Réseaux antagonistes génératifsEn intelligence artificielle, les réseaux antagonistes génératifs (RAG) parfois aussi appelés réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non supervisé. Ces algorithmes ont été introduits par . Ils permettent de générer des images avec un fort degré de réalisme. Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex.
Cinétique enzymatiqueLa cinétique enzymatique a pour objet d'identifier et de décrire les mécanismes des réactions biochimiques, catalysées par les enzymes (réaction enzymatique), en étudiant leur vitesse c'est-à-dire leur évolution en fonction du temps. En partant des enzymes isolées et en allant vers les systèmes métaboliques organisés et intégrés, la cinétique enzymatique permet de décrire quantitativement les propriétés catalytiques des enzymes et les mécanismes mis en place pour leur régulation.
Metabolic network modellingMetabolic network modelling, also known as metabolic network reconstruction or metabolic pathway analysis, allows for an in-depth insight into the molecular mechanisms of a particular organism. In particular, these models correlate the genome with molecular physiology. A reconstruction breaks down metabolic pathways (such as glycolysis and the citric acid cycle) into their respective reactions and enzymes, and analyzes them within the perspective of the entire network.
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 .
ModélisationLa modélisation est la conception et l'utilisation d'un modèle. Selon son objectif (représentation simplifiée, compréhension, prédiction) et les moyens utilisés, la modélisation est dite mathématique, géométrique, 3D, empirique, mécaniste ( modélisation de réseau trophique dans un écosystème), cinématique... Elle nécessite généralement d'être calée par des observations ou mesures faites , lesquelles servent aussi à paramétrer, calibrer ou ajuster le modèle, par exemple en intégrant des facteurs d'influences qui s'avèreraient nécessaires.
Types of artificial neural networksThere are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.
Réseau métaboliqueUn réseau métabolique est l'ensemble des processus métaboliques et physiques qui déterminent les propriétés physiologiques et biochimiques d'une cellule. Par conséquent, ces réseaux comprennent les réactions chimiques du métabolisme, les voies métaboliques, ainsi que les interactions régulatrices qui guident ces réactions. Avec le séquençage complet des génomes, il est maintenant possible de reconstituer le réseau de réactions biochimiques dans de nombreux organismes, des bactéries aux humains.
Enzymeredresse=1.5|vignette| Représentation d'une α-glucosidase () avec à sa droite le substrat au-dessus des produits de réaction . redresse=1.5|vignette|Diagramme d'une réaction catalysée montrant l'énergie E requise à différentes étapes suivant l'axe du temps t. Les substrats A et B en conditions normales requièrent une quantité d'énergie E1 pour atteindre l'état de transition A...B, à la suite duquel le produit de réaction AB peut se former. L'enzyme E crée un microenvironnement dans lequel A et B peuvent atteindre l'état de transition A.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Voie métaboliqueUne voie métabolique est un ensemble de réactions chimiques catalysées par une série d'enzymes qui agissent de manière séquentielle. Chaque réaction constitue une étape d'un processus complexe de synthèse ou de dégradation d'une molécule biologique finale. Dans une voie métabolique, le produit de la réaction catalysée par une enzyme sert de substrat pour la réaction suivante. Les voies métaboliques peuvent être linéaires, ramifiées (ou branchées), voire cycliques.
Réseau de neurones récurrentsUn réseau de neurones récurrents (RNN pour recurrent neural network en anglais) est un réseau de neurones artificiels présentant des connexions récurrentes. Un réseau de neurones récurrents est constitué d'unités (neurones) interconnectées interagissant non-linéairement et pour lequel il existe au moins un cycle dans la structure. Les unités sont reliées par des arcs (synapses) qui possèdent un poids. La sortie d'un neurone est une combinaison non linéaire de ses entrées.
Modèle statistiqueUn modèle statistique est une description mathématique approximative du mécanisme qui a généré les observations, que l'on suppose être un processus stochastique et non un processus déterministe. Il s’exprime généralement à l’aide d’une famille de distributions (ensemble de distributions) et d’hypothèses sur les variables aléatoires X1, . . ., Xn. Chaque membre de la famille est une approximation possible de F : l’inférence consiste donc à déterminer le membre qui s’accorde le mieux avec les données.
Escherichia coliEscherichia coli, en abrégée E. coli, est une bactérie intestinale des organismes à sang chaud, Gram négatif, du genre Escherichia, en forme de bâtonnet. E. coli est une bactérie aero-anaerobie facultative, appartenant au groupe des colibacilles, très commune chez l'être humain. E. coli constitue, avec d'autres bactéries anaérobies facultatives, 0,1% du microbiote intestinal. Découverte en 1885, par le pédiatre et bactériologiste austro-allemand Theodor Escherich, dans des selles de chèvres, c'est un coliforme fécal généralement commensal.
PhysiologieLa physiologie (du grec φύσις, phusis, la nature, et λόγος, logos, l'étude, la science) étudie le rôle, le fonctionnement et l'organisation mécanique, physique et biochimique des organismes vivants et de leurs composants (organes, tissus, cellules et organites cellulaires). La physiologie étudie également les interactions entre un organisme vivant et son environnement. Dans l'ensemble des disciplines biologiques, en définissant schématiquement des niveaux d'organisation, la physiologie est une discipline voisine de l'histologie, de la morphologie et de l'anatomie.
Modèle (économie)Un modèle est, en économie, une représentation simplifiée de la réalité économique ou d'une partie de celle-ci. Un modèle économique se base sur des hypothèses économiques et a recours au langage mathématique. L'économie se fonde sur les modèles pour estimer l'évolution d'un système économique, comme la croissance, le commerce international, etc. La science économique vise à expliquer les mécanismes à l’œuvre dans un système économique, ou dans une partie de ce système.
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.
MétabolismeLe métabolisme est l'ensemble des réactions chimiques qui se déroulent à l'intérieur de chaque cellule d'un être vivant et lui permettent notamment de se maintenir en vie, de se reproduire (se diviser), de se développer et de répondre aux stimuli de son environnement (échanges par exemple). Certaines de ces réactions chimiques se déroulent en dehors des cellules de l'organisme, comme la digestion ou le transport de substances entre cellules. Cependant, la plupart de ces réactions ont lieu dans les cellules elles-mêmes et constituent le métabolisme intermédiaire.
Metabolic engineeringMetabolic engineering is the practice of optimizing genetic and regulatory processes within cells to increase the cell's production of a certain substance. These processes are chemical networks that use a series of biochemical reactions and enzymes that allow cells to convert raw materials into molecules necessary for the cell's survival. Metabolic engineering specifically seeks to mathematically model these networks, calculate a yield of useful products, and pin point parts of the network that constrain the production of these products.
Flux (metabolism)Flux, or metabolic flux is the rate of turnover of molecules through a metabolic pathway. Flux is regulated by the enzymes involved in a pathway. Within cells, regulation of flux is vital for all metabolic pathways to regulate the pathway's activity under different conditions. Flux is therefore of great interest in metabolic network modelling, where it is analysed via flux balance analysis and metabolic control analysis.
Inhibiteur enzymatiquethumb|upright=1.2|Complexe d'une protéase du VIH (rubans rouges, bleus et jaunes) associée à l'inhibiteur qu'est le ritonavir (petite structure en bâtons et boules près du centre). Un inhibiteur enzymatique est une substance se liant à une enzyme et qui en diminue l'activité. Un inhibiteur peut empêcher la fixation du substrat sur le site actif en se fixant à sa place, ou provoquer une déformation de l'enzyme qui rend celle-ci inactive (inhibiteur allostérique).
