Modèles multiples en QSAR/QSPR (Développement de nouvelles approches et leurs applications au design "in silico" de nouveaux extractants de métaux, aux propriétés ADMETox ainsi qu'à différentes activités biologiques de molécules organiques)

Cette thèse est consacrée à l amélioration des performances des modèles structure-propriété QSAR, grâce au développement de modèles multiples, basées sur les descripteurs fragmentaux, et à leurs applications à différents domaines de la chimie (complexation et extraction de métaux, propriétés ADMETox, activités biologiques). Dans une première partie, les principales notions et méthodes de la chemoinformatique sont récapitulées. Dans une seconde partie, la plateforme de logiciels ISIDA (In Silico Design and Data Analysis) est présentée. Lors de cette thèse, deux approches à modèles multiples ont été développées : la stratégie Diviser pour Conquérir et l approche Stepwise k-Nearest Neighbors. Dans une troisième partie, les méthodes d ISIDA ont été appliquées avec succès à la modélisation de différentes propriétés chimiques et biologiques. Les tests expérimentaux d extractants de métaux conçus grâce aux calculs ont confirmé les performances d ISIDA.This thesis work concerns the improvement of prediction performances of QSAR structureproperty models, using consensus modelling strategies based on fragment descriptors, and also, to their applications for in silico design of metal binders, ADMETox properties and different biological activities of organic compounds. In the first part, some important concepts and methodologies of chemoinformatics are described. In the second part, the ensemble of programs ISIDA (In Silico Design and Data Analysis) is introduced. During this thesis work, two consensus approaches have been suggested: the Divide and Conquer strategy and the Stepwise k- Nearest Neighbors approach. Applications of new strategies lead to significant improvement of predictions accuracy, compared to the conventional models. In the third part, all ISIDA methods have been successfully applied to model various chemical and biological properties. Experimentally proven predictions demonstrate the robustness of the methods.STRASBOURG-Sc. et Techniques (674822102) / SudocSudocFranceF