| Titre : | Classification des domaines protéiques par techniques d'apprentissage profond |
| Auteurs : | Basma Ben aissa, Auteur ; Salima Rahmani, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2020 |
| Format : | 1 vol. (75 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Bioinformatique,Protéine,classification des domaines protéine,Apprentissage profond,classification supervisée. |
| Résumé : | La classification de des domaine protéine est un champ de recherche qui sert de pointe de départ pour la prédiction de la fonction des gènes et des protéines et aux analyses expérimentales et les processus pour lesquels sont impliqués les protéines, elles jouent un rôle primordial dans la compréhension du comportement des protéines responsables des maladies, de développer les médicaments les plus efficaces et avoir une médecine préventive contre les fléaux éventuels. la prédiction est basé sur la comparaison de la protéine à fonction inconnue avec d’autres protéines de fonction connue. Le regroupement des protéines aux fonctions similaires et la caractérisation de ces groupes ont motivé l’émergence des classifications. Depuis quelques années, le monde a connu un grand renouveau avec les techniques de l’apprentissage profond, inspirées des réseaux de neurones du cerveau. Plusieurs sciences utilisent l'apprentissage profond comme la bioinformatique, avec des outils et des objectifs souvent très différents. Avec l'intégration de l'apprentissage profond pour la classification supervisé dans le domaine protéique, ce dernier a assisté à une évolution de la méthode classique à la méthode moderne .en utilisant les méthodes de classification supervisée machine à Long Short Term Memory(en anglais) (Lstm) pour mettre en oeuvre l'apprentissage, les taux de classification que nous avons trouvé montre que nos résultats sont compétitifs. |
| Sommaire : |
Introduction générale ……………………………………………………………….9
Chapitre 01 Introduction à la Bioinformatique 1.1. Introduction ………………………………………………………12 1.2. Bioinformatique ……………………………………………………12 1.2.1. Définition Bioinformatique………………………………………....12 1.2.2. Objective de bioinformatique ……………………………………...12 1.3. La génomique ………………………………………………………13 1.3.1. Les acides nucléiques……………………………………………….13 1.3.2. Gènes ………………………………………………………………..14 1.3.3. Génome………………………………………………………………15 1.4. Protéomique…………………………………………………………15 1.4.1. Protéines……………………………………………………………..15 1.4.2. Code génétique ………………………………………………….......17 1.4.3. Acides amines……………………………………………………......18 1.4.4. Synthèse des protéines ………………………………………………19 1.5. Domaine protéique………………………………………………….20 1.5.1. Motif protéique……………………………………………………..21 1.5.2. Site actif d’un domaine protéique…………………………………21 1.5.3. Interaction Domaines……………………………………………….22 1.5.4 Sites de liaisons……………………………………….……………22 1.6. Conclusion…………………………………………………………..23 Chapitre 02 classifications de Protéine 2.1. Introduction…………………………………………………………..25 2.2. Classification structurale de protéines……………………………….25 2.2.1. SCOP, Structural Classification Of Protéines……………………….26 2.2.2 CATCH……………………………………………………………...25 2.3. Enrichir les bases de données hiérarchiques, problème d’identification des familles protéiques…………………………………….27 2.4 Estimer la similarité structurale entre deux protéines…………………28 2.5. Difficulté de la comparaison de deux structures……………………..28 2.6. Scores basés sur les mesures de distances inter-résidus………………28 2.7. Identification de la super-famille structurale………………………….30 2.7.1 Méthode exhaustive ou one to all……………………………………30 2.7.2. Identification de superfamilles protéiques par dominance par dominance directe et indirecte…………………………………………………... 31 2.7.2.1 Caractérisation de la classification, domaines représentants des superfamilles…………………………………………………………………32 2.7.3 Protocole k plus proches voisins (kNN)……………………………. 32 2.4 Expérimentations……………………………………………………33 2.8 Conclusion………………………………………………………….34 Chapitre 03 L’apprentissage profond 3.2. L'apprentissage profond…………………………………………….36 3.2.1. Définition ……………………………………..……………………36 3.3. L'apprentissage profond et L’apprentissage automatique 37 3.3.1 L’apprentissage automatique………………………………………34 3.3.1.1. Définition…………………………………………………………..37 3.3.1.2. Apprentissage supervisé……………………………………………37 3.3.1.3. Apprentissage non supervisé……………………………………….39 3.3.1.4 Apprentissage par Renforcement …………………………………39 3.4.1. Présentation de certaines d’algorithme de la classification d'apprentissage automatique …………………………………………………………………41 3.4.1.1. k-plus proches voisins…………………………………………….14 3.4.1.2. Machines à vecteur support………………………………………. .42 3.4.1.3 Classification bayésienne………………………………………….43 3.4.1.4. Réseaux de neurones………………………………………………..43 3.4.1.5. k-means …………………………………………………………….44 3.5 Différence entre l’apprentissage profond et l’apprentissage automatique 45 3.6 L’importance de l’apprentissage profond…………………………..46 3.7 Fonctionnement d’apprentissage …………………………………..47 3.8 Modèles d’apprentissage profond………………………………….. 49 3.8.1 Réseaux de neurones Convolutionnels (CNN)………………………49 3.8.2 Réseaux de neurones récurrents (RNN)……………………………..50 3.8.3 Mémoire à long terme (LSTM) …………………………………….52 3.9 Domaines d'applications de Deep Learning………………………...52 3.10 Limites de l’apprentissage profond ………………………………..53 3.11 Conclusion ………………………………………………………….53 Chapitre 04 Conception 4.1 Introduction…………………………………………………….55 4.2 Conception globale…………………………………………………55 4.3 Conception détaillée……………………………………………….56 4.3.1 Architecture détaillée ………………………………………………56 4.3.2 Explication…………………………………………………………..58 4.4 Conclusion…………………………………………………………62 Chapitre 05 Implémentation 5.1. Introduction ……………………………………………………….64 5.2. Chois de langage de programmation ………….…………………..64 5.2.1. Langage de programmation (Python)……………………………..64 5.3. Environnement de développement …………………………………65 5.4. Affichage des Statistiques de base…………………………………66 5.5. Processus générale de la création du modèle d’apprentissage……..67 5.6 Prétraitement des domaines protéique ………………………………..68 5.6. Presentation de lntrface graphique ………………………………..70 5.7. Conclusion ………………………………………………………….71 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/585 | Mémoire master | bibliothèque sciences exactes | Consultable |
