Return to search

Influence de la nanostructuration énergétique des substrats dans l'adhésion et la différenciation des cellules neuronales modèles PC12

Les paramètres de surface contrôlent les fonctions des cellules, en coopération avec leurs codes génétiques. Des études récentes soulignent l'impact combiné des signaux chimiques, topographiques et mécaniques des substrats d'adhésion sur les processus de différenciation. Cette étude se focalise sur le paramètre énergétique, et plus spécialement, sur l'influence exercée par la distribution spatiale des énergies de surface sur la différenciation des cellules neuronales. Le modèle étudié est constitué par les cellules de la lignée PC12, capables de se différencier en neurones suite au traitement par le facteur de croissance nerveux (NGF). Les cellules sont cultivées sur des surfaces de verre modifiées par auto-assemblage de monocouches d'alkylsiloxanes ou de biopolymères. La modification de la nature chimique et du degré d'organisation des monocouches module la distribution des composantes dispersives et polaires de l'énergie de surface, à une échelle inférieure au micron. Sur des substrats très homogènes (dotés de terminaisons CH3, NH2, ou OH), l'adhésion des cellules PC12 est modulée par le degré d'affinité chimique, et peu de cellules initient des neurites. Inversement, sur des substrats localement très hétérogènes, les cellules adhèrent quel que soit le couple chimique produisant les hétérogénéités (NH2/OH ou CH3/OH), et elles génèrent un nombre important de neurites en moins de 48 h, sans traitement au NGF. Ce travail démontre que les hétérogénéités chimiques de surface exercent une influence critique sur les processus de régénérescence des cellules nerveuses, en induisant des gradients dans les énergies d'adhésion aux échelles nanométriques.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00523656
Date24 June 2010
CreatorsLamour, Guillaume
PublisherUniversité Paris-Diderot - Paris VII
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0029 seconds