S-GCN est un outil d'intelligence artificielle conçu pour évaluer et prédire la qualité de modèles 3D de protéines. Il utilise des réseaux de convolution graphiques sphériques pour analyser les structures moléculaires et générer des scores de qualité locaux et globaux. Basé sur des données issues de défis comme CASP, il aide les chercheurs en biologie structurale à identifier les modèles les plus fiables et à améliorer la précision des prédictions.

Ce projet scientifique vise à améliorer la compatibilité des greffes en calculant un score basé sur les différences structurales entre les allèles HLA de classe I d'un donneur et d'un receveur. Il modélise les allèles HLA à partir de données biologiques, superpose ces structures pour obtenir un score de différence (rmsd), et propose un outil pour évaluer la pertinence des greffes. Les résultats sont utilisés pour affiner les choix médicaux et augmenter les chances de succès des transplantations.