La chémoinformatique et la bioinformatique sont des disciplines devenues indispensables à la découverte de médicaments. De nos jours, les industries pharmaceutiques consacrent près de 10% de leur budget de recherche et développement, à la recherche de médicaments assisté par ordinateur (Kapetanovic 2008). Cette émergence peut s’expliquer à la fois par le développement des architectures de calculs mais aussi par le faible coup qu’engendrent des analyses in silico par rapport à des tests in-vitro.Les essais biologiques qui ont été menés depuis des décennies afin d’identifier des médicaments potentiels, commencent à former une source très importante de données et plusieurs bases de données commencent à les répertorier. La disponibilité de ce type de données a favorisé le développement d’un nouvel axe de recherche appelé la "chémogénomique" et qui s’intéresse à l’étude et à l’identification des associations possibles entre plusieurs molécules et plusieurs cibles. Ainsi, la chémogénomique permet de déterminer le profil biologique d’une molécule et nous renseigne sur sa capacité à devenir une touche intéressante mais aussi à identifier ses possibles effets indésirables. Des méthodes de chémoinformatique permettent d’utiliser ces sources de données à des fins d’apprentissage et établir des modèles prédictifs qui permettront par la suite de faire des prédictions pour connaitre l’activité d’une molécule.Cette thèse a porté sur le développement et l'utilisation de méthodes de prédictions d’association protéine-ligand. La prédiction d’une association est importante en vue d’un criblage virtuel et peut s’effectuer à l’aide de plusieurs méthodes. Au sein du laboratoire, on s’intéresse plus particulièrement au profilage de bases de données de molécules (chimiothèques) contre une série de cibles afin d’établir leur profil biologique. J’ai donc essayé au cours de ma thèse de mettre au point des modèles prédictifs d’association protéine-ligand pour un grand nombre de cibles, valider des méthodes de criblage virtuel récentes à des fins de profilage mais aussi établir un protocole de profilage automatisé, qui décide du choix de la méthode de criblage la plus adaptée en s’appuyant sur les propriétés physico-chimiques du ligand à profiler et de l’éventuelle cible. / Chemoinformatics and bioinformatics methods are now necessary in every drug discovery program. Pharmaceutical industries dedicate more than 10% of their research and development investment in computer aided drug design (Kapetanovic 2008). The emergence of these tools can be explained by the increasing availability of high performance calculating machines and also by the low cost of in silico analysis compared to in vitro tests.Biological tests that were performed over last decades are now a valuable source of information and a lot of databases are trying to list them. This huge amount of information led to the birth of a new research field called “chemogenomics”. The latter is focusing on the identification of all possible associations between all possible molecules and all possible targets. Thus, using chemogenomics approaches, one can obtain a biological profile of a molecule and even anticipate possible side effects.This thesis was focused on the development of approaches that aim to predict the binding of molecules to targets. In our lab, we focus on profiling molecular databases in order to get their full biological profile. Thus, my main work was related to this context and I tried to develop predictive models to assess the binding of ligands to proteins, to validate some virtual screening methods for profiling purpose, and finally, I developed an automatic hybrid profiling workflow that selects the best fitted virtual screening approach to use according the ligand/target context.

Prédire à l’avance quels composés seront toxiques chez l’homme ou non représente un réel challenge dans le monde pharmaceutique. En effet, les mécanismes à l’origine de la toxicité ne sont pas toujours bien connus, et à cela s’ajoute le fait qu’un composé peut devenir néfaste seulement après qu’il ait été métabolisé. Nous proposons ici une approche originale utilisant les graphes condensés de réactions afin de modéliser les réactions métaboliques et prédire le devenir des xénobiotiques dans l’organisme humain. Différentes formes de toxicité sont aussi prédites : la mutagénicité et l’hépatotoxicité. Pour cette seconde toxicité, l’approche utilisée est la première à notre connaissance à prédire avec succès les molécules toxiques décrites par des données autres que résultant d’observations in vivo. / Predict in advance which compounds will be toxic in humans or not is a real challenge in the pharmaceutical world. Indeed, the mechanisms responsible for toxicity are not always well known, and in some case a compound become toxic only after it has been metabolized. We propose here a novel approach using condensed graphs of reactions to model and predict the metabolic fate of xenobiotics in the human body. Various forms of toxicity are also predicted : mutagenicity and hepatotoxicity. For this second toxicity, the approach proposed is the first to our knowledge to successfully predict the toxic molecules described by data other than resulting from observations in vivo.

La sélection de sous-ensembles de molécules diverses est un enjeu très important de la recherche pharmaceutique. En effet, de la qualité de cette sélection, dépendra la découverte efficace d'un médicament. De nombreuses méthodes existent pour répondre à cette demande. Certaines sont basées sur la création de groupes de molécules, d'autres sur le principe de dissimilarité inter-moléculaire. Nous proposons dans ce travail, une nouvelle technique à la croisée de ces méthodes, qui permet d'obtenir des sous-ensembles à la fois divers dans l'espace et représentatifs de l'ensemble initial duquel ils sont extraits. Pour créer cette méthode de sélection, nous avons tout d'abord défini et formalisé mathématiquement un critère de diversité, puis nous nous sommes appuyés sur des heuristiques connues en apprentissage artificiel pour concevoir l'algorithme. Celui-ci a été comparé à d'autres types de sélections de diversité couramment utilisées en chémoinformatique telles que les k-medoïds, Maximum-Dissimilarity, Sphere-Exclusion. La formalisation du critère de diversité nous a enfin permis de proposer un nouveau critère d'évaluation de la qualité des sélections. La méthode et le critère présentés dans ce travail donnent des échantillons divers et représentatifs d'un espace chimique.

