Face aux exigences de rupture et d'innovation, les projets et travaux des chimistes des substances naturelles ne se conçoivent, aujourd’hui, que (i) si des molécules nouvelles et à fort potentiel de valorisation sont découvertes et (ii) si des concepts novateurs aux interfaces de la chimie, la biologie et de la bio-chimio-informatique sont conçus et mis en œuvre. En particulier, depuis l'essor des nouvelles méthodologies d'exploration de la biodiversité et de sa chimiodiversité associée, la découverte de nouvelles molécules naturelles d'intérêt biologique ou thérapeutique connaît aujourd'hui un vif regain d'intérêt.

Analyser la complexité chimique des matrices biologiques dans lesquelles les métabolites spécialisés sont parfois présents en très faibles quantités, ou déterminer les structures tridimensionnelles des molécules de plus en plus complexes, reposent aujourd'hui sur l'emploi de techniques d'analyse sophistiquées et complémentaires [LC/MS², spectrométrie de masse (MS) à mobilité ionique, résonance magnétique nucléaire (RMN), outils de chimie numérique] et de plus en plus sensibles, souvent associés à des outils bio-informatiques puissants faisant la part belle à l'intelligence artificielle et aux modèles d'apprentissage statistique.

Aujourd'hui, les défis se focalisent vers la maîtrise parfaite de ces outils, qu'il s'agisse des outils de l'analyse (spectrométrie de masse, méthode de couplage LC/MS², RMN mono et bidimensionnelle, calculs DFT et analyse DP4 en RMN), ou des outils chimio-informatiques (algorithmes d'exploration et d'annotation, outils de fragmentation in silico, base de données spectrales et structurales etc…). Les erreurs d’attribution de structure sont encore courantes et il est important de connaitre les principaux écueils qui entravent encore l'élucidation structurelle des petites molécules. Les données RMN brutes universellement disponibles pour la transparence, la reproductibilité et l'intégrité dans la recherche sur les produits naturels semblent incontournables pour le développement dans cette discipline. L'apprentissage automatique est devenu un outil populaire pour l'analyse des structures des produits naturels. Les avancées récentes dans l'analyse des données de MS et de RMN sont faites grâce à l'apprentissage automatique afin d'établir les structures chimiques des produits naturels. L’analyse des mélanges par RMN est aussi en plein développement.

Soutenue par l’École Universitaire de Recherche (EUR Saclay Plant Sciences), les unités BioCIS (UPSaclay), IJPB-Plant Sciences (INRAE) et ICSN (CNRS), l’école aura vocation à fédérer une large communauté au sein de l’Université Paris-Saclay et à y faire émerger des projets collaboratifs. En particulier, l'école sera un vecteur de synergie des équipes partenaires de l'Objet Interdisciplinaire (OI) « METABIODIVEX » de l'Université Paris-Saclay.

L’ambition de l’école sera également de rassembler en un même lieu différentes communautés de chimistes des produits naturels et des petites molécules, "écologistes chimistes", "structuralistes", "métabolomiciens", phytochimistes et pharmacognostes, organiciens en vue du partage des connaissances et des expériences variées et dans la perspective de l’émergence de projets originaux.