Thèse Mise au Point de Systèmes Multi-Agents pour le Design de Nouveaux Inhibiteurs Sélectifs H/F

Doctorat.Gouv.Fr

Ce travail de thèse au carrefour de la chimie computationnelle et de l'IA générative visera à mettre au point des protocoles de docking moléculaire qui permettent une automatisation des calculs et une boucle de rétroaction intégrant l'intuition chimique. Il s'agira de coupler les approches d'ancrage moléculaire (e.g. gnina ou Haddock) dans notre système multi-agent auto-évolutif Mimosa-AI récemment proposé pour accélérer la découverte en sciences moléculaires.

La digitalisation massive de la chimie ces dernières années a permis l'émergence de modèles prédictifs, à l'exemple d'Alphafold et d'ESM pour la structure des protéines, permettant de guider la recherche de nouveaux médicaments ou la conception in silico d'inhibiteurs d'enzymes ou de colles moléculaires (éventuellement liés par liaisons covalentes ou peptidiques).

Sur la base de résultats obtenus dans notre équipe [2], le ou la candidat.e développera des méthodologies basées sur les LLM pour accélérer l'analyse de structures protéine-ligand, filtrer les composés les plus prometteurs et affiner la prédiction par dynamique moléculaire pour les molécules les plus prometteuses.

Ce sujet de thèse visera à former le ou la doctorant.e à un large spectre de méthodes de la chimie computationnelle moderne et de sciences des données, notamment via des discussions régulières pluridisciplinaires.