La valorisation de la biomasse saccharidique pour la production de dérivés biosourcés d'intérêt est un enjeu important. La cellulose est le polysaccharide le plus abondant sur Terre et représente une source de matière première considérable. Dans ce travail, de nouveaux procédés de dépolymérisation de la cellulose pour l'obtention contrôlée de cellodextrines sont décrits. Ils proposent une approche alternative plus douce aux procédés de production actuels en privilégiant l'utilisation d'enzymes, et de liquides ioniques comme solvants alternatifs. Ce travail rapporte l'élaboration de deux méthodes d'obtention contrôlée d'oligosaccharides à partir de cellulose et de cellulose acétate par combinaisons successives d'hydrolyses acide et enzymatique. Ces procédés ont permis l'obtention de cellodextrines de tailles ciblées avec de bons rendements, et constituent une voie prometteuse pour la valorisation de la cellulose en dérivés biosourcés. La deuxième partie de ce travail consiste en la modification chimio-enzymatique des oligosaccharides de cellulose produits pour leur valorisation en biomolécules d'intérêt, plus particulièrement dans le domaine de l'agrochimie. Les cellodextrines sont utilisées en tant que base saccharidique pour la synthèse d'analogues de lipo-chitooligosaccharides comme potentiels fertilisants verts. Deux méthodes de préparation ont été élaborées à l'aide des glycoside-hydrolases comme outils de synthèse. Les stratégies développées permettent un accès efficace à la synthèse d'analogues et peuvent être adaptées pour la production d'autres molécules. / Valorisation of biomass is a timely challenge and its bio-conversion raises a growing interest from academics and industrials. Cellulose is the most abundant biopolymer on Earth and offers a wide range of applications including value added bio-derived compounds. In this work we report the design of new methods to produce cellodextrins from cellulose and from cellulose acetate, by a combination of successive hydrolyses. These strategies imply the use of ionic liquids and enzymes to perform the depolymerisation. They represent a soft alternative to the current processes of production. The controlled hydrolysis of cellulose was realised in two steps involving first the partial fragmentation of cellulose in ionic liquids by acid catalysis. Then, the selective hydrolysis of those cellulose fragments was performed by an endoglucanase to produce the targeted sizes of cellodextrins. The second method deals with the depolymerisation of water soluble cellulose acetate by enzymatic hydrolysis. Those two methods have led to the controlled production of cellodextrins of interest, with significantly improved yields. In the second part of this work, cellodextrins were used as building block for the synthesis of analogs of lipo-chitooligosaccharides as potential natural fertilizers. Several chemo-enzymatic routes were investigated to produce these biomolecules, and two methods of synthesis were elaborated using glycoside-hydrolases as coupling tools. Those methods offer an easy access to analogs and can be adapted for the production of further molecules.

In a changing global energy market where the decarbonization of the economy and the demand growth are pushing to look for new models away from the existing centralized non-renewable based grid. To do so, households have to take a ‘prosumer’ role; to help them take optimal actions is needed a multi-step ahead forecast of their expected energy production and consumption. In multi-step ahead forecasting there are different strategies to perform the forecast. The single-output: Recursive, Direct, DirRec, and the multi-output: MIMO and DIRMO. This thesis performs a comparison between the performance of the differents strategies in a ‘prosumer’ household; using Artificial Neural Networks, Random Forest and K-Nearest Neighbours Regression to forecast both solar energy production and grid input. The results of this thesis indicates that the methodology proposed performs better than state of the art models in a more detailed household energy consumption dataset. They also indicate that the strategy and model of choice is problem dependent and a strategy selection step should be added to the forecasting methodology. Additionally, the performance of the Recursive strategy is always far from the best while the DIRMO strategy performs similarly. This makes the latter a suitable option for exploratory analysis.

