Conception assistée par ordinateur des modulateurs de polymérisation de la tubuline
Langue Anglais
Accéder au document

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

 
Auteur : Shevelev, Maxim
Date de soutenance : 18-09-2023

Directeur(s) de thèse : Varnek, Alexandre - Rubio, Jaime

Établissement de soutenance : Strasbourg - Universitat de Barcelona
Laboratoire : Chimie de la matière complexe (Strasbourg)
École doctorale : École doctorale Sciences chimiques (Strasbourg ; 1995-....)
 
Discipline : Chimie
Classification : Chimie, minéralogie, cristallographie

Mots-clés libres : Criblage virtuel, Apprentissage profond, Les agents antitubulines
Mots-clés :
  • Criblage pharmacologique
  • Apprentissage profond
  • Tubulines
Résumé : La protéine tubuline, cruciale pour la division cellulaire et le transport intracellulaire, est une cible clé dans la recherche sur le cancer et la neurodégénérescence. Les difficultés de synthèse et les propriétés pharmacologiques médiocres des agents existants ciblant la tubuline nécessitent de nouvelles découvertes. L'objectif de cette thèse était d'utiliser la conception de médicaments assistée par ordinateur pour identifier de nouvelles molécules qui ciblent des sites de liaison moins explorés et qui sont plus accessibles. La thèse a ciblé les sites peu étudiés de la maytansine, de la pironétine et du todalam avec des approches de criblage virtuel basées sur les ligands et la structure, et a conçu de nouvelles molécules pour le site de la colchicine en utilisant des technologies avancées d'apprentissage profond. La recherche a permis d'obtenir un total de 28 agents déstabilisateurs de microtubules nouveaux et structurellement diversifiés, ciblant les sites todalam, maytansine et colchicine. En outre, un logiciel d'analyse automatisée des images de microscope provenant d'expériences de diffraction de fibres de microtubules a été développé.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAF030
Type de ressource : Thèse