Développement d'outils statistiques d'évaluation de méthodes de criblage virtuel : courbes de prédictivité & Screening Explorer

Informations générales
Nom
Empereur-mot
Prénom
Charly
Diplôme
Thèse
Année
2017
Détails de la thèse/HDR
Université
Jury
Marie-Hélène Mucchielli
Thierry LANGER
Christiane GUINOT
Gautier MOROY
Directeur (pour les thèses)
Matthieu Montes
Jean-François Zagury
Résumé en français
Les méthodes de criblage virtuel sont largement utilisées dans le processus de conception de médicaments afin de réduire le nombre de composés à tester expérimentalement. Cependant, les résultats obtenus par criblage virtuel ne sont que des prédictions et leur fiabilité n'est pas garantie. L'évaluation de ces méthodes est donc essentielle pour guider le bioinformaticien dans le choix de l'outil et du protocol adaptés dans les conditions de son expérience. Dans une première étude, nous avons développé une nouvelle métrique pour l'analyse des résultats de criblage : la Courbe de Prédictivité. Cette métrique permet une analyse fine de la pertinence des scores d'affinité pour la détection de composés actifs et complète les métriques existantes, permettant une meilleure compréhension des résultats de criblage. Lors de notre projet suivant, nous avons souhaité faciliter ce processus d'analyse en intégrant l'ensemble des métriques de criblage virtuel dans un outil web interactif : Screening Explorer. Une seconde partie de ma thèse a consisté en la recherche de nouveaux inhibiteurs du VIH (Virus de l’Immunodéficience Humaine). L'équipe génomique de notre laboratoire a identifié plusieurs gènes dont l'expression influence le développement du SIDA, révèlant ainsi de potentielles cibles thérapeutiques. Une étude bibliographique a permis d'identifier plusieurs composés inhibiteurs de ces cibles. La société Peptinov, associée à notre laboratoire, va prochainement estimer le potentiel thérapeutique de ces composés dans des essais in vitro (i) d'infection par le VIH, (ii) de prolifération virale et (iii) de réactivation virale.

Résumé en anglais
Virtual screening methods are widely used in drug discovery processes in order to reduce the number of compounds to test experimentally. However, virtual screening results are only predictions and their reliability is not guaranteed. Evaluating these methods is crucial to guide the bioinformatician in the choice of the right tool and protocol according to the conditions of his experiment. In a first study, we developed a new metric to analyze the results of virtual screening: the Predictiveness Curve. This metric allows to finely analyze the relevance of binding scores for the detection of active compounds and complete existing metrics, allowing a better comprehension of screening results. In a following project, we facilitated the analysis process by integrating all of the virtuel screening metrics in an interactive tool: Screening Explorer. The second part of my thesis consisted in the research of novel HIV inhibitors. The genomic team of our laboratory identified several genes whose expression influence the development of AIDS, therefore revealing potential therapeutic targets. A bibliographic study allowed to identify compounds that can inhibit those targets. The company Peptinov, associated to our laboratory, is currently estimating the therapeutic potential of the compounds in vitro in assays of (i) HIV infection, (ii) viral proliferation and (iii) viral reactivation.