L’effet de la surexpression du récepteur de type 1 à l’angiotensine II sur les courants potassiques et calciques au niveau des oreillettes

Le système rénine-angiotensine est impliqué dans le remodelage structurel et électrique caractérisant la fibrillation auriculaire (FA). L’angiotensine II (ANG II) induit le développement de fibrose et d’hypertrophie au niveau des oreillettes, prédisposant à la FA. Or, les mécanismes électrophysiologiques par lesquels l’ANG II pourrait promouvoir la FA sont peu connus. L’objectif de ce projet de recherche est d’évaluer l’effet de l’ANG II sur les courants potassiques et calciques au niveau auriculaire indépendamment du remodelage structurel. Pour ce faire, nous avons utilisé la technique de patch-clamp avec un modèle de souris surexprimant le récepteur de type 1 à l’angiotensine II (AT1R) spécifiquement au niveau cardiaque. Pour distinguer les effets directs de la surexpression d’AT1R des effets induits par le remodelage cardiaque, nous avons étudié des souris âgées de 180 jours, qui présentent du remodelage structurel, et des souris âgées de 50 jours, qui n’en présentent pas. Des études précédentes sur ce modèle ont montré qu’au niveau des myocytes ventriculaires, l’ANG II réduit le courant potassique global (Ipeak) et rectifiant entrant (IK1) ainsi que le courant calcique de type L (ICaL). Ainsi, notre hypothèse est que l’ANG II modulera aussi ces courants au niveau auriculaire, pouvant ainsi augmenter l’hétérogénéité de repolarisation auriculaire et de ce fait le risque de développer et maintenir la FA. Nous avons observé une diminution significative de la densité d’IK1 dans l’oreillette gauche des souris transgéniques sans changement d’Ipeak. De plus, la densité d’ ICaL n’est pas réduite chez les souris transgéniques âgées de 50 jours. En conclusion, l’effet de l’ANG II sur les courants potassiques et calciques semble dépendre de la chambre cardiaque. En effet, nous savions que l’ANGII réduisait Ipeak, IK1 et ICaL au niveau ventriculaire, mais nos résultats ont montré qu’il ne les affectait pas directement au niveau des oreillettes. Ceci suggère des mécanismes de régulation impliquant des voies de signalisation distinctes selon les chambres cardiaques. Enfin, nos résultats montrant l’absence de l’influence directe de la surexpression d’AT1R sur les canaux K+ et Ca2+ au niveau des myocytes auriculaires renforcent l’importance d’approfondir nos connaissances sur les effets de l’angiotensine II sur le développement de la fibrose, sur le remodelage structurel et sur la conduction électrique cardiaque.

Inférence robuste à la présence des valeurs aberrantes dans les enquêtes

Cette thèse comporte trois articles dont un est publié et deux en préparation. Le sujet central de la thèse porte sur le traitement des valeurs aberrantes représentatives dans deux aspects importants des enquêtes que sont : l’estimation des petits domaines et l’imputation en présence de non-réponse partielle. En ce qui concerne les petits domaines, les estimateurs robustes dans le cadre des modèles au niveau des unités ont été étudiés. Sinha & Rao (2009) proposent une version robuste du meilleur prédicteur linéaire sans biais empirique pour la moyenne des petits domaines. Leur estimateur robuste est de type «plugin», et à la lumière des travaux de Chambers (1986), cet estimateur peut être biaisé dans certaines situations. Chambers et al. (2014) proposent un estimateur corrigé du biais. En outre, un estimateur de l’erreur quadratique moyenne a été associé à ces estimateurs ponctuels. Sinha & Rao (2009) proposent une procédure bootstrap paramétrique pour estimer l’erreur quadratique moyenne. Des méthodes analytiques sont proposées dans Chambers et al. (2014). Cependant, leur validité théorique n’a pas été établie et leurs performances empiriques ne sont pas pleinement satisfaisantes. Ici, nous examinons deux nouvelles approches pour obtenir une version robuste du meilleur prédicteur linéaire sans biais empirique : la première est fondée sur les travaux de Chambers (1986), et la deuxième est basée sur le concept de biais conditionnel comme mesure de l’influence d’une unité de la population. Ces deux classes d’estimateurs robustes des petits domaines incluent également un terme de correction pour le biais. Cependant, ils utilisent tous les deux l’information disponible dans tous les domaines contrairement à celui de Chambers et al. (2014) qui utilise uniquement l’information disponible dans le domaine d’intérêt. Dans certaines situations, un biais non négligeable est possible pour l’estimateur de Sinha & Rao (2009), alors que les estimateurs proposés exhibent un faible biais pour un choix approprié de la fonction d’influence et de la constante de robustesse. Les simulations Monte Carlo sont effectuées, et les comparaisons sont faites entre les estimateurs proposés et ceux de Sinha & Rao (2009) et de Chambers et al. (2014). Les résultats montrent que les estimateurs de Sinha & Rao (2009) et de Chambers et al. (2014) peuvent avoir un biais important, alors que les estimateurs proposés ont une meilleure performance en termes de biais et d’erreur quadratique moyenne. En outre, nous proposons une nouvelle procédure bootstrap pour l’estimation de l’erreur quadratique moyenne des estimateurs robustes des petits domaines. Contrairement aux procédures existantes, nous montrons formellement la validité asymptotique de la méthode bootstrap proposée. Par ailleurs, la méthode proposée est semi-paramétrique, c’est-à-dire, elle n’est pas assujettie à une hypothèse sur les distributions des erreurs ou des effets aléatoires. Ainsi, elle est particulièrement attrayante et plus largement applicable. Nous examinons les performances de notre procédure bootstrap avec les simulations Monte Carlo. Les résultats montrent que notre procédure performe bien et surtout performe mieux que tous les compétiteurs étudiés. Une application de la méthode proposée est illustrée en analysant les données réelles contenant des valeurs aberrantes de Battese, Harter & Fuller (1988). S’agissant de l’imputation en présence de non-réponse partielle, certaines formes d’imputation simple ont été étudiées. L’imputation par la régression déterministe entre les classes, qui inclut l’imputation par le ratio et l’imputation par la moyenne sont souvent utilisées dans les enquêtes. Ces méthodes d’imputation peuvent conduire à des estimateurs imputés biaisés si le modèle d’imputation ou le modèle de non-réponse n’est pas correctement spécifié. Des estimateurs doublement robustes ont été développés dans les années récentes. Ces estimateurs sont sans biais si l’un au moins des modèles d’imputation ou de non-réponse est bien spécifié. Cependant, en présence des valeurs aberrantes, les estimateurs imputés doublement robustes peuvent être très instables. En utilisant le concept de biais conditionnel, nous proposons une version robuste aux valeurs aberrantes de l’estimateur doublement robuste. Les résultats des études par simulations montrent que l’estimateur proposé performe bien pour un choix approprié de la constante de robustesse.