BioSystèmes Synthétiques (SyBioS)

Philippe Nghe, Professeur, responsable d'équipe

Thomas Gaillard, Professeur associé

David Mignon, Ingénieur de recherche

Quel est le point commun entre thérapies innovantes et origine de la vie ?  … L’ARN !

L’ARN est au cœur du vivant car il contrôle l’expression génétique et la traduction. Programmable par sa séquence, c’est un outil puissant pour interférer avec l’expression génétique. De multiples modalités thérapeutiques sont en cours de développement : ARN interférant avec des ARNs, petites molécules ciblant l’ARN, ARN messagers, édition génétique par CRISPR.

Par ailleurs, une hypothèse majeure de l’origine de la vie est celle du monde ARN. En effet, l’ARN est à la fois porteur d’un code comme l’ADN et un catalyseur comme les protéines, on peut donc imaginer que le fonctionnement des cellules primordiales était essentiellement assuré par l’ARN.

Au laboratoire, nous combinons apprentissage automatique et criblage expérimental haut-débit, afin de générer des ARNs fonctionnels. Des méthodes expérimentales basées sur le séquençage nous permettent de générer nos propres bases de données, à partir desquelles nous entraînons des modèles d’intelligence artificielle.

(Responsable d'axe Thomas Gaillard)

Comme l’indique leur nom, les protéines ont un rôle de premier plan dans le fonctionnement du vivant. Elles sont impliquées entre autres dans la structure, le transport, la signalisation, la régulation et la défense cellulaires. Les enzymes sont des protéines catalysant les réactions biochimiques.

Le design de protéines a pour but la conception de nouvelles protéines ou la modification de protéines existantes pour atteindre une fonction donnée. Les approches du design computationnel de protéines (CPD) reposant sur l'apprentissage profond ont montré des avancées spectaculaires. Les méthodes fondées sur la physique conservent certains avantages, tels que le pouvoir explicatif et l’indépendance par rapport à un jeu de données. Le laboratoire a une expertise dans le design computationnel de protéines, tant du point de vue méthodologique que des applications. Nous développons un logiciel de CPD appelé Proteus (https://proteus.polytechnique.fr).

Nous nous intéressons également à la conception de ligands pouvant interagir avec les protéines pour moduler leur fonction. Ces ligands peuvent être de petites molécules, des peptides ou des protéines.

Les biomolécules fonctionnent dans un contexte biologie plus large, en interagissant avec d'autres molécules de manière organisée dans l'espace et le temps. En combinant conception par IA et physique, nous cherchons à prédire comment les ARNs et protéines s'assemblent, permettant la compartimentation et la régulation des réactions biochimiques. Nous nous intéressons aussi à l'optimisation des réseaux biologiques, génétique ou métaboliques. 

• Lambert, C. N., Opuu, V., Calvanese, F., Pavlinova, P., Zamponi, F., Hayden, E. J., Weigt, M., Smerlak M. & Nghe, P. (2025). Exploring the space of self-reproducing ribozymes using generative models. Nature Communications, 16(1), 7836.

• Wang, S., Allauzen, A., Nghe, P., & Opuu, V. (2025). A guide for active learning in synergistic drug discovery. Scientific Reports, 15(1), 3484.
• Nghe, P. (2025). A stepwise emergence of evolution in the RNA world. FEBS letters, 599(19), 2706-2717.
• Blokhuis, A., Lacoste, D., & Nghe, P. (2020). Universal motifs and the diversity of autocatalytic systems. Proceedings of the National Academy of Sciences, 117(41), 25230-25236.
• Opuu, V., Nigro, G., Gaillard, T., Schmitt, E., Mechulam, Y., & Simonson, T. (2020). Adaptive landscape flattening allows the design of both enzyme: substrate binding and catalytic power. PLOS Computational Biology, 16(1), e1007600.