• Langue : Français
• Discipline : Pharmacie
• Identifiant : 2024ULILE197
• Type de thèse : Doctorat de pharmacie
• Date de soutenance : 16/12/2024

Résumé en langue originale

Les substances naturelles (SN) sont des molécules issues du métabolisme d'organismes vivants, et jouent un rôle crucial en médecine moderne. Pourtant, moins de 40 000 des quelques 350 000 espèces de plantes à fleurs aujourd’hui identifiées ont été profilées chimiquement. La métabolomique, et en particulier le profilage chimique, permet d'identifier les métabolites spécialisés à partir d’un échantillon, comme les alcaloïdes indolomonoterpéniques de la pervenche de Madagascar (Catharanthus roseus), à travers des analyses spectrales (i.e. RMN et LC-HRMS2). Les données spectrales représentent la carte d'identité d'une SN. Leur conservation est essentielle, surtout face aux défis liés à la conservation physique.Conserver ces données est primordial pour la déréplication, un processus clé permettant d'identifier des composés connus via la comparaison de leurs spectres expérimentaux avec des spectres de référence. La création de bases de données solides pour stocker ces informations s'avère donc crucial pour accélérer la recherche et améliorer la fiabilité des résultats. De plus, l'application des principes FAIR (Findable, Accessible, Interoperable, Reusable) vise à garantir l'accessibilité et l'exploitation de ces données par la communauté scientifique, favorisant ainsi l'intégration de nouvelles approches, comme l'élucidation structurale assistée par ordinateur ou l'évaluation in silico de l'activité biologique.Cette thèse amorce la digitalisation de l’alcaloïdothèque de l’UMR CNRS 7312 – Institut de Chimie Moléculaire de Reims (URCA) en créant la Digital Alkaloid Collection of Reims (DACR), une première base de données pour les spectres MS/MS et RMN 1D 13C. L'objectif est également de servir de modèle à de prochaines études afin de faciliter l’interopérabilité des données.