Du fait de son étiologie complexe et de sa symptomatologie variée, les traitements contre la schizophrénie ne permettent pas de répondre aux besoins des patients en termes d’efficacité et de tolérance. Cette thèse décrit premièrement la schizophrénie afin de mieux comprendre les dysfonctions anatomiques, morphologiques et génétiques associées aux symptômes qu’elle engendre. Ce travail évoque ensuite les caractéristiques des antipsychotiques et des molécules expérimentales en cours d’étude. La recherche de molécules expérimentales en psychiatrie nécessite des modèles animaux pertinents, qui présentent une forte valeur translationnelle avec l’homme. Inspirée de la théorie glutamatergique, ce manuscrit présente une étude qui porte sur le développement d’un modèle de schizophrénie induit par MK-801 chez le rat. Les données obtenues permettent d’améliorer la caractérisation du modèle, ce qui pourrait contribuer au développement de nouveaux traitements antipsychotiques dans le futur.

Le cancer est l'une des principales causes de mortalité dans le monde, nécessitant des innovations thérapeutiques constantes comme les conjugués anticorps-médicaments (ADC). Ces molécules utilisent un anticorps monoclonal pour cibler les cellules cancéreuses et y libérer un agent cytotoxique. La pharmacocinétique de population, à l’aide de modèles mathématiques, étudie leur absorption, distribution et élimination, dans le but d’optimiser l’efficacité et la tolérance. Une étape clé dans cette démarche est la sélection des covariables qui permettent d’expliquer la variabilité inter-individuelle observée. La recherche de covariables peut devenir un processus complexe et chronophage, dans le cas de modèle pharmacocinétiques complexes. Cette thèse s’intéresse à l’intégration de méthodes automatiques, telles que COSSAC et SAMBA, ainsi que certains algorithmes issus du Machine Learning, afin de comparer leur performance aux méthodes traditionnelles pour la sélection des covariables en pharmacocinétique de population. En s’appuyant sur des données cliniques d’ADC, cette étude analyse l’efficacité, la rapidité et les défis de ces approches, mettant en lumière leur rôle potentiel dans l’évolution de la modélisation pharmacocinétique et la personnalisation des traitements.