Étude du potentiel inflammatoire et immunitaire des vésicules extracellulaires dérivées des plaquettes
Bibliographic record
Abstract
Les plaquettes sont très abondantes dans le sang où elles ont un rôle dans l'hémostase, l’inflammation et l’immunité. Activées, elles vont subir un changement de conformation qui permet la libération de nombreuses molécules effectrices ainsi que la production de vésicules extracellulaires (EV). Les EV sont formées par le bourgeonnement de la plaquette et emportent une partie de son contenu, incluant des acides nucléiques, des protéines de surface et des organelles. Hétérogène, le contenu diversifié des EV de plaquettes suggère qu’elles peuvent exercer de nombreuses fonctions. Dans le cadre de cette thèse, nous nous sommes d’abord intéressés à l’utilisation de l’algorithme SPADE couplé à la cytométrie en flux pour améliorer la détection d’EV et mieux apprécier leur hétérogénéité dans des concentrés plaquettaires (PC) servant à la transfusion. Nous avons aussi évalué l’utilisation de cette approche pour le développement de biomarqueurs dans le cadre de l’analyse d’EV dans le liquide synovial de patients arthritiques. Cette étude a révélé que l’utilisation d’algorithmes couplés à la cytométrie en flux tels que SPADE pourrait faciliter la compréhension des fonctions des EV et le développement de leur étude comme biomarqueurs. Nous nous sommes ensuite intéressés à une première sous-catégorie d’EV de plaquettes, celles qui contiennent des mitochondries (mito⁺EV). Nous avons émis l'hypothèse que ces mito⁺EV représentent un réservoir d'ADN mitochondrial, signal de danger (motifs moléculaires associés aux dommages, DAMP) reconnu et présent dans de nombreuses conditions inflammatoires, et qu’elles pourraient être impliquées dans les réactions transfusionnelles. Nous avons observé que les mito⁺EV étaient plus abondantes dans les PC impliqués dans des réactions transfusionnelles et qu’elles corrèlent significativement avec l’ADN mitochondrial. Comme la majorité de l’ADN mitochondrial est encapsulée dans des EV, cette étude suggère que les EV peuvent être un biomarqueur utile pour la prédiction du risque potentiel de réactions transfusionnelles, bien que des investigations soient iii nécessaires pour déterminer s'il existe un rôle pathogène causal du DAMP mitochondrial encapsulé dans les EV par opposition à l'ADN mitochondrial en solution. Nous nous sommes enfin intéressés à une seconde sous-catégorie d’EV de plaquettes, celles qui contiennent du protéasome. Les plaquettes contiennent un protéasome actif et présentent des antigènes par l'intermédiaire du complexe majeur d’histocompatibilité de classe I (CMH I) ce qui leur confère une fonction dans l’immunité adaptative. Étant donné qu’il n’a jamais été examiné si le protéasome est également transféré dans les EV de plaquettes auparavant, nous avons émis l'hypothèse qu'une machinerie fonctionnelle pour l'apprêtement et la présentation de l'antigène est transférée aux EV de plaquettes. En utilisant une combinaison d'analyses moléculaires et fonctionnelles, nous avons montré la présence d'un protéasome 20S actif dans diverses conditions où les plaquettes sont activées, ainsi que du CMH I et des molécules de coactivation des lymphocytes. L’incubation d’EV de plaquettes avec l’ovalbumine (OVA) a mis en évidence, par l'activation et la prolifération des lymphocytes T CD8⁺ spécifiques de l'antigène OVA, qu’elles peuvent apprêter et présenter efficacement l’antigène. Ces résultats suggèrent que les EV de plaquettes contribuent à l'immunité adaptative. Dans l’ensemble, nous avons montré que les EV de plaquettes ont un rôle dans l’inflammation et l’immunité avec leur contenu en mitochondries et en protéasome. Elles sont hétérogènes et peuvent être utilisées comme biomarqueurs dans différents contextes.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".