L'électricité ne se stockant pas aisément, EDF a besoin d'outils de prévision de consommation et de production efficaces. Le développement de nouvelles méthodes automatiques de sélection et d'estimation de modèles de prévision est nécessaire. En effet, grâce au développement de nouvelles technologies, EDF peut étudier les mailles locales du réseau électrique, ce qui amène à un nombre important de séries chronologiques à étudier. De plus, avec les changements d'habitude de consommation et la crise économique, la consommation électrique en France évolue. Pour cette prévision, nous adoptons ici une méthode semi-paramétrique à base de modèles additifs. L'objectif de ce travail est de présenter des procédures automatiques de sélection et d'estimation de composantes d'un modèle additif avec des estimateurs en plusieurs étapes. Nous utilisons du Group LASSO, qui est, sous certaines conditions, consistant en sélection, et des P-Splines, qui sont consistantes en estimation. Nos résultats théoriques de consistance en sélection et en estimation sont obtenus sans nécessiter l'hypothèse classique que les normes des composantes non nulles du modèle additif soient bornées par une constante non nulle. En effet, nous autorisons cette norme à pouvoir converger vers 0 à une certaine vitesse. Les procédures sont illustrées sur des applications pratiques de prévision de consommation électrique nationale et locale.Mots-clés: Group LASSO, Estimateurs en plusieurs étapes, Modèle Additif, Prévision de charge électrique, P-Splines, Sélection de variables / French electricity load forecasting encounters major changes since the past decade. These changes are, among others things, due to the opening of electricity market (and economical crisis), which asks development of new automatic time adaptive prediction methods. The advent of innovating technologies also needs the development of some automatic methods, because we have to study thousands or tens of thousands time series. We adopt for time prediction a semi-parametric approach based on additive models. We present an automatic procedure for covariate selection in a additive model. We combine Group LASSO, which is selection consistent, with P-Splines, which are estimation consistent. Our estimation and model selection results are valid without assuming that the norm of each of the true non-zero components is bounded away from zero and need only that the norms of non-zero components converge to zero at a certain rate. Real applications on local and agregate load forecasting are provided.Keywords: Additive Model, Group LASSO, Load Forecasting, Multi-stage estimator, P-Splines, Variables selection

Financial time-series are not uncommon to research in an academic context. This is possibly not only due to its challenging nature with high levels of noise and non-stationary data, but because of the endless possibilities of features and problem formulations it creates. Consequently, problem formulations range from classification and categorical tasks determining directional movements in the market to regression problems forecasting their actual values. These tasks are investigated with features consisting of data extracted from Twitter feeds to movements from external markets and technical indicators developed by investors. Cryptocurrencies are known for being evermore so volatile and unpredictable, resulting in institutional investors avoiding the market. In contrast, research in academia often applies state-of-the-art machine learning models without the industry’s knowledge of pre-processing. This thesis aims to lessen the gap between industry and academia by presenting a process from feature extraction and selection to forecasting through machine learning. The task involves how well the market movements can be forecasted and the individual features’ role in the predictions for a six-hours ahead regression task. To investigate the problem statement, a set of technical indicators and a feature selection algorithm were implemented. The data was collected from the exchange FTX and consisted of hourly data from Solana, Bitcoin, and Ethereum. Then, the features selected from the feature selection were used to train and evaluate an Autoregressive Integrated Moving Average (ARIMA) model, Prophet, a Long Short-Term Memory (LSTM) and a Transformer on the spread between the spot price and three months futures market for Solana. The features’ relevance was evaluated by calculating their permutation importance. It was found that there are indications of short-term predictability of the market through several forecasting models. Furthermore, the LSTM and ARIMA-GARCH performed best in a scenario of low volatility, while the LSTM outperformed the other models in times of higher volatility. Moreover, the investigations show indications of non-stationary. This phenomenon was not only found in the data as