Thèse Conception de Novo d'Aptamères et Modélisation Probabiliste de leur Interaction Moléculaire H/F - Doctorat.Gouv.Fr

Établissement : Université de Technologie de Compiègne École doctorale : Sciences pour l'ingénieur Laboratoire de recherche : Laboratoire de mathématiques appliquées de Compiègne Direction de la thèse : Ghislaine GAYRAUD ORCID 000000208064530 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-26T23:59:59 La borréliose de Lyme, transmise par les tiques, est causée par le complexe bactérien Borrelia burgdorferi sensu lato (Bbsl). Actuellement, son diagnostic présente une fiabilité limitée, tant sur le plan clinique que concernant la performance des tests antigéniques. Pourtant, une détection rapide et efficiente est cruciale pour fournir un traitement adapté.

Dans cette optique, ce projet de thèse s'intègre dans un programme pluridisciplinaire porté par les laboratoires GEC (volet biotechnologie) et LMAC (volet numérique), visant à améliorer le diagnostic de la maladie via le multiplexage. Cette approche reposera sur la conception in silico et la validation in vitro d'aptamères d'ADN à forte affinité pour les protéines de surface de Bbsl [1]. Grâce à une conformation structurale (secondaire et tertiaire) alliant flexibilité et stabilité via des motifs spécifiques, les aptamères assurent une interaction moléculaire précise et stable, ce qui en fait des outils moléculaires essentiels [2].

S'appuyant sur l'IA et des données expérimentales, nos travaux viseront à enrichir les méthodes de sélection d'aptamères en explorant deux axes complémentaires:
(i) la sélection in silico optimisée à partir de données issues du SELEX [3, 4, 5];
(ii) la conception de novo par modélisation et analyse de données structurales [6]. Travail réalisé au sein du Laboratoire de Mathématiques Appliquées de Compiègne en étroite collaboration avec une équipe partenaire du laboratoire de Génie Enzymatique et Cellulaire
Conception rationnelle d'aptamères par des méthodes in silico basées sur l'IA et à partir de données expérimentales Modèle génératif de type Réseau de Neurones
Encodage numérique des structures secondaires des aptamères

Des interactions étroites sont à prévoir avec l'équipe du GEC impliquée dans la caractérisation et l'identification par biologie moléculaire des aptamères candidats.

Profil en Bio-Informatique; connaissance des approches et méthodes de Machine Learning recommandée; compétences en programmation indispensables (python)

• Python
• Programmation
• Intelligence artificielle
• Machine learning
• Analyse de données
• Bio-informatique