Un noyau sur graphe prenant en compte la stéréoisomérie des molécules

Pierre-Anthony Grenier 1 Luc Brun 1 Didier Villemin 2
1 Equipe Image - Laboratoire GREYC - UMR6072
GREYC - Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen
Résumé : L'étude des relations quantitatives structure-activité (QSAR) ou structure-propriété (QSPR) sont deux domaines de recherche actifs, où le but est la prédiction de propriétés de molécules. Dans ces domaines, les noyaux sur graphes permettent de combiner la représentation naturelle des molécules par des graphes avec des méthodes classiques d'apprentissage automatique tels que les machines à vecteurs de support. Malheureusement, le positionnement relatif des atomes dans l'espace peut être différent pour des molécules représentées par un même graphe, ces molécules peuvent donc avoir des propriétés différentes. Ces molécules sont appelées stéréoisomères. Les propriétés variant entre les stéréoisomères ne peuvent pas être prédites par les méthodes habituelles basées sur des graphes simples. Dans cet article, nous présentons une nouvelle représentation des molécules qui prend en compte la stéréoisomérie et nous proposons un noyau entre ces structures permettant de prédire des propriétés liées à la stéréoisomérie.
Type de document :
Communication dans un congrès
Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, Rouen, France. 2014
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00988762
Contributeur : Sébastien Adam <>
Soumis le : vendredi 9 mai 2014 - 09:55:14
Dernière modification le : jeudi 7 février 2019 - 17:42:30
Document(s) archivé(s) le : samedi 9 août 2014 - 10:45:39

Fichier

rfia2014_submission_88.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-00988762, version 1

Citation

Pierre-Anthony Grenier, Luc Brun, Didier Villemin. Un noyau sur graphe prenant en compte la stéréoisomérie des molécules. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, Rouen, France. 2014. 〈hal-00988762〉

Partager

Métriques

Consultations de la notice

264

Téléchargements de fichiers

201