Action Exploratoire

ECxit

Vers une meilleure annotation enzymatique par apprentissage profond, au-delà de la classification EC
Vers une meilleure annotation enzymatique par apprentissage profond, au-delà de la classification EC

Les modèles de langage profonds, tels que ceux qui sous-tendent ChatGPT, ont révolutionné le traitement du langage naturel. En considérant les séquences de protéines comme un langage, le projet ECxit ambitionne de transposer ces avancées au domaine de la biologie. Son objectif est de développer une nouvelle méthode ainsi qu’une classification repensée des enzymes, permettant d’identifier ces dernières et de prédire précisément leurs fonctions à partir des séquences d’acides aminés, dans le but d’améliorer l’annotation des génomes.

Équipe(s) impliquée(s)

DYLISS

Contacts

François Coste

Responsable scientifique