Documents disponibles écrits par cet auteur

PRÉDICTION DE LA TOXICITÉ DES PRODUITS CHIMIQUES EN UTILISANT L’INTELLIGENCE ARTIFICIELLE / Oussama LAKHDAR 

Public ISBD Titre : PRÉDICTION DE LA TOXICITÉ DES PRODUITS CHIMIQUES EN UTILISANT L’INTELLIGENCE ARTIFICIELLE Type de document : thèse Auteurs : Oussama LAKHDAR, Auteur Langues : Français (fre) Mots-clés : Toxicologie in silico  Relation structure activité  intelligence artificielle  prédiction de la toxicité  SVM  CNN  modélisation Résumé : La toxicologie joue un rôle crucial dans le développement des médicaments, et aucun médicament ne peut obtenir son autorisation de mise sur le marché sans passer des tests de toxicité. Ces tests sont soit sur des animaux (in vivo) comme des rats, des chats, des chiens etc. soit in vitro sur des cellules. Cependant, ces méthodes traditionnelles sont coûteuses et nécessitent beaucoup de travail et de temps ; l'ère de l'intelligence artificielle et du Big Data, la prédiction de la toxicité peut bénéficier de l'apprentissage automatique, qui a été largement utilisé dans de nombreux domaines tels que la reconnaissance d'images, la chimie computationnelle, la conception des médicaments et la bioinformatique avec d'excellentes performances. Nous abordons dans notre thèse certaines techniques d’intelligence artificielle notamment l'apprentissage profond Convolution Neural Network (CNN) et machine à vaste de marge (SVM) et leur utilisation dans l'étude et la prédiction de la toxicité des médicaments en raison du faible coût financier et temporel de ces techniques et de leur utilisation pour aider les techniques traditionnelles (in vitro et in vivo). Numéro (Thèse ou Mémoire) : P1102021 Président : Rachid El Jaoudi Directeur : Yassir BOUSLIMAN Juge : El Harti Jaouad Juge : Mouad Sentiss PRÉDICTION DE LA TOXICITÉ DES PRODUITS CHIMIQUES EN UTILISANT L’INTELLIGENCE ARTIFICIELLE [thèse] / Oussama LAKHDAR, Auteur . - [s.d.]. Langues : Français (fre) Mots-clés : Toxicologie in silico  Relation structure activité  intelligence artificielle  prédiction de la toxicité  SVM  CNN  modélisation Résumé : La toxicologie joue un rôle crucial dans le développement des médicaments, et aucun médicament ne peut obtenir son autorisation de mise sur le marché sans passer des tests de toxicité. Ces tests sont soit sur des animaux (in vivo) comme des rats, des chats, des chiens etc. soit in vitro sur des cellules. Cependant, ces méthodes traditionnelles sont coûteuses et nécessitent beaucoup de travail et de temps ; l'ère de l'intelligence artificielle et du Big Data, la prédiction de la toxicité peut bénéficier de l'apprentissage automatique, qui a été largement utilisé dans de nombreux domaines tels que la reconnaissance d'images, la chimie computationnelle, la conception des médicaments et la bioinformatique avec d'excellentes performances. Nous abordons dans notre thèse certaines techniques d’intelligence artificielle notamment l'apprentissage profond Convolution Neural Network (CNN) et machine à vaste de marge (SVM) et leur utilisation dans l'étude et la prédiction de la toxicité des médicaments en raison du faible coût financier et temporel de ces techniques et de leur utilisation pour aider les techniques traditionnelles (in vitro et in vivo). Numéro (Thèse ou Mémoire) : P1102021 Président : Rachid El Jaoudi Directeur : Yassir BOUSLIMAN Juge : El Harti Jaouad Juge : Mouad Sentiss

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
P1102021	WA	Thèse imprimé	Unité des Thèses et Mémoires	ThèsesPharm2021	Disponible
P1102021-1	WA	Thèse imprimé	Unité des Thèses et Mémoires	ThèsesPharm2021	Disponible

Documents numériques

P1102021 URL