Votre espace

l'offre formation sur l'offre d'emploi


Initiation à la Chémoinformatique - Alsace

Partager cette offre sur facebook   Partager sur twitter   Partager sur viadeo   

Initiation à la Chémoinformatique

Formation - Ecole - Enseignement - Alsace - 67 - Bas-Rhin - STRASBOURG

Description de la formation

Objectifs

La modélisation QSAR (Quantitative Structure Activity Relationship) en Chémoinformatique, vise à construire des modèles statistiques prédictifs reliant la structure chimique de composés à leurs propriétés physico-chimiques ou biologiques. Ces modèles recherchent et exploitent des régularités dans les données stockées dans les bases de données en chimie. Il importe donc de maîtriser la façon dont on stocke et recherche de l'information sur des molécules. Les approches Chémoinformatiques sont très utilisées dans l'industrie chimique pour modéliser les propriétés physico-chimiques de molécules et des matériaux, ainsi que dans l'industrie pharmaceutique pour effectuer des criblages virtuels ou prédire des propriétés pharmacodynamiques et pharmacocinétiques.

Bases de données et modèles QSAR

Personnes concernées

Chimistes (Bac+3 ou plus), techniciens supérieurs (DUT) ayant une expérience en gestion des bases de données, logiciels de modélisation, souhaitant élargir leur domaine de compétence.

Pré-requis

Connaissances de base en informatique.

Programme

Systèmes de gestion des bases de données en chimie. Bases de données et sources d'information en Chimie (SciFinder, PubChem, ChEMBL, ChemSpider). Recherche structurale, sous-structurale, super-structurale et par similarité. Représentation de structures chimiques par ordinateur : chaînes de caractères (SMILES, SMARTS, INCHI), chaînes de bits (fingerprints), graphes moléculaires (table de connectivité, matrice de distance, ...). Formats d'échange : MOL, RXN, SDF, RDF.
Descripteurs, espace chimique. Similarité et diversité de composés et de réactions chimiques. Conception de chimiothèque. Méthodes de fouille de données en chimie : MLR, régression logistique, réseaux neuronaux, SVM, Naïve Bayes, arbres de décision. Modèles QSAR de classification et de régression : leur obtention et validation. Domaine d'applicabilité de modèles. Criblage virtuel basées sur les ligands.

Méthodes pédagogiques

L'enseignement se déroulera au sein de la Faculté de Chimie, dans une salle réservée à cette formation, équipée de 21 PC LINUX, d'une imprimante et d'un vidéo projecteur.
Les cours seront délivrés en Anglais et Français.
Logiciels utilisés dans les cours : ChemAxon, MOE, ISIDA, WEKA.

Nature et sanction de la formation

Cette formation constitue une action d'adaptation et de développement des compétences.

Elle donne lieu à la délivrance d'une attestation de participation.

Une évaluation en fin de formation permet de mesurer la satisfaction des stagiaires ainsi que l'atteinte des objectifs de formation (connaissances, compétences, adhésion, confiance) selon les niveaux 1 et 2 du modèle d'évaluation de l'efficacité des formations Kirkpatrick.

Responsable scientifique

M. Gilles MARCOU, Maître de Conférences, Faculté de Chimie.

Courriel : g.marcou@unistra.fr

Durée
2.00 jours

Lieu


Université de Strasbourg - Faculté de Chimie
1, rue Blaise Pascal
67070 STRASBOURG
FRANCE

Frais de participation

Repas de midi pris en charge par les organisateurs.
Code : 1179

825.00
(pour toute inscription avant le 30/06/2017)

Informations complémentaires
Région : Département :
Alsace 67 - Bas-Rhin
Secteur : Localisation :
Formation - Ecole - Enseignement STRASBOURG
type de contrat : Salaire :
Niveau de qualification : Expériences souhaitées :
Université de Strasbourg

Université de Strasbourg

Service Formation Continue
21 rue du Maréchal Lefebvre
F-67100 STRASBOURG - FRANCE
Pour répondre à cette offre :

Université de Strasbourg

Par téléphone : 0368854920

Par courrier : 21 rue du Maréchal Lefebvre
67100 STRASBOURG - FRANCE

Via le site du recruteur : Postuler sur le site du recruteur

Autres offres de la société

Voir toutes les offres

Recherches d'offres de formation associées