COVID-19 Genomes Sequencing: A Machine Learning Approach Towards Behavior Understanding, Diagnosis And Defeat Of The Disease

سيسمح هذا المشروع لفريق البحث لدينا بأن يكونوا جزءًا من الحل العالمي للوباء من خ ال المشاركة والمساهمة في اتحادات عالمية مثل المبادرة العالمية لمشاركة بيانات أنفلونزا الطيور واتحاد المرافق التصنيفية الأوروبية والاتحاد العالمي للحوسبة الفائقة للتغلب عى كوفيد 19 نسعى في هذا المشروع البحث عن تسلس ات الجينوم ومجموعات أعراض المرضى التي تتنبأ بشكل موثوق بنتائج مستوى الخطر ، والعلامات المبكرة لمجموعات العدوى من فيروز كرونا المستجد والبحث عن علامات الطفرات الناشئة ، بناءً عى طرق التعلم الآلي. سيتم استخدام جهاز متعدد الطبقات ،وخورزميات أقرب جوار وطرق الآلة ناق ات الدعم للتصنيف. استنادًا إلى توفر البيانات من الاتحادات سالفة الذكر ، وسيتم استخدام المزيد من الاستقصاءات بشأن تسلسل الحمض النوي من خ ال تطبيق أداة الكتابة التي تم استخدامها في الأصل من قبل نتائج فلسكر وآخرون والتي سيتم إدخالها في التحليل العميق باستخدام الحوسبة عالية الأداء المقدمة بواسطة خدمات الحوسبة الفائقة أي بي أم واتسون للتنبؤ بالعلامات المبكرة لتطور المرض والع اج الصحيح بناءً عى السجل التاريخي الطبي للمرضى.

This project will allow our research team (PI and CoI’s) to be part of the global solution of the pandemic by participating and contributing to world class consortiums such as The Global Initiative on Sharing Avian Influenza Data (GISAID; http:// gisaid.org), the Consortium of European Taxonomic Facilities (CETAF; https://cetaf.org/), and COVID-19 HPC consortium https://covid19-hpc-consortium.org/ The aim of this research is to look for genome sequences and patients’ symptoms combinations that reliably predict outcomes of the risk level, early signs of infection clusters of COVID-19 and look for signs of emerging mutations, based on machine learning methods. Multi-layer perceptron, k-nearest neighbor and support vector machine will be used for classification. Based on availability of data from local confirmed COVID-19 patients, GISAID and CETAF further DNA sequencing investigation will be used by applying the typing tool originally used by Vilsker et.al results will be fed into deep analysis using the high performance computing (HPC) provided by the IBM Watson supercomputing services for early signs prediction of developing disease and correct treatment based on patients’ medical historical record.