Distributed Multimodal Deep Learning Framework For High-Precision Genomic Variant Calling

dc.contributor.authorOUARET , Lamia
dc.contributor.authorHAMOU , Rahil
dc.contributor.authorNASRI , Khaled Supervisor
dc.date.accessioned2026-11-10T13:28:34Z
dc.date.issued2026
dc.descriptionأدى ﺍلتطوﺭ ﺍلسر يع لتقنياﺕ ﺍلتسلسل ﺍلجيني من ﺍلجيل ﺍلجديد(NGS) ﺇلى تحو يل علم ﺍلجينوﻡ ﺇلى مجاﻝ يعتمد بشكل كبير على ﺍلبياناﺕ، حيث يتم ﺇنتاﺝ ‏كمياﺕ هائلة ﻭغير مسبوقة من ﺍلمعلوماﺕ ﺍلبيولوجية، مما ﺃﻭجد تحدياﺕ جديدﺓ تتعلق بإجرﺍﺀ تحليلاﺕ جينومية ﺩقيقة ﻭ قابلة للتوسع. ﻭمن بين مختلف ﺍلمهاﻡ ﺍلحاسوبية في ﺍلمعلوماتية ﺍلحيو ية، تحتل عملية ﺍكتشاﻑ ﺍلمتغيرﺍﺕ ﺍلجينية مكانة ﺃساسية لما لها من ﺩﻭﺭ مهم في تحديد ﺍالاختلافاﺕ ﺍلجينية ﺍلمرتبطة باالأمرﺍﺽ، ﻭﺍلطب ﺍلشخصي، ﻭعلم ﺍلوﺭﺍثة ﺍلسكانية، ﻭعلم ﺍالأﻭﺭﺍﻡ ﺍلدقيق. ﻭعلى ﺍلرغم من ﺃﻥ ﺍلأساليب ﺍلحديثة ﺍلمعتمدﺓ على ﺍلتعلم ﺍلعميق قد ساهمت بشكل كبير في تحسين ﺩقةﺍكتشاﻑ ﺍلمتغيرﺍﺕ ﺍلجينية، فإﻥ ﺍلعديد من ﺍلطرﻕ ﺍلحالية تعتمد على تمثيل ﻭﺍحد للبياناﺕ، ﻭبالتالي لا تستفيد بصوﺭﺓ كاملة من ﺍلمعلوماﺕ ﺍلتكاملية ﺍلمتاحة في بياناﺕ ﺍلتسلسل ﺍلجيني. باالإضافة ﺇلى ﺫلك، فإﻥ ﺍلطبيعة ﺍلموﺯعة ﻭﺍلحساسة للبياناﺕ ﺍلجينومية تثير تحدياﺕ مهمة تتعلق بقابلية ﺍلتوسع، ﻭحماية ﺍلخصوصية، ﻭإجرﺍﺀ ﺍلتحليلاﺕ ﺍلتعاﻭنية. يقدﻡ هذﺍ ﺍلعمل ﺇطاﺭﺍً موﺯعاً للتعلم ﺍلعميق متعدﺩ ﺍالأنماﻁ من ﺃجل تحقيق ﺍكتشاﻑ عالي ﺍلدقة للمتغيرﺍﺕ ﺍلجينية . ﻭ يعتمد ﺍلنهج ﺍلمقترﺡ على ﺩمج نمطين متكاملين من ﺍلبياناﺕ، يتمثل ﺍالأﻭﻝ في تمثيلاﺕ ﺍلمصفوفاﺕ ﺍلناتجة عن ﺍلـPileup ﻭﺍلتي تتم معالجتها بوﺍسطة ﺍلشبكاﺕ ﺍلعصبية ﺍالالتفافية (CNN) ، بينما يعتمد النمط ﺍلثاني على ﺍلتمثيلاﺕ ﺍلتسلسلية ﺍلتي تتم معالجتها باستخدﺍﻡ مشفر قائم على بنية ﺍلمحولاﺕ . (Transformer) كما يتم ﺍستخدﺍﻡ ﺁلية ﺩمج موجهة لدمج ﺍلخصائص ﺍلمستخرجة من كلا النمطين بهدﻑ ﺇنتاﺝ تصنيفاﺕ ﺃكثر موثوقية للمتغيرﺍﺕ ﺍلجينية. ﺇضافة ﺇلى ﺫلك، تستعرﺽ هذﻩ ﺍلدﺭﺍسة الأسس ﺍلنظر ية للبياناﺕ ﺍلجينومية، ﻭتناقش ﺃحدﺙ تقنياﺕ ﺍكتشاﻑ ﺍلمتغيرﺍﺕ ﺍلجينية، كما تتناﻭﻝ مفاهيم ﺍلحوسبة ﺍلموﺯعة ﻭﺃساليب ﺍلتعلم ﺍلفيدﺭﺍلي ﺍلمطبقة في مجاﻝ ﺍلجينوميات. ﻭقد صُمم ﺍالإطاﺭ ﺍلمقترﺡ للاستفاﺩﺓ من مزﺍيا كل من ﺍلتمثيلاﺕ ﺍلمكانية ﻭﺍلتسلسلية للمعلوماﺕ ﺍلجينومية، مما يسمح بوصف ﺃكثر شمولًا للمتغيرﺍﺕ ﺍلجينية. كما تم ﺍقترﺍﺡ ﺍمتدﺍﺩ قائم على ﺍلتعلم ﺍلفيدﺭﺍلي باعتباﺭﻩ توجهاً مستقبلياً يهدﻑ ﺇلى تمكين ﺍلتعلم ﺍلتعاﻭني بين ﺍلمؤسسات المختلفة مع ﺍلحفاﻅ على خصوصية ﺍلبياناﺕ ﺍلجينومية ﻭعدﻡ ﺍلحاجة ﺇلى تباﺩلها بشكل مباشر. ﻭمن خلال الجمع بين ﺍلتعلم ﺍلعميق متعدﺩ الأنماط ﻭمفاهيم ﺍلحوسبة ﺍلموﺯعة، يساهم هذﺍ ﺍلعمل في تعزيز ﺍلتكامل ﺍلمتزﺍيد بين ﺍلذكاﺀ ﺍالاصطناعي ﻭعلم ﺍلجينوﻡ، ﻭ يوفر ﺃساساً لتطوير ﺃنظمة تحليل جينومي ﺩقيقة ﻭقابلة للتوسع ﻭتحافظ على خصوصية ﺍلبيانات. ﻭمن ﺍلمتوقع ﺃﻥ تساهم ﺍلتوسعاﺕ ﺍلمستقبلية للإطاﺭ ﺍلمقترﺡ في ﺩعم ﺍلدﺭﺍساﺕ ﺍلجينومية ﺍلتعاﻭنية ﻭﺍسعة ﺍلنطا ﻭتعزيز تطبيقات الطب الدقيق .
