Topic description
Le virus parainfluenza humain de type 3 (hPIV3) est responsable d'infections respiratoires aiguës sévères, en particulier chez les nourrissons, les jeunes enfants et les patients immunodéprimés. En l'absence de vaccin ou de traitement antiviral spécifique, hPIV3 demeure un problème de santé publique non résolu. La compréhension des mécanismes moléculaires de la réplication virale et le développement de nouvelles stratégies d'inhibition constituent donc un enjeu scientifique et médical majeur.
hPIV3 est un virus à ARN simple brin de polarité négative dont le génome est organisé sous la forme d'une nucléocapside, complexe supramoléculaire associant l'ARN viral à de multiples copies de la nucléoprotéine (N). Cette structure protège le génome et constitue la matrice exclusive pour la transcription et la réplication. Le génome viral n'est jamais présent sous forme d'ARN nu dans la cellule infectée : seules les nucléocapsides sont reconnues par la machinerie virale. L'activité de polymérisation est assurée par la polymérase (L), recrutée sur la nucléocapside via la phosphoprotéine (P), qui joue un rôle central de cofacteur.
Un point clé du cycle viral réside dans la gestion de la nucléoprotéine sous sa forme non assemblée (N⁰). Avant son incorporation dans la nucléocapside naissante, N⁰ doit être maintenue soluble et compétente pour l'encapsidation de l'ARN néosynthétisé. Cette fonction est assurée par la phosphoprotéine P, qui agit comme chaperon moléculaire en formant un complexe spécifique avec N⁰ et en empêchant son auto-assemblage prématuré. Les interactions protéine-protéine entre N⁰ et P, ainsi qu'entre P et L, sont ainsi indispensables à la formation et à la fonctionnalité du complexe de réplication. Bien que cruciales, ces interfaces sont étendues, dynamiques et difficilement accessibles aux approches pharmacologiques classiques.
L'objectif de cette thèse est de développer et de caractériser des miniprotéines inhibitrices conçues de novo par intelligence artificielle, capables de perturber sélectivement ces interactions clés. Le projet s'appuie sur les avancées récentes en modélisation et conception de protéines par IA, récompensées par le prix Nobel de chimie, permettant de concevoir rationnellement des binders protéiques à forte affinité et grande spécificité. Contrairement aux peptides dérivés de séquences naturelles, ces miniprotéines sont dessinées pour épouser précisément les surfaces d'interaction des protéines virales, offrant une meilleure stabilité structurale.
La thèse vise à démontrer que la conception assistée par IA permet de générer des inhibiteurs adaptés à des interfaces protéine-protéine virales complexes. Dans un premier temps, le doctorant mettra en place les outils expérimentaux nécessaires, incluant la culture cellulaire et l'utilisation d'un virus recombinant hPIV3 fluorescent pour un suivi quantitatif de l'infection. Dans un second temps, des miniprotéines candidates, conçues à l'aide d'outils de prédiction et de génération de structures (par exemple AlphaFold3 et RFdiffusion3), seront sélectionnées et évaluées pour leur capacité à inhiber la réplication virale. Les candidats les plus prometteurs feront l'objet d'une caractérisation biophysique détaillée, suivie d'une preuve de concept d'inhibition virale en culture cellulaire, incluant une étude exploratoire de la délivrance intracellulaire via des nanoparticules lipidiques.
Ce projet doctoral offrira une formation approfondie en design de protéines, biologie structurale, biophysique des interactions et virologie cellulaire. La méthodologie développée pourra être étendue à d'autres virus respiratoires de la famille des Paramyxoviridae.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Human parainfluenza virus type 3 (hPIV3) is responsible for severe acute respiratory infections, particularly in infants, young children, and immunocompromised patients. In the absence of an effective vaccine or specific antiviral treatment, hPIV3 remains an unresolved public health issue. A detailed understanding of the molecular mechanisms governing viral replication, together with the development of novel inhibitory strategies, therefore represents a major scientific and medical challenge.
hPIV3 is a negative-sense single-stranded RNA virus whose genome is organized as a nucleocapsid, a supramolecular complex in which the viral RNA is tightly associated with multiple copies of the nucleoprotein (N). This structure protects the genome and serves as the exclusive template for viral transcription and replication. Viral RNA is never present in a naked form within infected cells; only nucleocapsids are recognized by the viral enzymatic machinery. Polymerase activity is carried out by the viral polymerase (L), which is recruited to the nucleocapsid via the phosphoprotein (P), acting as an essential cofactor.
A key step in the viral life cycle is the regulation of the nucleoprotein in its non-assembled form (N⁰). Prior to incorporation into newly formed nucleocapsids, N⁰ must remain soluble and competent for encapsidation of the nascent RNA. This function is ensured by phosphoprotein P, which acts as a molecular chaperone by forming a specific complex with N⁰ and preventing its premature self-assembly. Protein–protein interactions between N⁰ and P, as well as between P and L, are therefore essential for the formation and functionality of the replication complex. Although critical, these interfaces are extended and dynamic, making them poorly accessible to classical pharmacological approaches.
The objective of this PhD project is to develop and characterize de novo AI-designed inhibitory miniproteins capable of selectively disrupting these key interactions. The project builds on recent breakthroughs in protein structure prediction and design enabled by artificial intelligence, awarded the Nobel Prize in Chemistry, which now allow the rational creation of high-affinity, highly specific protein binders for defined biological targets. Unlike peptides derived from natural sequences, these miniproteins are explicitly designed to match viral protein interaction surfaces, providing improved structural stability and fine control over interaction properties.
The thesis aims to demonstrate that AI-assisted protein design can generate effective inhibitors targeting complex viral protein–protein interfaces. Initially, the doctoral candidate will establish the necessary experimental tools, including cell culture systems and the use of a fluorescent recombinant hPIV3 to quantitatively monitor infection. In a second phase, candidate miniproteins designed using structure prediction and generative tools (e.g. AlphaFold3 and RFdiffusion3) will be selected and evaluated for their ability to inhibit viral replication. The most promising candidates will undergo detailed biophysical characterization, followed by a cellular proof of concept of viral inhibition, including an exploratory study of intracellular delivery using lipid nanoparticles.
This doctoral project will provide advanced training in protein design, structural biology, biophysical characterization of interactions, and cellular virology. The methodology developed will be extendable to other respiratory viruses of the Paramyxoviridae family.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
Funding category
Public funding alone (i.e. government, region, European, international organization research grant)
Funding further details
Concours pour contrat doctoral
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.