Using machine learning to explain the fitness landscape of an enzyme involved in antibiotic resistance
Le génome d’un organisme contient l’information nécessaire à son développement. Une partie de cette information est utilisée comme « instructions » pour
des cellules pour synthétiser des molécules appelées protéines, qui accomplissent la plupart des fonctions de la cellule. Cependant, avec le temps, des changements dans le
L’information génomique peut survenir. Ces changements (mutations) peuvent avoir toutes sortes d’effets : certains peuvent causer des maladies, d’autres
Conférer une résistance antibiotique aux bactéries. Ainsi, de nombreux travaux se sont concentrés sur l’étude de ce qui détermine les effets des mutations. Nous
a sélectionné une protéine impliquée dans la résistance aux antibiotiques et teste expérimentalement les effets de toutes les mutations possibles sur sa
Séquence pour comprendre les déterminants de leurs effets. Nous croyons que ces déterminants sont une combinaison de plusieurs facteurs :
Combien de protéine la cellule produit, type de mutation, etc. Utilisation de l’apprentissage automatique et intégration de données provenant de plusieurs
Nous visons à identifier les schémas sous-jacents et l’importance relative de chacun de ces facteurs.
Christian Landry
Institut Weizmann des sciences
Sciences de la vie
Sciences de la vie (pas santé); Sciences de la santé et technologies connexes; Intelligence artificielle; Science quantique
Université Laval
Bourse de recherche Globalink