Chemoinformatics 2
- Cours (CM) 16h
- Cours intégrés (CI) -
- Travaux dirigés (TD) 8h
- Travaux pratiques (TP) -
- Travail étudiant (TE) -
Langue de l'enseignement : Anglais
Description du contenu de l'enseignement
Descripteurs moléculaires. Méthodes d’apprentissage automatique. Modélisation QSAR/QSPR.
- Descripteurs 1D, 2D et 3D: fragments moléculaires, fingerprints, indices topologiques, propriétés physico-chimiques, paramètres d’iso-surfaces moléculaires et énergétiques, pharmacophores,…
- Approches de Hansch et de Free-Wilson.
- Correction et standardisation de données chimiques. Normalisation et sélection de descripteurs. Modèles de classification et de régression.
- Méthodes d’apprentissage automatique : régression multilinéaire, machine à vecteurs supports, arbre de classification et de régression, réseau de neurones artificiels, naïve Bayes. Validation de modèles.
- Evaluation de performance prédictif d’un modèle.
- Domain d’applicabilité de modèles QSAR.
- Modélisation d'ensemble
- QSAR-3D: méthode d’analyse comparative de champs moléculaires ("CoMFA ").
- Travaux pratiques avec les logiciels ISIDA-QSPR et WEKA
Compétences à acquérir
- Utiliser les méthodes de correction et de standardisation de données chimiques.
- Calculer les descripteurs moléculaires
- Obtenir et valider de modèles de classification et de regression.
- Utiliser de modèles QSAR pour un criblage virtuel.
Contact
Faculté de chimie
1, rue Blaise Pascal - BP 2029667008 STRASBOURG CEDEX
0368851672
Formulaire de contact
Responsable
Alexandre Varnek
