Vous êtes ici

Identification de nouvelles combinaisons thérapeutiques dans les indications neurologiques : Application de l’Intelligence Artificielle et de la bio-informatique à la recherche pharmaceutique SNC et non-SNC

Equipe et encadrants
Département / Equipe: 
Site Web Equipe: 
http://www.irisa.fr/dyliss/
Directeur de thèse
Olivier DAMERON
Co-directeur(s), co-encadrant(s)
Contact(s)
NomAdresse e-mailTéléphone
Olivier DAMERON
olivier.dameron@univ-rennes1.fr
+33 2 99 84 74 46
Vincent LAFON
vincent.lafon@insiliance.com
Sujet de thèse
Descriptif

L’objectif de l’analyse du contenu des bases de données « omiques » est la sélection et le développement de nouveaux candidats-médicaments SNC visant à améliorer le service médical rendu : il s’agit d’identifier les meilleures combinaisons entre des produits sélectionnés et des médicaments enregistrés dans la pharmacopée afin de moduler la réponse pharmacologique des produits et donc d’améliorer leur efficacité dans diverses indications d’intérêt.

L’objectif de cette thèse est donc de développer une méthode permettant d’identifier et d’évaluer des combinaisons candidates d’un psychotrope et d’une seconde molécule potentialisatrice de la première, associée à l’aide de solutions d’Intelligence Artificielle et de bio-informatique.

Cette méthode se basera sur l’exploitation de la connaissance des effets de ces molécules dans les réponses aux traitements (impact sur les profils d’expression de gènes, de protéines, modification des réseaux métaboliques, etc.). Elle permettra d’évaluer et de prioriser les combinaisons candidates.

 

Bibliographie

[1] Ting-Chao Chou. Theoretical Basis, Experimental Design, and Computerized Simulation of Synergism and Antagonism in Drug Combination Studies. Pharmacological Reviews (2006). 58, no 3: 621-81. https://doi.org/10.1124/pr.58.3.10.

[2] E. Sila Ozdemir, Farideh Halakou, Ruth Nussinov, Attila Gursoy, and Ozlem Keskin. Methods for Discovering and Targeting Druggable Protein-Protein Interfaces and Their Application to Repurposing. In Computational Methods for Drug Repurposing, édité par Quentin Vanhaelen, 1903:1-21. New York, NY: Springer New York, 2019. https://doi.org/10.1007/978-1-4939-8955-3_1.

[3] Liming Weng, Li Zhang, Yan Peng, and R Stephanie Huang. Pharmacogenetics and pharmacogenomics: a bridge to individualized cancer therapy. Pharmacogenomics. (2013) 14, 3: 315-24. https://doi.org/10.2217/pgs.12.213.

[4] Steve Morgan, Paul Grootendorst, Joel Lexchin, Colleen Cunningham, and Devon Greyson. The Cost of Drug Development: A Systematic Review. Health Policy 100 (2011). no 1: 4-17. https://doi.org/10.1016/j.healthpol.2010.12.002.

[5] Y. Cha, T. Erez, I. J. Reynolds, D. Kumar, J. Ross, G. Koytiger, R. Kusko, et al. Drug Repurposing from the Perspective of Pharmaceutical Companies. British Journal of Pharmacology. (2018) 175, no 2: 168-80. https://doi.org/10.1111/bph.13798.

[6] Vinay Prasad, and Sham Mailankody. Research and Development Spending to Bring a Single Cancer Drug to Market and Revenues After Approval. JAMA Internal Medicine. (2017) 177, no 11: 1569-75. https://doi.org/10.1001/jamainternmed.2017.3601.

[7] Sudeep Pushpakom, Francesco Iorio, Patrick A. Eyers, K. Jane Escott, Shirley Hopper, Andrew Wells, Andrew Doig, et al. Drug Repurposing: Progress, Challenges and Recommendations. Nature

Reviews. Drug Discovery. (2018). https://doi.org/10.1038/nrd.2018.168.

[8] Alan Talevi, Drug repositioning: current approaches and their implications in the precision medicine era. Expert Review of Precision Medicine and Drug Development (2018) 3, no 1: 49-61. https://doi.org/10.1080/23808993.2018.1424535.

[9] Julie Foucquier and Mickael Guedj. Analysis of drug combinations: current methodological landscape. Pharmacology Research & Perspectives 3 (2015)., no 3. https://doi.org/10.1002/prp2.149.

[10] Hui Huang, Ping Zhang, Xiaoyan A. Qu, Philippe Sanseau, and Lun Yang. Systematic prediction of drug combinations based on clinical side-effects. Scientific Reports 4 (2014). https://doi.org/10.1038/srep07160.

[11] Michael Y Galperin, Daniel J Rigden, and Xosé M Fernández-Suárez. The 2015 nucleic acids research database issue and molecular biology database collection. Nucleic acids research, 43(Database issue): D1–D5, 2015.

[12] Judith A. Blake and Carol J. Bult. Beyond the data deluge: Data integration and bio-ontologies. Journal of Biomedical Informatics, 39(3):314–320, 2006.

[13] Nicola Cannata, Emanuela Merelli, and Russ B. Altman. Time to organize the bioinformatics resourceome. PLoS Computational Biology, 1(7):0531–0533, 2005.

[14] Carole Goble and Robert Stevens. State of the nation in data integration for bioinformatics. Journal of biomedical informatics, 41(5):687–693, 2008.

[15] Sean Bechhofer, Iain Buchan, David De Roure, Paolo Missier, John Ainsworth, Jiten Bhagat, Philip Couch, Don Cruickshank, Mark Delderfield, Ian Dunlop, Matthew Gamble, Danius Michaelides, Stuart Owen, David Newman, Shoaib Sufi, and Carole Goble. Why linked data is not enough for scientists. Future Generation Computer Systems, 29(2):599–

611, 2013.

[16] JA DiMasi, HG Grabowski and RW Hansen. Innovation in the pharmaceutical industry: New estimates of R&D costs. J Health Econ. 2016 May;47:20-33. doi: 10.1016/j.jhealeco.2016.01.012, 2016.

 

Début des travaux: 
Début 2020
Mots clés: 
bioinformatique, santé, médicaments
Lieu: 
IRISA - Campus universitaire de Beaulieu, Rennes