Problématique
Les pays à faibles revenus ont des difficultés à accéder à des équipements de pointe pour valoriser les extractibles des plantes en santé humaine et végétale. L’IA pourrait-elle être utilisée pour améliorer l’annotation de matrice complexe (extraits naturels bioactifs) en combinant les données de spectrométrie de masse haute résolution (HRMSn) et de résonance magnétique nucléaire (RMN) pour générer des réseaux moléculaires. Ces pays à faibles revenus auraient alors accès à une technologie innovante pour exploiter la richesse de leur biodiversité végétale. Ils pourront en effet accélérer leurs travaux de découverte des activités biologiques des plantes tandis que les pays disposant déjà d’équipements de points auront accès, grâce à l’IA, à un nouvel outil qui stockera progressivement de grande bases de données de réseaux moléculaires pour améliorer la découverte automatique de nouvelles molécules bioactives.
Type de projet
Projets de recherche scientifique : usages novateurs, transfert savoir ; outils collaboratifs
Disciplines
Informatique, intelligence artificielle, chimie organique, pharmacognosie, chimie médicinale, botanique
Public cible
Agro-alimentaire, pharmacie, cosmétique, nutraceutique, pharmacopée traditionnelle
Pays d’intervention
France, Cameroun
Dispositif
Ce projet a pour objectif de développer une plateforme innovante combinant les modèles GNPS et MADByTE, afin d’améliorer la qualité de l’annotation des réseaux moléculaires. Pour atteindre cet objectif, la plateforme intégrera les spectres de masse haute résolution en tandem (HRMSn) et les données de Résonance Magnétique Nucléaire (RMN), en exploitant des algorithmes de « clustering » basés sur l’Intelligence Artificielle. Cela permettra une annotation plus rapide et précise des molécules bioactives issues d’extraits naturels complexes. La preuve de concept sera réalisée par l’identification des réseaux moléculaires de deux plantes : Gnetum africanum (Cameroun) et Vitis vinifera (France). Cette plateforme, accessible librement, renforcera les capacités de recherche et d’analyse de la communauté des chimistes spécialisés en substances naturelles. Par ailleurs, la diffusion des codes sources en « open source » stimulera le développement de la recherche en Intelligence Artificielle appliquée à ce domaine.
Partenaires opérationnels
Coordonnateur : Université de Bordeaux (France)
Établissements et institutions partenaires :
- Université de Yaoundé I (Cameroun)
- Centre Pasteur du Cameroun
- Université de Maroua (Cameroun)
Rôle de l’AUF dans cette action
- Cofinancement
- Prospection d’opportunités de développement
- Valorisation des projets et diffusion des résultats
Composition de techniques HRMS et RMN pour la génération de REseaux Moléculaires par L’Intelligence Artificielle : Application à la chimie de substances naturelles est l’un des projets du programme Co//ectif.