Thèse Criblage Virtuel à l'Échelle du Protéome pour Minimiser les Risques Horscible dans le Développement d'Oligonucléotides Modifiés 'Aptamer-Like' à Visée Thérapeutique H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Santé et médicaments
École doctorale : Innovation thérapeutique : du fondamental à l'appliqué
Laboratoire de recherche : Chimie et Modélisation pour la Biologie du Cancer
Direction de la thèse : Fabrice LECLERC ORCID 0000000256411525
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-22T23:59:59L'un des défis majeurs dans la conception de nouvelles drogues ou médicaments est associé à leur sélectivité: 60% des molécules candidates entrant en essais cliniques échouent en raison de leur toxicité et d'effets indésirables. Malgré l'innovation dans le domaine des ARN thérapeutiques et leurs avantages en terme de rapidité de conception, de production, et de coût, ceux-ci n'échappent pas aux effets hors-cible (off-target effects) contribuant à la toxicité et à des effets indésirables par manque de sélectivité. Par là, on entend des interactions intempestives (promiscuity) avec des partenaires cellulaires autres que la cible (protéine) visée.

Les ARN artificiels générés par la méthode expérimentale SELEX (Systematic evolution of ligands by exponential enrichment) ont un potentiel thérapeutique mais limité jusqu'à présent, en l'absence de modifications chimiques substantielles qui améliorent leurs propriétés en terme de stabilité, de résistance aux nucléases, d'immunogénécité, etc. Bien que de nouvelles approches SELEX incorporant quelques nucléotides modifiés aient vu le jour, elles restent très limitées en termes de diversité et stéréochimie pour des raisons essentiellement techniques. Or, l'absence de modification des bases nucléiques permet l'hybridisation avec des acides nucléiques cellulaires à l'origine d'effets hors-cible.

Au cours des dernières années, nous avons développé des approches computationnelles de conception d'oligonucléotides modifiés aptamer-like pouvant cibler des protéines ayant un intérêt thérapeutique. Ces approches reposent sur l'utilisation d'une chimiothèque de nucléotides modifiés sans limitation par rapport à leur diversité et stéréochimie. Utilisés comme briques élémentaires, ces nucléotides modifiés sont assemblés entre eux via un design 'par fragment' (fragment-based drug design/discovery) permettant de générer des oligonucléotides modifiés. Les enzymes cibles utilisées pour apporter une preuve de concept de cette stratégie sont des protéases à aspartate: des sécrétases identifiées comme des cibles d'intérêt pour la maladie d'Alzheimer, mais aussi pour le diabète de type II et le cancer. Des molécules candidates et sélectives ont été identifiées contre la sécrétase BACE1 également ciblée dans certains cancers, et son homologue BACE2, une cible pour le diabète de type II. Une validation expérimentale est en cours pour le criblage et la sélection des meilleurs d'oligonucléotides modifiés candidats.

Le projet consistera à mener une étude sur la sélectivité potentielle à l'échelle cellulaire de ces molécules candidates en identifiant les protéines avec lesquelles elles peuvent interagir et à évaluer les effets hors-cibles potentiels dans les types cellulaires impliquées plus directement dans les pathologies associées. Les méthodologies à utiliser, à améliorer et développer concernent les approches de conception par fragments' (supervisée et non-supervisée), la modélisation moléculaire via notamment l'utilisation d'IA génératives (AlphaFold et autres clones), les simulations par dynamique moléculaire, et l'analyse de liens structure-activité et structure-sélectivité.

L'équipe d'accueil intitulée: Acides nucléiques comme cibles et drogues et approches par photomarquage' fait partie de l'Unité (UMR9187) de Chimie et Modélisation pour la Biologie du Cancer' de l'Institut Curie (site d'Orsay). Il s'agit d'une équipe inter-disciplinaire à l'interface entre chimie et biologie qui met en oeuvre des approches de biochimie, biophysique avec des expertises spécifiques en reconnaissance moléculaire, et d'essais cellulaires.

Le projet de thèse se positionne dans un contexte scientifique crucial où l'innovation pharmaceutique est freinée par la nécessité de substances actives hautement sélectives. Face au problème persistant des effets indésirables dus à une mauvaise sélectivité des médicaments, le développement d'ARN thérapeutiques, bien que prometteur pour diverses raisons comme la rapidité de conception et la faible coût de production, continue de se heurter aux limitations de leur sélectivité. Les méthodes traditionnelles de sélection sélective (SELEX) ont généré des aptamères efficaces, mais leur potentiel thérapeutique reste partiellement réalisé en raison du manque de modifications chimiques améliorant leur stabilité, résistance aux nucléases, et immunogénécité.

Le développement d''aptamer-like' modifiés par des approches computationnelles est un pas en avant significatif dans ce domaine. L'innovation de concevoir des oligonucléotides à partir d'une chimiothèque diversifiée de nucléotides modifiés, utilisées dans un cadre de conception 'par fragments', représente une avancée majeure vers des molécules plus sélectives et potentiellement moins toxiques. Cette approche, appliquée spécifiquement aux sécrétases BACE1 et BACE2 - impliquées dans diverses pathologies comme le cancer et le diabète de type II - offre une promesse tangible pour les traitements futurs.

La validation pour évaluer la sélectivité et les effets hors-cible de ces molécules candidates est essentielle pour comprendre pleinement leur potentiel thérapeutique. Le recours à des méthodologies avancées, telles que la modélisation moléculaire assistée par l'intelligence artificielle (IA), les simulations de dynamique moléculaire, et l'analyse structure-activité/structure-sélectivité, permettra non seulement de préciser les interactions cible-partenaire mais aussi d'anticiper les interactions indésirables.

Le contexte institutionnel de cette recherche, mené au sein de l'Unité de Chimie et Modélisation pour la Biologie du Cancer de l'Institut Curie, illustre l'importance que l'on accorde à l'intégration multidisciplinaire de la chimie et de la biologie pour résoudre des problèmes complexes liés à la découverte de nouvelles molécules thérapeutiques. L'équipe d'accueil, avec ses compétences variées allant de la biochimie et biophysique à la reconnaissance moléculaire et aux essais cellulaires, positionne ce projet comme un effort collectif stratégique visant à avancer dans le domaine de la médecine de précision.

L'objectif est de proposer une stratégie pour éliminer ou réduire fortement les effets indésirables associés à la promiscuité d'interactions avec des cibles alternatives dans l'optique de traitements thérapeutiques sur le moyen et long terme pour des pathologies de longue durée ou la nécessité d'un traitement précoce dès le dépistage. Les 'drogues' conçues rationnellement à partir de la structure de la protéine cible sont des molécules dérivées d'ARN via l'introduction de modifications chimiques qui permettent à la fois de diversifier la nature des interactions et d'augmenter la sélectivité pour la cible (électrostatique, polaire, hydrophobe, électronique, liaisons H) mais aussi de limiter la promiscuité de liaison avec des cibles alternatives en particulier les acides nucléiques. Le système modèle utilisé pour la preuve de concept est basé sur la sélectivité de ligands dirigés contre les sécrétases BACE1 et BACE2 qui présentent un intérêt thérapeutique dans différentes pathologies. Afin d'évaluer les effets hors-cible potentiels et sélectionner a priori les candidats les plus pertinents à cet égard, un criblage est effectué sur une fraction du protéome cellulaire (protéines hautement exprimées) spécifique du tissu et type cellulaire associés à la pathologie.

Les méthodes utilisées sont basées essentiellement sur des approches computationelles telles que: le criblage virtuel, le design par fragment, le docking, la dynamique moléculaire, etc parmi les plus classiques mais font aussi appel à des données expérimentales et à l'analyse de données complémentaires générées au sein de l'équipe par des approches expérimentales. Il s'agit notamment de l'analyse de données d'activité comme inhibiteurs des enzymes ciblées et de données de sélectivité dans l'optique de réduire ou d'éliminer les effets hors-cible. Parmi les approches expérimentales, on citera celles de biophysique pour l'identification et la caractérisation de ligands (fluorimétrie à balayage nano-différentiel, interférométrie, thermophorèse, calorimétrie), y compris pour des fragments (nucléotides modifiés) correspondant à des ligands de faible affinité détectables par des méthodes ultra-sensibles (fluorimétrie à balayage nano-différentiel, thermophorèse à l'échelle micro). Aux approches computationelles classiques, on ajoutera l'utilisation de méthodes d'IA génératives pour la modélisation de la structure 3D de protéines et de complexes protéine/ligand (AlphaFold et clones tels que Boltz2) permettant de tester ces méthodes et de croiser les résultats avec les approches classiques avec in fine une validation expérimentale. On ne dispose de données structurales à haute résolution que pour une fraction minime du protéome cellulaire (moins d'une dizaine de structures 3D de protéines). Les IA génératives permettront de modéliser la structure 3D des protéines du protéome cellulaire, en particulier celui de la microglie qui représente le type cellulaire désormais le plus étudié en lien avec les maladies neurodégénératives.

formation initiale de chimiste/biochimiste/biologiste ou autre formation proche avec des compétences en biologie/bioinformatique structurales et/ou modélisation moléculaire, avoir travaillé sur linux; la maîtrise d'un langage de programmation, d'outils d'IA, ou de méthodes (Q)SAR seront des plus.