dc.description.abstractThe rapid growth of next-generation sequencing technologies has transformed ge-nomics into a highly data-intensive discipline, generating unprecedented volumes of biological data and creating new challenges for accurate and scalable genomic anal-ysis. Among the various computational tasks in bioinformatics, variant calling plays a fundamental role in identifying genetic variations associated with diseases, per-sonalized medicine, population genetics, and precision oncology. Although recent deep learning-based methods have significantly improved variant detection accu-racy, many existing approaches rely on a single data representation and often fail to exploit the complementary information available within sequencing data. Fur-thermore, the increasing sensitivity and distributed nature of genomic datasets raise important concerns regarding scalability, privacy, and collaborative analysis. This work presents a distributed multimodal deep learning framework for high-precision genomic variant calling. The proposed approach combines two complemen-tary modalities: pileup tensor representations processed by a Convolutional Neural Network (CNN) and sequence-based representations analyzed by a Transformer en-coder. A gated fusion mechanism is employed to integrate the features extracted from both modalities and generate robust variant classifications. The study also investigates the theoretical foundations of genomic data, reviews state-of-the-art variant calling techniques, and examines distributed computing paradigms and fed-erated learning approaches applicable to genomics. The implemented framework is designed to exploit the strengths of both spatial and sequential representations of genomic information, thereby providing a more comprehensive characterization of genetic variants. In addition, a federated exten-sion is proposed as a future development to enable privacy-preserving collaborative learning across multiple institutions without requiring the exchange of sensitive ge-nomic data. By integrating multimodal deep learning with concepts from distributed comput-ing, this work contributes to the ongoing convergence of artificial intelligence and genomics and provides a foundation for the development of scalable, accurate, and privacy-aware genomic analysis systems. Future extensions of the proposed frame-work may facilitate large-scale collaborative genomic studies and support the ad-vancement of precision medicine.
