Laboratoire d'informatique de l'École polytechnique

Soutenance de thèse d'Amélie Héliou: «Conformations moléculaire et théorie des jeux»

Speaker: Amélie Héliou
Location: Amphi. Sophie Germain, bâtiment Alan Turing
Date: Jeu. 31 août. 2017, 14h00-16h00

Amélie Héliou soutiendra sa thèse intitulée «Conformations moléculaire et théorie des jeux» le jeudi 31 août 2017 dans l'amphithéâtre Sophie Germain du bâtiment Alan Turing.

Résumé: Les protéines et acides ribonucléiques sont les principaux acteurs de nombreux processus cellulaires. Comprendre leurs fonctions, structures et interactions est un challenge important. Les méthodes expérimentales fournissent des informations sur la structure et la dynamique des molécules. Cependant les méthodes expérimentales sont limitées par le nombre de molécules qu’elles peuvent observer et les moyens qu’elles requièrent. Les méthodes de prédiction permettent d’obtenir des informations structurelles de façon quasi-automatique. Pour s’assurer de leur fiabilité, elles sont testées sur des données expérimentales. Nous présentons une procédure basée sur la cinétique inverse pour trouver une transition entre deux conformations d’un ARN tout en conservant sa structure secondaire. Nous obtenons des résultats comparables à l’état de l’art, ce qui montre que notre sélection des degrés de liberté est pertinente. De plus, nous utilisons des données partielles, ce qui permet d’utiliser différents types de résultats expérimentaux. Nous abordons aussi le problème du repliement protéique par une approche de théorie des jeux. Nous représentons une protéine par un jeu où les joueurs sont les acides aminés et les stratégies, les angles dièdres. La prédiction de structure peut alors être vue comme la recherche d’un équilibre dans un jeu multi-joueur où les fonctions d’utilité correspondent à la qualité du repliement. Nous montrons que l’algorithme de non-regret, appelé Hedge, garantit l’élimination des stratégies dominées et la convergence locale vers un équilibre de Nash. Puis, en limitant notre analyse aux jeux de potentiel, nous montrons qu’une classe plus large d’algorithmes, les algorithmes de régularisation, convergent vers un équilibre de Nash presque surement.