Conception assistée par ordinateur de composés inspirés de la nature pour des applications en cosmétique
Computer-aided design of nature-inspired compounds for cosmetic applications
Chimie-informatique
QSAR/QSPR
Cosmétique
GTM
SGTM
Chimie verte
Perméabilité cutanée
Antibactérien
Chemoinformatics
QSAR
Cosmetics
GTM
SGTM
Green chemistry
Skin permeability
Antibacterial
668.55
Chimie verte
Chimie -- Informatique
QSAR (biochimie)
Cosmétologie
Chimie verte
Antibactériens
Cette thèse présente des approches chimi-informatiques pour la conception d’ingrédients cosmétiques bio-sourcés et polyfonctionnels dans le cadre du projet CosMoPoly. Une bibliothèque virtuelle de 25289 molécules a été générée à partir de blocs de construction renouvelables selon les principes de la chimie verte. Des modèles de Relations Quantitatives Structure-Activité/Propriété (QSAR/QSPR) ont été développés pour prédire la perméabilité cutanée et l’activité antibactérienne contre Staphylococcus aureus et S. epidermidis. Le Generative Topographic Mapping (GTM) et son extension sphérique (SGTM) ont été utilisés pour visualizer la bibliothèque CosMoPoly et construire des paysages de propriétés, offrant une meilleure compréhension de la diversité moléculaire et des prédictions des modèles. Ce travail démontre comment la chimie durable et la modélisation prédictive favorisent la découverte de molécules innovantes et éco-responsables.
This thesis presents chemoinformatics methods for designing bio-based and polyfunctional cosmetic ingredients within the CosMoPoly project. A virtual library of 25289 molecules was generated from renewable building blocks following green chemistry principles. Quantitative Structure-Activity/Property Relationship (QSAR/QSPR) models were built to predict skin permeability and antibacterial activity against Staphylococcus aureus and S. epidermidis. Generative Topographic Mapping (GTM) and its spherical extension (SGTM) were used to visualize the CosMoPoly library and create property landscapes, providing insight into molecular diversity and models’ predictions. This work demonstrates how sustainable chemistry and predictive modeling together enable the discovery of innovative and eco-responsible molecules.
Electronic Thesis or Dissertation
Text
en
PDF
28674076
https://publication-theses.unistra.fr/public/theses_doctorat/2025/Asgarkhanova_Farah_2025_ED222.pdf
https://theses.fr/2025STRAF075/abes
https://theses.hal.science/tel-05625669
https://theses.hal.science/tel-05625669
https://theses.hal.science/tel-05625669
Asgarkhanova
Farah
1999-08-13
FR
296869996
193225605EE
21621943
4200003
https://theses.fr/2025STRAF075
2025STRAF075
https://doi.org/10.70675/5e87b3a2za774z4126zb671zedf33abb4c71
2025-12-09
Chimie informatique et théorique
Strasbourg
131056549
Doctorat
Docteur es
non
oui
Marcou
Gilles
MADS_DIRECTEUR_DE_THESE_1
3100
076019276
Rémond
Caroline
MADS_PRESIDENT_DU_JURY
148505465
Fearhead
Howard
MADS_MEMBRE_DU_JURY_1
296873039
Champmartin
Catherine
MADS_MEMBRE_DU_JURY_2
296873632
Baaden
Marc
MADS_RAPPORTEUR_1
15904233X
Douguet
Dominique
MADS_RAPPORTEUR_2
100541305
École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
MADS_ECOLE_DOCTORALE_1
222
156504081
Chimie de la matière complexe (Strasbourg)
MADS_PARTENAIRE_DE_RECHERCHE_1
403339
157547027
ddc:660
Marcou
Gilles
Rémond
Caroline
Fearhead
Howard
Champmartin
Catherine
Baaden
Marc
Douguet
Dominique
École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
Chimie de la matière complexe (Strasbourg)
PDF
28674076