Couvre l'expansion des fonctionnalités polynomiales, les méthodes du noyau, les représentations des données, la normalisation et la gestion des données déséquilibrées dans l'apprentissage automatique.
Explore le profilage des protéines basé sur les activités pour l'identification des sites drogués et les stratégies visant à minimiser la réactivité non ciblée des inhibiteurs covalents.
Explore l'Alphafold2 révolutionnaire pour la prédiction de la structure des protéines et son impact sur la bioinformatique et la biologie du pliage des protéines.
Explore les défis à relever pour identifier les matériaux métastables utiles et discute de concepts comme les prédictions de structure, les probabilités d'ensemble et les algorithmes de cartographie.
Explore la prédiction de la structure des protéines à partir des données de séquence en utilisant la modélisation de l'entropie maximale et discute des progrès récents dans la prédiction de la structure des protéines.
Explore les réseaux d'interaction protéines-protéines, l'importance de la liaison, les approches expérimentales, l'identification des cibles médicamenteuses et la construction de réseaux.
