University Sétif 1 FERHAT ABBAS Faculty of Sciences
Résultat de la recherche
2 résultat(s) recherche sur le mot-clé 'Gene regulatory networks'
Ajouter le résultat dans votre panier Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche
Titre : Inference of gene regulatory networks using genetic algorithm Type de document : texte imprimé Auteurs : Salah Eddine Merzougui, Auteur ; Mohamed Lekired ; Fatiha Brahim salem, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1vol (74 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatics Genetic Network Gene regulatory networks Gene Regulatory Network modeling process Réseaux génétique Réseaux de régulation génétique Modélisation de réseaux de régulation génétiques Index. décimale : 004 - Informatique Résumé : Gene Regulatory Networks have become an immense field of research. Biologists use
gene regulatory networks to simulate the functioning of an organism and efficiently understand
the functions, interactions, and evolution of genes. Modeling gene regulatory networks
allow us to know and predict their behavior. In an attempt to solve this problem, our
goal in this thesis document is to develop an algorithm for reconstructing gene regulatory
networks based on genetic algorithms = Les r´eseaux de r´egulation g´en´etiques sont devenus un immense champ de recherche. Les
biologistes utilisent des r´eseaux de r´egulation g´en´etique pour simuler le fonctionnement
d’un organisme et comprendre efficacement les fonctions, les interactions et l’´evolution des
g`enes. La mod´elisation des r´eseaux de r´egulation des g`enes nous permet de connaˆıtre et
de pr´edire leur comportement. Pour tenter de r´esoudre ce probl`eme, notre objectif dans
ce document de th`ese est de d´evelopper un algorithme pour reconstruire les r´eseaux de
r´egulation des g`enes bas´es sur des algorithmes g´en´etiques.
Côte titre : MAI/0759 En ligne : https://drive.google.com/file/d/1EUWE51HP6ILQhnwGCgkezcF4Gx8Yk4Vn/view?usp=drive [...] Format de la ressource électronique : Inference of gene regulatory networks using genetic algorithm [texte imprimé] / Salah Eddine Merzougui, Auteur ; Mohamed Lekired ; Fatiha Brahim salem, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1vol (74 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatics Genetic Network Gene regulatory networks Gene Regulatory Network modeling process Réseaux génétique Réseaux de régulation génétique Modélisation de réseaux de régulation génétiques Index. décimale : 004 - Informatique Résumé : Gene Regulatory Networks have become an immense field of research. Biologists use
gene regulatory networks to simulate the functioning of an organism and efficiently understand
the functions, interactions, and evolution of genes. Modeling gene regulatory networks
allow us to know and predict their behavior. In an attempt to solve this problem, our
goal in this thesis document is to develop an algorithm for reconstructing gene regulatory
networks based on genetic algorithms = Les r´eseaux de r´egulation g´en´etiques sont devenus un immense champ de recherche. Les
biologistes utilisent des r´eseaux de r´egulation g´en´etique pour simuler le fonctionnement
d’un organisme et comprendre efficacement les fonctions, les interactions et l’´evolution des
g`enes. La mod´elisation des r´eseaux de r´egulation des g`enes nous permet de connaˆıtre et
de pr´edire leur comportement. Pour tenter de r´esoudre ce probl`eme, notre objectif dans
ce document de th`ese est de d´evelopper un algorithme pour reconstruire les r´eseaux de
r´egulation des g`enes bas´es sur des algorithmes g´en´etiques.
