Cette thèse s'intéresse à l'application des méthodes à noyaux sur graphes pour la prédiction de propriétés moléculaires. Dans ce manuscrit, nous présentons un état de l'art des méthodes à noyaux sur graphes définies dans le cadre de la chémoinformatique et plus particulièrement les noyaux sur graphes basés sur les sacs de motifs. Dans ce cadre, nous proposons un nouveau noyau sur graphes basé sur un ensemble explicite de sous-arbres, appelés treelets, permettant d'encoder une grande partie de l'information structurelle acyclique des graphes moléculaires. Nous proposons également de combiner ce noyau avec des méthodes d'apprentissage à noyaux multiples afin d'extraire un ensemble de motifs pertinents. Cette contribution est ensuite étendue en incluant l'information cyclique encodée par deux représentations moléculaires définies par le graphe de cycles pertinents et l'hypergraphe de cycles pertinents. Le graphe des cycles pertinents permet d'encoder le système cyclique d'une molécule. L'hypergraphe de cycles pertinents correspond à une nouvelle représentation moléculaire permettant d'encoder à la fois le système cyclique d'une molécule ainsi que les relations d'adjacence entre les cycles et les parties acycliques. Nous proposons également deux noyaux sur graphes utilisant ces représentations. Enfin, la dernière partie vise à définir des noyaux sur graphes pour la chémoinformatique basés sur la distance d'édition. Un premier noyau est basé sur un opérateur de régularisation utilisant la distance d'édition entre graphes moléculaires. Le second noyau introduit la comparaison de treelets dissimilaires basée sur un algorithme de calcul de la distance d'édition entre treelets.

Les relations entre la structure des composés chimiques et leurs propriétés sont complexes et à haute dimension. Dans le processus de développement de médicaments, plusieurs proprié- tés d’un composé doivent souvent être optimisées simultanément, ce qui complique encore la tâche. Ce travail explore deux représentations des composés chimiques pour les tâches de prédiction des propriétés. L’objectif de ces représentations proposées est d’améliorer l’explicabilité afin de faciliter le processus d’optimisation des propriétés des composés. Pre- mièrement, nous décomposons l’algorithme ECFP (Extended connectivity Fingerprint) et le rendons plus simple pour la compréhension humaine. Nous remplaçons une fonction de hachage sujet aux collisions par une relation univoque de sous structure à bit. Nous consta- tons que ce changement ne se traduit pas par une meilleure performance prédictive d’un perceptron multicouche par rapport à l’ECFP. Toutefois, si la capacité du prédicteur est ra- menée à celle d’un prédicteur linéaire, ses performances sont meilleures que celles de l’ECFP. Deuxièmement, nous appliquons l’apprentissage automatique à l’analyse des paires molécu- laires appariées (MMPA), un paradigme de conception du développement de médicaments. La MMPA compare des paires de composés très similaires, dont la structure diffère par une modification sur un site. Nous formons des modèles de prédiction sur des paires de com- posés afin de prédire les différences d’activité. Nous utilisons des contraintes de similarité par paires comme MMPA, mais nous utilisons également des paires échantillonnées de façon aléatoire pour entraîner les modèles. Nous constatons que les modèles sont plus performants sur des paires choisies au hasard que sur des paires avec des contraintes de similarité strictes. Cependant, les meilleurs modèles par paires ne sont pas capables de battre les performances de prédiction du modèle simple de base. Ces deux études, RCFP et comparaisons par paires, visent à aborder la prédiction des propriétés d’une manière plus compréhensible. En utili- sant l’intuition et l’expérience des chimistes médicinaux dans le cadre de la modélisation prédictive, nous espérons encourager l’explicabilité en tant que composante nécessaire des modèles cheminformatiques prédictifs. / The relationships between the structure of chemical compounds and their properties are complex and high dimensional. In the drug development process, multiple properties of a compound often need to be optimized simultaneously, further complicating the task. This work explores two representations of chemical compounds for property prediction tasks. The goal of these suggested representations is improved explainability to better understand the compound property optimization process. First, we decompose the Extended Connectivity Fingerprint (ECFP) algorithm and make it more straightforward for human understanding. We replace a collision-prone hash function with a one-to-one substructure-to-bit relationship. We find that this change which does not translate to higher predictive performance of a multi- layer perceptron compared to ECFP. However, if the capacity of the predictor is lowered to that of a linear predictor, it does perform better than ECFP. Second, we apply machine learning to Matched Molecular Pair Analysis (MMPA), a drug development design paradigm. MMPA compares pairs of highly similar compounds, differing in structure by modification at one site. We train prediction models on pairs of compounds to predict differences in activity. We use pairwise similarity constraints like MMPA, but also use randomly sampled pairs to train the models. We find that models perform better on randomly chosen pairs than on pairs with strict similarity constraints. However, the best pairwise models are not able to beat the prediction performance of the simpler baseline single model. Both of these investigations, RCFP and pairwise comparisons, aim to approach property prediction in a more explainable way. By using intuition and experience of medicinal chemists within predictive modelling, we hope to encourage explainability as a necessary component of predictive cheminformatic models.

