Proteochemometrics (PCM) est une bioactivité prophétique la méthode posante de simultanément modeler la bioactivité de ligands multiple contre des objectifs multiples... / Proteochemometrics (PCM) is a predictive bioactivity modelling method to simultaneously model the bioactivity of multiple ligands against multiple targets. Therefore, PCM permits to explore the selectivity and promiscuity of ligands on biomolecular systems of different complexity, such proteins or even cell-line models. In practice, each ligand-target interaction is encoded by the concatenation of ligand and target descriptors. These descriptors are then used to train a single machine learning model. This simultaneous inclusion of both chemical and target information enables the extra- and interpolation to predict the bioactivity of compounds on targets, which can be not present in the training set. In this thesis, a methodological advance in the field is firstly introduced, namely how Bayesian inference (Gaussian Processes) can be successfully applied in the context of PCM for (i) the prediction of compounds bioactivity along with the error estimation of the prediction; (ii) the determination of the applicability domain of a PCM model; and (iii) the inclusion of experimental uncertainty of the bioactivity measurements. Additionally, the influence of noise in bioactivity models is benchmarked across a panel of 12 machine learning algorithms, showing that the noise in the input data has a marked and different influence on the predictive power of the considered algorithms. Subsequently, two R packages are presented. The first one, Chemically Aware Model Builder (camb), constitues an open source platform for the generation of predictive bioactivity models. The functionalities of camb include : (i) normalized chemical structure representation, (ii) calculation of 905 one- and two-dimensional physicochemical descriptors, and of 14 fingerprints for small molecules, (iii) 8 types of amino acid descriptors, (iv) 13 whole protein sequence descriptors, and (iv) training, validation and visualization of predictive models. The second package, conformal, permits the calculation of confidence intervals for individual predictions in the case of regression, and P values for classification settings. The usefulness of PCM to concomitantly optimize compounds selectivity and potency is subsequently illustrated in the context of two application scenarios, which are: (a) modelling isoform-selective cyclooxygenase inhibition; and (b) large-scale cancer cell-line drug sensitivity prediction, where the predictive signal of several cell-line profiling data is benchmarked (among others): basal gene expression, gene copy-number variation, exome sequencing, and protein abundance data. Overall, the application of PCM in these two case scenarios let us conclude that PCM is a suitable technique to model the activity of ligands exhibiting uncorrelated bioactivity profiles across a panel of targets, which can range from protein binding sites (a), to cancer cell-lines (b).

Le carcinome hépatocellulaire (HCC) est le cancer du foie le plus répandu et représente la seconde cause de décès par cancer dans le monde. Un mauvais pronostic et l'absence de traitement efficace en font un problème majeur de santé publique dans les pays en voie de développement, notamment en Asie du Sud-Est, justifiant pleinement la recherche de molécules ou d'approches thérapeutiques nouvelles contre l'HCC. Ce travail porte sur la recherche de molécules isolées de plantes vietnamiennes actives contre l'HCC. La première approche a consisté en un criblage pharmacologique de 33 substances naturelles qui a conduit à l'identification de 7 ent-kaurane diterpénoïdes isolés de Croton kongensis Gagnep. présentant des propriétés antiprolifératives originales. La seconde approche, par criblage in silico d'une banque de 354 substances naturelles, a permis d'identifier la solasonine comme inhibiteur de l'interaction mortalin - p53 induisant l'apoptose dans la lignée cellulaire humaine HepG2. / Human hepatocellular carcinoma (HCC) is the most common type of liver cancer, the second most common cause of death from cancer worldwide. A very poor prognosis and a lack of effective treatments make liver cancer a major public health problem, notably in less developed regions, particularly in Eastern Asia. This fully justifies the search of new molecules and therapeutic strategies against HCC. The present work focused on finding bioactive compounds from Vietnamese plants against HCC. The first approach used classical screening of 33 natural compounds which resulted in the identification of 7 ent-kaurane diterpenoids isolated from Croton kongensis Gagnep. as potential agents. The second approach aimed at identifying molecules that could abrogate the interaction between Mortalin and p53 by in silico screening of a database of 354 natural compounds, which allowed the identification of Solasonine as a potent inhibitor of p53 - mortalin interactions.

