Nouvelle approche de prédiction des classes protéiques issues d’un séquençage NGS par Deep Learning . / Salah Eddine Aliouane 

Public ISBD Titre : Nouvelle approche de prédiction des classes protéiques issues d’un séquençage NGS par Deep Learning . Type de document : texte imprimé Auteurs : Salah Eddine Aliouane, Auteur ; Abdelhafedh Bendahmane, Auteur ; M.A Hamidechi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2020 Importance : 86 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Biologie:Biologie Appliquée Tags : Mots clés : Assemblage  Classification  Prédiction  Intelligence Artificielle  NLP  NGS,Bioinformatique. Index. décimale : 710 Biologie Appliquée Résumé : Le but de ce travail est de développer une approche DeepProt visant à simuler les phases du processus de la post-génomique à partir d’une séquence nucléique d’un séquençage NGS. Cette approche est basée sur deux axes de l’intelligence artificielle (IA) : le traitement automatique du langage naturel (NLP) et l’apprentissage profond (DL). Avec un apprentissage sur 43 familles et un taux de précision de 88% obtenus dans les tests effectués, les résultats ont montré l’efficacité de cette approche, notamment la phase de prédiction basée sur le NLP et le DL. Ces deux outils, combinés, ont donné un modèle d’une grande capacité à extraire les connaissances des données protéiques afin de prédire et classer celles-ci. Le modèle proposé apprend grâce à un entrainement intensif par exploitation des séquences protéiques. Ce travail a permis de mettre en évidence l'apport de cette approche à améliorer la précision de la classification des protéines. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13287 Nouvelle approche de prédiction des classes protéiques issues d’un séquençage NGS par Deep Learning . [texte imprimé] / Salah Eddine Aliouane, Auteur ; Abdelhafedh Bendahmane, Auteur ; M.A Hamidechi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 86 f. ; 30 cm. Une copie electronique PDF disponible au BUC Langues : Français (fre) Catégories : Biologie:Biologie Appliquée Tags : Mots clés : Assemblage  Classification  Prédiction  Intelligence Artificielle  NLP  NGS,Bioinformatique. Index. décimale : 710 Biologie Appliquée Résumé : Le but de ce travail est de développer une approche DeepProt visant à simuler les phases du processus de la post-génomique à partir d’une séquence nucléique d’un séquençage NGS. Cette approche est basée sur deux axes de l’intelligence artificielle (IA) : le traitement automatique du langage naturel (NLP) et l’apprentissage profond (DL). Avec un apprentissage sur 43 familles et un taux de précision de 88% obtenus dans les tests effectués, les résultats ont montré l’efficacité de cette approche, notamment la phase de prédiction basée sur le NLP et le DL. Ces deux outils, combinés, ont donné un modèle d’une grande capacité à extraire les connaissances des données protéiques afin de prédire et classer celles-ci. Le modèle proposé apprend grâce à un entrainement intensif par exploitation des séquences protéiques. Ce travail a permis de mettre en évidence l'apport de cette approche à améliorer la précision de la classification des protéines. Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13287

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSBIO200130	MSBIO200130	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte intégre Adobe Acrobat PDF

---

1 (1 - 1 / 1)