Ce projet académique vise à améliorer la qualité des lexiques bilingues utilisés pour entraîner et évaluer des modèles de traduction automatique. Il propose des méthodes de filtrage automatique pour corriger les erreurs et imprécisions présentes dans les lexiques initiaux, en exploitant des techniques comme la transitivité et la symétrie entre langues. Les résultats sont analysés quantitativement et qualitativement pour valider leur impact sur les performances des modèles.

OGP est un projet dédié à la prédiction des sites de O-GlcNAcylation, une modification post-traductionnelle des protéines. Il fournit des jeux de données structurés, des scripts pour extraire des caractéristiques protéiques et des outils pour entraîner et tester des modèles de machine learning. Le projet inclut également une évaluation comparative des outils de prédiction existants.