Titre :	SARS-COV 2 Variants and Geo-localization Tracking : A New Deep-learning Approach.
Type de document :	texte imprimé
Auteurs :	Mohamed el Amine Sayad, Auteur ; Raid Serrar, Auteur ; H Chehili, Directeur de thèse
Editeur :	CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine
Année de publication :	2021
Importance :	56 f.
Format :	30 cm.
Note générale :	Une copie electronique PDF disponible au BUC
Langues :	Anglais (eng)
Catégories :	Biologie:Biochimie et Biologie Cellulaire et Moléculaire
Tags :	Deep learning  detecting  variants  geographic  preprocessing,Bioinformatics.
Index. décimale :	730 Biochimie et biologie cellulaire
Résumé :	On January 30, 2020, the World Health Organization declared the SARS-CoV-2 epidemic a public health emergency of international concern, detecting emerged variants and tracking them geographically stays a big challenge for the scientific community due to the massive increase in genomic data generated from extensive sequencing of the virus. This study aims to propose two deep learning models with k-mer preprocessing that can handle and analyze these data, to extract features to identify variants and geographic patterns of their evolution. As a result, the first model exceeded state-of-the-art results while, the second model achieved state-of-the-art results.
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15745

SARS-COV 2 Variants and Geo-localization Tracking : A New Deep-learning Approach. [texte imprimé] / Mohamed el Amine Sayad, Auteur ; Raid Serrar, Auteur ; H Chehili, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 56 f. ; 30 cm.
Une copie electronique PDF disponible au BUC
Langues : Anglais (eng)

Catégories :	Biologie:Biochimie et Biologie Cellulaire et Moléculaire
Tags :	Deep learning  detecting  variants  geographic  preprocessing,Bioinformatics.
Index. décimale :	730 Biochimie et biologie cellulaire
Résumé :	On January 30, 2020, the World Health Organization declared the SARS-CoV-2 epidemic a public health emergency of international concern, detecting emerged variants and tracking them geographically stays a big challenge for the scientific community due to the massive increase in genomic data generated from extensive sequencing of the virus. This study aims to propose two deep learning models with k-mer preprocessing that can handle and analyze these data, to extract features to identify variants and geographic patterns of their evolution. As a result, the first model exceeded state-of-the-art results while, the second model achieved state-of-the-art results.
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15745