dc.description.sponsorshipLa croissance rapide des technologies de séquençage de nouvelle génération a trans-formé la génomique en une discipline fortement intensive en données, générant des volumes sans précédent d’informations biologiques et créant de nouveaux défis en matière d’analyse génomique précise et évolutive. Parmi les nombreuses tâches com-putationnelles en bioinformatique, l’identification des variants génétiques occupe une place fondamentale dans la détection des variations génétiques associées aux maladies, à la médecine personnalisée, à la génétique des populations et à l’oncologie de précision. Bien que les méthodes récentes basées sur l’apprentissage profond aient considérablement amélioré la précision de la détection des variants, la plupart des approches existantes reposent sur une représentation unique des données et n’ex-ploitent pas pleinement les informations complémentaires contenues dans les données de séquençage. En outre, la nature distribuée et la sensibilité des données génomiques soulèvent d’importantes problématiques liées à l’évolutivité, à la confidentialité et à l’analyse collaborative. Ce travail présente un cadre distribué d’apprentissage profond multimodal destiné à l’identification de variants génétiques avec une haute précision. L’approche proposée combine deux modalités complémentaires : des représentations sous forme de tenseurs de pileup traitées par un réseau de neurones convolutif (CNN) et des représentations séquentielles analysées à l’aide d’un encodeur Transformer. Un mécanisme de fusion pondérée est utilisé afin d’intégrer les caractéristiques extraites à partir des deux modalités et de produire des classifications robustes des variants. Cette étude examine également les fondements théoriques des données génomiques, passe en revue les méthodes les plus récentes de détection des variants et analyse les paradigmes de calcul distribué et d’apprentissage fédéré applicables à la génomique. Le cadre implémenté est conçu pour exploiter les avantages des représentations spatiales et séquentielles de l’information génomique, permettant ainsi une caractéri-sation plus complète des variations génétiques. Par ailleurs, une extension fondée sur l’apprentissage fédéré est proposée comme perspective future afin de permettre un apprentissage collaboratif respectueux de la confidentialité entre plusieurs institutions, sans nécessiter le partage direct des données génomiques sensibles. En combinant l’apprentissage profond multimodal et les concepts du calcul distribué, ce travail contribue à la convergence croissante entre l’intelligence artificielle et la génomique et fournit une base pour le développement de systèmes d’analyse génomique évolutifs, précis et respectueux de la confidentialité. Les développements futurs du cadre proposé pourraient favoriser les études génomiques collaboratives à grande échelle et soutenir les avancées de la médecine de précision.
dc.identifier.otherMAI/1113
dc.identifier.urihttps://repository.univ-setif.dz/handle/123456789/4052
dc.language.isoen
dc.publisherUnuversity Setif 1 Ferhat Abbas . Faculty of Sciences
dc.subjectGenomic Variant Calling
dc.subjectDeep Learning
dc.subjectMultimodal Learning
dc.subjectCon-volutional Neural Networks
dc.subjectTransformers
dc.subjectFeature Fusion
dc.subjectDistributed Computing
dc.subjectFederated Learning
dc.subjectPrecision Medicine.
dc.titleDistributed Multimodal Deep Learning Framework For High-Precision Genomic Variant Calling
dc.typeThesis

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
MAI1113.pdf
Size:
589.38 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: