Apprentissage actifL’apprentissage actif est un modèle d’apprentissage semi-supervisé où un oracle intervient au cours du processus. Plus précisément, contrairement au cadre classique où les données sont connues et imposées, en apprentissage actif, c'est l'algorithme d'apprentissage qui demande des informations pour des données précises. Cette technique repose sur l'hypothèse que l’acquisition de données non étiquetées est beaucoup moins coûteuse que celle de données étiquetées.
Agent-based modelAn agent-based model (ABM) is a computational model for simulating the actions and interactions of autonomous agents (both individual or collective entities such as organizations or groups) in order to understand the behavior of a system and what governs its outcomes. It combines elements of game theory, complex systems, emergence, computational sociology, multi-agent systems, and evolutionary programming. Monte Carlo methods are used to understand the stochasticity of these models.
Agent intelligentEn intelligence artificielle, un agent intelligent (AI) est une entité autonome capable de percevoir son environnement grâce à des capteurs et aussi d'agir sur celui-ci via des effecteurs afin de réaliser des objectifs. Un agent intelligent peut également apprendre ou utiliser des connaissances pour pouvoir réaliser ses objectifs. Ils peuvent être simples ou complexes. Par exemple, un simple système réactif, comme le thermostat est considéré comme étant un agent intelligent.
Criblage à haut débitthumb|Machine de criblage à haut débit en Allemagne Le criblage à haut débit (high-throughput screening, HTS) désigne dans le domaine de la pharmacologie, de la biochimie, de la génomique et de la protéomique, les techniques visant à étudier et à identifier dans les chimiothèques et ciblothèques, des molécules aux propriétés nouvelles, biologiquement actives. L’expression haut débit évoque ici l’utilisation de la robotique, de l’informatique et de la bio-informatique pour accélérer la phase de test des molécules, protéines, catalyseurs, etc.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
PharmacogénomiqueLa pharmacogénomique a pour objet l’étude des effets des gènes sur la réponse aux médicaments. Il est possible d'utiliser le séquençage (c'est-à-dire une lecture complète du génome), toutefois le génotypage est souvent plus utilisé (c'est-à-dire l'analyse de certaines parties de génome), car plus rapide et moins coûteux. Les prélèvements pour ces tests sont assez faciles à réaliser. Un prélèvement dans la joue est généralement utilisé et aucun test de sang n'est habituellement nécessaire.
Interaction médicamenteusevignette|cocktail de benzodiazepines L'interaction médicamenteuse est une situation qui résulte de l'administration concomitante ou successive de deux ou plusieurs médicaments (ou parfois d'autres substances comme certains aliments) chez un même patient et dans laquelle l'une des substances absorbées affecte l'activité thérapeutique d'un ou plusieurs des autres médicaments administrés. Dans certains cas, on peut avoir une augmentation de l'activité du médicament pour une même dose, dans d'autre une réduction, voire une abolition de l'efficacité du traitement.
Conception de médicamentLa conception de médicament, plus précisément conception de substance pharmacologiquement active plus connue sous sa dénomination anglaise Drug design est l'ensemble des processus nécessaires à l'élaboration d'un médicament. Dans l'industrie pharmaceutique, ces processus peuvent-être subdivisés et répartis en quatre phases ou étapes : La phase de recherche La phase de développement La phase clinique La phase de mise sur le marché Remarque : Les phases de recherche et développement sont communément dénommées R&D.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
ExcipientUn excipient désigne toute substance autre que le principe actif dans un médicament, un cosmétique ou un aliment. Son addition est destinée à conférer une consistance donnée, ou d'autres caractéristiques physiques ou gustatives particulières, au produit final, tout en évitant toute interaction, particulièrement chimique, avec le principe actif. Un excipient n'est donc pas défini par une composition chimique particulière mais par son utilisation, qui découle de ses propriétés physico-chimiques qui le rendent aptes à remplir son rôle d'excipient.
ChimioprotéomiqueLa chimioprotéomique (chimio, racine française) ou chemoprotéomique (chemo, racine latine ; provenant du mot anglais chemoproteomics) ou protéomique chimique peut être définie comme la science ayant pour objet l'étude de la réponse d'un protéome à un composé chimique. Elle est une sous-discipline de la biologie chimique, qui utilise les techniques de protéomique et en particulier le séquençage des protéines par spectrométrie de masse pour étudier les interactions d'une molécule avec les protéines contenues dans un échantillon biologique.
Automatic identification and data captureAutomatic identification and data capture (AIDC) refers to the methods of automatically identifying objects, collecting data about them, and entering them directly into computer systems, without human involvement. Technologies typically considered as part of AIDC include QR codes, bar codes, radio frequency identification (RFID), biometrics (like iris and facial recognition system), magnetic stripes, optical character recognition (OCR), smart cards, and voice recognition.
