MétaCan
Menu
Back to cohort
Record W7104881586 · doi:10.71781/32499

Évaluation du potentiel de transformation néoplasique des cellules dérivées d’iPSC et de leur immunogénicité après induction de la sénescence

2025· dissertation· fr· W7104881586 on OpenAlexfundno aff

Bibliographic record

VenueOpen MIND · 2025
Typedissertation
Languagefr
FieldBiochemistry, Genetics and Molecular Biology
TopicPluripotent Stem Cells Research
Canadian institutionsnot available
FundersFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaCentre hospitalier universitaire Sainte-Justine
KeywordsCell cycleTumor cellsCell

Abstract

fetched live from OpenAlex

Les cellules dérivées de cellules souches pluripotentes induites (iPSC) représentent une avenue prometteuse pour la thérapie cellulaire. Toutefois, la reprogrammation des iPSC inactive temporairement les gènes suppresseurs de tumeurs TP53 et CDKN2A, augmentant ainsi les risques de transformation cellulaire. Si des études antérieures divergent quant à la présence de mutations dans ces gènes, aucune n’a évalué l’intégrité fonctionnelle de ces points de contrôle du cycle cellulaire ni le potentiel de transformation des cellules dérivées d’iPSC comparées à leurs homologues parentaux. À partir de fibroblastes humains dérivés d’iPSC (i-HF) et de leurs équivalents issus d’une biopsie de peau (HF), nous avons comparé leur capacité de réparation de l’ADN et d’arrêt du cycle cellulaire suivants des dommages induits par irradiation (IR) ou par surexpression de l’oncogène RAS. Grâce à une analyse approfondie des gènes exprimés et à une série de tests fonctionnels, nous avons démontré que cette capacité chez les i-HF n'était pas compromise. Au contraire, les i-HF se distinguent par une activité métabolique accrue et une expression plus élevée des gènes effecteurs liés à p53. Bien que ces cellules ne présentent pas de risque accru de transformation, leur sensibilité exacerbée à divers stress pourrait limiter leur utilisation en thérapie cellulaire. Les cellules dérivées d’iPSC nous permettent également de modéliser les interactions entre les cellules sénescentes et le système immunitaire autologue humain. En effet, les cellules sénescentes s’accumulent avec l’âge et après exposition à divers stress, contribuant au développement de maladies chroniques et de cancers, des effets largement dus au phénotype sécrétoire associé à la sénescence (SASP). Bien que ce dernier ait pour but de contribuer au recrutement des cellules immunitaires, diverses études montrent une immunogénicité variable des cellules sénescentes. La contribution spécifique du type cellulaire et de l’inducteur de sénescence demeure incertaine. En utilisant des cellules dérivées d’iPSC et des cellules immunitaires autologues, nous avons évalué l’immunogénicité de fibroblastes cutanés (HDF), ainsi que de myoblastes (i-MB), cellules endothéliales (i-EC) et progéniteurs pulmonaires (i-LPC) sénescents, induits par IR ou par surexpression de l’oncogène RAS. Nos résultats indiquent que chaque type cellulaire présente un SASP distinct et exprime une variété de ligands immunitaires inhibiteurs. Notamment, les HDF sénescents présentent un immunopeptidome unique mais ne parviennent pas à susciter de réponses immunitaires spécifiques des cellules T CD8+ ou NK. De même, les i-EC et i-LPC sénescents présentent une immunogénicité limitée. En revanche, les myoblastes sénescents induits par RAS ont démontré une immunogénicité, caractérisée par l'activation des cellules T, la cytotoxicité médiée par les cellules NK et le recrutement de cellules immunitaires dans un modèle de souris humanisée orthotopique. Ces résultats soulignent l'influence du type cellulaire et de l'inducteur de sénescence sur l'immunogénicité et suggèrent des approches ciblées pour contrer les effets délétères de l’accumulation de cellules sénescentes spécifiques.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.002
Threshold uncertainty score0.005

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.047
GPT teacher head0.326
Teacher spread0.279 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2025
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicPluripotent Stem Cells ResearchFrench-language works237,207