Flash Info
CE23 - Intelligence artificielle et science des données

Graphes et algorithmes pour la classification des structures 3D et dynamiques des protéines – GRADIENT

Résumé de soumission

La classification des formes est l'une des tâches les plus importantes de la vision par ordinateur, comme le démontre le grand nombre de travaux traitant de l'analyse des formes des objets 3D. Les formes des objets 3D peuvent être représentées par des graphes et, par conséquent, les techniques de graphes peuvent être très utiles pour leur classification. Dans le projet GRADIENT, nous traitons le problème de la classification des protéines. Les protéines sont des macromolécules caractérisées par des formes déformables et complexes liées à leur fonction faisant de leur classification une tâche importante notamment pour la découverte de médicaments et la caractérisation des processus biologiques. Les formes de protéines peuvent être générées à partir de leurs structures 3D haute résolution disponibles dans la banque de données des protéines. Dans le projet GRADIENT, la surface des protéines est représentée par des graphes (maillages). La dynamique moléculaire peut être utilisée pour échantillonner efficacement les trajectoires d'objets moléculaires 3D qui constituent un cas d'étude parfait pour l'appariement dynamique de graphes.
Le projet GRADIENT vise à développer une plateforme basée sur des techniques et algorithmes de graphes et d’apprentissage, capables de classifier et d'analyser des formes 3D déformables (dynamiques) de protéines. Pour ce faire, nous aborderons les hypothèses et défis de recherche suivants : 1) Représentation des données, descripteurs et caractéristiques des structures 3D déformables de protéines. 2) Calcul de distances de graphes pour comparer les formes 3D déformables des protéines. 3) Algorithmes et modèles robustes combinant des techniques de graphes et d'apprentissage automatique pour classifier les formes 3D déformables de protéines. 4) Analyse de suivi des trajectoires de la dynamique des protéines. La plateforme sera disponible gratuitement pour les académiques et sous licence commerciale pour les industriels.

Coordination du projet

HAMAMACHE KHEDDOUCI (TRESOR PUBLIC)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenariat

UMANIS
LIRIS TRESOR PUBLIC
GBCM Conservatoire National des Arts et Métiers Paris

Aide de l'ANR 666 936 euros
Début et durée du projet scientifique : janvier 2023 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter