Deux différents types de vecteurs, les nanocapsules lipidiques (LNC) et les systèmes multimodulaires (MMS) ont été développés pour l'administration par voie systémique de deux types d'acides nucléiques, l'ADN et les petits ARN à interférence (siRNA). Ces vecteurs sont formulés à base de complexes d'acides nucléiques et de lipides cationiques (lipoplexes) qui ont été soit encapsulés au coeur des LNC, soit recouverts de stabilisateurs stériques afin de former des MMS. Une partie du travail a consisté à développer des vecteurs de siRNA et à les caractériser par des méthodes physico-chimiques. En fonction du lipide cationique utilisé, jusqu'à 65% de siRNA ont pu être encapsulés dans les LNC, en présentant des caractéristiques appropriées pour une administration par voie systémique. La seconde partie a consisté à approfondir la caractérisation des vecteurs d'ADN et à analyser leur profil de distribution en utilisant de l'imagerie par fluorescence in vivo. Chez la souris saine, les vecteurs d'ADN ont présenté des profils de biodistribution spécifiques à leur composition. Sur deux modèles tumoraux (gliome sous-cutané et mélanome), les vecteurs ayant un temps de circulation prolongé ont également montré une co-localisation intéressante avec les cellules tumorales. Afin de mettre en évidence l'efficacité de ces vecteurs, un plasmide codant pour la tymidine kinase du virus herpes simplex (HSV-tk) a été encapsulé et administré. Puis un traitement par le ganciclovir (GCV) basé sur l'approche par gène suicide a été effectué. Les premiers résultats sont concluants, montrant une baisse de croissance tumorale après quelques jours de traitement aussi bien dans le modèle de gliome que dans celui du mélanome. Ces résultats indiquent que ces outils sont prometteurs pour une variété d'applications en thérapie génique.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00982946 |
| Date | 09 December 2011 |
| Creators | David, Stéphanie |
| Publisher | Université d'Angers |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | fra |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0021 seconds