Apprentissage de fonctions de tri pour la prédiction d'interactions protéine-ARN - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2014

Apprentissage de fonctions de tri pour la prédiction d'interactions protéine-ARN

Abstract

Les fonctions biologiques dans la cellule mettent en jeu des interactions 3D entre protéines et ARN. Les avancées des techniques exérimentales restent insuffisantes pour de nombreuse applications. Il faut alors pouvoir prédire in silico les interactions protéine-ARN. Dans ce contexte, nos travaux sont focalisés sur la construction de fonctions de score permettant d'ordonner les solutions générées par le programme d'amarrage protéine-ARN RosettaDock. La méthodologie d'évaluation utilisée par RosettaDock impose de trouver une fonction de score s'exprimant comme une combinaison linéaire de mesures physicochimiques. Avec une approche d'apprentissage supervisé par algorithme génétique, nous avons appris différentes fonctions de score en imposant des contraintes sur la nature des poids recherchés. Les résultats obtenus montrent l'importance de la signification des poids à apprendre et de l'espace de recherche associé.
Fichier principal
Vignette du fichier
1001960.pdf (1.52 Mo) Télécharger le fichier
Origin Publisher files allowed on an open archive
Loading...

Dates and versions

hal-01016683 , version 1 (24-09-2019)

Identifiers

  • HAL Id : hal-01016683 , version 1

Cite

Adrien Guilhot-Gaudeffroy, Jérôme Azé, Julie Bernauer, Christine Froidevaux. Apprentissage de fonctions de tri pour la prédiction d'interactions protéine-ARN. EGC: Extraction et Gestion des Connaissances, Jan 2014, Rennes, France. pp.479-484. ⟨hal-01016683⟩
257 View
65 Download

Share

Gmail Mastodon Facebook X LinkedIn More