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.
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 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.
Déplacez-vous dans la façon dont la structure et le fonctionnement biologiques sont décodés par l'apprentissage non supervisé des séquences protéiques.
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.
Il s'agit d'analyser la coévolution des résidus dans les familles de protéines afin de saisir les contacts indigènes et de prédire la proximité spatiale et les interactions protéiques.
Explore le déchiffrage des empreintes digitales de l'interaction protéine-protéine à l'aide d'un apprentissage en profondeur géométrique et les défis de la conception de l'interaction protéine-protéine computationnelle.
Explore la spectrométrie de masse des protéines, les stratégies protéomiques, les techniques de séparation et les méthodes d'identification des protéines en utilisant les données MS / MS.
Couvre les méthodes d'exploration, de purification et d'analyse des protéines, y compris le séquençage, la mesure de la concentration et la détection des anticorps.
Explore un cadre unifié pour la compréhension et l'évaluation de modèles de séquences génériques d'ADN/ARN ou de protéines, couvrant des sujets tels que la coévolution, la conservation et différents modèles tels que GREMLIN et BERT.
