Joignez-vous à nous le jeudi 14 avril à 16h30 pour écouter Dr Emmanuel Noutahi – Bio-informaticien, ML scientifique et gestionnaire de la plateforme chez Valence Discovery
Titre : Sac de fonctionnalités : une perspective multi-instance sur la modélisation QSAR et la biologie computationnelle
Résumé :
Les approches QSAR modernes tirent régulièrement parti des avancées récentes de l’apprentissage automatique pour améliorer les modèles de prédiction des propriétés moléculaires utilisés pour prédire la bioactivité par calcul avant les tests expérimentaux.
Cependant, malgré les améliorations de la méthodologie, un goulot d’étranglement majeur des méthodes récentes reste le pouvoir de représentation du featurizer de la molécule, qui manque souvent de fidélité à la véritable structure moléculaire et/ou de pertinence par rapport à la tâche prédictive d’intérêt. Pour remédier à ces lacunes, tout en atténuant l’impact du choix de représentation sur les performances prédictives, nous proposons de formuler la tâche de prédiction des propriétés biologiques des molécules comme un problème d’apprentissage multi-instance dans lequel une seule étiquette est attribuée à un sac de descripteurs tous dérivés. à partir de la même structure 2D. L’approche proposée repose sur l’hypothèse que le QSAR est mieux capturé à travers plusieurs perspectives de représentation moléculaire au lieu d’une seule perspective.
Dans cette présentation, nous discuterons de diverses architectures du cadre d’apprentissage multi-instance proposé, y compris un agrégateur basé sur l’attention qui aide à donner un aperçu de la contribution de chaque représentation (instance) dans le sac vers les propriétés mesurées, puis discuter de l’application potentielle à tâches prédictives en biologie computationnelle.
Domaine de recherche: https://scholar.google.ca/citations?user=JcuwpbQAAAAJ&hl=fr
Deux façons de se joindre:
via jitsi (lien disponible au RSVP)
via YouTube Live: https://youtu.be/a6wK08fvgxs
À bientôt!
PS: Si vous désirez présenter dans un événement futur, contactez-nous via Meetup ou à info[AT]monbug.ca.