Évaluation de stratégies ciblant les récepteurs de l’IL-1 et de l’IL-6 pour la résolution des paramètres du Syndrome de Détresse Respiratoire Aiguë (SDRA) dans un modèle murin de lésions pulmonaires aiguës
Bibliographic record
Abstract
Le syndrome de détresse respiratoire aiguë (SDRA) est une forme sévère de défaillance \nrespiratoire qui se caractérise par la présence de dommages alvéolaires, d’un oedème pulmonaire \net d’une réponse inflammatoire exacerbée. C’est une condition pour laquelle il n’existe à ce jour \naucun traitement pharmacologique efficace. Lors des dernières années, des antagonistes des \nrécepteurs de l’IL-1 (Kineret) et de l’IL-6 (tocilizumab) ont fait preuve d’une efficacité modérée \npour le traitement du SDRA causé par la COVID-19. Cependant, leur potentiel thérapeutique en \nSDRA clinique non causé par la COVID reste à démontrer et les résultats obtenus dans les modèles \nanimaux sont mitigés. Nous avons émis l’hypothèse que le tocilizumab et le Kineret pourraient \naméliorer la résolution des différents paramètres du SDRA non causé par la COVID-19. Nous avons \naussi posé l’hypothèse que des peptides, antagonistes des récepteurs de l’IL-1 (rytvela) ou de l’IL- \n6 (HSJ633) et permettant de préserver certaines voies aux propriétés cytoprotectrices en aval de \nces récepteurs, pourraient potentiellement être plus efficaces que le Kineret et le tocilizumab \npour le traitement des paramètres du SDRA. L’objectif de ma maîtrise était donc de tester ces \ndeux hypothèses dans un modèle murin d’atteinte pulmonaire aiguë (ALI) induite par la \nbléomycine, qui mime pendant sa phase aiguë les principaux paramètres du SDRA. \nMes travaux montrent qu’aucun des quatre antagonistes n’a permis d’améliorer \nsignificativement les paramètres observés à jour 7 post-bléomycine (état général, dommages \nalvéolaires, oedème et inflammation pulmonaire). Ainsi, mes données suggèrent que dans notre \nmodèle d’ALI induit par la bléomycine, la réponse inflammatoire induite via le IL-1R ou le IL-6R ne \nsemble pas constituer un des mécanismes principaux engendrant les différentes atteintes, \npuisqu’elles ne sont pas prévenues par les antagonistes de ces récepteurs. En plus de contribuer \nà mieux comprendre ce modèle animal, mes résultats permettent de mettre en lumière que la \nréparation des dommages ainsi que la résorption secondaire de l’oedème sont cruciales pour la \nrésolution du SDRA et que de viser seulement la voie inflammatoire est insuffisant.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.014 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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".