NucléotideUn nucléotide est une molécule organique qui est composée d'une base nucléique (ou base azotée), d'un ose à cinq atomes de carbone, dit pentose, dont l'association forme un nucléoside, et enfin de un à trois groupes phosphate. L'adénosine triphosphate, dite ATP, est un nucléotide dont l'hydrolyse sous forme d'ADP et de phosphate libère une quantité d'énergie utilisée dans l'activité de la cellule animale ; plus généralement, sous la forme de dNTP (ATP, GTP, CTP, UTP), les nucléotides jouent un rôle central dans le métabolisme.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Analyse en série de l'expression des gènesL'analyse en série de l'expression des gènes (en anglais, Serial Analysis of Gene Expression ou SAGE) est une technique de biologie moléculaire permettant l'analyse de la population en ARNm d'un échantillon donné (organisme, cellules, tissus, etc.). La méthode originelle a été mise au point, et publiée en 1995, par le du centre d'oncologie de l'université Johns-Hopkins. La méthode SAGE est basée sur l'isolation de séquences spécifiques (étiquettes) de chaque ARN, la production des ADN complémentaires (ADNc) correspondant, la production d'une molécule d'ADN synthétique comportant tous ces ADNc, puis le séquençage de cette molécule.
Amplificateur (biologie)Le terme amplificateur peut concerner une espèce animale, dont l'espèce humaine, dans le cadre d'une épidémiologie des maladies infectieuses, ou une région fonctionnelle de l'ADN dans le cadre de la biologie moléculaire. On appelle hôte amplificateur, une espèce animale multipliant une charge infectieuse ou parasitaire suffisante pour être transmissible. Un hôte amplificateur augmente la quantité d'agents infectieux en circulation (par exemple virus) dans le cadre d'un cycle épidémique.
Highway networkIn machine learning, the Highway Network was the first working very deep feedforward neural network with hundreds of layers, much deeper than previous artificial neural networks. It uses skip connections modulated by learned gating mechanisms to regulate information flow, inspired by Long Short-Term Memory (LSTM) recurrent neural networks. The advantage of a Highway Network over the common deep neural networks is that it solves or partially prevents the vanishing gradient problem, thus leading to easier to optimize neural networks.
Gène de novoUn gène de novo est un gène nouveau qui ne provient pas de gènes préexistants mais de l'ADN non codant. Son apparition se produit chez un individu, pas dans l'espèce entière ; il se répand ensuite sous l'effet de la sélection naturelle ou de la dérive génétique, et s'améliore sous la pression sélective. Inconnus jusqu'en 2006, les gènes de novo pourraient constituer quelques dizaines de pour cent des gènes de nombreuses espèces. À la fin du il était admis que de nouveaux gènes ne peuvent apparaître que par la modification ou la recombinaison de gènes préexistants.
Gene expression programmingIn computer programming, gene expression programming (GEP) is an evolutionary algorithm that creates computer programs or models. These computer programs are complex tree structures that learn and adapt by changing their sizes, shapes, and composition, much like a living organism. And like living organisms, the computer programs of GEP are also encoded in simple linear chromosomes of fixed length. Thus, GEP is a genotype–phenotype system, benefiting from a simple genome to keep and transmit the genetic information and a complex phenotype to explore the environment and adapt to it.
Attention (machine learning)Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.
Mesure stéréoscopiqueLa stéréovision ou mesure stéréoscopique est une méthode de mesure qui consiste à se servir de la prise d'images (photographiques ou numériques) prises de différents points de vue, pour déterminer les dimensions, les formes ou les positions d'objets. Pour cela on utilise : soit des appareils photographiques étalonnés utilisant des films argentiques plans et stables dimensionnellement ou des détecteurs C.C.D à haute résolution pour des mesures statiques ; soit des caméras (film ou CCD) si des mesures dynamiques sont nécessaires (vidéogrammétrie).
Acide désoxyribonucléiquevignette|Structure de la double hélice d'ADN. vignette|Structure chimique de l'ADN illustrant les quatre configurations des paires AT et GC entre les deux armatures de la double hélice, constituées d'une alternance de phosphate et de désoxyribose. L'acide désoxyribonucléique, ou ADN, est une macromolécule biologique présente dans presque toutes les cellules ainsi que chez de nombreux virus. L'ADN contient toute l'information génétique, appelée génome, permettant le développement, le fonctionnement et la reproduction des êtres vivants.
Réseaux de régulation géniquedroite|vignette|360x360px| Structure d'un réseau de régulation génique droite|vignette|360x360px| Processus de contrôle d'un réseau de régulation génique Un réseau de régulation génique (ou génétique ) ( RRG ), réseau de régulation des gènes ou réseaux de régulation transcriptionnelle est un ensemble de régulateurs moléculaires qui interagissent entre eux et avec d'autres substances dans une cellule pour moduler l'expression génique de l'ARNm et des protéines qui, à leur tour, déterminent la fonction de la c
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.
