Objectifs de la chaire
L’objectif de la chaire est de développer et appliquer des technologies hybrides d’IA dans le contexte de la conception, et plus précisément la conception moléculaire (protéique) avec une cible qui couvre l’ensemble des spectres qui vont du développement algorithmique à l’application à de vraies molécules qui seront testées expérimentalement.
Concevoir nécessite de construire des objets originaux répondant à des contraintes (physiques et contraintes de conception) dans une famille existante de conceptions à partir de laquelle des connaissances peuvent être extraites par Machine Learning et Deep Learning.
Nous souhaitons combiner le raisonnement automatisé, en utilisant le Solveur de problèmes de satisfaction de contraintes (WCSP) (toulbar2) développé à Toulouse, afin de résoudre les problèmes de conception de base (combinaison de contraintes et de critères), avec du Machine Learning qui capture « orientations de conception » (critères) à partir des conceptions/solutions existantes ainsi que du Deep Learning, utilisé pour ses capacités perceptives et non linéaires.
Programmes : IA acceptable, certifiable & collaborative
Thèmes : apprentissages avec peu de données ou des données complexes, IA et modèles physiques, Raisonnement automatique et décision, explicabilité
Porteur :
Thomas Schiex, DR Inra, MIAT
Co-chairs :
- Sophie Barbe, INSA Toulouse,
- David Simoncini, Irit
- Simon de Givry (INRAE, MIAT
- George Katsirelos (INRAE, MIAT)
Porteur : Thomas Schiex, INRAE
Co-chairs:
- Simon de Givry (INRAE, MIAT)
- George Katsirelos (INRAE, MIAT)
- Sophie Barbe (INRAE, Toulouse Biotechnology Institute), David Simoncini (UT1, IRIT)
Doctorants :
- Valentin Durante (2020-), Pierre Montalbano (2020-) via ANITI.
- Mariane Defresne (SEVAB – BIOEco & ANITI labelled), Manon Ruffini (ENS Rennes), Jelena Vucinic (INRAE/R.gion). Y. Bouchiba (SEVAB)
Thomas Schiex : AAAI Fellow 2020
- Improved Acyclicity Reasoning for Bayesian Network Structure Learning with Constraint Programming, F. Trösser, S. de Givry, G.Katsirelos. IJCAI 2021
- Pushing data into CP models using Graphical Model Learning and Solving. C. Brouard, S. de Givry, T. Schiex. CP’2020
- Guaranted Diversity and Optimality in Cost Function Network Based Computational Protein Design Methods. M. Ruffini, J. Vucinic, S. de Givry, G. Katsirelos, S. Barbe, T. Schiex. Algorithms, 2021.
- Positive Multi-State Protein Design. J. Vučinić, D. Simoncini, M.Ruffini, S . Barbe, T. Schiex. Bioinformatics (2020).
- Computational design of symmetrical 8-bladed bêta-propeller proteins. Noguchi, H., Addy, C.,Simoncini, D., Wouters, S., Mylemans, B., Van Meervelt, L., Schiex, T., Zhang, K.Y.J., Tame, J.R.H. & Voet, A.R.D. (2019). IUCrJ 6.
- A comparative study to decipher the structural and dynamics determinants underlying the activity and thermal stability of GH-11 xylanases. J. Vucinic, G. Novikov, C. Montanier, C. Dumon, T.Schiex and S. Barbe. Molecular Biophysics, Computational Studies of Biomolecules, II. June 2021.
- Seven amino acid types suffice to reconstruct the core fold of RNA polymerase. S. Yagi, A.K Padhi, J. Vucinic, S. Barbe, T. Schiex, R. Nakagawa, D. Simoncini, K.Zhang, S. Tagami. bioRxiv, 2021.
- Computational Design of miniprotein binders. Y. Bouchiba, M.Ruffini, T. Schiex, S. Barbe. To appear as a chapter in a book on Peptide Design, Methods in Enzymology Series, Springer, 2021
- Molecular flexibility in computational protein design: an algorithmic perspective. Y. Bouchiba, J.Cortés, T. Schiex, S. Barbe Protein Engineering Design and Selection, May 2021.
- Iterated Local Search with Partition Crossover for Computational Protein Design. F Beuvin, S de Givry, T Schiex, S Verel, D Simoncini. PROTEINS: Structure, Function, and Bioinformatics, May 2021.
- Protein design by provable algorithms. Hallen, M. A., & Donald, B. R. (2019). Communications of the ACM, 62(10), 76-84.
- Designing peptides on a quantum computer. Mulligan, Vikram Khipple, et al. bioRxiv (2020): 752485.
En savoir +
Biologie et IA : le duo vertueux de Thomas Schiex
L’IA doit servir l’humanité. Appliquée à la biologie, les algorithmes offrent de grandes opportunités d’applications. Rencontre avec Thomas Schiex, le bio informaticien qui relie la théorie à la pratique.
Café du quai : « comment l’intelligence artificielle résout les casse-têtes (les plus sérieux) »
Thomas Schiex, chercheur INRAE Occitanie-Toulouse a présenté ses travaux de recherche au Quai des savoirs dans le cadre des « Rencontres Exploreur » proposées par l’institut interdisciplinaire d’intelligence artificielle de Toulouse (ANITI).
Thomas Schiex reçoit le EurAI Fellows, pour ses travaux exceptionnels au service de l’Intelligence Artificielle