sequence but also in the relations between the features. These results show the importance of feature selection for a time frame relevant to the prediction window. Finally, the data displays a strong mean-reverting behaviour and is therefore relatively well-approximated by a naive walk. / Finansiella tidsserier är inte ovanliga att utforska i ett akademiskt sammanhang. Det beror troligen inte bara på dess utmanande karaktär med höga ljudnivåer och icke-stationära data, utan även till följd av de oändliga möjligheter till inmatning och problemformuleringar som det skapar. Följaktligen sträcker sig problemformuleringarna från klassificering och kategoriska uppgifter som bestämmer riktningsrörelser på marknaden till regressionsproblem som förutsäger deras faktiska värden. Dessa uppgifter undersöks med data extraherad från twitterflöden till rörelser från externa marknader och tekniska indikatorer utvecklade av investerare. Kryptovalutor är kända för att vara volatila och oförutsägbara till sin natur, vilket resulterar i att institutionella investerare undviker marknaden. I kontrast tillämpas forskning inom den akademiska världen ofta med avancerade maskininlärningsmodeller utan branschens typiska förbearbetningsarbete. Detta examensarbete syftar till att minska klyftan mellan industri och akademi genom att presentera en process från dataextraktion och urval till prognoser genom maskininlärning. Arbetet undersöker hur väl marknadsrörelserna kan prognostiseras och de enskilda variablernas roll i förutsägelserna för ett regressionsproblem som prognotiserar en sex timmar fram i tiden. Därmed implementerades en uppsättning tekniska indikatorer tillsammans med en algoritm för variabelanvändning. Datan samlades in från börsen FTX och bestod av timdata från Solana, Bitcoin och Ethereum. Sedan användes variablerna som valts för att träna och utvärdera en Autoregressive Integrated Moving Average (ARIMA)-modell, Prophet, en Long Short-Term Memory (LSTM) och en Transformer på skillnaden mellan spotpriset och tre månaders framtidsmarknad för Solana. Variablernas relevans utvärderades genom att beräkna deras vikt vid permutation. Slutsatsen är att det finns indikationer på kortsiktig förutsägbarhet av marknaden genom flera prognosmodeller. Vidare noterades det att LSTM och ARIMA-GARCH presterade bäst i ett scenario med låg volatilitet, medan LSTM överträffade de andra modellerna i vid högre volatilitet. Utöver detta visar undersökningarna indikationer på icke-stationäritet inte bara för datan i sig, utan också för relationerna mellan variablerna. Detta visar vikten av att välja variabler för en tidsram som är relevant för prediktionsfönstret. Slutligen visar tidsserien ett starkt medelåtergående beteende och är därför relativt väl approximerad av en naiv prediktionsmodell.

La structure sous-jacente dans la zone A~100, N~60 a été étudié intensivement et extensivement, principalement par décroissance β et spectroscopie γ suite à des réactions de fission. Autour de N~60, en ajoutant juste quelques neutrons, protons un changement de forme rapide des états fondamentaux se produit, allant de sphérique à bien déformé. La coexistence de forme observée dans les noyaux de Sr et Zr est supposée avoir lieu dans toute la région. Les mécanismes impliqués dans l'apparition de la déformation n'étaient pas clairement identifiés. L'interaction entre les orbitales de Nilsson montantes et descendante est évoqué comme l'une des principales raisons du changement de forme. Cependant, une identification claire des orbitales proton et neutron en jeu était nécessaire. A cet effet, l'étude des isotopes ⁹³′⁹⁵′⁹⁷′⁹⁹Rb riches en neutrons a été réalisé excitation Coulombienne au CERN (ISOLDE) en utilisant le post-accélérateur REX-ISOLDE et le dispositif Miniball. Les structures excitées encore inconnues des isotopes ⁹⁷′⁹⁹Rb ont été peuplées et observées. Les coïncidences de transitions γ des états de basse énergie ont été observées et leur corrélations ont permis la construction de schémas de niveaux. Les probabilités de transitions associées ont été extraites grâce code GOSIA. Les éléments de matrice de l'opérateur électromagnétique observées constituent de nouveaux apports afin d'effectuer de nouveaux calculs théoriques permettant de statuer sur les orbitales impliquées. La sensibilité des expériences de ce type peut être accrue en utilisant des faisceaux radioactifs d'ions dont le spin nucléaire est polarisé. La technique de polarisation des feuilles orientées (TFT) fut étudiée dans ce but au CERN. Un nouveau polariseur TFT et un dispositif β-NMR ont être créés et installés après REX-ISOLDE. La connaissance du processus de polarisation associé à la technique reste incomplète à ce jour et de plus amples études sont nécessaires. Des tests préliminaires prometteurs ont été effectués sur le noyau de ⁸Li afin de déterminer le potentiel du dispositif actuel.

