Generative topographic mapping : a powerful tool for big chemical data visualization, analysis and modeling - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2019

Generative topographic mapping : a powerful tool for big chemical data visualization, analysis and modeling

Cartographie topographique générative : un outil puissant pour la visualisation, l'analyse et la modélisation de données chimiques volumineuses

Résumé

This thesis concerns the application of the Generative Topographic Mapping (GTM) approach to the analysis, visualization, and modeling of Big Data in chemistry. The main topics covered in this work are multi-target virtual screening in drug design and large chemical libraries visualization, analysis, and comparison. Several methodological developments were suggested: (i) an automatized hierarchical GTM zooming algorithm helping to resolve the map resolution problem; (ii) an automatized Maximum Common Substructure (MCS) extraction protocol improving efficiency of data analysis; (iii) constrained GTM-based screening allowing to detect molecules with a desired pharmacological profile, and (iv) a parallel GTM technique, which significantly increases the speed of GTM training. Developed methodologies were implemented in a software package used in both academic (University of Strasbourg, France) and industrial (Boehringer Ingelheim Pharma company, Germany) projects.
Cette thèse concerne l'utilisation de Cartographie Topographique Générative (Generative Topographie Mapping - GTM) pour l'analyse, la visualisation et la modélisation de grands volumes de données chimiques. Les principaux sujets traités dans ces travaux sont le criblage virtuel multi-cibles dans la conception de médicaments et la visualisation, l'analyse et la comparaison de grandes chimiothèques. Plusieurs développements méthodologiques ont été proposés : (1) un algorithme de zoom hiérarchique automatisé pour la GTM afin d'aider à résoudre le problème de la résolution des cartes ; (i1) un protocole d'extraction automatisé des Sous-structures Maximum Communes (MCS) pour améliorer l'efficacité de l'analyse de données ; (iit) un criblage contraint basé sur la GTM permettant de détecter les molécules avec un profil pharmacologique souhaité, et (iv) une technique de GTM parallèle, qui réduit significativement le temps nécessaire pour construire une carte. Les méthodologies développées ont été implémentées sous forme de logiciel, utilisé à la fois dans des projets académiques (Université de Strasbourg, France) et industriels (Compagnie Boehringer lngelheim Pharma, Allemagne)
Fichier principal
Vignette du fichier
Lin_Arkadii_2019_ED222.pdf (26.4 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-02493288 , version 1 (27-02-2020)

Identifiants

  • HAL Id : tel-02493288 , version 1

Citer

Arkadii Lin. Generative topographic mapping : a powerful tool for big chemical data visualization, analysis and modeling. Cheminformatics. Université de Strasbourg, 2019. English. ⟨NNT : 2019STRAF017⟩. ⟨tel-02493288⟩
247 Consultations
20 Téléchargements

Partager

Gmail Facebook X LinkedIn More