Protein complexA protein complex or multiprotein complex is a group of two or more associated polypeptide chains. Protein complexes are distinct from multidomain enzymes, in which multiple catalytic domains are found in a single polypeptide chain. Protein complexes are a form of quaternary structure. Proteins in a protein complex are linked by non-covalent protein–protein interactions. These complexes are a cornerstone of many (if not most) biological processes.
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.
Protein–protein interaction predictionProtein–protein interaction prediction is a field combining bioinformatics and structural biology in an attempt to identify and catalog physical interactions between pairs or groups of proteins. Understanding protein–protein interactions is important for the investigation of intracellular signaling pathways, modelling of protein complex structures and for gaining insights into various biochemical processes.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Changement conformationnelvignette|Exemple de changement conformationnel En biochimie, un changement conformationnel est la transition entre deux géométries moléculaires, souvent induite par des facteurs environnementaux. Une macromolécule est le plus souvent flexible et dynamique, chaque configuration tridimensionnelle possible définissant une conformation. La forme d'une macromolécule peut se modifier en réponse à un changement dans les paramètres environnementaux tels que la température, le pH (acidité, basicité), le champ électrique, la salinité, la lumière (sur les chromophores), la phosphorylation ou la liaison d'un ligand.
Loi de probabilité à plusieurs variablesvignette|Représentation d'une loi normale multivariée. Les courbes rouge et bleue représentent les lois marginales. Les points noirs sont des réalisations de cette distribution à plusieurs variables. Dans certains problèmes interviennent simultanément plusieurs variables aléatoires. Mis à part les cas particuliers de variables indépendantes (notion définie ci-dessous) et de variables liées fonctionnellement, cela introduit la notion de loi de probabilité à plusieurs variables autrement appelée loi jointe.
Indecomposable distributionIn probability theory, an indecomposable distribution is a probability distribution that cannot be represented as the distribution of the sum of two or more non-constant independent random variables: Z ≠ X + Y. If it can be so expressed, it is decomposable: Z = X + Y. If, further, it can be expressed as the distribution of the sum of two or more independent identically distributed random variables, then it is divisible: Z = X1 + X2. The simplest examples are Bernoulli-distributeds: if then the probability distribution of X is indecomposable.
Petite moléculeEn biochimie, une petite molécule est un composé organique de faible masse moléculaire qui par définition n'est pas un polymère. En pharmacologie, ce terme est restreint aux molécules qui ont une forte affinité pour des biopolymères tels que des protéines, les acides nucléiques ou les polysaccharides et modifient leur fonction ou leur activité biologique en se liant à eux. On fixe à environ la borne supérieure de la masse d'une petite molécule, ce qui correspond à la limite en dessous de laquelle les molécules peuvent diffuser à travers la membrane cellulaire pour atteindre leur cible à l'intérieur de la cellule.
Structure secondaire d'un acide nucléiquevignette|Représentation des structures des acides nucléiques (primaire, secondaire, tertiaire et quaternaire) schématisant des doubles hélices d'ADN et des exemples tels que le ribozyme VS, la télomérase et le nucléosome (PDB : ADNA, 1BNA, 4OCB, 4R4V, 1YMO, 1EQZ). La structure secondaire d'un acide nucléique correspond à la conformation obtenue par les interactions entre les paires de bases au sein d'un seul polymère d'acide nucléique ou bien entre deux de ces polymères.
Loi binomialeEn théorie des probabilités et en statistique, la loi binomiale modélise la fréquence du nombre de succès obtenus lors de la répétition de plusieurs expériences aléatoires identiques et indépendantes. Plus mathématiquement, la loi binomiale est une loi de probabilité discrète décrite par deux paramètres : n le nombre d'expériences réalisées, et p la probabilité de succès. Pour chaque expérience appelée épreuve de Bernoulli, on utilise une variable aléatoire qui prend la valeur 1 lors d'un succès et la valeur 0 sinon.
Conditional probability distributionIn probability theory and statistics, given two jointly distributed random variables and , the conditional probability distribution of given is the probability distribution of when is known to be a particular value; in some cases the conditional probabilities may be expressed as functions containing the unspecified value of as a parameter. When both and are categorical variables, a conditional probability table is typically used to represent the conditional probability.
Variable aléatoire à densitéEn théorie des probabilités, une variable aléatoire à densité est une variable aléatoire réelle, scalaire ou vectorielle, pour laquelle la probabilité d'appartenance à un domaine se calcule à l'aide d'une intégrale sur ce domaine. La fonction à intégrer est alors appelée « fonction de densité » ou « densité de probabilité », égale (dans le cas réel) à la dérivée de la fonction de répartition. Les densités de probabilité sont les fonctions essentiellement positives et intégrables d'intégrale 1.
