MétaCan
Menu
Back to cohort
Record W7108517365 · doi:10.71781/32627

Étude des modulateurs du stress réplicatif

2025· dissertation· fr· W7108517365 on OpenAlexaboutno aff

Bibliographic record

VenueOpen MIND · 2025
Typedissertation
Languagefr
FieldMedicine
TopicCancer-related Molecular Pathways
Canadian institutionsnot available
Fundersnot available
KeywordsAutomatism (medicine)Negative therapeutic reactionScapegoat

Abstract

fetched live from OpenAlex

Une composante primordiale de la biologie du cancer est l’interdépendance entre le stress réplicatif, la réparation de l’ADN et la réponse à la thérapie par agents génotoxiques. Nous avons précédemment démontré que plusieurs lignées cellulaires sont particulièrement susceptibles au stress réplicatif en raison de l’épuisement du complexe hétérotrimérique RPA, une composante critique de la réplication et de plusieurs voies de réparation de l’ADN. Cette plus grande vulnérabilité peut d’ailleurs être détectée par un défaut de réparation par excision de nucléotides (NER) spécifiquement durant la phase S. Or, les travaux précédents de notre équipe de recherche ont également démontré que ce défaut est observé chez plusieurs lignées de cancer séreux de haut grade des ovaires (CSHG), le cancer gynécologique le plus mortel au Canada. Ce dernier est fréquemment traité au cisplatine, un agent génotoxique causant un fort stress réplicatif. L’efficacité du cisplatine est contrecarrée par le développement d’une chimiorésistance importante. Nous avons émis l’hypothèse que cette même résistance peut être le résultat d’une meilleure tolérance au stress réplicatif suivi d’une meilleure disponibilité de RPA pour la NER, la seule voie de réparation capable de retirer directement les adduits de cisplatine dans l’ADN génomique des cellules humaines. Les travaux présentés dans cette thèse démontrent que, chez les lignées de CSHG, il existe une forte corrélation entre capacité de NER en phase S (SPR) et résistance aux agents génotoxiques. Les cellules SPR+ présentent d’ailleurs une meilleure tolérance au stress réplicatif et une meilleure protection des fourches de réplication bloquées. Finalement, nous montrons que l’ensemble des phénotypes caractéristiques des cellules SPR- peuvent être résolus par la surexpression de RPA, plaçant une fois de plus cette molécule à l’intersection critique entre stress réplicatif, réparation de l’ADN et résistance à la chimiothérapie du cancer. Mes travaux m’ont ensuite conduit à étudier un aspect plus spécifique du stress réplicatif dans le contexte du cancer : les mécanismes de régulation de la protéine APOBEC3B (A3B). Cette cytidine désaminase a d’ores et déjà été caractérisée pour son activité mutagène dont la trace est communément rencontrée dans de nombreux cancers. De plus, des travaux récents suggèrent que non seulement A3B cause un stress réplicatif élevé, mais également que ce dernier augmente l’activité de cette même enzyme. Cependant, la plupart des études portant sur les interacteurs protéiques d’A3B se sont plutôt penchées sur son rôle dans la régulation de la réplication virale. Il existe donc un manque majeur dans nos connaissances quant aux protéines interagissant avec A3B dans le contexte du stress réplicatif. Je rapporte dans cet ouvrage mes tentatives de remédier à cette tare en utilisant des protéines de fusion employant le système BioID. Les résultats obtenus par ces expériences s’inscrivent difficilement dans le contexte du stress réplicatif lié à A3B, mais ils mettent en évidence une association potentielle de cette protéine avec plusieurs composantes des granules de stress et de la machinerie de métabolisme des ARN. Il est cependant possible que cette dernière soit impliquée dans le stress réplicatif, une éventualité qui viendrait étayer les études récentes détaillant les interrelations entre le stress réplicatif et la transcription. Devant l’avènement des nouvelles technologies d’intelligence artificielle et d’apprentissage profond, mes travaux m’ont finalement conduit à examiner le stress réplicatif de manière plus holistique en développant un réseau neuronal artificiel conçu pour caractériser la progression des cellules en phase S : SphaseNET. Ce dernier utilise l’apprentissage par transfert du réseau InceptionV3 couplé à un réseau d’affinage spécifiquement conçu et entraîné dans cette optique. Notre jeu de données se base sur des images de microscopie par fluorescence de cellules U-2 OS traitées brièvement à l’analogue de thymidine EdU et dont la quantité totale d’ADN est évaluée par DAPI. SphaseNET est capable de discriminer efficacement les cellules étant en début, au milieu ou en fin de phase S. De plus, nous démontrons que nous pouvons utiliser ce système pour identifier des anomalies dans l’activation des origines de réplication inactives, un phénomène particulièrement enclin à mener au stress réplicatif. Cette relation a d’ailleurs été rapporté ici dans le contexte du cancer des ovaires et semble contribuer à l’épuisement de RPA chez les cellules SPR-. SphaseNET pourrait donc constituer un outil de découverte important dans l’étude des mécanismes régulant la coordination de la réplication de l’ADN, représentant ainsi un atout de plus dans la recherche sur la biologie du cancer.

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)0.000
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: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.002
Threshold uncertainty score0.008

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.001

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.

Opus teacher head0.028
GPT teacher head0.318
Teacher spread0.290 · 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 designNot applicable
Domainnot available
GenreOther

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 topicCancer-related Molecular PathwaysFrench-language works237,207