Chémoinformatique des chimiothèques à codage ADN : design, génération in silico, gestion, analyse, et comparaison
Langue Anglais
Accéder au document

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

 
Auteur : Pikalyova, Regina
Date de soutenance : 12-09-2024

Directeur(s) de thèse : Horvath, Dragos - Varnek, Alexandre

Président : Morelli, Xavier
Rapporteur(s) : Morelli, Xavier - Douguet, Dominique

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

Mots-clés libres : Chimiothèques à codage ADN, Chimiothèques combinatoires, Comparaison de chimiothèques, GTM, Visualisation de l'espace chimique, Énumération des composés, Apprentissage profond
Mots-clés :
  • Chimie -- Informatique
  • Apprentissage profond
Résumé : Cette thèse est dédiée à la génération de l'espace virtuel de 2.5K chimiothèques codées par ADN et à leur analyse chémoinformatique détaillée par structures et propriétés. Des méthodologies basées sur GTM permettant de comparer rapidement et de sélectionner les chimiothèques DEL optimales parmi des milliers de possibilités en fonction de la similarité structurelle ou par propriétés par rapport à une base de données de référence ont été développées. Le problème de l'énumération combinatoire des composés a été abordé en développant un modèle d’apprentissage profond capable de prédire la position d'un composé sur la GTM en se basant uniquement sur les réactifs associés et les réactions, en évitant l'énumération. Des modèles permettant de prédire la réactivité des réactifs et l'activité biologique des composés DEL ont été créés. Ces derniers couplés à la visualisation GTM, ont permis de rationaliser et de faciliter la sélection des réactifs pour la synthèse DEL et la priorisation des hits.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2024STRAF032
Type de ressource : Thèse