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)
Serge 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)
Serge Grudinin (LJK, CNRS, Université Grenoble Alpes)
Elodie Laine (Sorbonne Université)

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.

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. 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.


Maciej Antczak (Poznan University of Technology)
Minkyung Baek (Seoul National University)
Wouter Boomsma (University of Copenhagen)
Lenore Cowen (Tufts University)
Noelia Ferruz (University of Girona)
Marc Lelarge (INRIA & Ecole Polytechnique)
François Major (Institute for Research in Immunology)
John Moult (University of Maryland)
Christine Orengo (University College London)
Carlos Andres Peña (University of Applied Sciences Western Switzerland)
Elena Rivas (Harvard University)
Thomas Schiex (INRAE)
Dina Schneidman (The Hebrew University of Jerusalem)
Johannes Söding (Max Planck Institute)
Jian Tang (MILA & HEC-Montreal)
Maurice Weiler (University of Amsterdam)
Andrew White (University of Rochester)
Kevin Yang (Microsoft Research)
Ellen Zhong (Princeton University)
Craig Zirbel (Bowling Green State University)