كلية تكنولوجيا المعلومات تناقش رسالة ماجستير بعنوان تحليل الاستجابة المناعية والأجسام المضادة الوراثية باستخدام نموذج التعلم الآلي للقاحات مختلفة للطالب نهى هشام محمد.
ناقشت كلية تكنولوجيا المعلومات رسالة ماجستير بعنوان تحليل الاستجابة المناعية والأجسام المضادة الوراثية باستخدام نموذج التعلم الآلي للقاحات مختلفة للطالب نهى هشام محمد.

حيث تضمنت الرسالة ما يلي :

المستخلص

في مجال علم المناعة والوقاية من الأمراض، تعتبر اللقاحات أمرًا أساسيًا في تعزيز المناعة ضد الكائنات الضارة والسموم.

تتألف هذه الوكلاء المحفزة للجهاز المناعي عادةً من البروتينات أو الببتيدات المعروفة باسم الأجسام المضادة، والتي تحفز إنتاج الأجسام المضادة للحماية ضد الغزاة المحتملين قبل أن يتسببوا في أي ضرر جسيم. لذا، فإن فهم مكونات اللقاحات ضروري للتوسع الأكاديمي في مجال علم المناعة والوقاية من الأمراض.

تتناول هذه الرسالة العلمية مشكلة تحديد الجينات ذات الأهمية المعلوماتية المتعلقة بالاستجابة للقاحات. من خلال استخدام أساليب تحديد الميزات المتوازية والمتسلسلة والهجينة، نقارن فعالية هذه الأساليب في تحديد الجينات ذات الصلة. في مرحلة تحديد الميزات المتوازية، تظهر الجينات التالية بصورة مميزة:
- مرحلة تحديد الميزات المتوازيةZFC3H1]:، NEU3، C1RL-AS1، SNAPC1، XIST، CCDC103، C15orf26، ATP13A5-AS1، DDX11L10، SMC5، FAM222B، [LINC00641,
- مرحلة تحديد الميزات المتسلسلة LINC00641]:، XIST، ZFC3H1، C2orf88، TRPPC10، ID2، TUBB1، SUZ12، NFE218LK، PPBP، [YWHAG
- مرحلة تحديد الميزات الهجينة LINC00641]:، EIF1AX-AS1، TRIM52، NEU3، PAXBP1، ZFC3H1، LOC101929516، SNAPC1، RNF219، XIST، NFE2L2، MIR25، SIAH1، PAFAH1B2، VIL1،[SMC5

بالإضافة إلى ذلك، تم تقييم أداء طرازات مختلفة من الآلات العاملة باستخدام السمات المحددة. في مرحلة تحديد الميزات المتوازية، حققت طرازات الانحدار اللوجستي درجة دقة مثالية تبلغ 1.00 باستخدام ANOVA (60%) وكلا من CHI2 في مرحلتي التحديد بنسبة 20% و 60%. بالمثل، في مرحلة تحديد الميزات المتسلسلة، حققت طرازات الانحدار اللوجستي درجة دقة مثالية تبلغ 1.00 لـ MI_CHI2_ANOVA، MI_ANOVA_CHI2، CHI2_MI_ANOVA، و CHI2_ANOVA_MI لنسبة 60%. بالإضافة إلى ذلك، حققت تلك الطرازات درجة دقة مثالية تبلغ 1.00 لـ ANOVA_CHI2_MI و ANOVA_MI_CHI2 لنسبة 20% و 60% باستخدام طراز الانحدار اللوجستي. وعلاوة على ذلك، أسفرت مرحلة تحديد الميزات الهجينة عن درجة دقة تبلغ 1.00 مع استخدام طرازات الانحدار اللوجستي وADA لـ MI_RF (20%)، ومع استخدام طرازات الانحدار اللوجستي وRF مع ANOVA_RF في نسبة (60%)، وأخيرًا مع استخدام طراز الانحدار اللوجستي و CHI2_RF في نسبة (60%).

بالإضافة إلى ذلك، تم دمج طراز CNN مع تقنيات تحديد الميزات المتوازية مثل MI(20%)، MI(60%)، و ANOVA(20%) لتحسين الفعالية والدقة. أظهرت أداء الطراز CNN على الميزات المحصل عليها من مختلف أساليب تحديد الميزات، بما في ذلك MI_CHI2_ANOVA(20%)، MI_ANOVA_CHI2(20%)، CHI2_MI_ANOVA(20%)، و CHI2_ANOVA_MI(20%)، تحسنًا ملحوظًا في الدقة وقدرات التنبؤ للنظام. ومع ذلك، في حالة استخدام أساليب تحديد الميزات الهجينة، أظهرت نتائج الدقة نتائج أقل من 1.00 في حالة MI_RF(60%)، ANOVA_RF(20%)، و CHI2_RF(20%).

يمكن تحقيق فهم أفضل للعوامل التي تؤثر في نجاح التطعيم من خلال استخدام الجينات المحددة بواسطة أساليب تحديد الميزات المتوازية والمتسلسلة والهجينة، مع استراتيجية التسلسل المتسلسل (60%) التي تثبت كفاءتها الأكبر من بين الثلاثة.

توفر هذه الدراسة أفكارًا قيمة حول تحديد الجينات ذات الصلة بالاستجابة للقاحات باستخدام مجموعة من تقنيات تحديد الميزات.

وبالإضافة إلى ذلك، تؤكد على النجاح الذي تم تحقيقه في تنفيذ خوارزميات التعلم الآلي لتحقيق نتائج تصنيف دقيقة.