MétaCan
Menu
Back to cohort

Etude des conditions de prélèvement du volatolome corporel cutané pour son analyse discriminante par chromatographie en phase gazeuse intégralement bidimensionnelle en vue de l’identification de biomarqueurs de maladies

2024· dissertation· W7151892172 on OpenAlexaboutno aff
Elsa Boudard

Bibliographic record

Venuenot available
Typedissertation
Language
FieldEngineering
TopicAdvanced Chemical Sensor Technologies
Canadian institutionsnot available
Fundersnot available
KeywordsLabrador RetrieverWork safetyQualitative analysis

Abstract

fetched live from OpenAlex

Le volatolome corporel cutané est une matrice constituée de plusieurs centaines de composés organiques volatils (COV). Ces composés peuvent être odorants ou non et sont le résultat de l’interaction des molécules sécrétées par les glandes sudoripares avec le microbiote cutané. Etudier ce type de matrice présente un intérêt pour le domaine de la santé car il est possible, au travers du volatolome, d’effectuer des dépistages précoces de maladies. Néanmoins, la littérature montre que les méthodes de prélèvement de cette matrice sont aujourd’hui variées, conduisant généralement à des résultats peu reproductibles et parfois contradictoires. De plus, le volatolome corporel cutané est également influencé par des COV de sources exogènes (cosmétiques, environnement), dont les effets n’ont pas encore été clairement évalués. Il devient alors nécessaire de comprendre et de maîtriser l’impact de ces sources sur le volatolome afin de garantir des résultats fiables et pertinents. Ainsi, l’objectif de ce projet est d’étudier les conditions de prélèvement du volatolome corporel cutané pour ensuite pouvoir réaliser son analyser discriminante grâce à la thermodésorption suivie de la chromatographie en phase gazeuse intégralement bidimensionnelle couplée à la spectrométrie de masse à temps de vol (TD-GC×GC/ToFMS) dans un but final d’identifier des biomarqueurs de maladies.Pour cela, nous avons développé le système de prélèvement SkinVOCs® dans un objectif de standardisation. Après avoir étudié 5 phases de prélèvement et 13 matériaux, une combinaison de l’aluminium avec le PowerSorb® a permis de maximiser les performances de prélèvement tout en limitant les sources de contamination. La facilité d’utilisation du système a également été un point crucial du cahier des charges, pour réduire les contraintes et les éventuels biais associés au niveau d’expertise de l’utilisateur. Par la suite, ce système a permis de mener des études dont le but était d’évaluer l’impact de facteurs endogènes (âge, genre) et exogènes (cosmétiques, environnement) sur la composition du volatolome corporel cutané. Néanmoins, que ce soit pour ces études ou pour l’étude clinique menée sur le Covid-19, les résultats n’ont pu être obtenus qu’après comparaison et exploitation des chromatogrammes grâce à des méthodes de traitement de données combinant un retraitement manuel, à l’utilisation d’outils informatiques et chimiométriques. Ainsi, pour le Covid-19, c’est après avoir prélevé 40 patients malades et 13 personnes saines, puis exploité les chromatogrammes issus de l’analyse de leurs échantillons, que 25 molécules significativement différentes entre les groupes « malade » et « sain » ont été mises en évidence. Finalement, grâce aux connaissances acquises sur l’impact de l’utilisation de produits cosmétiques et de l’environnement, 4 molécules pertinentes vis-à-vis de la maladie étudiée ont été conservées. Ces résultats soulignent l’efficacité de la méthode utilisée, du prélèvement jusqu’à l’exploitation des données, mettant en avant les potentiels biais existant et les solutions pour les éviter. Cette avancée ouvre la voie à de nouvelles études cliniques, en particulier sur les cancers cutanés.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesMeta-epidemiology (narrow)
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 score0.135
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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 head0.010
GPT teacher head0.285
Teacher spread0.275 · 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; both teacher heads agree on what is shown here.

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
Published2024
Admission routes1
Has abstractyes

Explore more

Same topicAdvanced Chemical Sensor TechnologiesFrench-language works237,207