<p dir="ltr">The BRG1/BRM-associated factor (BAF) complexes, also called SWI/SNF, are multi-subunit chromatin remodelers that regulate chromatin compaction in an ATP-dependent manner. In the past decade, BAF complexes have been under the spotlight in cancer research, especially after proteomic analyses revealed the genes encoding the subunits are amongst the most frequently mutated genes in cancer. The present dissertation focuses on prostate cancer (PCa), a disease in which the role of the BAF subunits is increasingly being explored but is yet to be defined as a potential therapeutic target. According to the GLOBOCAN report, PCa is the second most frequent cancer in males worldwide. Since most of the variants of PCa rely on the androgen receptor (AR) axis, surgical or chemical castration and androgen deprivation therapy (ADT) are the main treatment strategies for PCa patients. Even though these therapeutic approaches prolong survival, reduce tumor burden, and relieve symptoms, PCa patients eventually relapse and develop castration resistant PCa (CRPC). At present, the mechanisms underlying ADT resistance are not fully understood, current efforts focus on finding new targets for PCa treatment.</p><p dir="ltr">In the projects included in this dissertation we explored the function of the PBAF complex, a BAF subtype, in a variety of models of PCa and its potential as a therapeutic target by inhibiting or depleting its different subunits. To do so we (i) developed the first inhibitors for BRD7 (a subunit unique to PBAF) and (ii) established cell-based assays in multiple PCa cell lines to study BRD7 and other PBAF unique subunits.</p><p dir="ltr">Bromodomain-containing proteins are readers of acetylated lysine and play important roles in cancer. Bromodomain-containing protein 7 (BRD7) has been implicated in multiple malignancies; however, there are no selective chemical probes to study its function in disease. Using crystal structures of BRD7 and BRD9 bromodomains (BDs) bound to BRD9-selective ligands, we identified a binding pocket exclusive to BRD7. We synthesized a series of ligands designed to occupy this binding region and identified two inhibitors with increased selectivity towards BRD7, 1-78 and 2-77, which bind with submicromolar affinity to the BRD7 BD. Our binding mode analyses indicate that these ligands occupy a uniquely accessible binding cleft in BRD7 and maintain key interactions with the asparagine and tyrosine residues critical for acetylated lysine binding. Finally, we validated the utility and selectivity of the compounds in cell-based models of prostate cancer.</p><p dir="ltr">There are three BAF complexes that have been biochemically characterized up to date: canonical BAF (cBAF), polybromo-associated BAF (PBAF) and GLTSCR1/like-containing BAF (GBAF or ncBAF). All BAF complexes are characterized by containing an ATPase and accessory subunits that may be shared between them or unique to each subtype. PBAF, the BAF subtype of interest of this dissertation, contains four unique subunits: BRD7, PBRM1, ARID2 and BAF45A. We showed that knocking down BRD7 and ARID2 leads to reduction of cell viability in PCa cells with ligand-dependent and independent AR signaling, while knocking down PBRM1 leads to reduction in viability of cells with only ligand-dependent AR signaling. We also performed a chromatin immunoprecipitation assay with BAF45A and observed that it does not colocalize with AR binding sites, indicating that the mechanism by which PBAF regulates AR signaling is indirect. This observation was further supported by the fact that knocking down BRD7 prevents expression of genes related to adaptive processes, but not AR target genes, in response to androgen treatment. Further mechanistic studies will aid in understanding the function of PBAF in PCa. However, overall, our results indicate that PBAF is a promising therapeutic target in PCa models expressing AR, including CRPC systems.</p>

No description available.

Target-based screening projects for bioactive (orphan) compounds have been shown in many cases to be insufficiently predictive for in vivo efficacy, leading to attrition in clinical trials. Phenotypic screening has hence undergone a renaissance in both academia and in the pharmaceutical industry, partly due to this reason. One key shortcoming of this paradigm shift is that the protein targets modulated need to be elucidated subsequently, which is often a costly and time-consuming procedure. In this work, we have explored both improved methods and real-world case studies of how computational methods can help in target elucidation of phenotypic screens. One limitation of previous methods has been the ability to assess the applicability domain of the models, that is, when the assumptions made by a model are fulfilled and which input chemicals are reliably appropriate for the models. Hence, a major focus of this work was to explore methods for calibration of machine learning algorithms using Platt Scaling, Isotonic Regression Scaling and Venn-Abers Predictors, since the probabilities from well calibrated classifiers can be interpreted at a confidence level and predictions specified at an acceptable error rate. Additionally, many current protocols only offer probabilities for affinity, thus another key area for development was to expand the target prediction models with functional prediction (activation or inhibition). This extra level of annotation is important since the activation or inhibition of a target may positively or negatively impact the phenotypic response in a biological system. Furthermore, many existing methods do not utilize the wealth of bioactivity information held for orthologue species. We therefore also focused on an in-depth analysis of orthologue bioactivity data and its relevance and applicability towards expanding compound and target bioactivity space for predictive studies. The realized protocol was trained with 13,918,879 compound-target pairs and comprises 1,651 targets, which has been made available for public use at GitHub. Consequently, the methodology was applied to aid with the target deconvolution of AstraZeneca phenotypic readouts, in particular for the rationalization of cytotoxicity and cytostaticity in the High-Throughput Screening (HTS) collection. Results from this work highlighted which targets are frequently linked to the cytotoxicity and cytostaticity of chemical structures, and provided insight into which compounds to select or remove from the collection for future screening projects. Overall, this project has furthered the field of in silico target deconvolution, by improving the performance and applicability of current protocols and by rationalizing cytotoxicity, which has been shown to influence attrition in clinical trials.

L'enjeu des travaux effectués au cours de cette thèse est l'extraction in silico de molécules potentiellement intéressantes dans le processus d'inhibition du récepteur tyrosine kinase c-Met. La faculté de cette protéine à interagir dans les phénomènes d'embryogenèse et de réparation tissulaires rendent son inhibition cruciale dans les traitements contre les développements tumoraux où c-Met se trouve impliquée. Dans ce but, la stratégie que nous avons employée implique l'utilisation de plusieurs méthodes in silico de conception rationnelle de médicaments. Nous avons utilisé comme support les multiples structures cristallographiques publiées sur la ProteinData Base (PDB). Un travail de modélisation par homologie fut tout d'abord nécessaire pour combler les lacunes des structures cristallographiques collectées. Afin d'échantillonner au mieux l'espace conformationnel du récepteur kinase c-Met et de caractériser sa flexibilité, une longue campagne de simulation de Dynamique Moléculaire (DM) fut menée concernant les formes apo et holo des structures cristallographiques disponibles. Pour compléter ces simulations, une partie du travail consista à utiliser également la méthode des modes normaux de vibration (NM). De ces 2 approches (DM et NM), nous avons extrait un ensemble de 10 conformères considérés comme les plus représentatifs de l'espace conformationnel simulé pour la kinase c-Met et avons proposé un mode de fonctionnement de ce récepteur. Utilisant les conformations extraites de l'échantillonnage conformationnel, nous avons ensuite mené une importante campagne de criblage virtuel sur plusieurs chimiothèques constituant au total environ 70.000 composés. L'analyse des résultats de l'arrimage moléculaire nous a conduits à la sélection de plusieurs molécules intéressantes possédant théoriquement une bonne affinité pour la kinase c-Met. Ces molécules ont été soumises aux tests expérimentaux effectués par l'équipe de biologistes associée à nos travaux.

A travers cette thèse, nous montrons l'importance de la modélisation et de la coopération de métaheuristiques pour la résolution de problèmes réels en bioinformatique. Pour ce faire, deux problèmes ont été étudiés : le premier dans le domaine de la protéomique pour l'identification de protéines à partir de données spectrales et le second dans le domaine de l'analyse structurale de molécules pour le problème du docking moléculaire flexible. Ainsi, pour le premier problème, un nouveau modèle basé sur une comparaison directe des bases de données protéiques avec les données expérimentales brutes a été mise en place. L'approche associée a été intégrée au sein d'un moteur d'identification par empreinte de masse peptide appelé ASCQ_ME. Ce modèle d'identification a permis ensuite de proposer et de valider une modélisation pour le problème de " de novo protein sequencing " qui consiste à retrouver la séquence d'une protéine à partir seulement des données expérimentales. Il s'agit d'un modèle en trois étapes appelé SSO pour " Sequence ", " Shape " et " Order ". Après une étude de chacune de ces étapes, SSO a été implémenté et testé à travers trois métaheuristiques collaborant de manière séquentielle. Pour le second problème, une étude des nouvelles modélisations multi-objectives a été menée et a conduit à la définition d'un ensemble de huit modèles différents testés à l'aide d'algorithmes génétiques multi-objectifs parallèles. Une douzaine de configuration d'opérateurs génétiques ont été testé afin de mettre en évidence l'efficacité de l'hybridation des algorithmes génétiques avec des recherches locales. Pour chacune des parties, l'implémentation et la mise en place des collaborations fut possible grâce à la plateforme ParadisEO et notamment grâce à mes contributions à la partie ParadisEO-MO dédiée aux métaheuristiques à base de solution unique. L'ensemble de ces travaux a été soutenu par le PPF BioInformatique de l'Université des Sciences et Technologies de Lille et le projet ANR Dock.