Bienvenue à Paul, le premier doctorant NEXTSTEP
NEXTSTEP est un programme de formation doctorale financé par Horizon Europe, visant à préparer la prochaine génération de scientifiques à relever les défis de la durabilité et de l'innovation. Aligné sur les objectifs du Pacte vert pour l'Europe (European Green Deal) et les Objectifs de Développement Durable, NEXTSTEP connecte les infrastructures de recherche, le monde académique et l'industrie pour favoriser la collaboration interdisciplinaire et la recherche de pointe.
L'objectif de ce programme est de recruter 36 doctorants qui auront accès à des infrastructures de recherche de pointe et à des techniques avancées en microscopie aux neutrons, aux rayons X et par électrons. Ils collaboreront avec des experts de premier plan à travers l'Europe pour avoir un impact réel sur le développement durable et l'innovation.
Le premier doctorant accueilli dans le cadre de ce programme, Paul Grosskopf, est arrivé en septembre 2025 à l'ILL, où il a rejoint le groupe de Calcul Scientifique. Sa formation universitaire sera co-supervisée par FAU Erlangen-Nürnberg à Nuremberg (Allemagne). Le projet de thèse de Paul se concentre sur le « développement d'une méthode d'analyse combinée SAXS/SANS/PCS pour l'étude de la structure mésoscopique des systèmes d'administration d'ARNm à base de LNP », sous la supervision de Lionel Porcar et Miguel Gonzalez (ILL) et de Tobias Unruh (FAU). Son travail sera mené sur l'instrument D22, en étroite collaboration avec un second doctorant basé à FAU. Ensemble, leurs recherches feront progresser la compréhension et l'optimisation des formulations de nanoparticules lipidiques (LNP) pour les applications biomédicales.
Paul GROSSKOPF, le premier doctorant dans le cadre du programme NEXTSTEP est arrivé à l'ILL en Septembre 2025.
Paul a obtenu son Master en Chimie, avec une spécialisation en chimie computationnelle, à l'Université Georg-August de Göttingen, en Allemagne. Au cours de ses études, il a développé des compétences qu'il n'avait pas encore eu l'occasion d'appliquer pleinement dans un contexte de recherche.
« C'est pourquoi j'ai cherché à faire un doctorat ! Mes intérêts pour la fusion de données, les statistiques et l'apprentissage automatique (machine learning) m'ont attiré vers ce projet, qui combine SANS, SAXS et PCS pour étudier la structure des nanoparticules lipidiques. Les grandes infrastructures offrent des opportunités d'expérimentation uniques et favorisent les collaborations avec des personnes d'horizons divers, ce qui élargit à la fois les perspectives et les connaissances. »
Il sourit largement et ajoute : « tout s'est très bien passé jusqu'à présent. Tout le monde a fait preuve de beaucoup de patience pour m'expliquer ce dont j'avais besoin pour commencer. L'ILL a beaucoup plus à offrir au-delà de cette fantastique collaboration. »
Ce que pense Miguel Gonzalez du contexte et des objectifs de ce projet
L'utilisation des nanoparticules lipidiques pour l'administration de médicaments est très récente, et par conséquent, la compréhension de la relation entre leur structure et leur fonction est encore limitée.
Nous cherchons à mieux comprendre la structure mésoscopique des nanoparticules lipidiques utilisées pour l'administration de médicaments à base d'ARNm. Étant donné qu'un seul type de mesure structurelle ne suffit pas à fournir une image complète de leur structure et de leur distribution de taille, cela nécessite de combiner différentes mesures expérimentales – en particulier la diffusion de neutrons et de rayons X aux petits angles (SANS et SAXS) et la spectroscopie de corrélation de photons (PCS).
Le défi consiste donc à développer les outils d'analyse nécessaires pour faciliter l'analyse combinée des résultats fournis par ces différentes techniques expérimentales. L'objectif est d'identifier le modèle structural unique qui décrit le mieux l'ensemble des données, ainsi que la structure et la distribution de taille des nanoparticules lipidiques employées dans diverses formulations médicamenteuses.
Un second objectif de ce projet est de tirer parti des avancées récentes en apprentissage automatique (machine learning) pour accélérer et automatiser ce processus autant que possible, offrant ainsi un moyen de comprendre le processus d'administration de médicaments de manière plus efficace et plus rapide.
Nous espérons que ce projet apportera des éclairages significatifs, aidant l'industrie de la santé à améliorer la stabilité, l'efficacité médicale et le champ d'applications des formulations de médicaments à base de nanoparticules lipidiques.
Paul est le tout premier des 20 doctorants de la première cohorte du programme NEXTSTEP. D'autres étudiants rejoindront le programme en octobre, et une deuxième cohorte est déjà prévue pour 2026, avec de nouveaux projets de thèse qui seront annoncés au début du printemps 2026. ... à suivre !