Séance de cours

La structure et la fonction biologiques émergent de l'apprentissage non supervisé

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.

Description

Cette séance de cours explore comment la structure et le fonctionnement biologiques peuvent être compris en étalant l'apprentissage non supervisé pour analyser les séquences protéiques. Il aborde des sujets tels que la croissance exponentielle des données de séquence, la métagénomique, les modèles de langage protéique, l'auto-supervision et la relation entre les objectifs de modélisation linguistique et l'apprentissage de la structure. La séance de cours se penche également sur l'utilisation de modèles de transformateurs, de mécanismes d'auto-attention et de projections linéaires pour des tâches comme la prédiction de la structure, la détection d'homologie à distance et l'évaluation de la précision des contacts.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Concepts associés (32)

Biomolecular structure

Biomolecular structure is the intricate folded, three-dimensional shape that is formed by a molecule of protein, DNA, or RNA, and that is important to its function. The structure of these molecules may be considered at any of several length scales ranging from the level of individual atoms to the relationships among entire protein subunits. This useful distinction among scales is often expressed as a decomposition of molecular structure into four levels: primary, secondary, tertiary, and quaternary.

Modélisation de protéines par enfilage

La modélisation d'une protéine par enfilage ou modélisation par reconnaissance des repliements est une technique utilisée pour modéliser des protéines dont on souhaite qu'elles présentent les mêmes coudes que des structures de protéines connues, mais qui ne possèdent pas de protéines homologues recensées dans la banque de données sur les protéines (PDB). Elle s'oppose donc à la méthode de prédiction de structure basée sur la modélisation par homologie.

Prédiction de la structure des protéines

La prédiction de la structure des protéines est l'inférence de la structure tridimensionnelle des protéines à partir de leur séquences d'acides aminés, c'est-à-dire la prédiction de leur pliage et de leur structures secondaire et tertiaire à partir de leur structure primaire. La prédiction de la structure est fondamentalement différente du problème inverse de la conception des protéines. Elle est l'un des objectifs les plus importants poursuivis par la bioinformatique et la chimie théorique.

Nucleic acid structure prediction

Nucleic acid structure prediction is a computational method to determine secondary and tertiary nucleic acid structure from its sequence. Secondary structure can be predicted from one or several nucleic acid sequences. Tertiary structure can be predicted from the sequence, or by comparative modeling (when the structure of a homologous sequence is known).

Langage de modélisation

Un langage de modélisation est un langage artificiel qui peut être utilisé pour exprimer de l'information ou de la connaissance ou des systèmes dans une structure qui est définie par un ensemble cohérent de règles. Les règles sont utilisées pour l'interprétation de la signification des composants dans la structure. Un langage de modélisation peut être graphique ou textuel.

Afficher plus

Séances de cours associées (64)

Préformation: Transformateurs et modèles

Explore les modèles de préformation comme BERT, T5 et GPT, en discutant de leurs objectifs de formation et de leurs applications dans le traitement des langues naturelles.

Modèles de langage: De la théorie à l'informatique

Explore les mathématiques des modèles de langues, couvrant la conception de l'architecture, la pré-formation et l'ajustement fin, soulignant l'importance de la pré-formation et de l'ajustement fin pour diverses tâches.

Composition et structure des protéines

Explore la composition des protéines, les liaisons peptidiques, les structures secondaires et la prédiction du repliement des protéines.

Comprendre les modèles génériques des séquences protéiques

Explore un cadre unifié pour la compréhension et l'évaluation de modèles de séquences génériques d'ADN/ARN ou de protéines, couvrant des sujets tels que la coévolution, la conservation et différents modèles tels que GREMLIN et BERT.

Structure des protéines : principes généraux

Explore les structures protéiques, les principes de pliage et les déterminants de séquence, en mettant l'accent sur les diverses structures tridimensionnelles que les protéines peuvent adopter.

Afficher plus

Concepts associés (32)

Biomolecular structure

Modélisation de protéines par enfilage

Prédiction de la structure des protéines

Nucleic acid structure prediction

Langage de modélisation

Afficher plus