752 resultados para Mécanismes de régulation
Resumo:
Les antipsychotiques atypiques sont des options de traitement de première ligne pour la schizophrénie. Cependant, la prise d’antipsychotiques atypiques, comme l’olanzapine, est associée à des effets secondaires métaboliques : l’augmentation du poids, la dyslipidémie et l’intolérance au glucose. Les mécanismes en lien avec ces effets secondaires sont à ce jour peu connus. Ce mémoire étudie l’évolution de différents paramètres, tant au niveau biométrique (poids, IMC, circonférence abdominale), qu’au niveau sérique (bilan lipidique, glycémie à jeun, insuline, leptine, ghreline) et clinique (mesures des symptômes positifs, négatifs et généraux de la schizophrénie, de même que des comportements alimentaires) chez des sujets schizophrènes, traités pendant 16 semaines avec l’olanzapine. Des examens de résonance magnétique, structurale et fonctionnelle, ont été effectués au début et à la fin du traitement d’olanzapine chez les sujets schizophrènes et chez un groupe de sujets contrôles afin d’identifier les régions cérébrales dont les volumes ou les activations pourraient être associés aux mécanismes d’effets secondaires métaboliques. Nos résultats confirment l’émergence de multiples effets secondaires métaboliques, associés à des modifications des comportements alimentaires, en lien avec la prise d’olanzapine auprès de notre échantillon. Des associations ont été retrouvées entre les changements métaboliques et les volumes de plusieurs régions cérébrales, notamment les hippocampes, les précunei et le gyrus orbitofrontal droit. De plus, des différences en terme d’activations cérébrales entre les sujets contrôles et les patients schizophrènes, qui ont été accentuées par le traitement d’olanzapine, ont aussi été décrites notamment au niveau amygdalien, cérébelleux et des insulas, suggérant l’implication de mécanismes neuronaux dans l’apparition des troubles métaboliques associés aux antipsychotiques atypiques.
Resumo:
La technologie des microarrays demeure à ce jour un outil important pour la mesure de l'expression génique. Au-delà de la technologie elle-même, l'analyse des données provenant des microarrays constitue un problème statistique complexe, ce qui explique la myriade de méthodes proposées pour le pré-traitement et en particulier, l'analyse de l'expression différentielle. Toutefois, l'absence de données de calibration ou de méthodologie de comparaison appropriée a empêché l'émergence d'un consensus quant aux méthodes d'analyse optimales. En conséquence, la décision de l'analyste de choisir telle méthode plutôt qu'une autre se fera la plupart du temps de façon subjective, en se basant par exemple sur la facilité d'utilisation, l'accès au logiciel ou la popularité. Ce mémoire présente une approche nouvelle au problème de la comparaison des méthodes d'analyse de l'expression différentielle. Plus de 800 pipelines d'analyse sont appliqués à plus d'une centaine d'expériences sur deux plateformes Affymetrix différentes. La performance de chacun des pipelines est évaluée en calculant le niveau moyen de co-régulation par l'entremise de scores d'enrichissements pour différentes collections de signatures moléculaires. L'approche comparative proposée repose donc sur un ensemble varié de données biologiques pertinentes, ne confond pas la reproductibilité avec l'exactitude et peut facilement être appliquée à de nouvelles méthodes. Parmi les méthodes testées, la supériorité de la sommarisation FARMS et de la statistique de l'expression différentielle TREAT est sans équivoque. De plus, les résultats obtenus quant à la statistique d'expression différentielle corroborent les conclusions d'autres études récentes à propos de l'importance de prendre en compte la grandeur du changement en plus de sa significativité statistique.