الأبحاث ضمن الموضوع الرئيسي: تعلم الآلة في المعلوماتية الحيوية

نموذج تجميعي معزز بـ XGBoost باستخدام ميزات هجينة تمييزية لتوقع مواقع السومويلات
XGBoost-enhanced ensemble model using discriminative hybrid features for the prediction of sumoylation sites

تناقش هذه القسم أهمية التعديلات بعد الترجمة (PTMs)، وخاصة السومويلايشن، في تنظيم وظائف البروتينات وتأثيراتها على الأمراض مثل باركنسون والزهايمر. تقدم الدراسة XGBoost-Sumo، وهو نموذج تنبؤي مصمم لتحديد مواقع السومويلايشن من خلال دمج بيانات هيكل البروتين وتسلسلها. باستخدام آلية انتباه قائمة على المحولات وطريقة PsePSSM-DWT لاستخراج الميزات، يجمع النموذج بين تمثيلات الكلمات مع أوصاف تطورية.…
نهج محسّن كمي للكشف عن سرطان الثدي باستخدام SqueezeNet-SVM
A quantum-optimized approach for breast cancer detection using SqueezeNet-SVM

تقدم البحث نهج هجين جديد، يسمى Q-BGWO-SQSVM، لتصنيف سرطان الثدي الذي يدمج بين مُحسّن الذئب الرمادي الثنائي المستوحى من الكم (Q-BGWO) مع SqueezeNet وآلات الدعم المتجهة (SVM). يعالج هذا الأسلوب قيود أنظمة التشخيص بمساعدة الكمبيوتر الحالية (CAD)، مثل الإفراط في التكيف والاعتماد على مجموعات بيانات موسومة كبيرة، من خلال تعزيز دقة معالجة وتفسير صور الماموجرام.…

الأبحاث ضمن الموضوع الرئيسي: تعلم الآلة في المعلوماتية الحيوية

نموذج تجميعي معزز بـ XGBoost باستخدام ميزات هجينة تمييزية لتوقع مواقع السومويلات XGBoost-enhanced ensemble model using discriminative hybrid features for the prediction of sumoylation sites

نهج محسّن كمي للكشف عن سرطان الثدي باستخدام SqueezeNet-SVM A quantum-optimized approach for breast cancer detection using SqueezeNet-SVM

نموذج تجميعي معزز بـ XGBoost باستخدام ميزات هجينة تمييزية لتوقع مواقع السومويلات
XGBoost-enhanced ensemble model using discriminative hybrid features for the prediction of sumoylation sites

نهج محسّن كمي للكشف عن سرطان الثدي باستخدام SqueezeNet-SVM
A quantum-optimized approach for breast cancer detection using SqueezeNet-SVM