Thèse de doctorat en modélisation moléculaire et apprentissage machine

Au sein de l’équipe SPACE (Simulations, Parfums, Arômes, Cosmétique, Evolution) de l’Institut de Chimie de Nice (UMR 7272 CNRS – Université Côte d’Azur), le groupe ChemSenSim développe une recherche pluridisciplinaire sur les bases moléculaires des sens chimiques. Comprendre l'écologie chimique d'un animal exige une connaissance approfondie des odeurs qu'il perçoit et de leurs effets. Ce projet s'appuie sur des approches computationnelles et vise à décrypter la fonction des récepteurs olfactifs chez les insectes. Ce faisant, nous pourrons identifier de nouveaux semio chimiques capables de moduler le comportement des insectes et développer des méthodes de lutte biologique plus efficaces. Ce projet de doctorat vise à élucider les mécanismes moléculaires sous-jacents à la détection des phéromones par les récepteurs olfactifs, appartenant à la famille des canaux ioniques, et à identifier de nouveaux composés actifs par simulations moléculaires. Deux stratégies complémentaires seront mises en œuvre : le criblage virtuel basé sur la structure (simulations d’amarrage moléculaire et dynamique moléculaire) et le criblage virtuel basé sur les ligands (modèles d’apprentissage automatique). Nous avons récemment démontré la faisabilité de l’identification de nouvelles molécules bioactives par des techniques d’apprentissage automatique [1,2] et des approches basées sur la structure [3], et que les simulations de dynamique moléculaire peuvent reproduire la dynamique des récepteurs pertinente pour l’événement de liaison [4]. Les ligands prédits seront évalués expérimentalement par nos partenaires de recherche (iEES Versailles, IBS Grenoble).