DénaturationEn biochimie, la dénaturation est le processus par lequel une macromolécule biologique, acide nucléique ou protéine, perd sa conformation tridimensionnelle normale : les protéines perdent leur repliement et se déplient, les deux brins appariés des duplex d'acides nucléiques se séparent. Cette conformation tridimensionnelle est le plus souvent nécessaire pour que les macromolécules biologiques puissent remplir leur fonction et donc la dénaturation inactive en général ces macromolécules biologiques.
Microscope à effet tunnelthumb|Atomes de silicium à la surface d'un cristal de carbure de silicium (SiC). Image obtenue à l'aide d'un STM. Le microscope à effet tunnel (en anglais, scanning tunneling microscope, STM) est inventé en 1981 par des chercheurs d'IBM, Gerd Binnig et Heinrich Rohrer, qui reçurent le prix Nobel de physique pour cette invention en 1986. C'est un microscope en champ proche qui utilise un phénomène quantique, l'effet tunnel, pour déterminer la morphologie et la densité d'états électroniques de surfaces conductrices ou semi-conductrices avec une résolution spatiale pouvant être égale ou inférieure à la taille des atomes.
Protéines intrinsèquement désordonnéesLes protéines intrinsèquement désordonnées ou intrinsèquement non structurées sont des protéines qui manquent de structure tridimensionnelle stable, ce qui leur confère une forte plasticité qui est à l'origine de leur importance dans les phénomènes biologiques. Une protéine peut être totalement désordonnée, mais le cas le plus courant est celui où seulement une partie de la molécule, plus ou moins longue, est désordonnée (exemple : ).
Computational anatomyComputational anatomy is an interdisciplinary field of biology focused on quantitative investigation and modelling of anatomical shapes variability. It involves the development and application of mathematical, statistical and data-analytical methods for modelling and simulation of biological structures. The field is broadly defined and includes foundations in anatomy, applied mathematics and pure mathematics, machine learning, computational mechanics, computational science, biological imaging, neuroscience, physics, probability, and statistics; it also has strong connections with fluid mechanics and geometric mechanics.
Forêt d'arbres décisionnelsvignette|Illustration du principe de construction d'une forêt aléatoire comme agrégation d'arbre aléatoires. En apprentissage automatique, les forêts d'arbres décisionnels (ou forêts aléatoires de l'anglais random forest classifier) forment une méthode d'apprentissage ensembliste. Ils ont été premièrement proposées par Ho en 1995 et ont été formellement proposées en 2001 par Leo Breiman et Adele Cutler. Cet algorithme combine les concepts de sous-espaces aléatoires et de bagging.
ProtéasomeLes protéasomes sont des complexes enzymatiques multiprotéiques que l'on retrouve chez les eucaryotes, les archées ainsi que chez quelques bactéries de l'ordre Actinomycetales. Dans les cellules eucaryotes il se trouve dans le cytosol et est associé au réticulum endoplasmique ainsi que dans le noyau. Leur fonction principale est de dégrader les protéines mal repliées, dénaturées ou obsolètes de manière ciblée. Cette dégradation se fait par protéolyse, une réaction chimique qui coupe les liaisons peptidiques et qui est effectuée par des enzymes appelées protéases.
Intervalle de fluctuationEn mathématiques, un intervalle de fluctuation, aussi appelé intervalle de pari, permet de détecter un écart important par rapport à la valeur théorique pour une grandeur établie sur un échantillon. C'est un intervalle dans lequel la grandeur observée est censée se trouver avec une forte probabilité (souvent de l'ordre de 95 %). Le fait d'obtenir une valeur en dehors de cet intervalle s'interprète alors en mettant en cause la représentativité de l'échantillon ou la valeur théorique.
Apprentissage ensemblisteIn statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.
Physique au-delà du modèle standardLa physique au-delà du modèle standard se rapporte aux développements théoriques de la physique des particules nécessaires pour expliquer les défaillances du modèle standard, telles que l'origine de la masse, le problème de la violation CP de l'interaction forte, les oscillations des neutrinos, l'asymétrie matière-antimatière, et la nature de la matière noire et de l'énergie noire.
Repliement des protéinesthumb|right|300px|Repliement des protéines Le repliement des protéines est le processus physique par lequel un polypeptide se replie dans sa structure tridimensionnelle caractéristique dans laquelle il est fonctionnel. Chaque protéine commence sous forme de polypeptide, transcodée depuis une séquence d'ARNm en une chaîne linéaire d'acides aminés. Ce polypeptide ne possède pas à ce moment de structure tridimensionnelle développée (voir côté gauche de la figure).
