| Titre : |
Analyse Bio-informatique du SARS-COV-2 : Application de l’apprentissage automatique pour la classification des Variants et la Structure des populations |
| Type de document : |
texte imprimé |
| Auteurs : |
Ndongo NGOM, Auteur |
| Editeur : |
Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique |
| Année de publication : |
2024 |
| Importance : |
47 P. |
| Format : |
29 cm. |
| Langues : |
Français (fre) |
| Mots-clés : |
Covid-19 virus epidemie sante publique propagation virale pandemie diversite genetique gestion sequence genomique analyse surveillance SARS-CoV-2 Bioinformatique GISAID plateforme machine learning senegal afrique de l'ouest Biomathématique Apprentissage automatique Classification |
| Résumé : |
Notre étude s'est concentrée sur l'analyse des séquences génomiques du SARS-CoV-2 collectées au Sénégal via la plateforme GISAID. Nous avons observé une distribution significative des séquences selon leur qualité : 84,2 % de haute qualité, 10,4 % de qualité moyenne et 5,4 % de mauvaise qualité. Nous avons identifié plusieurs mutations, notamment des insertions, des délétions et des substitutions nucléotidiques simples, ainsi que des caractéristiques démographiques telles que l'âge et le sexe.
Nous avons classifié les échantillons en différents clades et lignées, mettant en évidence la prédominance de certains groupes comme les clades 20A, 21A (Delta), 21D (Eta), 20I (Alpha) et Omicron, ainsi que des variants recombinants. Nous avons également noté une origine principalement importée des échantillons, souvent associée à des voyageurs.
Notre étude souligne l'importance d'une surveillance génomique étendue pour mieux comprendre la propagation virale. Nous avons exploré l'utilisation de modèles de Machine Learning supervisés pour prédire l'évolution de la maladie au Sénégal, soulignant ainsi l'importance de ces approches modernes dans l'analyse des données et la gestion de la pandémie.
En conclusion, cette recherche apporte des informations cruciales pour orienter les stratégies de santé publique et la surveillance continue du Covid-19 au Sénégal, tout en mettant en lumière la nécessité d'une collaboration internationale renforcée pour faire face aux défis évolutifs du virus. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2443 |
Analyse Bio-informatique du SARS-COV-2 : Application de l’apprentissage automatique pour la classification des Variants et la Structure des populations [texte imprimé] / Ndongo NGOM, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2024 . - 47 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
Covid-19 virus epidemie sante publique propagation virale pandemie diversite genetique gestion sequence genomique analyse surveillance SARS-CoV-2 Bioinformatique GISAID plateforme machine learning senegal afrique de l'ouest Biomathématique Apprentissage automatique Classification |
| Résumé : |
Notre étude s'est concentrée sur l'analyse des séquences génomiques du SARS-CoV-2 collectées au Sénégal via la plateforme GISAID. Nous avons observé une distribution significative des séquences selon leur qualité : 84,2 % de haute qualité, 10,4 % de qualité moyenne et 5,4 % de mauvaise qualité. Nous avons identifié plusieurs mutations, notamment des insertions, des délétions et des substitutions nucléotidiques simples, ainsi que des caractéristiques démographiques telles que l'âge et le sexe.
Nous avons classifié les échantillons en différents clades et lignées, mettant en évidence la prédominance de certains groupes comme les clades 20A, 21A (Delta), 21D (Eta), 20I (Alpha) et Omicron, ainsi que des variants recombinants. Nous avons également noté une origine principalement importée des échantillons, souvent associée à des voyageurs.
Notre étude souligne l'importance d'une surveillance génomique étendue pour mieux comprendre la propagation virale. Nous avons exploré l'utilisation de modèles de Machine Learning supervisés pour prédire l'évolution de la maladie au Sénégal, soulignant ainsi l'importance de ces approches modernes dans l'analyse des données et la gestion de la pandémie.
En conclusion, cette recherche apporte des informations cruciales pour orienter les stratégies de santé publique et la surveillance continue du Covid-19 au Sénégal, tout en mettant en lumière la nécessité d'une collaboration internationale renforcée pour faire face aux défis évolutifs du virus. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2443 |
|  |
Accueil
Affiner la rechercheAnalyse Bio-informatique du SARS-COV-2 : Application de l’apprentissage automatique pour la classification des Variants et la Structure des populations / Ndongo NGOM (2024)
