Découverte des médicaments : approches informatiques
Graph Chat
Chattez avec Graph Search
Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Explore l'application de modèles générateurs profonds dans la découverte de médicaments, en mettant l'accent sur la conception de petites molécules et l'optimisation des structures moléculaires.
S'insère dans les fondamentaux de la chimie médicinale, mettant l'accent sur l'interrogation des relations structure-activité (SAR) dans la conception des drogues.
Couvre les concepts et les technologies de la découverte de médicaments à base de fragments, en explorant l'identification des impacts, l'optimisation du plomb et les méthodes de dépistage.
Explique le regroupement des moyennes k, en attribuant des points de données à des grappes en fonction de la proximité et en minimisant les distances carrées à l'intérieur des grappes.
Couvre les technologies à la fine pointe de la technologie du rein sur puce visant à faciliter la recherche pharmaceutique et à éliminer les essais sur les animaux.
Couvre les espaces normés, les espaces doubles, les espaces de Banach, les espaces de Hilbert, la convergence faible et forte, les espaces réflexifs et le théorème de Hahn-Banach.
Présente le travail avec les surfaces, les polysurfaces et les solides dans Rhino, couvrant le rendu, l'édition de matériel et la création de maillage.
Explore le complexe protéolytique CLpXP, son potentiel de ciblage des médicaments et ses applications antimicrobiennes grâce au dépistage des composés.
Couvre les techniques de réduction de dimensionnalité, de regroupement et d'estimation de la densité, y compris l'ACP, les moyennes K, le MGM et le décalage moyen.
Explore les simulations de dynamique moléculaire sous des contraintes holonomiques, en se concentrant sur l'intégration numérique et la formulation d'algorithmes.
Explore l'ingénierie des protéines, les méthodes de dépistage, les propriétés des échafaudages, la conception computationnelle et l'évolution continue des biomolécules.
Introduit des bases d'apprentissage automatique, couvrant la segmentation des données, le regroupement, la classification, et des applications pratiques comme la classification d'image et la similarité du visage.
Explore les bibliothèques encodées en ADN pour la découverte de médicaments, couvrant les techniques de synthèse, les avantages et les inconvénients, et diverses méthodes de DEL.
