La technologie de séquençage d’ARN monocellulaire (scRNA-seq) permet une analyse transcriptomique à haut débit à la résolution d’une seule cellule, ce qui a considérablement fait progresser la recherche en biologie cellulaire. Cependant, une limitation notable de la technologie scRNA-seq est qu’elle nécessite la dissociation des tissus, ce qui entr...
Avec la popularité croissante des biobanques de population à grande échelle, le potentiel des données de séquençage du génome entier (Whole Genome Sequencing, WGS) dans la recherche sur la santé humaine et les maladies a été considérablement renforcé. Cependant, les énormes besoins en calcul et en stockage des données WGS posent des défis majeurs a...
Contexte Ces dernières années, les ARN circulaires (circRNA) ont joué un rôle important dans l’émergence, le développement et le traitement des maladies en tant que nouvelle catégorie de molécules d’ARN non codantes. Les circRNA possèdent une structure circulaire unique qui les rend résistants à la dégradation par les nucléases, ce qui en fait des ...
Le séquençage de l’ARN monocellulaire (single-cell RNA sequencing, scRNA-seq) a récemment été largement utilisé dans les recherches biologiques et médicales, permettant de révéler les informations transcriptomiques des cellules individuelles, aidant ainsi les scientifiques à mieux comprendre l’hétérogénéité et la complexité cellulaires. Cependant, ...
Contexte académique La prédiction des interactions médicament-cible (Drug-Target Interaction, DTI) est une étape cruciale dans la découverte de médicaments, permettant de réduire considérablement les coûts et le temps de criblage expérimental. Cependant, bien que les techniques d’apprentissage profond aient amélioré la précision de la prédiction de...
Contexte académique et introduction du problème Dans le domaine de l’éducation actuelle, l’anxiété de parler en public (Public Speaking Anxiety, PSA) est un phénomène répandu, en particulier chez les apprenants non natifs. Cette anxiété affecte non seulement la capacité d’expression des apprenants, mais peut également entraver leur développement pe...
Contexte académique Dans le domaine de l’apprentissage automatique et des réseaux de neurones, l’apprentissage continu (Continual Learning) est une direction de recherche importante. L’objectif de l’apprentissage continu est de permettre à un modèle d’apprendre continuellement de nouvelles connaissances tout en évitant d’oublier les connaissances d...
Entropie d’erreur minimale quantifiée complexe avec points de référence : théorie et application dans la régression de modèle Contexte académique Dans les domaines de l’apprentissage automatique et du traitement du signal, la présence de bruit non gaussien peut souvent nuire à la performance des modèles. L’erreur quadratique moyenne (Mean Squared E...
Nouvelle avancée dans la classification d’images multi-étiquettes : le réseau Transformer à double relation Contexte académique La classification d’images multi-étiquettes (Multi-Label Image Classification, MLIC) est un problème fondamental mais très complexe dans le domaine de la vision par ordinateur. Contrairement à la classification d’images à ...
Cadre d’apprentissage multitâche distribué adaptatif ADAMT : Reconnaissance d’image efficace dans les réseaux mobiles ad hoc Contexte académique Dans les réseaux mobiles ad hoc (Mobile Ad-hoc Networks, MANETs), l’apprentissage machine distribué fait face à des défis majeurs. Ces défis proviennent principalement des ressources de calcul limitées des...