études subséquentes ont permis d’identifier le gène causal de plusieurs de ces régions et les voies de signalisation cellulaires associées telles que l’autophagie, la réponse aux molécules bactériennes et la production de cytokines. Toutefois, dans la plupart des cas, les gènes causaux des régions génomiques ne sont pas identifiés. L’identification de ces gènes et des voies cellulaires qu’ils régulent permettrait d’identifier de nouvelles cibles pharmaceutiques qui renforceraient l’éventail de traitements disponibles contre les MICIs et augmenteraient la proportion de patients qui répondent aux traitements. Mon projet de doctorat se divise en deux parties, dans un premier temps, j’ai étudié le rôle de C1ORF106 et de son variant codant rare Y333F, tous deux associés aux MICIs, dans l’épithélium intestinal. Pour ce faire, nous avons utilisé un modèle Knock-Down de C1ORF106 dans des cellules Caco-2, dans lequel nous avons diminué l’expression de C1ORF106 de 88%. Lorsque différenciées, les cellules Caco-2 forment une monocouche épithéliale étanche idéale pour l’étude de fonctions cellulaires épithéliales. Ce modèle nous a permis d’identifier les voies cellulaires régulées par C1ORF106 telles que la formation des jonctions serrées, la régulation du cytosquelette d’actine et l’établissement de la polarité cellulaire. Nous avons ensuite utilisé un modèle de cellules épithéliales dérivées de cellules souches pluripotentes induites (CSPi) provenant de patients hétérozygotes pour le variant Y333F et d’individus sains porteurs de l’allèle Y333 pour identifier l’effet du variant Y333F sur ces fonctions cellulaires. La deuxième partie de mon projet visait à déterminer quels gènes associés aux MICIs devraient être priorisés pour l’identification de nouveaux gènes causaux, et plus spécifiquement, de nouveaux gènes causaux régulant la barrière épithéliale. Pour ce faire, nous avons déterminé une liste de gènes candidats basée sur les régions génomiques précédemment associées aux MICIs, puis nous avons établi un classement basé sur la présence d’un variant génétique associé aux MICIs, sur la proximité du gène au SNP utilisé dans le GWAS et sur la connaissance de fonctions cellulaires précédemment associée aux MICIs. Nous avons ensuite établi un classement épithélial basé sur le profil d’expression cellulaire et sur l’effet que le SNP du GWAS a sur l’expression des gènes inclus dans l’étude (eQTL). Parmi les gènes les mieux classés dans ces deux classements, plusieurs gènes (IRF8, IRF6, GSDMB) sont connus pour réguler, dans d’autres types cellulaires, l’inflammasome, une voie activée par différentes molécules microbiennes. Nous avons démontré qu’IRF8 est également impliqué dans la régulation de l’inflammasome dans les cellules épithéliales intestinales. Globalement, ce projet aura identifié de nouvelles fonctions cellulaires épithéliales associées aux MICIs telles que la régulation de la polarité cellulaire et de l’inflammasome épithélial en plus d’identifier de nombreux gènes à prioriser lors de futures études génétiques.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".