Informations et ressources scientifiques
sur le développement des zones arides et semi-arides

Accueil du site → Doctorat → Maroc → Thèse soutenue → Développement de modèles QSAR pour la prédiction d’activités biologiques de molécules organiques bioactives à intérêts pharmaceutiques

Université Sidi Mohammed Ben Abdellah, Fès (2019)

Développement de modèles QSAR pour la prédiction d’activités biologiques de molécules organiques bioactives à intérêts pharmaceutiques

Boukarai, Youness

Titre : Développement de modèles QSAR pour la prédiction d’activités biologiques de molécules organiques bioactives à intérêts pharmaceutiques

Auteur : Boukarai, Youness

Université de soutenance : Université Sidi Mohammed Ben Abdellah, Fès

Grade : Doctorat 2019

Résumé
L’objectif de cette thèse est d’exploiter les capacités des études de modélisation qui s’orientent actuellement vers la conception et la connaissance de la relation entre les propriétés physico-chimiques (biologiques, toxicité…) et la structure moléculaire permettant de développer de nouvelles entités moléculaires chimiques (médicaments) et de guider la synthèse de nouvelles molécules, qi pourraient être actives et le mieux de prédire certaines activités biologiques ou propriétés pour un certain nombre de séries de molécules. Par ailleurs, les molécules bioactives et leur importance dans le domaine pharmacologique et spécialement dans le traitement de plusieurs maladies cancéreuses et parasitoses, ont fait l’objet de recherche de plusieurs laboratoires à travers le monde. Dans le même contexte, nous nous sommes intéressés dans ce travail à des séries de molécules organiques (tels que l’isatine, les phénothiazines, la diarylaniline, les flavonoïdes et les 5. 6-bicyclic hétérocycles) présentant différentes activités anticancéreuse, cytotoxicité/antiproliférative, anti-VIH, antidiabétique et anti-Alzheimer). Ainsi, divers descripteurs moléculaires ont été calculés et la théorie de la fonctionnelle de la densité DFT a été utilisé pour calculer les paramètres électroniques des composés étudiés. L’ensemble des données ont été soumis à l’étude statistique multivariée : l’analyse en composantes principales (ACP), la régression linéaire multiple (RLM), la régression non linéaire multiple (RNLM), et les réseaux de neurones artificiels (RNA). Les modèles obtenus, linéaires et non linéaires, ont été validés en utilisant la validation croisée (VC) avec la procédure Leave-One-Out (LOO) et l’ANOVA.

Présentation (Toubk@l)

Page publiée le 29 octobre 2019