The underlying structure in the region A~100, N~60 has been under intensive and extensive investigation, mainly by β-decay and γ-ray spectroscopy from fission processes. Around N~60, by adding just few neutrons, protons a rapid shape change occurs from spherical-like to well deformed g.s. shape. Shape coexistence has been observed in the Sr and Zr nuclei, and is expected to take place in the whole region. The mechanisms involved in the appearance of the deformation is not well understood. The interplay between down-sloping and up-sloping neutron Nilsson orbital is evoked as one of the main reasons for the sudden shape change. However, a clear identification of the active proton and neutron orbitals was still on-going. For that purpose, the neutron rich ⁹³′⁹⁵′⁹⁷′⁹⁹Rb isotopes have been studied by Coulomb excitation at CERN (ISOLDE) using the REX-ISOLDE post-accelerator and the MINIBALL setup. The completely unknown structures of ⁹⁷′⁹⁹Rb have been populated and observed. Prompt γ-ray coincidences of low-lying states have been observed and time correlated to build level schemes. The associated transition strengths have been extracted with the GOSIA code. The observed matrix elements of the electromagnetic operator constituted new inputs of further theoretical calculations giving new insight on the involved orbitals. The sensitivity of such experiment can be increased using nuclear spin polarized RIB. For that purpose the Tilted Foils Technique (TFT) of polarization has been investigated at CERN. A new TFT polarizer with a β-NMR setup have be created and installed after REX-ISOLDE. The uncomplete knowledge of the polarization process associated to the technique needs to be investigated. Conclusive preliminary tests have been performed on ⁸Li in order to determine the potential of the present setup. / La structure sous-jacente dans la zone A~100, N~60 a été étudié intensivement et extensivement, principalement par décroissance β et spectroscopie γ suite à des réactions de fission. Autour de N~60, en ajoutant juste quelques neutrons, protons un changement de forme rapide des états fondamentaux se produit, allant de sphérique à bien déformé. La coexistence de forme observée dans les noyaux de Sr et Zr est supposée avoir lieu dans toute la région. Les mécanismes impliqués dans l'apparition de la déformation n'étaient pas clairement identifiés. L'interaction entre les orbitales de Nilsson montantes et descendante est évoqué comme l'une des principales raisons du changement de forme. Cependant, une identification claire des orbitales proton et neutron en jeu était nécessaire. A cet effet, l'étude des isotopes ⁹³′⁹⁵′⁹⁷′⁹⁹Rb riches en neutrons a été réalisé excitation Coulombienne au CERN (ISOLDE) en utilisant le post-accélérateur REX-ISOLDE et le dispositif Miniball. Les structures excitées encore inconnues des isotopes ⁹⁷′⁹⁹Rb ont été peuplées et observées. Les coïncidences de transitions γ des états de basse énergie ont été observées et leur corrélations ont permis la construction de schémas de niveaux. Les probabilités de transitions associées ont été extraites grâce code GOSIA. Les éléments de matrice de l'opérateur électromagnétique observées constituent de nouveaux apports afin d'effectuer de nouveaux calculs théoriques permettant de statuer sur les orbitales impliquées. La sensibilité des expériences de ce type peut être accrue en utilisant des faisceaux radioactifs d'ions dont le spin nucléaire est polarisé. La technique de polarisation des feuilles orientées (TFT) fut étudiée dans ce but au CERN. Un nouveau polariseur TFT et un dispositif β-NMR ont être créés et installés après REX-ISOLDE. La connaissance du processus de polarisation associé à la technique reste incomplète à ce jour et de plus amples études sont nécessaires. Des tests préliminaires prometteurs ont été effectués sur le noyau de ⁸Li afin de déterminer le potentiel du dispositif actuel.

Das Kausalitaetskonzept von Granger und die Impuls-Antwort-Analyse sind zwei Konzepte, die haeufig verwendet werden, um kausale Beziehungen zwischen zwei Variablen in vektorautoregressiven (VAR) Modellen zu untersuchen. Wenn das VAR Modell mehr als zwei Variablen umfasst, besteht eine Erweiterung des Standard Granger Kausalitaetskonzepts darin, Kausalitaet an hoeheren Prognosehorizonten zu messen. Die Kausalitaetsbeziehungen unter diesem erweiterten Granger Kausalitaetskonzept werden mit denen bei Standard Granger Kausalitaet (Ein-Schritt-Prognose) und mit Kausalitaet im Sinne der Impuls-Antwort-Analyse verglichen. Es wird insbesondere dargestellt, inwiefern das erweiterte Granger Kausalitaetskonzept als Verallgemeinerung der letztgenannten Konzepte aufgefasst werden kann. Wenn