Archive des Bibliothèques universitaires de Nantes

Utilisation de méthodes computationnelles pour la prédiction d’énergie libre de Gibbs basée sur des modèles d’apprentissage automatisés

Par : Serillon, Dylan

Document archivé le : 12/05/2023

Au cours de la dernière décennie, associée à la croissance phénoménale de la puissance de calcul, la modélisation in silico et les approches fondées sur les données sont devenues des méthodes indispensables pour résoudre des problèmes biologiques complexes. En particulier, les projets liés à l'association ligand-cible et à la conception de médicaments en général. L'association moléculaire représente l'un de ces concepts clés de la chimie. Elle traite des affinités entre les types d'atomes et des interactions qu'ils forment. Ce projet de thèse, c’est concentré sur la création et l’optimisation d’une méthode de prédiction de l’énergie libre de liaison de complexes hôte-invités à partir de stratégie d’intelligence artificielle. Cette thèse traite particulièrement d’une application au défi SAMPL9, pour lequel ces méthodologies d’apprentissage automatisées ont été appliquées avec succès à la prédiction d’énergie libre. 23NANT021P


Fichier(s) associé(s) au document :
serillonPH23.pdf