Couvre les principes fondamentaux et les applications des simulations à gros grains, y compris les avantages, les défis, les simulations à une seule échelle, les techniques de modélisation du cerveau et les membranes lipidiques à gros grains.
Couvre la lipidation des protéines, la localisation des membranes, les principales classes lipidiques, la modulation de la signalisation et les radeaux lipidiques dans les membranes biologiques.
Explore des méthodes numériques stochastiques efficaces pour la modélisation et l'apprentissage, couvrant des sujets comme le moteur d'analyse et les inhibiteurs de la kinase.
Explore les simulations de dynamique moléculaire sous des contraintes holonomiques, en se concentrant sur l'intégration numérique et la formulation d'algorithmes.
Explore la lipidation des protéines, la localisation des membranes, l'impact de la modification des lipides sur la signalisation et les processus de lipidation dynamique.
Introduit des méthodes de pointe dans l'optimisation et la simulation, couvrant des sujets tels que l'analyse statistique, la réduction de la variance et les projets de simulation.
