Quantum Machine Learning / AlphaFold2 protein structure prediction

Agenda:
10:00 - welcome and introduction by the meetup host
10:05 - 11:05
Quantum Machine Learning: Myths and Reality
Presenter: Bogdan Penkovsky, responsible for R&D at Alysophil, Strasbourg
Abstract:
The expectations about quantum machine learning are set incredibly high. But magic does not exist. In this presentation we will discuss what we have learned about the emerging QML field, the challenges, and the future.
11:05 - 12:05
AlphaFold2: Révolutionner le Repliement des Protéines grâce à l'Intelligence Artificielle
Presenter: Kheireddin Kadri, Doctor in soft matter and expertise in data science and numerical simulation, Paris
Abstract:
La prédiction du repliement des protéines représente depuis des décennies un défi majeur en biologie structurale, crucial pour comprendre la fonction des protéines et développer de nouvelles thérapies. En 2021, AlphaFold2, un modèle de Deep Learning développé par DeepMind, a marqué une avancée significative dans ce domaine en surpassant les méthodes traditionnelles grâce à l'utilisation de réseaux de neurones graphiques (GNN) et de techniques de modélisation avancées. Lors de cette présentation, nous explorerons le fonctionnement d'AlphaFold2, depuis son apprentissage à partir de grandes bases de données de séquences protéiques jusqu'à la prédiction de structures 3D avec une précision inégalée. Nous aborderons la manière dont AlphaFold2 intègre les relations spatiales entre acides aminés pour modéliser le repliement et comment des innovations telles que l'Evoformer améliorent son efficacité computationnelle. Enfin, nous discuterons des retombées potentielles de cette technologie dans la recherche biomédicale, la découverte de médicaments, et au-delà, ouvrant de nouvelles perspectives pour l'étude des systèmes biologiques complexes.