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 nombre considérable d'interactions protéine-protéine (PPIs) existant au sein d'un organisme, ainsi que leur implication cruciale dans la vie cellulaire et dans de nombreuses pathologies, font des PPIs un immense réservoir de cibles potentielles pour la recherche de médicaments. Les PPIs sont aujourd'hui sur le devant de la scène grâce au développement de méthodologies innovantes et la validation récente de molécules chimiques modulant ces interactions dans des essais précliniques.L'étude des modulateurs d'interactions protéine-protéine (PPIM), a des implications tant dans la recherche fondamentale que thérapeutique. Les PPIMs peuvent aider à la compréhension des réseaux d'interactions. Elles permettront également de faire émerger de nouvelles familles d'agents thérapeutiques actifs dans diverses pathologies.Mon travail de thèse a principalement porté sur deux aspects de l'étude de l'inhibition des PPIs. D'une part, l'étude de l'implication des divers paramètres physicochimiques gouvernant une PPI dans sa capacité à être modulée (étude dite de la « druggabilité »), m'a amené à participer à la création d'une base de données structurale des interactions protéine-protéine : 2P2IDB (http://2p2idb.cnrs-mrs.fr/). D'autre part, j'ai contribué à l analyse de l'espace chimique des molécules présentes dans la base de données 2P2IDB. Nous avons défini la « Rule Of 4 » comme ligne de conduite pour caractériser ces molécules. Nous avons de plus utilisé le SVM afin de créer un protocole innovant (2P2IHUNTER) qui nous a permis de filtrer de grandes collections de composés afin de créer des chimiothèques dédiées aux PPIs. / The number of protein-protein interactions (PPIs) existing in an organism, and their crucial implication in cellular life and in many pathologies, demonstrates the importance of PPIs as a large reservoir of potential targets for medicinal research. Neglected for a long time by both pharmaceutical companies and academic laboratories because they were historically classified as difficult targets, PPIs are now getting into the groove due to the development of innovative methodologies and the growing number of small molecule compounds modulating these interactions.The study of PPI modulators has implications in both fundamental and therapeutics research. On the one hand, PPI modulators can be used in basic research to decipher the role of PPIs in biological networks. On the other hand, they represent a valuable source of new families of therapeutic agents in pathologic processes.In the first part of my PhD, I contributed to the development of a structural database dedicated to protein-protein interactions: 2P2IDB (http://2p2idb.cnrs-mrs.fr/). The interface descriptors of protein-protein interfaces which are typical of complexes present in 2P2IDB have been used to develop a qualitative scoring function to assess the ‘druggability' of PPI targets.In the second part of my PhD, I contributed to the analysis of the chemical space of PPI inhibitors present in the 2P2I database using chemoinformatics tools. We defined the ‘Rule-of-4' as a guideline to characterize these compounds. We have used support vector machine approaches to elaborate a protocol: 2P2IHUNTER, which allows filtering large collection of compounds to design chemical libraries dedicated to PPI targets.

Des millions de réactions chimiques sont décrites dans des bases de données sous la forme de transformations de graphes moléculaires. Cette thèse propose différentes méthodes de fouille de donnés pour extraire des motifs pertinents contenus dans ces graphes et ainsi aider les chimistes à améliorer leurs connaissances des réactions chimiques et des molécules. Ainsi on commence par montrer comment le problème central de la recherche des schémas de réactions fréquents peut se résoudre à l'aide de méthodes existantes de recherche de sous-graphes fréquents. L'introduction du modèle général des motifs les plus informatifs permet ensuite de restreindre l'analyse de ces motifs fréquents à un nombre réduit de motifs peu redondants et représentatifs des données. Si l'application du modèle aux bases de réactions permet d'identifier de grandes familles de réactions, le modèle est inadapté pour extraire les schémas caractéristiques de méthodes de synthèse (schémas CMS) dont la fréquence est trop faible. Afin de surmonter cet obstacle, est ensuite introduite une méthode de recherche heuristique fondée sur une contrainte d'intervalle entre graphes et adaptée à l'extraction de motifs de très faible fréquence. Cette méthode permet ainsi de déterminer à partir d'exemples de réactions et sous certaines conditions le schéma CMS sous-jacent à une réaction donnée. La même approche est ensuite utilisée pour traiter le problème de la classification supervisée de sommets ou d'arêtes fondée sur leurs environnements puis exploitée pour évaluer la formabilité des liaisons d'une molécule. Les résultats produits ont pu être analysés par des experts de la synthèse organique et sont très encourageants.

