A Reinforcement Learning Approach to Protein Loop Modeling

Kevin Molloy 1 Nicolas Buhours 2 Marc Vaisset 3 Thierry Siméon 1 Étienne Ferré 2 Juan Cortés 1
1 LAAS-RIS - Équipe Robotique et InteractionS
LAAS - Laboratoire d'analyse et d'architecture des systèmes [Toulouse]
3 LAAS-IDEA - Service Informatique : Développement, Exploitation et Assistance
LAAS - Laboratoire d'analyse et d'architecture des systèmes [Toulouse]
Abstract : Modeling the loop regions of proteins is an active area of research due to their significance in defining how the protein interacts with other molecular partners. The high structural flexibility of loops presents formidable challenges for both experimental and computational approaches. In this work, we combine a robotics approach with reinforcement learning (RL) to compute an ensemble of loop configurations. We are actively performing experiments on well known benchmark sets to illustrate how RL improves the efficiency and effectiveness of our approach.
Type de document :
Communication dans un congrès
IEEE/RSJ International Conference on Intelligent Robots and Systems, Sep 2015, Hamburg, Germany. 2015
Liste complète des métadonnées

Littérature citée [7 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01206128
Contributeur : Kevin Molloy <>
Soumis le : lundi 28 septembre 2015 - 14:35:09
Dernière modification le : mercredi 11 janvier 2017 - 01:04:29
Document(s) archivé(s) le : mardi 29 décembre 2015 - 10:30:41

Fichiers

MolloyCortes_IROS15_Abstract.p...
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-01206128, version 1

Citation

Kevin Molloy, Nicolas Buhours, Marc Vaisset, Thierry Siméon, Étienne Ferré, et al.. A Reinforcement Learning Approach to Protein Loop Modeling. IEEE/RSJ International Conference on Intelligent Robots and Systems, Sep 2015, Hamburg, Germany. 2015. 〈hal-01206128〉

Partager

Métriques

Consultations de
la notice

322

Téléchargements du document

119