comparaison de mod le multi objectif pour le docking mol culaire
Download
Skip this Video
Download Presentation
Comparaison de modèle multi-objectif pour le docking moléculaire

Loading in 2 Seconds...

play fullscreen
1 / 30

Comparaison de modèle multi-objectif pour le docking moléculaire - PowerPoint PPT Presentation


  • 119 Views
  • Uploaded on

Comparaison de modèle multi-objectif pour le docking moléculaire. J-C. Boisson. Plan . Rappel : modèle multi-objectif choisi. Autre modèles. Comparaison d’algorithmes génétiques. Comparaison de configurations d’opérateur. Résultats. Perspectives. Plan .

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Comparaison de modèle multi-objectif pour le docking moléculaire' - blenda


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
comparaison de mod le multi objectif pour le docking mol culaire

Comparaison de modèle multi-objectif pour le docking moléculaire

J-C. Boisson

J-C. BOISSON Réunion Dock

slide2
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

slide3
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 1 8
Un nouveau modèle tri-objectif (1/8)
  • Il est divisé en :
    • un terme énergétique  évaluation de la qualité du complexe ligand / site obtenu.
    • un terme géométrique  indication sur la qualité de pénétration du ligand dans le site.
    • Un terme de robustesse  assurance de la stabilité des complexes obtenus.

A-A Tantar, N. Melab, E-G. Talbi and B. Toursel. A Parallel Hybrid Genetic Algorithm for Protein Structure Prediction on the Computational Grid. Elsevier Science, Future Generation Computer Systems, 23(3):398-409, 2007.

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 2 8
Un nouveau modèle tri-objectif (2/8)

1. Energie du complexe ligand / site

Champs de force utilisé = Consistent Valence Force Field (CVFF)

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 3 8
Un nouveau modèle tri-objectif (3/8)

2. Surface du complexe  3 possibilités:

 surface de Van Der Waals (a: blue),

 surface accessible au solvant (b: red),

 surface de Connolly (c: green).

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 4 8
Un nouveau modèle tri-objectif (4/8)

2. Surface du complexe  3 possibilités:

 surface de Van Der Waals,

 surface accessible au solvant

 surface de Connolly.

 SASA

Solvent Accessible Surface Area

Papier original

S.M. Le Grand and K.M. Merz, Jr. Rapid Approximation to Molecular Surface Area via the Use of Boolean Logic and Look-Up Tables. Journal of Computational Chemistry, 14(3):349-352 (1993).

Papier plus récent utilisant SASA

A. Leaver-Fay, G.L. Butterfoss, J. Snoeyink and B. Kuhlman. Maintaining solvent accessible surface area under rotamer substitution for protein design. Journal of Computational Chemistry, 28(8):1336-1341 (2007).

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 5 8
Un nouveau modèle tri-objectif (5/8)

SASA

= 6201 Å2

SASA

= 5548 Å2

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 6 8
Un nouveau modèle tri-objectif (6/8)

3. Robustesse du complexe

G =

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 7 8 chantillonnage base de rotations
Un nouveau modèle tri-objectif (7/8) :échantillonnage à base de rotations

J-C. BOISSON Réunion Dock

un nouveau mod le tri objectif 8 8 chantillonnage base de translations
Un nouveau modèle tri-objectif (8/8) : échantillonnage à base de translations

J-C. BOISSON Réunion Dock

slide12
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

mod les test s
Modèles testés

J-C. BOISSON Réunion Dock

slide14
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

non dominated sorting ga nsga ii deb et al 2002
Non-dominated Sorting GA (NSGA-II) [Deb et al. 2002]
  • Assignement de la fitness, tri selon la dominance :
    • Population divisée selon les fronts.
    • Fitness (x) = indice de front auquel appartient x.
  • Préservation de la diversité  distance.
  • Sélection tournoi binaire.
  • Opérateurs de recombinaison et mutation.
  • Remplacement  les pires individus sont supprimés.
  • Archive élististe des meilleures solutions rencontrées

