Apprentissage non superviséDans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où les données ne sont pas étiquetées (par exemple étiquetées comme « balle » ou « poisson »). Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite.
Protéine GLes sont une famille de protéines qui permettent le transfert d'informations à l'intérieur de la cellule. Elles participent ainsi à un mécanisme appelé transduction du signal. Cette protéine est appelée ainsi car elle utilise l'échange de GTP en GDP comme un « interrupteur moléculaire » pour déclencher ou inhiber des réactions biochimiques dans la cellule. La protéine G se lie au GTP et au GDP. Alfred G. Gilman et Martin Rodbell ont obtenu le prix Nobel de physiologie ou médecine en 1994 pour sa découverte et leurs travaux sur les protéines G.
Virus respiratoire syncytialLe virus respiratoire syncytial, Human orthopneumovirus, (VRS, ou HRSV pour Human Respiratory Syncytial Virus ; de syncytium) est la cause la plus fréquente, dans le monde, d'infections respiratoires des jeunes enfants. Très contagieux, ce virus infecte principalement les nourrissons âgés de moins de deux ans. Chez l'adulte, l'infection à VRS est rare, bénigne (sauf chez le sujet âgé), elle est responsable d'une rhinite ou d'un syndrome pseudogrippal.
AntigèneUn antigène est une macromolécule naturelle ou synthétique qui, reconnue par des anticorps ou des cellules du système immunitaire d’un organisme, peut déclencher une réaction immunitaire. Les antigènes sont généralement des protéines, des polysaccharides et leurs dérivés lipidiques. Des fragments d'antigènes appelés haptènes peuvent aussi provoquer une allergie.
Site actifLe site actif désigne en catalyse la partie du catalyseur qui va interagir avec le(s) substrat(s) pour former le(s) produit(s). Cette notion concerne tous les types de catalyseurs, mais on l'associe généralement aux enzymes. Le site actif des catalyseurs fait l'objet d'études poussées dans le cadre de la recherche de nouveaux catalyseurs et de l'étude des mécanismes réactionnels en biochimie.. Or, si la structure du site actif est modifié, la catalyse ne peut avoir lieu.
Système immunitaire adaptatifvignette|Schéma simplifié de l'homéostasie et de la réponse immunitaire au niveau de la barrière intestinale. Le système immunitaire adaptatif comprend les lymphocytes T, qui contribuent à l'immunité à médiation cellulaire, et les lymphocytes B, qui sont responsables de l'immunité à médiation humorale. Ces deux populations cellulaires ont des propriétés et des fonctions distinctes des cellules du système immunitaire inné.
Deep belief networkIn machine learning, a deep belief network (DBN) is a generative graphical model, or alternatively a class of deep neural network, composed of multiple layers of latent variables ("hidden units"), with connections between the layers but not between units within each layer. When trained on a set of examples without supervision, a DBN can learn to probabilistically reconstruct its inputs. The layers then act as feature detectors. After this learning step, a DBN can be further trained with supervision to perform classification.
Protéine plasmatiqueLes protéines plasmatiques sont les protéines contenues dans le plasma sanguin. Le plasma contiendrait près de trois mille protéines différentes. Les protéines les plus représentées en proportion sont les suivantes : Albumine : + de 50 % Anticorps (= Immunoglobulines): 20 % (essentiellement des IgG) Fibrinogène : 5 % Alpha 1 antitrypsine : 4 % Alpha 2 macroglobuline : 4 % Transferrine : 3 % Lipoprotéines (HDL et LDL) : 8 % Cependant même des protéines faiblement représentées en quantité peuvent avoir des fonctions essentielles pour l’organisme.
Polyclonal B cell responsePolyclonal B cell response is a natural mode of immune response exhibited by the adaptive immune system of mammals. It ensures that a single antigen is recognized and attacked through its overlapping parts, called epitopes, by multiple clones of B cell. In the course of normal immune response, parts of pathogens (e.g. bacteria) are recognized by the immune system as foreign (non-self), and eliminated or effectively neutralized to reduce their potential damage. Such a recognizable substance is called an antigen.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Protéine membranaire périphériqueredresse=1.67|vignette|Représentation des différents types d'interaction entre protéines membranaires monotopiques et membrane biologique : (1) interaction par une hélice α amphiphile parallèle au plan de la membrane ; (2) interaction par une boucle hydrophobe ; (3) interaction par un lipide membranaire lié par covalence (lipidation) ; (4) interaction électrostatique ou ionique avec les lipides membranaires (par exemple par l'intermédiaire de cations de calcium Ca).
Modèle génératifvignette|Schéma représentant la différence entre un modèle discriminatif et un modèle génératif. En classement automatique un modèle génératif est un modèle statistique défini par opposition à un modèle discriminatif. Étant donné une variable X à laquelle il doit associer une autre variable Y, le modèle génératif cherchera à décrire la probabilité conditionnelle ainsi que la probabilité puis d'utiliser la formule de Bayes pour calculer la probabilité .