Appartenant à la sous-famille des récepteurs couplés aux protéines G (RCPGs) apparentés àla rhodopsine et identifiés comme des cibles à fort potentiel thérapeutique, les récepteurs MT, et MT2à la mélatonine, 5-HT2C à la sérotonine et CB2 aux cannabinoïdes ont été étudiés par des approches insilico afin de mettre en évidence les déterminants structuraux critiques pour l'affinité, la sélectivité etl'activité pharmacologique de leurs ligands. Bénéficiant de données cristallographiques récentes,plusieurs états conformationnels de ces quatre récepteurs ont été modélisés en fonction du profilpharmacologique recherché. L'étude comparative de ces différents états conformationnels par dessimulations de dynamique moléculaire a permis de caractériser le rôle prépondérant joué par la boucleextracellulaire E2 et l'hélice 6 dans les mécanismes d'activation de ces RCPGs. Sur la base deméthodes chémoinformatiques, le criblage virtuel de ligands ciblant ces modèles tridimensionnels apermis de caractériser un modèle du récepteur 5-HT2C très spécifique de ligands agonistes inverses etd'identifier des touches pharmacologiques sur les récepteurs MTi et CB2. / Identified as highly relevant therapeutical targets, the MT, and MT2 melatonin receptors, the5-HT2C serotonin and the CB2 cannabinoid receptors, which belong to the rhodopsin-like G proteincoupledreceptors (GPCRs) subfamily, have been studied by in silico approaches in order to identifycritical structural features for the binding, the selectivity and the pharmacological activity of theirligands. Gaining by sottie recent crystallographic data, various conformational states of these fourreceptors have been modeled according to the expected pharmacological profile. The comparativestudy of these various conformational states by molecular dynamics simulations has led to emphasizethe crucial rôle of the E2 extracellular loop and hélix 6 in the activation mechanisms of these GPCRs.On the basis of chemoinformatic methods, the virtual ligand screening targeting these threedimensionalmodels has promoted the characterization of a 5-HT2C receptor model able to bindspecifically inverse agonist ligands and the identification of pharmacological hits targeting the MTiand CB2 receptors.

La méthylation anormale de l'ADN est l'une des principales caractéristiques du cancer. La nature dynamique et réversible de cette modification épigénétique en a fait une cible potentielle pour le traitement du cancer. UHRF1, une protéine essentielle dans la maintenance de la méthylation de l'ADN, est également impliquée dans la tumorogenèse. UHRF1 est surexprimée dans une variété de cancers et est liée à l’inhibition des TSGs et à la prolifération cellulaire. Dans ce contexte, le but de ma thèse est d’identifier de potentiels inhibiteurs d’UHRF1 qui pourront être efficaces en clinique comme thérapie anti-cancéreuse. Pour atteindre cet objectif, une approche diversifiée a été adoptée qui inclue le criblage virtuel, des techniques biophysiques et biologiques qui permettent à caractériser l'activité inhibitrice des molécules actives et à comprendre leur mécanisme d'action. Nous avons identifié un composé positif de la famille des anthraquinones qui inhibe UHRF1 en se liant à son domaine SRA et perturbe son interaction avec DNMT1, l'enzyme responsable du maintien de la méthylation de l'ADN. Ce composé présente une activité antiproliférative dans différentes lignées cancéreuses. / Abnormal DNA methylation is one of the major hallmarks of cancer. The dynamic and reversible nature of this epigenetic modification has made it a potential target for cancer treatment. UHRF1, a pivotal DNA methylation maintenance protein, is also strongly involved in tumorogenesis. It isoverexpressed in a wide array of cancers and leads to silencing of TSGs and tumor growth. In this context, the aim of the thesis is to develop potential UHRF1 inhibitors that may be clinically effective for anti-cancer therapy. To reach this objective, a diverse approach was adopted including virtual screening, biophysical and biological techniques that helped to characterize the inhibitory activity of active molecules and understand their mechanism of action. The tests revealed one positive compound from the anthraquinone family that inhibited UHRF1 by binding to its SRA domain and impairing its interaction with DNMT1, the enzyme responsible for DNA methylation maintenance. This compound showed an anti-proliferative activity in various cancer cells.