Prédire à l'avance quels composés seront toxiques chez l'homme ou non représente un réel challenge dans le monde pharmaceutique. En effet, les mécanismes à l'origine de la toxicité ne sont pas toujours bien connus, et à cela s'ajoute le fait qu'un composé peut devenir néfaste seulement après qu'il ait été métabolisé. Nous proposons ici une approche originale utilisant les graphes condensés de réactions afin de modéliser les réactions métaboliques et prédire le devenir des xénobiotiques dans l'organisme humain. Différentes formes de toxicité sont aussi prédites : la mutagénicité et l'hépatotoxicité. Pour cette seconde toxicité, l'approche utilisée est la première à notre connaissance à prédire avec succès les molécules toxiques décrites par des données autres que résultant d'observations in vivo.

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. / Understanding the interactions between a drug and its target protein is crucial in order to guide drug discovery. Indeed, this process involves many parameters that need to be analyzed separately to better understand their effects.We propose two new approaches to observe protein/ligand relationships. The first focuses on the comparison of cavities formed by binding sites that can accommodate a small molecule. This method allows to infer the function of a protein but also to predict the accessibility of a binding site for a drug. The second method focuses on the comparison of non-covalent interactions made between the protein and the ligand to improve the selection of potentially active molecules in virtual screening, and to find new molecular fragments, structurally different but sharing the same mode of interaction.

La comparaison de site peut-elle vérifier l’hypothèse: «Les origines biosynthétiques des produits naturels leurs confèrent des activités biologiques»? Pour répondre à cette question, nous avons développé un outil modélisant les propriétés accessibles au solvant des sites de liaison. La méthode a montré des aspects intéressants, mais elle souffre d’une sensibilité aux coordonnées atomiques. Cependant, des méthodes existantes nous ont permis de prouver que l’hypothèse est valide pour la famille des flavonoïdes. Afin d’étendre l’étude, nous avons développé un procédé automatique capable de rechercher des structures d’enzymes de biosynthèse de produits naturels disposant de sites actifs capables de lier une molécule de petite taille. Nous avons trouvé les structures de 117 enzymes.Les structures nous ont permis de caractériser divers modes de liaison substrat-enzyme, nous indiquant l’empreinte biologique des produits naturels ne correspond pas toujours au modèle « clé- serrure ». / Can computational binding site similarity tools verify the hypothesis: “Biosynthetic moldings give potent biological activities to natural products”? To answer this question, we designed a tool modeling binding site properties according to solvent exposure. The method showed interesting characteristics but suffers from sensitivity to atomic coordinates. However, existing methods have delivered evidence that the hypothesis was valid for the flavonoid chemical class. In order to extend the study, we designed an automated pipeline capable of searching natural products biosynthetic enzyme structures embedding ligandable catalytic sites. We collected structures of 117 biosynthetic enzymes. Finally, according to structural investigations of biosynthetic enzymes, we characterized diverse substrate-enzyme binding-modes, suggesting that natural product biological imprints usually do not agree with the “key-lock” model.

La chémoinformatique et la bioinformatique sont des disciplines devenues indispensables à la découverte de médicaments. De nos jours, les industries pharmaceutiques consacrent près de 10% de leur budget de recherche et développement, à la recherche de médicaments assisté par ordinateur (Kapetanovic 2008). Cette émergence peut s'expliquer à la fois par le développement des architectures de calculs mais aussi par le faible coup qu'engendrent des analyses in silico par rapport à des tests in-vitro.Les essais biologiques qui ont été menés depuis des décennies afin d'identifier des médicaments potentiels, commencent à former une source très importante de données et plusieurs bases de données commencent à les répertorier. La disponibilité de ce type de données a favorisé le développement d'un nouvel axe de recherche appelé la "chémogénomique" et qui s'intéresse à l'étude et à l'identification des associations possibles entre plusieurs molécules et plusieurs cibles. Ainsi, la chémogénomique permet de déterminer le profil biologique d'une molécule et nous renseigne sur sa capacité à devenir une touche intéressante mais aussi à identifier ses possibles effets indésirables. Des méthodes de chémoinformatique permettent d'utiliser ces sources de données à des fins d'apprentissage et établir des modèles prédictifs qui permettront par la suite de faire des prédictions pour connaitre l'activité d'une molécule.Cette thèse a porté sur le développement et l'utilisation de méthodes de prédictions d'association protéine-ligand. La prédiction d'une association est importante en vue d'un criblage virtuel et peut s'effectuer à l'aide de plusieurs méthodes. Au sein du laboratoire, on s'intéresse plus particulièrement au profilage de bases de données de molécules (chimiothèques) contre une série de cibles afin d'établir leur profil biologique. J'ai donc essayé au cours de ma thèse de mettre au point des modèles prédictifs d'association protéine-ligand pour un grand nombre de cibles, valider des méthodes de criblage virtuel récentes à des fins de profilage mais aussi établir un protocole de profilage automatisé, qui décide du choix de la méthode de criblage la plus adaptée en s'appuyant sur les propriétés physico-chimiques du ligand à profiler et de l'éventuelle cible.