Kausalitaet an Prognosehorizonten groesser als eins gemessen wird und das VAR Modell mehr als zwei Variablen umfasst, impliziert die Nullhypothese, dass eine Variable nicht kausal fuer eine andere Variable sei, nichtlineare Restriktionen auf die VAR Koeffizienten. (In nichtstationaeren VAR Modellen treten nichtlineare Restriktionen sogar schon unter dem Standard Granger Kausalitaetskonzept auf.) Aufgrund der speziellen Form der Restriktionen kann es vorkommen, dass die Standard Wald Statistik nicht mehr die uebliche, asymptotische Chiquadrat-Verteilung hat. Dieses Problem wird im allgemeinen in der Praxis ignoriert. Beispiel 4.1, Proposition 4.1 und Korollar 4.1 zeigen jedoch, dass dieses Problem nicht irrelevant ist. Zwei Loesungen werden in Proposition 5.1 und Proposition 5.2 in Form eines randomisierten Wald Tests sowie eines Wald Tests mit verallgemeinerter Inverse angeboten. In einer anschliessenden kleinen Simulationsstudie werden Groesse und Macht dieser modifizierten Wald Tests relativ zu der des Standard Wald Tests untersucht fuer verschiedene stationaere trivariate VAR(1)-Modelle. In einem kurzen Ueberblick werden zudem Vor- und Nachteile alternativer Testverfahren (Bootstrap, sequentielle Tests) zusammengefasst. / The concepts of standard Granger causality and impulse response analysis are often used to investigate causal relationships between variables in vector autoregressive (VAR) models. In VAR models with more than two variables, the concept of standard Granger causality can be extended by studying prediction improvement at forecast horizons greater than one. The causal relationships which arise under this extended Granger causality concept are compared to those arising under the standard Granger causality concept (one-step forecasts) and those arising with impulse-response-analysis. In particular, it is illustrated inhowfar the extended Granger causality concept can be understood as a generalization of the standard Granger causality concept and even of impulse-response-analysis. If causality is measured at forecast horizons greater than one, and if there are more than two variables in the VAR system, the null hypothesis that one variable is not causal for another variable implies restrictions which are a nonlinear function of the VAR coefficients. (In nonstationary VAR models, nonlinear restrictions already arise under the standard Granger causality concept.) Due to the special form of the restrictions, the standard Wald test may no longer have the usual asymptotic chisquare-distribution under the null hypothesis. This problem is commonly neglected in practice. However, Example 4.1, Corollary 4.1 and Proposition 4.1 of this thesis illustrate that this problem is not irrelevant. Furthermore, Propositions 5.1 and 5.2 show that this problem may be overcome, at least in stationary VAR models, by using either a randomized Wald test or a Wald test with generalized inverse. Size and Power of these modified Wald tests relative to the standard Wald test are investigated in a small simulation study for different stationary, trivariate VAR(1) models. Moreover, the pros and cons of alternative testing strategies (bootstrap, sequential tests) are summarized in a brief overview.

Long short-term volume forecasting is essential for companies regarding their logistics service operations. It is crucial for logistic companies to predict the volumes of goods that will be delivered to various centers at any given day, as this will assist in managing the efficiency of their business operations. This research aims to create a forecasting model for outbound logistics volumes by utilizing design science research methodology in building 3 machine-learning models and evaluating the performance of the models . The dataset is provided by Tetra Pak AB, the World's leading food processing and packaging solutions company,. Research methods were mainly quantitative, based on statistical data and numerical calculations. Three algorithms were implemented: which are encoder–decoder networks based on Long Short-Term Memory (LSTM), Convolutional Long Short-Term Memory (ConvLSTM), and Convolutional Neural Network Long ShortTerm Memory (CNN-LSTM). Comparisons are made with the average Root Mean Square Error (RMSE) for six distribution centers (DC) of Tetra Pak. Results obtained from encoder–decoder networks based on LSTM are compared to results obtained by encoder–decoder networks based on ConvLSTM and CNN-LSTM. The three algorithms performed very well, considering the loss of the Train and Test with our multivariate time series dataset. However, based on the average score of the RMSE, there are slight differences between algorithms for all DCs.

