Explore le repliement des protéines, les interactions hydrophobes, les conformations compactes, le modèle HP, la co-évolution et les méthodes de calcul.
Explore l'analyse co-évolutionnaire des protéines, couvrant les fonctions protéiques, le pliage, les corrélations, le DCA et les outils de prédiction de la structure comme AlphaFold 2.
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 la prédiction de la structure des protéines à partir des données de séquence et déduit les partenaires d'interaction par l'analyse de couplage direct et l'algorithme d'appariement itératif.
Se penche sur la prédiction de la structure des protéines grâce à l'analyse des contacts avec les acides aminés et à des méthodes informatiques avancées.
Plonge dans l’entropie des données neuroscientifiques et de l’écologie, explorant la représentation de l’information sensorielle et la diversité des populations biologiques.
Explore l'entropie, le caractère aléatoire et la quantification de l'information dans l'analyse des données biologiques, y compris les neurosciences et la prédiction de la structure des protéines.
Couvre les fondamentaux de la conception des protéines, y compris les structures secondaires, la propension aux acides aminés, les boucles et les méthodes de calcul.
