The goal of this thesis is test and comparation of the offline tools for prediction of protein structure and creation of metaprediktor, which allows the user to select the appropriate tool, according to given parameters. Testing tool is based on a dataset of proteins, which is based on the SCOP database and it is trying to be as balanced as possible to include proteins from different families and thus could best evaluate individual tools. The results of this thesis are requirements of metaprediktor and also which data and settings can be allowed and processed and how it will be implemented.

Dans cette thèse, nous étudions l'effet de l'auto-sélection des salariés sur l'estimation de la productivité, des différentiels de salaires et de qualité du travail entre les secteurs. Afin de prendre en compte l'auto-sélection des employés dans l'estimation des différentiels le long de la distribution des salaires, nous construisons une approche innovante composée de trois caractéristiques: (i) nous nous intéressons aux effets par quantile inconditionnel; (ii) nous incorporons des effets fixes spécifiques à chaque quantile; (iii) nous proposons une méthode de correction de l'incidental parameter bias. Cette approche permet de produire des résultats exploitables en terme de politiques publiques. Nous montrons dans un premier temps que la sélection positive dans le secteur public tend à se dégrader. Elle disparaît totalement en haut de la distribution des salaires dans la période récente, suggérant un effet négatif du gel des salaires nominaux. Dans notre deuxième article, nous mettons en évidence une sélection négative substantielle dans le secteur informel concernant les hommes et les bas salaires. Cette sélection négative apparaît à la suite de la Grande Récession, indiquant une réallocation des salariés les moins productifs vers le secteur informel. Dans le dernier article, nous montrons pour la période récente que le niveau de productivité des SCOP n'est pas significativement différent de celui des autres entreprises. Nous confirmons l'hypothèse selon laquelle les motivations non-pécunières des employés expliquent une partie importante de la productivité des SCOP dans deux des secteurs étudiés (secteur manufacturier et secteur des transports). / This PhD thesis studies the effect of workers' self-selection when estimating productivity, wages and job quality differentials between sectors. In order to account for the self-selection of employees in the estimation of differentials along the wage distribution, we develop an innovative approach comprising three features: (i) we rely on unconditional quantile effects ; (ii) we incorporate quantile-specific fixed effects; (iii) we suggest a treatment of the incidental parameter bias. This method allows to provide public policies relevant comparisons. We show first that the positive selection into public jobs tends to decline. It totally disappears among top earners in the recent period, suggesting the detrimental effect of nominal wage freeze. In the second paper, we unveil that there is a substantial negative selection into informal salary work for men on average and particularly at low wages. It arises in the wake of the Great Recession, pointing to a shakeout of less productive workers in the formal sector. In the last paper, we account for employees' non-pecuniary motives in our comparison of the productivity of labour-managed firms and other for-profits company. We confirm for the recent period and on a large scale that the SCOP total factor productivity level is not significantly different from the other firms'. We find also results that support the hypothesis that employees non-pecuniary motives accounts for a substantial part of French labour-managed firms productivity in two of the three industries studied (manufacturing and transports).

The work is focused on the area of the proteins and their domains. It also briefly describes gathering methods of the protein´s structure at the various levels of the hierarchy. This is followed by examining of existing tools for protein´s domains prediction and databases consisting of domain´s information. In the next part of the work selected representatives of prediction methods are introduced.  These methods work with the information about the internal structure of the molecule or the amino acid sequence. The appropriate chapter outlines applied procedure of domains´ boundaries prediction. The prediction is derived from the primary structure of the protein, using a neural network  The implemented procedure and its possibility of further development in the related thesis are introduced at the conclusion of this work.