Ma thèse introduit cinq logiciels de trois différents domaines: le calcul parallèle et distribué, la biologie structurale computationnelle et la chémoinformatique. Le logiciel pour le calcul parallèle et distribué s'appelle PAR. PAR permet d'exécuter des expériences indépendantes de manière parallèle et distribuée. Les logiciels pour la biologie structurale computationnelle sont Durandal, EleKit et Fragger. Durandal exploite la propagation de contraintes géométriques afin d'accélérer l'algorithme de partitionnement exact pour des modèles de protéines. EleKit permet de mesurer la similarité électrostatique entre une petite molécule et la protéine qu'elle est conçue pour remplacer sur une interface protéine-protéine. Fragger est un cueilleur de fragments de protéines permettant de sélectionner des fragments dans la banque de protéines mondiale. Enfin, le logiciel de chémoinformatique est ACPC. ACPC permet l'encodage fin, d'une manière rotation-translation invariante, d'une molécule dans un ou une combinaison des trois espaces chimiques (électrostatique, stérique ou hydrophobe). ACPC est un outil de criblage virtuel qui supporte les requêtes consensus, l'annotation de la molécule requête et les processeurs multi-coeurs. / This thesis introduces five software useful in three different areas : parallel and distributed computing, computational structural biology and chemoinformatics. The software from the parallel and distributed area is PAR. PAR allows to execute independent experiments in a parallel and distributed way. The software for computational structural biology are Durandal, EleKit and Fragger. Durandal exploits the propagation of geometric constraints to accelerate the exact clustering algorithm for protein models. EleKit allows to measure the electrostatic similarity between a chemical molecule and the protein it is designed to replace at a protein-protein interface. Fragger is a fragment picker able to select protein fragments in the whole protein data-bank. Finally, the chemoinformatics software is ACPC. ACPC encodes in a rotation-translation invariant way a chemical molecule in any or a combination of three chemical spaces (electrostatic, steric or hydrophobic). ACPC is a ligand-based virtual screening tool supporting consensus queries, query molecule annotation and multi-core computers.

L’innovation thérapeutique progresse traditionnellement par la combinaison du criblage expérimental et de la modélisation moléculaire. En pratique, cette dernière approche est souvent limitée par la pénurie de données expérimentales, particulièrement les informations structurales et biologiques. Aujourd'hui, la situation a complètement changé avec le séquençage à haut débit du génome humain et les avancées réalisées dans la détermination des structures tridimensionnelles des protéines. Cette détermination permet d’avoir accès à une grande quantité de données pouvant servir à la recherche de nouveaux traitements pour un grand nombre de maladies. À cet égard, les approches informatiques permettant de développer des programmes de criblage virtuel à haut débit offrent une alternative ou un complément aux méthodes expérimentales qui font gagner du temps et de l’argent dans la découverte de nouveaux traitements.Cependant, la plupart de ces approches souffrent des mêmes limitations. Le coût et la durée des temps de calcul pour évaluer la fixation d'une collection de molécules à une cible, qui est considérable dans le contexte du haut débit, ainsi que la précision des résultats obtenus sont les défis les plus évidents dans le domaine. Le besoin de gérer une grande quantité de données hétérogènes est aussi particulièrement crucial.Pour surmonter les limitations actuelles du criblage virtuel à haut débit et ainsi optimiser les premières étapes du processus de découverte de nouveaux médicaments, j’ai mis en place une méthodologie innovante permettant, d’une part, de gérer une masse importante de données hétérogènes et d’en extraire des connaissances et, d’autre part, de distribuer les calculs nécessaires sur les grilles de calcul comportant plusieurs milliers de processeurs, le tout intégré à un protocole de criblage virtuel en plusieurs étapes. L’objectif est la prise en compte, sous forme de contraintes, des connaissances sur le problème posé afin d’optimiser la précision des résultats et les coûts en termes de temps et d’argent du criblage virtuel / Therapeutic innovation has traditionally benefited from the combination of experimental screening and molecular modelling. In practice, however, the latter is often limited by the shortage of structural and biological information. Today, the situation has completely changed with the high-throughput sequencing of the human genome, and the advances realized in the three-dimensional determination of the structures of proteins. This gives access to an enormous amount of data which can be used to search for new treatments for a large number of diseases. In this respect, computational approaches have been used for high-throughput virtual screening (HTVS) and offer an alternative or a complement to the experimental methods, which allow more time for the discovery of new treatments.However, most of these approaches suffer the same limitations. One of these is the cost and the computing time required for estimating the binding of all the molecules from a large data bank to a target, which can be considerable in the context of the high-throughput. Also, the accuracy of the results obtained is another very evident challenge in the domain. The need to manage a large amount of heterogeneous data is also particularly crucial.To try to surmount the current limitations of HTVS and to optimize the first stages of the drug discovery process, I set up an innovative methodology presenting two advantages. Firstly, it allows to manage an important mass of heterogeneous data and to extract knowledge from it. Secondly, it allows distributing the necessary calculations on a grid computing platform that contains several thousand of processors. The whole methodology is integrated into a multiple-step virtual screening funnel. The purpose is the consideration, in the form of constraints, of the knowledge available about the problem posed in order to optimize the accuracy of the results and the costs in terms of time and money at various stages of high-throughput virtual screening

