Synthèse et optimisation d'inhibiteurs spécifiques de ERK3 pour le développement d'une thérapie ciblée au cancer du sein triple-négatif
Bibliographic record
Abstract
Problématique : Le cancer du sein est un des types du cancer les plus diagnostiqués au Canada et il est une cause majeure de mortalité liée au cancer chez la femme. Le cancer du sein triple négatif (CSTN) a un mauvais pronostic dû à son agressivité clinique et à l’absence de réponse aux traitements habituels du cancer du sein tels que l’hormonothérapie et l’inhibition de HER2. En ce moment, les avancées pour le CSTN restent très négligeables. Il y a un besoin urgent d’identifier une nouvelle thérapie qui ciblerait les voies signalétiques pro-métastatiques du cancer du sein triple négatif et ainsi, bloquer idéalement la prolifération et la dissémination métastatique des cellules cancéreuses. Cadre conceptuel : Dernièrement le laboratoire de Sylvain Meloche à l’IRIC a montré qu’une déplétion génétique de ERK3 (Extracellular Regulated Kinase 3) inhibe la croissance des tumeurs mammaires dans un modèle de souris de CSTN et bloque la progression métastatique. Ainsi, suite à ces résultats, nous avons émis l’hypothèse que l’inhibition de ERK3 à l’aide de molécules engendrerait une diminution de la prolifération cellulaire au niveau du cancer du sein triple négatif. L’objectif principal du projet est de développer des molécules ayant des propriétés inhibitrices de ERK3 in vitro. Les deux objectifs secondaires sont d’évaluer leur potentiel d’inhibition vis-à-vis ERK3 dans des modèles in cellulo et de confirmer, parallèlement à la relation structure-activité (SAR), leur mode de liaison par des méthodes computationnelles. Méthodologie : Des composés tête de série ont été identifiés à la suite d’un criblage à haut débit d’une librairie d’inhibiteurs de kinases. Quelques composés intéressants démontrent une activité dont les IC50 (concentration inhibant 50% de l’activité de la kinase) sont inférieurs à 300 nM. Une molécule en particulier a été retenue compte tenu de son niveau d’activité et de sélectivité par rapport aux autres kinases. Une modification systématique des groupements fonctionnels lors de la synthèse d’analogues nous permet d’établir de façon claire le mode de liaison et ainsi, établir la SAR de notre composé tête de série et le site de liaison de ERK3. Les tests d’inhibition compétitifs in vitro seront effectués à l’IRIC à partir de la protéine ERK3 purifiée. Grâce à la SAR établie, on poursuit l’optimisation avec l’intégration de groupements moléculaires solubilisants qui vont permettre d’augmenter les propriétés pharmacocinétiques et ainsi, augmenter l’activité cellulaire de notre composé tête de série. En dernier lieu, à l’aide de la modélisation computationnelle, le mode de liaison de la molécule à ERK3 sera élucidé de façon à confirmer la SAR et aussi, permettre le développement de nouvelles structures (ex : bioisotères) pouvant avoir aussi une activité inhibitrice sur ERK3. Résultats : Une SAR étendue basée sur l’inhibiteur sélectionné a été obtenue. Un inhibiteur de ERK3 possédant une puissance cellulaire (IC50) de 2 μM a été synthétisé. Retombée scientifique : Les travaux effectués dans le cadre de ma maîtrise pourraient conduire au développement de nouveaux traitements pour le cancer du sein triple négatif en ciblant les voies de signalisation prométastatiques à l’aide de molécules inhibitrices.
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 | 0.000 |
| 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 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".