Développement d'une intelligence artificielle pour assister la conception de nouveaux ligands de récepteurs couplés aux protéines G

Development of artificial intelligence methods to help the design of new ligands of G-protein coupled receptors

• Auteur / Autrice : Luca Chiesa
• Direction : Esther Kellenberger
• Type : Thèse de doctorat
• Discipline(s) : Chimie
• Date : Soutenance le 13/09/2024
• Etablissement(s) : Strasbourg
• Ecole(s) doctorale(s) : École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'innovation thérapeutique (Strasbourg ; 2009-....)
• Jury : Président / Présidente : Chris De Graaf
• Jury : Examinateurs / Examinatrices : Laura Belvisi
• Jury : Rapporteurs / Rapporteuses : Chris De Graaf, Sébastien Fiorucci
• DOI : 10.70675/72ea1857z0856z4e34z921dz82db84ede097

Mots clés

Mots clés contrôlés

Médicaments

Apprentissage automatique

Récepteurs CXCR4

Chimie -- Informatique

Criblage pharmacologique

Mots clés libres

RCPG

Découverte de médicaments

Apprentissage automatique

Récepteurs des chimiokines

Basé sur la structure

Chémoinformatique

Criblage virtuel

Similarité d'interaction

GPCR

Drug discovery

Machine learning

Chemokine receptors

Structure-based

Cheminformatics

Virtual screening

Interaction similarity

Résumé

Les récepteurs couplés aux protéines G représentent l'une des familles de protéines les plus importantes pour la découverte de médicaments. Les techniques de conception de médicaments assistée par ordinateur ont été largement appliquées pour cibler les membres de cette famille, conduisant à la découverte de multiples molécules bioactives. Cette thèse décrit le développement, le test et l'application de différents outils informatiques et d'apprentissage automatique pour aider à la découverte de nouveaux composés présentant un profil pharmacologique souhaité. Divers aspects du processus de découverte de médicaments in silico ont été abordés dans ce travail, depuis la modélisation d'une protéine cible jusqu'à l'évaluation systématique des molécules identifiées par criblage virtuel.

G-protein coupled receptor represent one of the most important protein families for drug discovery. Computer aided drug design techniques have been extensively applied to target members of this family, leading to the discovery of multiple bioactive molecules. This thesis describes the development, testing, and application of different computational and machine learning tools to assist in the discovery of new compounds with a desired pharmacological profile. Different aspects of the in silico drug discovery pipeline were covered in this work, from the modelling of a target protein, to the systematic evaluation of molecules identified by virtual screening.