Bienvenue aux Mines Paristech
Bienvenue à MINES ParisTech
Newsletter International
Website
Théorie & Pratique
Vous êtes

webTV

Lecture

Aftermovie du H4ck@mines 2019 MINES ParisTech

Lecture

MIG 2019 - Systèmes embarqués

Lecture

Teaser Journées Portes Ouvertes

Lecture

Season's Greetings - Meilleurs voeux 2019

Lecture

Plan stratégique de l'Ecole

+ Toutes les vidéos

Partager

Benoit PLAYE - Soutenance de thèse MINES ParisTech

Benoit PLAYE

Méthodes d'apprentissage statistique pour le criblage virtuel de médicament

Titre anglais : Machine learning approaches for drug virtual screening
Date de soutenance : 02/07/19
Directeur de thèse : Véronique STOVEN

Mots clés en français : criblage virtuel de médicament,bio-informatique,apprentissage statistique,
Mots clés en anglais : drug virtual screening,bio-informatique,machine learning,

Résumé de la thèse en français
Le processus de découverte de médicaments a un succès limité malgré tous les progrès réalisés dans la compréhension des maladies et les avancées technologiques. En effet, on estime actuellement que le développement d'un médicament nécessite environ 1,8 milliard de dollars américains sur environ 13 ans. Nous nous concentrons dans cette thèse sur des approches statistiques qui criblent virtuellement un grand ensemble de composés chimique contre un grand nombre de protéines, dans le but de faciliter et guider la découverte de médicaments. Leurs applications sont versatiles: elles permettent d'identifier des candidats médicaments pour des cibles thérapeutiques connues, d'identifier la cible et le mécanisme d'action de médicaments découverts par des tests phénotypiques, ou d'anticiper des effets secondaires potentiels en identifiant les cibles secondaires potentielles, ou de repositionner des médicaments connues dans de nouvelles indications thérapeutiques. Cette thèse est conçue selon deux cadres d'approches de criblage virtuel de molécules: les approches dans lesquelles les données sont décrites numériquement sur la base des connaissances des experts, et les approches basées sur l'apprentissage automatique de la représentation numérique à partir du graphe moléculaire et de la séquence protéique. Nous discutons ces approches et les appliquons dans le contexte du criblage virtuel pour guider la découverte de médicaments.

Résumé de la thèse en anglais
The rational drug discovery process has limited success despite all the advances in understanding diseases, and technological breakthroughs. Indeed, the process of drug development is currently estimated to require about 1.8 billion US dollars over about 13 years on average. Computational approaches appear as promising ways to facilitate the tedious task of drug discovery. We focus in this thesis on statistical approaches which virtually screen a large set of compounds against a large set of proteins, which can help to identify active molecules.Their applications are versatile: they can identify drug candidates for known therapeutic targets, identify the target and the mechanism of action of drugs discovered by phenotypic tests, anticipate potential side effects by identifying secondary protein targets or to suggest repositioning of known drugs in new therapeutic indications. This thesis is conceived following two lines of approaches to perform drug virtual screening: data-blinded feature-based approaches (in which molecules and proteins are numerically described based on experts' knowledge), and data-driven feature-based approaches (in which compounds and proteins numerical descriptors are learned automatically from the chemical graph and the protein sequence). We discuss these approaches, and also propose a couple of applications of virtual screening to guide the drug discovery process.

Retour à l'annuaire des docteurs

actualité

Comment renforcer l'autonomie des salariés ?

Formation Comment renforcer l'autonomie des salariés ? Des entreprises toujours plus nombreuses souhaitent…
> En savoir +

MINES ParisTech sur le podium

Formation MINES ParisTech sur le podium Le Figaro Étudiant réalise un nouveau classement des…
> En savoir +

Doublé de thèses

Formation Doublé de thèses Un rare doublé de thèses au Centre de recherche en informatique (CRI) de MINES…
> En savoir +

Femmes dans la transition énergétique

Formation Femmes dans la transition énergétique « J'appelle toutes les #WomenInEnergy à prendre…
> En savoir +

La rénovation thermique réduit-elle vraiment votre facture d'énergie ?

Formation La rénovation thermique réduit-elle vraiment votre… La rénovation énergétique est l’un des piliers de…
> En savoir +

+ Toutes les actualités

contact

Régine MOLINS
Direction de l'Enseignement
Service du Doctorat
> envoyer un mail

Plan du site
MINES
ParisTech

60, Boulevard Saint-Michel
75272 PARIS Cedex 06
Tél. : +33 1 40 51 90 00

Implantations
Mentions légales | efil.fr | ©2012 MINES ParisTech | +33 1 40 51 90 00 |