Comprendre les interactions réalisées entre un candidat médicament et sa protéine cible est un enjeu crucial pour orienter la recherche de nouvelles molécules. En effet, ce processus implique de nombreux paramètres qu'il est nécessaire d'analyser séparément pour mieux comprendre leurs effets.Nous proposons ici deux nouvelles approches observant les relations protéine/ligand. La première se concentre sur la comparaison de cavités formées par les sites de liaison pouvant accueillir une molécule. Cette méthode permet d'inférer la fonction d'une protéine mais surtout de prédire " l'accessibilité " d'un site de liaison pour un médicament. La seconde tactique se focalise sur la comparaison des interactions non-covalentes réalisées entre la protéine et le ligand afin d'améliorer la sélection de molécules potentiellement actives lors de criblages virtuels, et de rechercher de nouveaux fragments moléculaires, structuralement différents mais partageant le même mode d'interaction.

Le récepteur tyrosine kinase Axl a été découvert en 1988. Depuis, son implication dans les phénomènes de cancérisation a été mis en lumière. Ce récepteur est surexprimé, entre autres, dans les lignées cellulaires du cancer du pancréas et du cancer du sein triple négatif. Le succès des inhibiteurs de kinase contre les cancers (imatinib, erlotinib …) nous a poussés à nous focaliser sur la conception d'inhibiteurs du domaine kinase de la protéine Axl afin d'élaborer de nouveaux anticancéreux. Pour ce faire, nous avons décidé de modéliser le domaine kinase de la protéine Axl en conformations dites ‘active' et ‘inactive'. Les modèles ont ensuite été validés par différentes méthodes : des méthodes de bioinformatique structurale mais aussi par amarrage comparatif et par criblage virtuel focalisé. Sur la base de ces modèles, une chimiothèque virtuelle focalisée a été construite et amarrée dans les modèles d'Axl. J'ai ensuite effectué la synthèse chimique de 15 des ligands conçus à l'étape précédente et ciblant la conformation ‘inactive' du domaine kinase d'Axl. Aucun de ces ligands n'est apparu actif dans les tests in vitro. Dans un second temps, nous nous sommes intéressés à la chimie des noyaux 4- et 7-azaindoles. Ces travaux ont permis la synthèse de 12 ligands dirigés contre les conformations ‘inactives' des domaines kinases d'Abl et de Src dont certains ont montré une activité prometteuse. Parallèlement, un criblage a très large échelle a été publié et nous avons utilisé ces nouveaux résultats pour réévaluer l'existence d'une conformation -inactive' – de type « DFG-out » - du domaine kinase d'Axl. Ces travaux permettront la conception de nouveaux ligands ciblant efficacement Axl. / The receptor tyrosine kinase Axl was discovered in 1988. Latter on, its involvement in the cancer development was highlighted. Axl is overexpressed in pancreatic cancer and triple-negative breast cancer cell lines. The success of kinase inhibitors (imatinib, erlotinib ...) led us to focus on the design of inhibitors targetting the kinase domain of Axl. As a guide, we modeled the protein-kinase domain in its active and inactive conformations to perform structure-based drug design. The models were then validated by different methods: structural bioinformatics, comparative docking and focused virtual screening. A virtual chemical library was built and docked into Axl models.Then, I synthetized 15 chemical compounds targetting the ‘inactive' conformation of the kinase domain of Axl. However, none were active in an in vitro assay. Then we were interested in the chemistry of 4 and 7-azaindole cores. This work led to the synthesis of 12 ligands among which several showed promising activity against the ‘inactive' conformation of the kinase domains of Abl and Src.Meanwhile, a large-scale screening was published and we used that new data to re-evaluate the modeling of a "DFG-out" inactive conformation of Axl.

