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.
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 la prédiction du contact avec les protéines à l'aide des modèles Potts et des méthodes de pseudo-probabilité, en comparant différentes approches pour la prédiction du contact dans les protéines.
Explore les réseaux d'interaction protéines-protéines, l'importance de la liaison, les approches expérimentales, l'identification des cibles médicamenteuses et la construction de réseaux.
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'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.
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.
