Projets de la Structure de Recherche :
Notre projet de recherche au sein de la présente équipe pluridisciplinaires (chimie, Intelligence Artificielle, Biologie, Sciences de Données, Pharmacognosie, Big Data...) ; s’inscrit dans le cadre du développement socio-économique de la région de Tanger-Tétouan-Al Hoceima. Suite aux recommandations des assises régional et national pour le développement de l’enseignement supérieur dans notre pays :
- La recherche de nouveaux composés biologiquement actifs, à partir de plantes médicinales et aromatiques endémiques du Maroc, de microorganismes, de champignons, de produits apicoles et de sous-produits agricole, ainsi étude de la structure-réactivité ; en utilisant les techniques de l’intelligence artificielle.
- Valorisation des sous-produits agroalimentaires et agricole ; à base de l’apprentissage automatique.
- Utilisation des méthodes intelligentes d’extraction verte « Ecofreindly »
- Analyse de données et Criblage virtuel, visant à prédire des propriétés essentielles (biologiques, physicochimiques) de librairies de molécules (chimiothèques).
- Développement des modèles informatiques et mathématiques, basés exclusivement sur la connaissance chimique des composés ayant une activité spécifique, fondamentalement leurs structures chimiques.
- Filtrage des composés chimiques selon des règles prédéfinies. Lors des étapes initiales des projets de chimie médicinale, il est courant de déterminer certaines règles standardisées telles que : les célèbres "règles de Lipinski" pour la sélection des composés "drug-like", les "règles d'Oprea" pour la sélection des composés "lead-like" ou la "règle des trois" pour la sélection des fragments. Dans ProtoQSAR, nous avons les moyens de calculer des paramètres tels que : le poids moléculaire, le nombre de donneurs/accepteurs de protons, le cLogP, le nombre de liaisons rotatives, la surface polaire (PSA), etc. qui nous permettent de classer les composés selon ces règles. L’ensemble de ces règles peut être intégré dans un réseau de neurones artificiel qui s’occupera après de la classification automatique.
- Utilisation des algorithmes génétiques, pour analyser la similarité et/ou de la diversité chimique.
- Développement des outils à base l’apprentissage automatique ; pour tester la toxicologie des médicaments avant leur mise sur le marché, et mettre au point des modèles expérimentaux in silico, in vitro et in omic qui. Tout en gardant l’évaluation effectuée en grande partie sur l’animal de laboratoire, afin de valider les modèles informatiques établis.
- Exploitation des logiciels dédies aux applications chimiques tel que QSAR, et conception d’autres modèles statistiques, mathématiques et informatiques ; pour proposer des nouvelles solutions.
- Caractérisation des amidon natifs et modifiés par des méthodes physiques ou chimiques : L'amidon est un composant important dans la formulation des aliments, non seulement pour ses propriétés nutritionnelles, mais aussi parce qu'il présente un large éventail de propriétés fonctionnelles qui leur confèrent des caractéristiques organoleptiques uniques. Les informations limitées disponibles sur les propriétés fonctionnelles de l'amidon natif et/ou modifié des légumineuses de notre région limitent son utilisation, car il s'agit d'une ressource renouvelable et peu coûteuse. Les sciences de données et les techniques du Big Data pourront nous servir, pour étudier les propriétés fonctionnelles de l'amidon de légumineuses et l'effet de l'acétylation et de la réticulation sur leurs propriétés physico-chimiques et fonctionnelles. Cela permettra de déterminer leurs possibilités d'utilisation en tant qu'ingrédients alimentaires dans la formulation d'aliments destinés à la consommation humaine. De même, il ouvre la possibilité de sa production à plus grande échelle, contribuant ainsi à la diversification des cultures des producteurs moyens de la région.