11/09/2014

J-C. BOISSON Réunion Dock

15

indicator based ea ibea zitzler et al 2004
Indicator-Based EA (IBEA)[Zitzler et al. 2004]
  • Assignement de la fitness selon l’indicateur de qualité Qi :
    • Fitness (x) = Qi (x , P\{x})
  • Préservation de la diversité  aucune.
  • Sélection par tournoi binaire.
  • Opérateurs de recombinaison et mutation.
  • Remplacement  suppression des pires individus et mise à jour des fitness des invididus conservés.
  • Archive élististe des meilleures solutions rencontrées

11/09/2014

J-C. BOISSON Réunion Dock

16

r sultats de comparaison 1 2
Résultats de comparaison (1/2)

Instances de la base ccdc astex.

>  meilleur

<  moins bon

~  non significatif

J-C. BOISSON Réunion Dock

r sultats de comparaison 2 2
Résultats de comparaison (2/2)

Instances de la base ccdc astex.

Å  Angström

dst  déviation standard

J-C. BOISSON Réunion Dock

slide19
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

configurations d op rateurs
Configurations d’opérateurs

J-C. BOISSON Réunion Dock

slide21
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

r sultats sur 6 instances
Résultats sur 6 instances
  • Meilleurs modèles : M4, M5, M7 et M8.

 Impact positif des objectifs surface et robustesse.

 Comportement équivalent CVFF et Autodock.

  • Meilleurs profils : P1, P5 et P6.

 Apport de l’hybridation.

  • Globalement, la flexibilité apporte de meilleurs résultats.
  • RMSD moyen  2,2.

J-C. BOISSON Réunion Dock

slide23
Plan
  • Rappel : modèle multi-objectif choisi.
  • Autre modèles.
  • Comparaison d’algorithmes génétiques.
  • Comparaison de configurations d’opérateur.
  • Résultats.
  • Perspectives.

J-C. BOISSON Réunion Dock

perspectives
Perspectives
  • Suite des tests sur la base CCDC-Astex.
  • Optimisation des meilleurs modèles et profils.
  • Hybridation avec des recherches locales multi-objectif.
  • Nouveaux modèles de coopération.

J-C. BOISSON Roadef2008

questions
Questions ?

J-C. BOISSON Roadef2008

ag codage d un individu
AG : codage d’un individu

Site

Ligand

« docking complex »

J-C. BOISSON Réunion Dock

ag initialisation de la population
AG: initialisation de la population
  • Génération du site  le même pour tous les individus.
  • Génération du ligand  perturbations aléatoires d’un ligand « graine ». Combinaison de :
    • Rotation(s) globale(s),
    • Rotation(s) d’un angle de torsion  modification de conformation.

J-C. BOISSON Réunion Dock

ag op rateur de croisement
AG : opérateur de croisement

Parents

S1 + L1

S2 + L2

Enfants

S1 + L2

S2 + L1

J-C. BOISSON Roadef2008

ag op rateur de mutation
AG : opérateur de mutation

Rotation d’un angle de torsion

Translation

Rotation

J-C. BOISSON Roadef2008

para llel and dis tributed e volving o bjects
PARAllel and DIStributed Evolving Objects

ParadisEO

EO

MO

MOEO

http://paradiseo.gforge.inria.fr/

EvolvingObject(EO), développement d’algorithme à base de population de solutions: EA, PSO.

 Moving Objects (MO), mise en place de recherches locales : HC, SA, TS, ILS.

Multi-Objective EO (MOEO), développement d’algorithme évolutionnaire multi-objectifs : NSGA-II, IBEA, …

ParadisEO (PEO), mise en place de métaheuristiques parallèles.

S. Cahon, N. Melab and E-G. Talbi, ParadisEO: A Framework for the Reusable Design of Parallel and Distributed Metaheuristics. Journal of Heuristics, vol. 10(3), pp.357-380, May 2004.

A. Liefooghe, M. Basseur, L. Jourdan and E-G. Talbi. ParadisEO-MOEO: A Framework for Multi-Objective Optimization. Proceedings of EMO’2007, pages 457-471, LNCS, Springer-Verlag, 2007.

J-C. BOISSON Roadef2008

ad