Identification des interactions médicament/cible.

  • Superviseur :

    Khadidja Henni

  • Domaine(s) :
    • Intelligence artificielle
    • Science des données

But:

Développement d’une méthode d’apprentissage machine pour la recherche et l’identification des interactions médicament-cible.

Intérêt :

Les expériences en laboratoire humide pour identifier les interactions médicament-cible sont à la fois coûteuses et longues. Les méthodes informatiques de prédiction des interactions permettent de limiter l'espace de recherche pour ces expériences. L'industrie pharmaceutique s'intéresse à ce genre de pratique car ça leur économise énormément de temps et d'argent dans le design des médicaments.

Description :

L’interaction entre les cibles des médicaments est un domaine de recherche de premier plan dans la découverte de médicaments. Il s’agit de la reconnaissance des interactions entre les composés chimiques et les protéines cibles dans le corps humain. L’objectif du projet est le développement d’une méthode chimiogénomique d’apprentissage machine pour la détection des interactions médicament-cible. La méthode est basée sur les systèmes de recommandation et l’analyse des caractéristiques. La méthode doit êtes appliquée sur des données réelles extraites des banques biologiques.

Les compétences requises pour réaliser ce projet :

Compétences générales

  • Maîtrise de l’anglais

Compétences spécifiques

  • Bonne maîtrise du langage de programmation python/R.

Compétences professionnelles

  • Capacité à se documenter
  • Habilité à communiquer à l’oral et à l’écrit

Références bibliographiques  :

  1. Sachdev K, Gupta MK. A comprehensive review of feature based methods for drug target interaction prediction. J Biomed Inform. 2019 May;93:103159. doi: 10.1016/j.jbi.2019.103159. Epub 2019 Mar 27. PMID: 30926470.
  2. Pliakos, K., Vens, C. Drug-target interaction prediction with tree-ensemble learning and output space reconstruction. BMC Bioinformatics 21, 49 (2020). https://doi.org/10.1186/s12859-020-3379-z