Apprentissage automatique pour la conception de protéines fonctionnelles - Cours 1

Aperçu

Embark on a journey into the world of machine learning as it applies to functional protein design. In this first class, Helder Ribeiro will take you through the foundational principles and cutting-edge methodologies used in biological physics.

Perfect for those eager to expand their knowledge in artificial intelligence and computer science, this lecture is available on YouTube.

Programme

• Introduction à l'apprentissage automatique
Aperçu de l'apprentissage automatique (ML) et de ses applications
Distinction entre apprentissage supervisé, non supervisé et par renforcement
• Notions de base sur la structure et la fonction des protéines
Introduction aux protéines et à leur rôle dans les systèmes biologiques
Relation structure-fonction des protéines
• Applications de l'apprentissage automatique en physique biologique
Perspective historique de l'IA dans les sciences biologiques
Réalisations clés de l'IA pour la conception de protéines
• Concepts essentiels d'apprentissage automatique pour la conception de protéines
Représentation des données et extraction de caractéristiques pour les données biologiques
Introduction à l'entraînement et à l'évaluation des modèles
• Comprendre la conception de protéines fonctionnelles
Définition et importance de la conception de protéines fonctionnelles
Études de cas de conceptions réussies de protéines fonctionnelles utilisant l'IA
• Introduction aux méthodologies clés
Réseaux neuronaux et apprentissage profond pour la prédiction de structures protéiques
Analyse des séquences génomiques utilisant des techniques de ML
• Considérations pratiques
Aperçu des sources de données et bases de données pour la recherche sur les protéines
Considérations éthiques et défis en biologie computationnelle
• Conclusions et orientations futures
Tendances émergentes dans les applications d'apprentissage automatique pour la conception de protéines
Questions-réponses et discussion des perspectives et des applications potentielles des participants

---

Matières

Computer Science