Time Schedule

Abstracts

Participants

Videos (after the event)

CONFERENCE
​
Interplay between AI and mathematical modelling in the post-structural genomics era
Interaction entre l'IA et la modélisation mathématique à l'ère post-génomique structurale

20 - 24 March, 2023

Scientific Committee
Comité scientifique

Jessica Andreani (CEA Paris-Saclay)
Arne Elofsson (Stockholm University)
Krzysztof Fidelis (University of California, Davis)
Sergei Grudinin (LJK, CNRS, Université Grenoble Alpes)
Risi Kondor (University of Chicago)
Elodie Laine (Sorbonne Université)

Organizing Committee
Comité d'organisation

Krzysztof Fidelis (University of California, Davis)
Sergei Grudinin (LJK, CNRS, Université Grenoble Alpes)
Elodie Laine (Sorbonne Université)

STEP 1   -   PRE-REGISTER - APPLY HERE

STEP 2 - MANAGE MY RESERVATION (available later)

IMPORTANT WARNING:  Scam / Phishing / SMiShing ! Note that ill-intentioned people may be trying to contact some of participants by email or phone to get money and personal details, by pretending to be part of the staff of our conference center (CIRM).  CIRM and the organizers will NEVER contact you by phone on this issue and will NEVER ask you to pay for accommodation/ board / possible registration fee in advance. Any due payment will be taken onsite at CIRM during your stay.

Description

The goal of the conference is twofold. First, we aim at highlighting recent developments at the interface between machine learning, mathematical modelling, and biological data. More specifically, protein and nucleic acid sequence and structure data. Second, we aim at fostering exchanges and new collaborations toward a better vision of future challenges, and their practical implications for society. In particular, for medicine and protein engineering. These challenges include the reconstruction of interactomes at large scale at the residue resolution with the ability to sense the impact of sequence variations such as point mutations, and the accurate prediction of protein conformational states and continuous heterogeneity. The combination of machine learning and formal methods holds great promise in addressing these challenges, and we welcome contributions pushing the field forward in these directions. 

L'objectif de la conférence est double. Tout d'abord, nous visons à mettre en évidence les développements récents à l'interface entre l'apprentissage automatique, la modélisation mathématique et les données biologiques. Plus précisément, les données de séquence et de structure des protéines et des acides nucléiques. Deuxièmement, nous visons à favoriser les échanges et les nouvelles collaborations vers une meilleure vision des défis futurs et leurs implications pratiques pour la société. En particulier, pour la médecine et l'ingénierie des protéines. Ces défis incluent la reconstruction d'interactomes à grande échelle avec une résolution au niveau des résidus, et avec la capacité de détecter l'impact des variations de séquence telles que les mutations ponctuelles, et la prédiction précise des états conformationnels des protéines et de leur hétérogénéité. La combinaison de l'apprentissage automatique et des méthodes formelles est très prometteuse pour relever ces défis, et nous encouragerons les contributions faisant avancer le domaine dans ces directions.

Speakers

To be announced

SPONSORS