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
IMPORTANT : OBLIGATIONS DE LA PERSONNE CONSULTANT CE DOCUMENT
Conformément au Code de la propriété intellectuelle, nous rappelons que le document est
destiné à un usage strictement personnel. Les "analyses et les courtes citations justifiées
par le caractère critique, polémique, pédagogique, scientifique ou d'information" sont autorisées
sous réserve de mentionner les noms de l'auteur et de la source (article L. 122-4 du Code de la
propriété intellectuelle). Toute autre représentation ou reproduction intégrale ou partielle,
faite sans le consentement de l'auteur ou de ses ayants droit, est illicite.
De ce fait, nous vous rappelons notamment que, sauf accord explicite de l'auteur de la thèse, vous n'êtes pas autorisé à rediffuser ce document sous quelque forme que ce soit (impression papier, transfert par voie électronique, ou autre). Tout contrevenant s'expose aux peines prévues par la loi.
Fichier(s) associé(s) au document :
serillonPH23.pdf
serillonPH23.pdf