Modélisation de la résistance aux médicaments et génération de peptides antimicrobiens puissants guidées par la chémographie
Langue Anglais
Langue Anglais
Accéder à la thèse :
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