Développement de jeux de données non biaisés et de nouvelles méthodes de criblage virtuel
Langue Anglais
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Tran Nguyen, Viet Khoa
Date de soutenance : 17-09-2020

Directeur(s) de thèse : Rognan, Didier

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire d'innovation thérapeutique (Strasbourg ; 2009-....)
École doctorale : École doctorale Sciences chimiques (Strasbourg ; 1995-....)
 
Discipline : Chimie théorique-Chimie informatique
Classification : Informatique, Chimie, minéralogie, cristallographie, Sciences de la vie, biologie, biochimie

Mots-clés libres : Pharmacophore, Site actif, In silico, Criblage virtuel, Alignement, Jeux de données, PubChem BioAssay, Biais
Mots-clés :
  • Protéines - Bases de données
  • Modélisation des données (informatique)
  • Complexes récepteur-ligand
  • Criblage pharmacologique
Résumé : Les éléments pharmacophoriques issus d’IChem qui représentent le site actif d’une protéine (même sans ligand co-cristallisé) sont simples et assez précis pour faire du criblage virtuel. La nouvelle procédure proposée dans ce travail s’avère aussi efficiente que des méthodes computationnelles existantes dans l’identification des composés actifs et leurs chémotypes originaux, et peut donc être utilisée en parallèle avec d’autres méthodes de criblage in silico afin d’améliorer la performance globale du criblage. On présente également la nouvelle base de données LIT-PCBA, se composant de 15 protéines cibles, chacune avec les vrais actifs et les vrais inactifs déjà confirmés par les essais biologiques issus de “PubChem BioAssay”. Ces jeux de données, préparés par une procédure rigoureuse de plusieurs étapes, sont moins biaisés, en matière de structure des ligands et de composition des sets de molécules, que ceux qui existent déjà (DUD, DUD-E, etc.), et sont donc plus difficiles. LIT-PCBA est prête à l'emploi pour des études comparatives de nouvelles méthodes de criblage virtuel, notamment celles basées sur l'intelligence artificielle.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2020STRAF013
Type de ressource : Thèse