Notre équipe de recherche a récemment développé les premiers inhibiteurs d’une enzyme à DDE, la transposase MOS1, une enzyme analogue à l’intégrase du VIH-1. Ces molécules, de type bisfurylmaléimides, ont également montré une efficacité contre les activités enzymatiques de l’intégrase du VIH. En se basant sur ces résultats, nous avons entrepris la synthèse de nouveaux bisfurylmaléimides dans le but d’identifier de nouveaux inhibiteurs de l’intégrase et de proposer de nouvelles molécules dans la lutte contre le virus responsable du SIDA. L’originalité de notre démarche est l’utilisation de la transposase MOS1 comme modèle pour concevoir nos molécules. Les méthodologies utilisées pour accéder à ces molécules font essentiellement appel à la chimie catalysée par des métaux de transition mais aussi à des réactions de chimie hétérocyclique telles que des réactions de Mitsunobu, de Knoevenagel ou encore de Horner-Wadsworth-Emmons. L’ensemble des molécules synthétisées a fait l’objet d’une évaluation de leurs activités inhibitrices sur la transposase MOS1 et l’intégrase du VIH-1. Leurs propriétés antivirales contre le VIH ont également été évaluées. Parallèlement à ces travaux, nous nous sommes intéressés à la réactivité du noyau maléimide dans des réactions de couplage pallado-catalysées et plus particulièrement dans des couplages de Sonogashira. / Our research team has recently developed the first inhibitors of a DDE enzyme, MOS1 transposase, an enzyme similar to the HIV-1 integrase. These molecules, having a bisfurylmaleimide structure, also showed efficacy against enzymatic activities of HIV integrase. Based on these results, we undertook the synthesis of new bisfurylmaleimides in order to identify new integrase inhibitors and propose new molecules in the fight against the virus that causes AIDS. The originality of our approach is the use of MOS1 transposase as a model for designing our molecules. Methodologies used to access these molecules are essentially involving chemistry catalyzed by transition metals but also reactions of heterocyclic chemistry such as Mitsunobu, Knoevenagel or Horner-Wadsworth-Emmons reactions. All synthesized molecules has been evaluated for their inhibitory activities on the MOS1 transposase and HIV-1 integrase. Their antiviral properties against HIV were also evaluated. Parallel to this work, we investigated the reactivity of the maleimide core in palladium-catalyzed cross-coupling reactions especially in Sonogashira couplings.

Les protéines à domaines PDZ sont impliquées dans des interactions protéine-protéine (IPP) et participent aux transports de signaux impliqués dans de nombreuses pathologies (cancer, mucoviscidose, douleur,…). L’interruption de l’interaction entre la protéine à domaine PDZ, PSD-95, et le récepteur de la sérotonine, 5-HT2A, réduit l’hyperalgie mécanique sur un modèle expérimental de douleur neuropathique chez les rats. Afin de concevoir de nouveaux inhibiteurs de cette interaction, antalgiques potentiels, trois stratégies ont été développées au cours de ces travaux. Une première stratégie a consisté à réaliser une étude de relation structure-activité à partir d’un inhibiteur connu, qui nous a permis d’identifier des groupements pharmacophores et ainsi obtenir une nouvelle molécule possédant un noyau indolique, capable d’inhiber l’interaction entre PSD-95 et 5-HT2A et possédant un effet anti-hyperalgique chez le rat neuropathique. La deuxième stratégie a consisté à valider la méthode du fragment-based drug design aux protéines à domaines PDZ en réalisant la déconstruction d’un inhibiteur connu de l’interaction en plusieurs fragments qui ont été criblés par RMN HSQC 1H-15N. Une évaluation systématique par RMN de chaque couple de fragments, suivie d’une étude de modélisation moléculaire a ensuite permis de mettre en évidence trois nouvelles molécules qui ont été synthétisées et évaluées par RMN HSQC 1H-15N. La troisième stratégie a été une approche peptidomimétique à partir de l’extrémité C-terminale de 5-HT2A, qui a conduit à la synthèse d’un peptoïde capable d’interagir avec la protéine à domaine PDZ. Ces études nous permettent d’envisager le développement de nouveaux antalgiques soit issus de la synthèse organique soit issus de mimes de peptides. / PDZ domains proteins are involved in protein-protein interaction (PPI) and participate in the transport of signals involved in numerous diseases (cancer, cystic fibrosis, pain, …). The disruption the interaction between the PDZ domains protein, PSD-95, and the serotonin receptor, 5-HT2A, reduces mechanical hyperalgesia in a rodent model of neuropathic pain in rats. To design new inhibitors as potential analgesics of this interaction, three strategies have been developed in this work. A first strategy was to conduct a study of structure-activity relationship from a known inhibitor, which allowed us to identify the pharmacophore groups and obtain a new molecule with an indole ring, capable of inhibiting the interaction between PSD-95 and 5-HT2A and possessing an anti-hyperalgesic effect on neuropathic rats. The second strategy was to validate the method of fragment-based drug design with PDZ domains proteins by deconstruction of a known inhibitor of the interaction in several fragments which were screened by NMR HSQC 1H-15N. Systematic evaluation by NMR of each pair of fragments, followed by molecular modeling study was then used to highlight three new molecules that were synthesized, and evaluated by NMR HSQC 1H-15N. The third strategy was a peptidomimetic approach from the C-terminal of 5-HT2A receptors, which led to the synthesis of a peptoid able to interact with the PDZ domain protein. These studies allow us to consider the development of new analgesics either from organic synthesis or from peptide mimetics.