एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
Annotation de Gène
Processus d'identification et de marquage des éléments fonctionnels (gènes, régions régulatrices) dans une séquence génomique, souvent automatisé par des modèles d'IA pour prédire la fonction des protéines.
Appel de Variants
Détection algorithmique des variations génétiques (SNP, indels) par rapport à un génome de référence, où les modèles d'apprentissage automatique améliorent la précision en réduisant les faux positifs.
Expression Différentielle
Analyse statistique et par IA pour identifier les gènes dont les niveaux d'expression (ARNm) varient significativement entre différentes conditions biologiques, révélant des mécanismes moléculaires.
Réseaux de Co-expression
Graphes où les nœuds sont des gènes et les arêtes représentent des corrélations d'expression, construits par des algorithmes de clustering pour découvrir des modules fonctionnels ou des voies métaboliques.
Prédiction de Structure Protéique (AlphaFold)
Utilisation de réseaux de neurones profonds pour prédire la structure tridimensionnelle des protéines à partir de leur séquence d'acides aminés, révolutionnant la biologie structurelle.
Phylogénie Moléculaire
Reconstitution des arbres évolutifs entre espèces ou gènes en utilisant des alignements de séquences et des modèles probabilistes d'IA pour inférer les relations ancestrales.
Imputation Génotypique
Prédiction statistique des génotypes manquants dans des données génétiques en se basant sur des panels de référence et des modèles d'apprentissage, augmentant la puissance des études d'association.
Étude d'Association Pangénomique (GWAS)
Analyse à grande échelle visant à trouver des variations génétiques associées à des traits ou maladies, où le machine learning aide à corriger les multiples comparaisons et à identifier des interactions complexes.
Apprentissage Fédéré en Génomique
Technique d'entraînement de modèles sur des données génomiques décentralisées sans les centraliser, préservant la confidentialité des patients tout en améliorant la robustesse des prédictions.
Sélection de Gènes
Processus d'identification d'un sous-ensemble de gènes les plus pertinents pour un phénotype donné, utilisant des algorithmes comme LASSO ou les forêts aléatoires pour réduire la dimensionnalité.
ARN Interférent (RNAi) et Prédiction de Cibles
Utilisation de modèles d'apprentissage pour prédire les sites de liaison des molécules d'ARNi sur les ARNm, optimisant la conception de thérapies géniques basées sur l'épissage.
Apprentissage par Renforcement pour la Conception de Molécules
Application de l'IA pour générer de nouvelles molécules thérapeutiques en optimisant itérativement leurs propriétés pharmacologiques via des boucles de rétroaction.
Analyse de Chromatine (Hi-C)
Technique de séquençage 3D pour cartographier les interactions physiques entre régions génomiques, où les algorithmes d'IA reconstruisent la structure tridimensionnelle du génome.
Modèles de Langage pour les Protéines (ProtBERT)
Réseaux de neurones pré-entraînés sur des millions de séquences protéiques pour capturer des motifs évolutifs et fonctionnels, améliorant les prédictions de fonction et d'interaction.
Détection de Fusion de Gènes
Identification algorithmique de gènes hybrides résultant de réarrangements chromosomiques, souvent associés à des cancers, via l'analyse de données RNA-seq avec des modèles de deep learning.