En int\u00e9grant le criblage virtuel, la dynamique mol\u00e9culaire et les approches de m\u00e9canique quantique, ce flux de travail permet une optimisation guid\u00e9e par la structure des colles mol\u00e9culaires, am\u00e9liorant les interactions de liaison, la stabilit\u00e9 et la confiance dans la priorisation. <\/p>\n\n
Il en r\u00e9sulte une approche syst\u00e9matique et \u00e9volutive<\/strong> permettant d’acc\u00e9l\u00e9rer la d\u00e9couverte de colles mol\u00e9culaires au-del\u00e0 des m\u00e9thodes traditionnelles par essais et erreurs.<\/p>\n\n Flux de travail informatique int\u00e9gr\u00e9 pour les colles mol\u00e9culaires<\/strong> Strat\u00e9gie d’optimisation rationnelle de la colle<\/strong> \u00c9tude de cas\u00a0: complexe DDB1\u2013CDK12\u2013Cycline K<\/strong> Techniques de mod\u00e9lisation avanc\u00e9es<\/strong> pour la priorisation des compos\u00e9s par l’IA<\/strong> Les colles mol\u00e9culaires r\u00e9volutionnent la d\u00e9gradation cibl\u00e9e des prot\u00e9ines, mais leur optimisation demeure complexe et gourmande en ressources. Ce poster pr\u00e9sente un flux de travail de chimie computationnelle int\u00e9gr\u00e9, combinant intelligence artificielle g\u00e9n\u00e9rative et mod\u00e9lisation physique, pour une conception et une priorisation plus rapides et rationnelles des colles mol\u00e9culaires. <\/p>\n","protected":false},"featured_media":22542,"template":"","category":[811,1471,899,820],"class_list":["post-22541","poster","type-poster","status-publish","has-post-thumbnail","hentry","category-conception-de-medicaments-assistee-par-ordinateur","category-degradation-ciblee-des-proteines","category-depistage-virtuel","category-modalites"],"acf":[],"yoast_head":"\nContenu de l’affiche\u00a0:<\/h2>\n\n