FlowVR est une bibliothèque middleware permettant de faciliter le développement et l'exécution d'applications haute performance interactives nécessitant l'exploitation de la puissance de nœuds informatiques distribués en grappe ou en grid. FlowVR a été utilisé pour des applications de réalité virtuelle, de téléprésence, de modélisation 3D en temps réel, de visualisation in situ, de pilotage de simulations moléculaires parallèles, etc. FlowVR réutilise et étend le paradigme de flux de données couramment utilisé dans les environnements de visualisation scientifique. Une application est vue comme un ensemble éventuellement distribué de modules échangeant des données. Différentes assemblées de modules peuvent être spécifiées sans modification ou recompilation des modules. Le développeur d'applications n'a pas à se soucier des problématiques de réseau. C'est le rôle de FlowVR de gérer et d'optimiser les échanges de données entre modules. FlowVR supporte les modules parallèles, permettant d'exploiter des codes MPI existants par exemple. Cette fonctionnalité est couramment utilisée pour la visualisation in situ ou le pilotage de simulations parallèles.

S-GCN est un outil spécialisé dans l'analyse et l'évaluation de structures protéiques en 3D modélisées sous forme de graphes moléculaires. Il permet de prédire des scores de qualité pour des modèles de protéines générés par des algorithmes ou des participants à des défis comme CASP. Le projet facilite la comparaison entre modèles et structures réelles, aidant ainsi les chercheurs en biologie structurale à identifier les conformations les plus proches de la réalité.

HLA-EpiCheck est un projet de recherche utilisant l'apprentissage automatique pour prédire les épitopes HLA sur des antigènes. Il analyse des structures 3D d'antigènes HLA en générant des descripteurs moléculaires à partir de simulations de dynamique moléculaire. Ces descripteurs permettent de modéliser et prédire des épitopes B-cell, facilitant ainsi la compréhension des interactions immunitaires et le développement de traitements personnalisés en immunologie.

Module IMP dédié à la modélisation bayésienne multi-échelle des structures macromoléculaires à partir de cartes de densité obtenues par cryo-microscopie électronique. Il permet d'affiner les modèles moléculaires en intégrant des données expérimentales pour améliorer la précision des structures 3D. Utilisé principalement en biologie structurale et en bioinformatique pour l'analyse de complexes macromoléculaires.

Le projet de modélisation aide les entreprises à prendre des décisions éclairées en simulant des scénarios économiques, en analysant des données financières et en prédisant les tendances du marché.

Ce projet vise à adapter un modèle de conformation 3D des séquences d'ADN pour représenter des plasmides circulaires, comme ceux présents dans les bactéries. En utilisant un algorithme génétique développé en Python, il permet de simuler et d'optimiser la trajectoire tri-dimensionnelle de longues séquences génétiques. L'objectif est de mieux comprendre les interactions moléculaires et d'améliorer la modélisation des structures génétiques complexes, notamment pour des applications en biologie synthétique ou en génomique.

Projet de modélisation moléculaire visant à reconstruire et analyser la structure 3D du récepteur nicotinique a4a5b2 dans différentes conformations (ouvert, fermé, désensibilisé). Basé sur des données expérimentales publiées, ce travail permet de comprendre les mécanismes structuraux des récepteurs nicotiniques, essentiels pour la recherche sur les maladies neurodégénératives et les addictions. Les modèles générés sont validés et optimisés pour des analyses computationnelles ultérieures.