Staphylococcus aureus résistant à la méthicilline (MRSA) est la première cause de décès liés à l’antibio-résistance. Trouver de nouveaux traitements est un défi urgent. Les membranes bactériennes offrent des cibles pour les antimicrobiens, minimisant la réactivité croisée avec l’hôte. Nous avons identifié deux cibles synergiques dont la double inactivation bloque la croissance du MRSA. À partir d'une cible protéine connue, le sujet du stage portera sur 1) la compilation informatique de plusieurs bases de données de petites molécules (maison, FDA, Zinc2.0) qu'il faudra assembler, homogénéiser puis préparer en vue de l'étape 2) de criblage virtuel pour lequel un script python existe mais doit être parallélisé et optimisé pour passer à l'échelle du test de mille composés à plusieurs millions de molécules. L'étape suivante sera de sélectionner les meilleures poses sur la base de ce docking et d'identifier les traits chimiques -ou pharmacophores- des meilleurs inhibiteurs in silico. Cela servira in fine à concevoir par machine learning la progression hit-to lead de ces inhibiteurs. A terme, le travail sera poursuivi par nos collaborateurs biologistes qui les testerons in vitro et nous ferons des retours pour incrémenter l'apprentissage des meilleurs inhibiteurs qui sera poursuivi.