Skip to Main content Skip to Navigation
Master Thesis

Les apports du machine learning dans la synthèse de molécules médicamenteuses

Résumé : 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.
Document type :
Master Thesis
Complete list of metadata

https://dumas.ccsd.cnrs.fr/dumas-03188573
Contributor : Santé Uca <>
Submitted on : Friday, April 2, 2021 - 11:06:58 AM
Last modification on : Tuesday, April 20, 2021 - 3:31:55 AM
Long-term archiving on: : Saturday, July 3, 2021 - 6:20:59 PM

File

GORNY Hubert.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : dumas-03188573, version 1

Collections

Citation

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

Share

Metrics

Record views

51

Files downloads

258