Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for subject:( potentiels statistiques). Showing records 1 – 2 of 2 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters


Université Montpellier II

1. Bonnard, Cécile. Optimisation de potentiels statistiques pour un modèle d'évolution soumis à des contraintes structurales : Optimization of statistical potentials for a structurally constrained evolutionary model.

Degree: Docteur es, Informatique, 2010, Université Montpellier II

Ces dernières années, plusieurs modèles d'évolution moléculaire, basés sur l'hypothèse que les séquences des protéines évoluent sous la contrainte d'une structure bien définie et constante au cours de l'évolution, ont été développés. Cependant, un tel modèle repose sur l'expression de la fonction représentant le lien entre la structure et sa séquence. Les potentiels statistiques proposent une solution intéressante, mais parmi l'ensemble des potentiels statistiques existants, lequel serait le plus approprié pour ces modèles d'évolution ? Dans cette thèse est développé un cadre probabiliste d'optimisation de potentiels statistiques, dans le contexte du maximum de vraisemblance, et dans une optique de protein design. Ce cadre intègre différentes méthodes d'optimisation, incluant la prise en compte de structures alternatives pour l'optimisation des potentiels, et fournit un cadre robuste et des tests statistiques (à la fois dans le contexte de l'optimisation des potentiels mais aussi dans le contexte de l'évolution moléculaire) permettant de comparer différentes méthodes d'optimisation de potentiels statistiques pour les modèles soumis à des contraintes structurales.

In the field of molecular evolution, so called Structurally constrained (SC) models have been developped. Expressed at the codon level, they explicitely separe the mutation (applied to the nucleotide sequence) and the selection (applied to the encoded protein sequence) factors. The selection factor is described as a function between the structure and the sequence of the protein, via the use of a statistical potential. However, the whole evolutionary model depends on the expression of this potential, and one can ask wether a potential would be better than another. In this thesis, is developped a probabilistic framework to optimize statistical potentials especially meant for protein design, using a maximum likelihood approach. The statistical potential used in this thesis is composed by a contact potential and a solvent accessibility potential, but the probabilistic framework can easily be generalized to more complex statistical potentials. In a first part, the framework is defined, and then an algorithmical enhancement is proposed, and finally, the framework is modified in order to take into account misfolded structures (decoys). The framework defined in this thesis and in other works allows to compare different optimization methods of statistical potentials for SC models, using cross-validation and Bayes factor comparisons.

Advisors/Committee Members: Gascuel, Olivier (thesis director).

Subjects/Keywords: Évolution moléculaire; Potentiels statistiques; Protein design; Optimisation; Modèle probabiliste; Molecular evolution; Statistical potential; Protein design; Optimization; Probabilistic model

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Bonnard, C. (2010). Optimisation de potentiels statistiques pour un modèle d'évolution soumis à des contraintes structurales : Optimization of statistical potentials for a structurally constrained evolutionary model. (Doctoral Dissertation). Université Montpellier II. Retrieved from http://www.theses.fr/2010MON20009

Chicago Manual of Style (16th Edition):

Bonnard, Cécile. “Optimisation de potentiels statistiques pour un modèle d'évolution soumis à des contraintes structurales : Optimization of statistical potentials for a structurally constrained evolutionary model.” 2010. Doctoral Dissertation, Université Montpellier II. Accessed May 22, 2019. http://www.theses.fr/2010MON20009.

MLA Handbook (7th Edition):

Bonnard, Cécile. “Optimisation de potentiels statistiques pour un modèle d'évolution soumis à des contraintes structurales : Optimization of statistical potentials for a structurally constrained evolutionary model.” 2010. Web. 22 May 2019.

Vancouver:

Bonnard C. Optimisation de potentiels statistiques pour un modèle d'évolution soumis à des contraintes structurales : Optimization of statistical potentials for a structurally constrained evolutionary model. [Internet] [Doctoral dissertation]. Université Montpellier II; 2010. [cited 2019 May 22]. Available from: http://www.theses.fr/2010MON20009.

Council of Science Editors:

Bonnard C. Optimisation de potentiels statistiques pour un modèle d'évolution soumis à des contraintes structurales : Optimization of statistical potentials for a structurally constrained evolutionary model. [Doctoral Dissertation]. Université Montpellier II; 2010. Available from: http://www.theses.fr/2010MON20009


Université de Montréal

2. Kleinman, Claudia L. Statistical potentials for evolutionary studies .

Degree: 2010, Université de Montréal

Les séquences protéiques naturelles sont le résultat net de l’interaction entre les mécanismes de mutation, de sélection naturelle et de dérive stochastique au cours des temps évolutifs. Les modèles probabilistes d’évolution moléculaire qui tiennent compte de ces différents facteurs ont été substantiellement améliorés au cours des dernières années. En particulier, ont été proposés des modèles incorporant explicitement la structure des protéines et les interdépendances entre sites, ainsi que les outils statistiques pour évaluer la performance de ces modèles. Toutefois, en dépit des avancées significatives dans cette direction, seules des représentations très simplifiées de la structure protéique ont été utilisées jusqu’à présent. Dans ce contexte, le sujet général de cette thèse est la modélisation de la structure tridimensionnelle des protéines, en tenant compte des limitations pratiques imposées par l’utilisation de méthodes phylogénétiques très gourmandes en temps de calcul. Dans un premier temps, une méthode statistique générale est présentée, visant à optimiser les paramètres d’un potentiel statistique (qui est une pseudo-énergie mesurant la compatibilité séquence-structure). La forme fonctionnelle du potentiel est par la suite raffinée, en augmentant le niveau de détails dans la description structurale sans alourdir les coûts computationnels. Plusieurs éléments structuraux sont explorés : interactions entre pairs de résidus, accessibilité au solvant, conformation de la chaîne principale et flexibilité. Les potentiels sont ensuite inclus dans un modèle d’évolution et leur performance est évaluée en termes d’ajustement statistique à des données réelles, et contrastée avec des modèles d’évolution standards. Finalement, le nouveau modèle structurellement contraint ainsi obtenu est utilisé pour mieux comprendre les relations entre niveau d’expression des gènes et sélection et conservation de leur séquence protéique. Advisors/Committee Members: Philippe, Hervé (advisor), Lartillot, Nicolas (advisor).

Subjects/Keywords: Évolution moléculaire; structure des protéines; Markov chain Monte Carlo; maximum de vraisemblance; statistique Bayesienne; potentiels statistiques; molecular evolution; protein structure; Markov chain Monte Carlo; maximum likelihood; Bayesian statistics; statistical potentials

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Kleinman, C. L. (2010). Statistical potentials for evolutionary studies . (Thesis). Université de Montréal. Retrieved from http://hdl.handle.net/1866/5185

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Chicago Manual of Style (16th Edition):

Kleinman, Claudia L. “Statistical potentials for evolutionary studies .” 2010. Thesis, Université de Montréal. Accessed May 22, 2019. http://hdl.handle.net/1866/5185.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

MLA Handbook (7th Edition):

Kleinman, Claudia L. “Statistical potentials for evolutionary studies .” 2010. Web. 22 May 2019.

Vancouver:

Kleinman CL. Statistical potentials for evolutionary studies . [Internet] [Thesis]. Université de Montréal; 2010. [cited 2019 May 22]. Available from: http://hdl.handle.net/1866/5185.

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

Council of Science Editors:

Kleinman CL. Statistical potentials for evolutionary studies . [Thesis]. Université de Montréal; 2010. Available from: http://hdl.handle.net/1866/5185

Note: this citation may be lacking information needed for this citation format:
Not specified: Masters Thesis or Doctoral Dissertation

.