[Offre stage Master 2] Automatisation et intégration des données RMN pour l’identification de composés en mélange

L’Institut de Chimie Moléculaire de Reims (UMR 7312 ICMR), une Unité Mixte de Recherche associant l’URCA et le CNRS, est un acteur majeur en chimie moléculaire, combinant la recherche fondamentale et le transfert d'innovation. Son projet se concentre sur la réactivité chimique, la caractérisation structurale et le développement de procédés intensifiés associant les aspects de relations structures/fonctions, pour des applications dans des secteurs tels que la chimie du végétal, la bioéconomie, la santé, les matériaux, les nanosciences et l’environnement.

L’équipe Chimie des Substances Naturelles et Environnement (CSNE) est composée de 22 permanents (13 enseignants-chercheurs, 3 chercheurs CNRS, 6 personnels d'appui à la recherche (PAR) et d’une douzaine de doctorants et post-doctorants). Les thématiques de recherche développées concernent la caractérisation de ressources naturelles, leur valorisation et le devenir de contaminants dans l’environnement via l’’étude de mélanges complexes et les développements méthodologiques associés selon trois axes thématiques. L’axe 1 (Responsable P. Lameiras) traite des développements méthodologiques de criblage et d’analyses, l’axe 2 (Responsable L. Duma) de l’étude et de la valorisation de la bio(chémo)diversité et l’axe 3 de chimie de l’environnement (Responsable S. Sayen).

Les compétences des membres de l’équipe permettent: 

- Le développement de méthodes de production notamment par chromatographie de partage centrifuge et de caractérisation de substances naturelles notamment en mélange pour la découverte de nouvelles molécules biologiquement actives,

- Une meilleure caractérisation et valorisation des molécules naturelles en tant qu'inhibiteurs d'enzymes

- Le développement d’outils méthodologiques d’annotation ou d’élucidation structurale de novo assistée par ordinateur de composés en mélange issus de ressources naturelles, de la synthèse asymétrique ou de matrices environnementales,

- L’exploration des interactions de molécules bioactives avec des protéines recombinantes par RMN (en solution ou à l’état solide), par calorimétrie isotherme et docking moléculaire, et

- L’étude du comportement de contaminants organiques et inorganiques dans différentes matrices environnementales et à leurs interfaces (en particulier sol/eau) en prenant en compte l’effet cocktail.

L'identification et la quantification des constituants de mélanges complexes constituent un enjeu majeur en chimie analytique.

Dans une perspective d'analyse intégrative, la RMN occupe une place centrale mais son exploitation automatisée reste limitée, en particulier pour les données 2D.

L'un des verrous méthodologiques actuels réside dans l'absence d'outils performants de détection automatique des signaux corrélés (« peak picking ») dans les spectres bidimensionnels.

Le stage portera sur l'amélioration et la validation d'un pipeline de traitement automatique des spectres RMN 2D, en s'appuyant notamment sur les approches récentes combinant prédiction 1D, déconvolution et apprentissage automatique. L'objectif est d'obtenir des informations de corrélations 2D plus fiables, essentielles pour la déréplication et l'élucidation structurale assistée par ordinateur.

Ce travail contribuera de manière significative au développement d'une plateforme analytique automatisée dédiée à la caractérisation chimique de mélanges complexes, dans une stratégie globale combinant RMN et LC-MS.

Le·la stagiaire bénéficiera d'un accès au parc de spectromètres RMN du laboratoire ainsi qu'à un environnement de recherche structuré autour de l'analyse de substances naturelles et du développement méthodologique.

Lieu du stage : Groupe RMN de l'équipe Chimie des Substances Naturelles et de l'Environnement (CSNE) – UMR CNRS
7312, Institut de Chimie Moléculaire de Reims (ICMR), Moulin de la Housse, Bâtiment 18, 51687 REIMS, Université de Reims Champagne-Ardenne (URCA)

Durée du stage : 6 mois

Nous recherchons un·e candidat·e motivé·e, disposant :
– de compétences en spectroscopie RMN ;
– de bonnes connaissances en traitement de données ;
– d'une expérience en codage (Python, Linux, etc.)