Modélisation de la résistance aux médicaments et génération de peptides antimicrobiens puissants guidées par la chémographie
Langue Anglais
Langue Anglais
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Modalités de diffusion de la thèse :
- Thèse consultable sur internet, en texte intégral.
- Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
Auteur : Pikalyova, Karina
Date de soutenance : 13-09-2024
Directeur(s) de thèse : Varnek, Alexandre - Marcou, Gilles
Président : Camproux, Anne-Claude
Membre(s) du jury : Montes, Matthieu
Établissement de soutenance : Strasbourg
Laboratoire : Chimie de la matière complexe (Strasbourg)
École doctorale : École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
Date de soutenance : 13-09-2024
Directeur(s) de thèse : Varnek, Alexandre - Marcou, Gilles
Président : Camproux, Anne-Claude
Membre(s) du jury : Montes, Matthieu
Établissement de soutenance : Strasbourg
Laboratoire : Chimie de la matière complexe (Strasbourg)
École doctorale : École doctorale des Sciences chimiques (Strasbourg ; 1995-....)
Discipline : Chimie informatique et théorique
Classification : Chimie, minéralogie, cristallographie
Mots-clés libres : GTM, Design de novo de peptides, Modélisation quantitative de relations génotype-phénotype, Apprentissage profond
Mots-clés :
Classification : Chimie, minéralogie, cristallographie
Mots-clés libres : GTM, Design de novo de peptides, Modélisation quantitative de relations génotype-phénotype, Apprentissage profond
Mots-clés :
- Chimie -- Informatique
- Peptides
- Apprentissage profond
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2024STRAF057
Type de ressource : Thèse
Identifiant : 2024STRAF057
Type de ressource : Thèse