Côte titre : MAI/0759 En ligne : https://drive.google.com/file/d/1EUWE51HP6ILQhnwGCgkezcF4Gx8Yk4Vn/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0759 MAI/0759 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Modeling of gene regulatory network using Convolutional Neural Network Type de document : texte imprimé Auteurs : Chaima Boukherouata ; Balsem Chahinez Messouaf ; Fatiha Brahim salem, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1vol (74 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatic Gene Regulatory Networks Deep Learning Autoencoder Réeseaux de Réegulation Génétique apprentissage
profond Autoencodeur Régles d’associationIndex. décimale : 004 - Informatique Résumé : Abstract
understanding the intricate relationships between genes and their regulatory
networks is very important for unraveling the complex mechanisms
that govern cellular processes. In this study, we propose a novel approach
that employs autoencoders, a type of deep learning algorithm, to model gene
regulatory networks and reveal the hidden interactions among genes. This
approach has the potential to advance our understanding of gene regulation
and facilitate the discovery of novel therapeutic targets and biomarkers in
various biological systems. Autoencoders are neural networks that learn to
compress and reconstruct high-dimensional data, thereby capturing essential
features and patterns within the gene expression profiles. Add to that, we
look for association rules between the genes that are expressed. A representation
and validation of the results, as well as a biological interpretation of
the extracted knowledge, will then be provided, which will help biologists to
understand the stages of development of living organisms = Comprendre les relations complexes entre les gènes et leurs réseaux de régulation
est tr`es important pour démêler les mécanismes complexes qui régissent les
processus cellulaires. Dans cette étude, nous proposons une nouvelle approche
qui utilise des autoencodeurs, un type d’algorithme d’apprentissage
profond, pour modéliser les réseaux de régulation des gènes et révéler les
interactions cachées entre les gènes. Cette approche a le potentiel de faire
progresser notre compréhension de la régulation génétique et de faciliter la
découverte de nouvelles cibles thérapeutiques et biomarqueurs dans divers
systèmes biologiques. Les auto-encodeurs sont des réseaux neuronaux qui
apprennent `a compresser et reconstruire des données de grande dimension,
capturant ainsi des caractéristiques et des modèles essentiels dans les profils
d’expression des gènes. En plus de cela, nous cherchons des règles d’association
entre les gènes qui sont exprimés. Une représentation et une validation des
résultats, ainsi qu’une interprétation biologique des connaissances extraites,
seront ensuite fournies, ce qui aidera les biologistes `a comprendre les stades
de développement des organismes vivants.
Côte titre : MAI/0760 En ligne : https://drive.google.com/file/d/1uU8VK6PgQQwuIReRp2YB7VhJZu0Yw_4Y/view?usp=drive [...] Format de la ressource électronique : Modeling of gene regulatory network using Convolutional Neural Network [texte imprimé] / Chaima Boukherouata ; Balsem Chahinez Messouaf ; Fatiha Brahim salem, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1vol (74 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatic Gene Regulatory Networks Deep Learning Autoencoder Réeseaux de Réegulation Génétique apprentissage
profond Autoencodeur Régles d’associationIndex. décimale : 004 - Informatique Résumé : Abstract
understanding the intricate relationships between genes and their regulatory
networks is very important for unraveling the complex mechanisms
that govern cellular processes. In this study, we propose a novel approach
that employs autoencoders, a type of deep learning algorithm, to model gene
regulatory networks and reveal the hidden interactions among genes. This
approach has the potential to advance our understanding of gene regulation
and facilitate the discovery of novel therapeutic targets and biomarkers in
various biological systems. Autoencoders are neural networks that learn to
compress and reconstruct high-dimensional data, thereby capturing essential
features and patterns within the gene expression profiles. Add to that, we
look for association rules between the genes that are expressed. A representation
and validation of the results, as well as a biological interpretation of
the extracted knowledge, will then be provided, which will help biologists to
understand the stages of development of living organisms = Comprendre les relations complexes entre les gènes et leurs réseaux de régulation
est tr`es important pour démêler les mécanismes complexes qui régissent les
processus cellulaires. Dans cette étude, nous proposons une nouvelle approche
qui utilise des autoencodeurs, un type d’algorithme d’apprentissage
profond, pour modéliser les réseaux de régulation des gènes et révéler les
interactions cachées entre les gènes. Cette approche a le potentiel de faire
progresser notre compréhension de la régulation génétique et de faciliter la
découverte de nouvelles cibles thérapeutiques et biomarqueurs dans divers
systèmes biologiques. Les auto-encodeurs sont des réseaux neuronaux qui
apprennent `a compresser et reconstruire des données de grande dimension,
capturant ainsi des caractéristiques et des modèles essentiels dans les profils
d’expression des gènes. En plus de cela, nous cherchons des règles d’association
entre les gènes qui sont exprimés. Une représentation et une validation des
résultats, ainsi qu’une interprétation biologique des connaissances extraites,
seront ensuite fournies, ce qui aidera les biologistes `a comprendre les stades
de développement des organismes vivants.
Côte titre : MAI/0760 En ligne : https://drive.google.com/file/d/1uU8VK6PgQQwuIReRp2YB7VhJZu0Yw_4Y/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0760 MAI/0760 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible