Apprentissage machine quantique pour la prédiction de l’efficacité de nouveaux médicaments anti-inflammatoires : application pour la prédiction de l’affinité d’inhibiteurs de l’enzyme 5-lipoxygénase

Le développement d’une molécule de la conception jusqu’à l’obtention d’un médicament est un processus couteux. Dans ce processus, la première étape consiste à synthétiser une série de molécules qui inhibent une action biologique particulière, généralement médiée par un récepteur ou une enzyme. Les essais biologiques et cliniques peuvent être les étapes les plus couteuses de tout le processus de conception d’un médicament. Le recours à l’intelligence artificielle pour la modélisation moléculaire pourra réduire considérablement le temps et par conséquence les couts de cette importante étape de la découverte d’un médicament.
Parmi les cibles thérapeutiques d’intérêt, les lipoxygénases sont des enzymes cliniquement pertinentes qui sont responsables du métabolisme de l’acide arachidonique par l’insertion d’un atome d’oxygène. Parmi les pathologies liées aux métabolites générés par les lipoxygénases, on peut citer l’athérosclérose, l’asthme, la polyarthrite rhumatoïde et le cancer. En particulier, la 5-lipoxygénase (5-LO) semble être liée à ces maladies à composante inflammatoire, notamment les maladies des voies respiratoires telles que l’asthme et la rhinite.
Dans ce projet, nous proposons d’utiliser l’apprentissage automatique quantique pour simuler rapidement et avec précision l’affinité des inhibiteurs de la 5-LO. Cette approche représente une alternative prometteuse aux méthodes expérimentales traditionnelles, en accélérant la découverte de nouveaux traitements.

Faculty Supervisor:

Mustapha Kardouchi

Student:

Partner:

Université Ibn Tofaïl

Discipline:

Computer science

Sector:

Quantum Science; Artificial Intelligence; Pharmaceuticals

University:

Université de Moncton

Program: