GEOTRUST SSL CERTIFICATE
Titre : | Le deep learning et la bioinformtique pour analyser la degradation du vaccin covid-19 a arnm |
Type de document : | texte imprimé |
Editeur : | univ saida- Dr.moulay tahar, 2020/2021 |
ISBN/ISSN/EAN : | TECT06393 |
Format : | 96 p / ill / 29 cm |
Accompagnement : | CD |
Note générale : |
-Introduction générale
-covid - 19 -Deep Learning -L’IA in ARNm-vaccin covid -resultats experimentations et comparaisons -Conclusion générale |
Langues: | Français |
Catégories : | |
Mots-clés: | Bioinformatics, mRNA vaccine, recurrent neural network, bert LSTM, covid vaccine. |
Résumé : |
Les vaccines à ARNm suscitent un intérêt accrue en tant qu’alternatives potentielles
aux méthodes conventionnelles de prévention de plusieurs maladies, dont le Covid-19. Notre objectif est L’amélioration de la stabilité des vaccins à ARNm. Pour cela nous avons proposé un système appelé IA-AVC(intelligence artificielle pour analyser le vaccin covid-19) basée sur l’utilisation du deep learning récurent afin d’extraire de la connaissance à partir des séquences d’ARN en proposant différentes configuration du RNN(recurent neural network) comme le LSTM et le BERT. Pour les expérimentations, nous avons variés différent hyperparamètres comme le batch size, lerning rate, dropout. . . .ect. Les résultats obtenus ont été testé sur le dataset OpenVaccine proposé par l’Université de Stanford et validés par les mesures d’évaluation comme le loss, accuracy, precision recall. En termes de comparaison, nous pouvons dire que la configuration basée sur le LSTM avec un taux de succées de 60% peut étre utiliser pour accélérer la recherche de vaccins à ARNm et fournir un vaccin stable au réfrigérateur contre le SRAS-CoV-2. |
Exemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
TECT06393 | T.I.MS00602 | Périodique | Salle des Thèses | Informatique | Exclu du prêt |
Documents numériques (1)
Le deep learning et la bioinformtique pour analyser la degradation du vaccin covid-19 a arnm Adobe Acrobat PDF |