Thèse Intégration des Données Hrms et Rmn pour la Génération de Réseaux Moléculaires Basés sur l'Intelligence Artificielle en Chimie des Substances Naturelles. H/F - Doctorat.Gouv.Fr

Établissement : Université de Bordeaux École doctorale : Sciences de la Vie et de la Santé Laboratoire de recherche : Oenologie Direction de la thèse : Pierre WAFFO TEGUO ORCID 0000000313095451 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-20T23:59:59 Les substances naturelles constituent une source majeure de composés bioactifs, mais les approches classiques de fractionnement bioguidé conduisent souvent à une perte d'activité ou à des difficultés d'isolement des composés bioactifs. Les avancées récentes en métabolomique et en bioinformatique, notamment les réseaux moléculaires basés sur les données LC-MSn (GNPS) et la déréplication fondée sur la RMN (MADByTE), ont considérablement amélioré l'analyse de matrices naturelles complexes.
Le projet de thèse vise à développer une plateforme en ligne intégrant les données LC-MSn et RMN afin de générer des réseaux moléculaires complémentaires à l'aide de l'intelligence artificielle (IA), dans le but d'améliorer l'annotation et la déréplication d'extraits complexes. La preuve de concept portera sur Gnetum africanum et Vitis vinifera, deux plantes riches en stilbènes, reconnues pour leurs activités antioxydantes, anticancéreuses et antimicrobiennes.
Le projet comprend des étapes d'extraction écoresponsable, de fractionnement chromatographique, d'analyses HRMSn et RMN (1D/2D), la constitution d'une base de données à partir de composés de référence, ainsi que le développement de la plateforme métabolomique CREMIA. Une approche de métabolomique non ciblée permettra la génération de réseaux moléculaires favorisant une déréplication efficace et le profilage chimique d'extraits bioactifs, en collaboration avec l'Université de Yaoundé I. Les substances naturelles constituent une source majeure de composés bioactifs, mais les approches classiques de fractionnement bioguidé conduisent souvent à une perte d'activité ou à des difficultés d'isolement des composés bioactifs. Les avancées récentes en métabolomique et en bioinformatique, notamment les réseaux moléculaires basés sur les données LC-MSn (GNPS) et la déréplication fondée sur la RMN (MADByTE), ont considérablement amélioré l'analyse de matrices naturelles complexes.
Le projet de thèse vise à développer une plateforme en ligne intégrant les données LC-MSn et RMN afin de générer des réseaux moléculaires complémentaires à l'aide de l'intelligence artificielle (IA), dans le but d'améliorer l'annotation et la déréplication d'extraits complexes. La preuve de concept portera sur Gnetum africanum et Vitis vinifera, deux plantes riches en stilbènes, reconnues pour leurs activités antioxydantes, anticancéreuses et antimicrobiennes.
Le projet CREMIA vise à développer une nouvelle plateforme en ligne qui intégrera
simultanément les données des plateformes existantes GNPS et MadByte pour améliorer
l'annotation d'une matrice complexe en utilisant des réseaux moléculaires, tout en tenant
compte de la complémentarité de ces deux types de données. La preuve de concept porte
sur deux plantes : Gnetum africanum (Cameroun) et la Vitis vinifera (Bordeaux). Le projet comprend des étapes d'extraction écoresponsable, de fractionnement chromatographique, d'analyses HRMSn et RMN (1D/2D), la constitution d'une base de données à partir de composés de référence, ainsi que le développement de la plateforme métabolomique CREMIA. Une approche de métabolomique non ciblée permettra la génération de réseaux moléculaires favorisant une déréplication efficace et le profilage chimique d'extraits bioactifs, en collaboration avec l'Université de Yaoundé I. Ce projet de thèse, s'articule autour de quatre modules :
Module 1 : Production d'éco-extraits à partir de Gnetum africanum et Vitis vinifera
Les parties de plantes sélectionnées (feuilles, tiges et racines) seront extraites par un mélange hydro-éthanolique (Accelerated Solvent Extraction).
Module 2 : Constitution de la base de données RMN (1D et 2D) et HRMSn à partir de molécules pures de la chimiothèque du laboratoire.
Module 3 : Fractionnement des extraits par Chromatographie de partage centrifuge et caractérisation des fractions par UPLC-HRMSn et RMN (1D et 2D).
Module 4 : Développement de la plateforme CREMIA pour le profilage métabolomique des extraits de Gnetum et de Vigne.
Une approche métabolomique non ciblée sera utilisée. Cela conduira à la génération d'un réseau moléculaire regroupant des composés présentant des similitudes, facilitant ainsi la déréplication. Les données LC-MSn et de RMN d'un panel de composés phénoliques (environ 30 composés) présents dans la chimiothèque du MIB seront également saisies dans la base de données de CREMIA afin de faciliter la déréplication automatique permise par le logiciel. Un réseau moléculaire sera généré dans le but de caractériser la composition chimique des extraits considérés comme bioactifs. Ce module se fera en collaboration avec le Professeur Paulin MELATAGIA (Département de Informatique, Université de Yaoundé 1).

- Master 2 en chimie des substances naturelles, chimie analytique ou métabolomique.
- Compétences ou fort intérêt pour l'extraction végétale, le fractionnement et les analyses UPLC-HRMSn et RMN (1D/2D).
- Sensibilité aux approches de métabolomique non ciblée et de déréplication.
- Intérêt marqué pour la bioinformatique, les réseaux moléculaires et l'intelligence artificielle appliquée à la chimie.
- Rigueur scientifique, autonomie, goût pour le travail interdisciplinaire et les collaborations internationales.