Les apports du machine learning dans la synthèse de molécules médicamenteuses - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Access content directly
Master Thesis Year : 2020

Les apports du machine learning dans la synthèse de molécules médicamenteuses

Abstract

Il est possible de retrouver la notion de traitement dans les écrits des plus anciennes civilisations de l’humanité. Au fur et à mesure des années, ces remèdes, la façon de les rechercher et de les administrer ont évolué et se sont modernisés. La recherche moderne est le fruit de ces nombreuses années d’évolution, et semble avoir atteint aujourd’hui une nouvelle étape. En effet, la loi de Eroom est une preuve que la découverte de nouveaux médicaments est actuellement dans une impasse car trop chère et trop complexe. L’un des devoirs des chercheurs est de surpasser ce problème. Un des outils qui permettrait un nouvel essor dans la création de médicaments est l’utilisation d’intelligences artificielles. Le machine learning a notamment un intérêt évident car permet d’accélérer le processus de découverte et de le rendre plus précis et ce afin d’éviter des dépenses inutiles. C’est pour cela que depuis une petite dizaine d’années, de nombreuses entreprises d’intelligences artificielles spécialisées dans la recherche pharmaceutique ont vu le jour. Cette thèse fait le focus sur les entreprises travaillant pour la création de nouveaux médicaments avec une attention toute particulière à celles utilisant des systèmes de machine learning permettant la création de nouvelles molécules médicamenteuses.
Fichier principal
Vignette du fichier
GORNY Hubert.pdf (4.41 Mo) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

dumas-03188573 , version 1 (02-04-2021)

Identifiers

  • HAL Id : dumas-03188573 , version 1

Cite

Hubert Gorny. Les apports du machine learning dans la synthèse de molécules médicamenteuses. Sciences du Vivant [q-bio]. 2020. ⟨dumas-03188573⟩
109 View
1246 Download

Share

Gmail Facebook X LinkedIn More