Cette thèse porte sur le développement de méthodes bioinformatiques permettant la prédiction des interactions protéine - ligand. L'approche employée est d'utiliser le partage entre protéines, des informations connues, à la fois sur les protéines et sur les ligands, afin d'améliorer la prédiction de ces interactions. Les méthodes proposées appartiennent aux méthodes dites de chémogénomique. La première contribution de cette thèse est le développement d'une méthode d'apprentissage statistique pour la prédiction des interactions protéines - ligands par famille. Elle est illustrée dans le cas des GPCRs. Cette méthode comprend la proposition de noyaux pour les protéines qui permettent de prendre en compte la similarité globale des GPCRs par l'utilisation de la hiérarchie issue de l'alignement des séquences de cette famille, et la similarité locale au niveau des sites de fixation des ligands de ces GPCRs grâce à l'utilisation des structures 3D connues des membres de cette famille. Pour cela un jeu de données a été créé afin d'évaluer la capacité de cette méthode à prédire correctement les interactions connues. La deuxième contribution est le développement d'une mesure de similarité entre deux sites de fixation de ligands provenant de deux protéines différentes représentés par des nuages d'atomes en 3D. Cette mesure implique la superposition des poches par rotation et la translation, avec pour but la recherche du meilleur alignement possible en maximisant le regroupement d'atomes ayant des propriétés similaires dans des régions proches de l'espace. Les performances de cette méthodes ont été mesurées à l'aide d'un premier jeu de donnés provenant de la littérature et de deux autres qui ont été créé à cet effet. L'ensemble des résultats de cette thèse montre que les approches de chémogénomique présentent de meilleures performances de prédiction que les approches classique par protéine.

Les travaux présentés dans ce mémoire se situent dans le cadre général de la recherche de nouveaux médicaments par le biais de techniques informatiques. La première partie de ce document est centrée autour du développement de la plateforme logicielle VSM-G (Virtual Screening Manager for Grids). Le but poursuivi par ce projet est de fournir un outil convivial et simple d'utilisation afin de conduire des études de criblage virtuel à haut-débit. Le coeur de VSM-G repose sur une stratégie multi-étapes de filtres successifs permettant le traitement efficace de chimiothèques de grande taille. Deux filtres ont été utilisés pour ce travail et implémentés dans VSM-G : un programme innovant d'estimation rapide de complémentarité géométrique entre molécules-candidates et site actif (SHEF) précéde un algorithme de docking flexible plus conventionnel (GOLD). Les avantages de cette méthodologie, associée à la prise en charge de multiples conformations de la cible étudiée (le récepteur nucléaire LXRβ), sont présentés tout d'abord par une étude de preuve de concept, puis à travers une campagne de criblage virtuel à grande échelle. L'autre partie de ces travaux, exclusivement applicative, concerne l'étude du domaine FAT de la kinase d'adhérence focale FAK. FAK est une cible d'intérêt pharmaceutique particulièrement intéressante, car clairement impliquée dans divers processus de développement cancéreux. Le but de cette étude est double : il s'agit tout d'abord de mieux comprendre le mode de fonctionnement du domaine FAT de FAK à travers une étude biophysique pour en évaluer la flexibilité ; et ensuite concevoir in silico des petites molécules peptidomimétiques permettant de moduler son activité, ce qui pourrait limiter une progression tumorale.