Loading...
Please wait, while we are loading the content...
Similar Documents
Une nouvelle méthode d'apprentissage de données structurées : applications à l'aide à la découverte de médicaments
| Content Provider | Semantic Scholar |
|---|---|
| Author | Goulon-Sigwalt-Abram, Aurélie |
| Copyright Year | 2008 |
| Abstract | La modelisation de proprietes et d'activites de molecules constitue un champ de recherche important, qui permet par exemple de guider la synthese de medicaments. Les methodes traditionnelles de modelisation etablissent des relations non lineaires entre les proprietes etudiees et les caracteristiques structurelles des molecules, appelees descripteurs. Leurs principaux inconvenients resident dans la difficulte du choix des descripteurs et leur calcul prealable. Nous avons mis au point une nouvelle technique de modelisation qui s'affranchit de ces problemes, en etablissant une relation directe entre la structure des donnees et la propriete modelisee. L'apprentissage s'effectue non plus a partir de vecteurs de donnees, mais a partir de graphes. Les molecules peuvent en effet etre representees par des graphes, qui tiennent compte des liaisons chimiques, de la nature des atomes ou encore de la stereochimie du compose initial. Chaque graphe de la base etudiee est alors associe a une fonction de meme structure mathematique, appelee graph machine, obtenue par combinaison de fonctions parametrees identiques. Ces parametres sont alors determines par apprentissage. Nous montrons que les techniques traditionnelles de selection de modele peuvent etre utilisees dans le cadre des graph machines ; elles permettent d'evaluer les capacites en generalisation des modeles proposes, mais aussi de detecter les categories de molecules sous-representees dans la base d'apprentissage, et d'estimer les intervalles de confiance des predictions. De tres bons resultats ont ete obtenus par l'utilisation de cette technique sur un grand nombre de bases de donnees de proprietes ou d'activites moleculaires. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | https://pastel.archives-ouvertes.fr/pastel-00004103/document |
| Alternate Webpage(s) | https://www.neurones.espci.fr/Theses_PS/These%20AG-convertie-PASTEL.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
