Génération de chemins pour la synthèse de cages moléculaires

Paths generation for the synthesis of molecular cages

• Auteur / Autrice : Noé Demange
• Direction : Yann Strozecki
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/10/2024
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Données Algorithmes pour une ville intelligente et durable
• Partenaire(s) de recherche : Equipe de recherche : ALMOST
• Partenaire(s) de recherche : Référent : Université de Versailles-Saint-Quentin-en-Yvelines

Mots clés

Mots clés libres

Chemo-informatique

Algorithmique

Cage moléculaire

Apprentissage supervisé

Énumération

Molecular cage

Enumeration

Supervised learning

Algorithmic

Chemoinformatics

Résumé

Le sujet de thèse porte sur la conception sur ordinateur de patron de cages moléculaires organiques. Ces cages ont de nombreuses applications telles que la capture de CO2 ou de méthane, la stabilisation de composés chimiques et le transport de médicaments. En utilisant des méthodes algorithmiques, l'objectif est de construire des cages qui peuvent capturer un substrat donné, en reliant des points d'attache spécifiques par des chemins moléculaires. Pour résoudre ce problème, il faut respecter les liaisons chimiques et la géométrie qu'elles imposent et éviter les collisions entre les atomes et avec le substrat. Des algorithmes seront développés pour générer efficacement ces cages en tenant compte de plusieurs critères, notamment la facilité de synthèse, la rigidité et la diversité des structures générées. Alternativement, des approches d'apprentissage supervisé, notamment les réseaux neuronaux, sont envisagées pour prédire la forme des cages à partir des points d'attache, en tenant compte des contraintes spécifiques. L'objectif final est de produire un ensemble diversifié de cages répondant à des critères spécifiques, facilitant ainsi leur utilisation par les chimistes dans la synthèse moléculaire et ouvrant de nouvelles perspectives pour la conception de matériaux fonctionnels et de médicaments.

The thesis focuses on computer-aided design of organic molecular cage patterns. These cages have various applications such as CO2 or methane capture, stabilization of chemical compounds, and drug delivery. Utilizing algorithmic methods, the goal is to construct cages capable of capturing a given substrate by connecting specific attachment points through molecular pathways. Addressing this challenge involves adhering to chemical bonds and the geometries they impose, while also avoiding collisions between atoms and with the substrate. Algorithms will be developed to efficiently generate these cages, considering multiple criteria including ease of synthesis, rigidity, and diversity of generated structures. Alternatively, supervised learning approaches, notably neural networks, are considered to predict the shape of cages from attachment points, considering specific constraints. The ultimate aim is to produce a diversified set of cages meeting specific criteria, thus facilitating their use by chemists in molecular synthesis and opening new avenues for the design of functional materials and drugs.