Etudiant : EL JAOUHARY MOHAMMED

Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)

Encadrant : Pr. AHERRAHROU NOURA

Annèe : 2024

Résumé : L’identification précise des gènes conducteurs qui favorisent la croissance cellulaire est cruciale pour la conception de médicaments, le diagnostic et le traitement du cancer. Les projets récents de génomique du cancer à grande échelle ont révélé des données multi-omiques de milliers de patients atteints de cancer, nécessitant des modèles efficaces pour extraire les connaissances cachées dans ces données précieuses et découvrir les facteurs de risque contribuant au développement du cancer. Dans ce travail, nous proposons une méthode basée sur un réseau de neurones en graphes, qui intègre plusieurs réseaux génétiques hétérogènes pour identifier les gènes responsables du cancer. Nous avons d'abord construit trois réseaux génétiques à savoir : réseaux gène-gène, gène-gène aberrant, et gène-miARN. . Les caractéristiques génétiques extraites à partir de ces réseaux via trois modèles de réseau de neurones en graphes (HGCN) avec un mécanisme d’auto-attention, seront ensuite fusionnées à travers une couche de convolution. Enfin, les caractéristiques fusionnées, les caractéristiques originales et les trois caractéristiques apprises de chaque réseau seront combinées à l'aide d'un modèle de régression logistique pour prédire les gènes responsables du cancer. Nous avons appliqué le MRNGCN pour prédire les gènes conducteurs pan-cancer et spécifiques à chaque type de cancer. Les résultats expérimentaux montrent ainsi que notre modèle offre les meilleures performances en le comparant d’autres méthodes de pointe. Les tests démontrent que notre modèle améliore l’identification des gènes conducteurs du cancer en intégrant plusieurs réseaux génétiques hétérogènes.