Browsing by Author "Asma"

Now showing 1 - 2 of 2

Epidémiologie moléculaire du Blastocystis sp. en Algérie
(2024-11-20) Guilane; Asma
Ce travail s’inscrit dans le cadre d’une étude approfondie sur l’épidémiologie moléculaire de Blastocystis sp. en Algérie, visant à explorer la prévalence et la diversité génétique de ce parasite chez plus de 40 familles d’animaux sauvages et domestiques à travers différentes régions du pays. Une investigation moléculaire, réalisée entre avril 2021 et octobre 2023, a analysé 620 échantillons fécaux d’animaux. Cette étude a permis de clarifier la prévalence moléculaire de Blastocystis sp., d’identifier les facteurs de risque associés à son infection et de mettre en évidence la relation entre ce parasite et la composition du microbiote chez les animaux étudiés. Dix-huit sous-types (ST) de Blastocystis sp. ont été détectés en Algérie. Les animaux domestiques, tels que les chats et les chiens, ont été identifiés comme des réservoirs potentiels de Blastocystis sp., avec une prévalence de 39,4 %. En outre, une prévalence élevée (36,8 %) a été observée chez les animaux sauvages dans les zoos. Treize séquences d’ADN de Blastocystis sp. ont été déposées dans la base de données GeneBank, révélant la diversité des sous-types présents, dont neuf séquences appartenant au ST1, une au ST3, une au ST4 et deux au ST5, marquant le premier signalement des sous-types ST1, ST4 et ST5 en Algérie. L’étude a également exploré l’association entre Blastocystis sp. et le microbiote intestinal à l’aide d’une approche métagénomique, révélant une prévalence élevée de 37,79 %. Pour la première fois en Algérie, treize sous-types de Blastocystis ont été identifiés, incluant les ST8, ST10, ST14, ST21, ST23 à ST27, ST30 et ST43 à ST45, avec cinq nouvelles séquences découvertes chez des reptiles. L’étude a également identifié cinq nouveaux hôtes, dont la gazelle de Cuvier, la gazelle Rhim, le nilgaut, la sardine et le mulet, et a rapporté pour la première fois la présence de ST21 en milieu aquatique. Enfin, l’influence significative de Blastocystis sur la composition du microbiote intestinal a été démontrée, avec une augmentation de micro-organismes tels que Bacteroides. Plusieurs facteurs, comme la classe taxonomique et le régime alimentaire, ont également été identifiés comme influençant la diversité microbienne en relation avec la présence de Blastocystis sp..
Prediction of the fundamental period of reinforced concrete frame structures with infill walls using Artificial Intelligence techniques
(2025-02-02) Yahiaoui; Asma
La conception de bâtiments parasismiques implique que les structures doivent résister aux mouvements des tremblements de terre. Ceci est accompli à travers une conception crédible des bâtiments en question, et ce en se référant aux codes parasismiques. ? cette fin, les principales réponses structurelles doivent être calculées après avoir déterminé une propriété dynamique importante, à savoir la période fondamentale (PF), puisqu'elle est considérée comme l'empreinte digitale des structures. Il est donc impératif de l'évaluer par le biais d'une analyse déterministe et probabiliste, afin de garantir une grande précision et une faible incertitude dans les formules générées. Cette thèse vise à déterminer la PF des structures en béton armé avec remplissage en maçonnerie, en utilisant l'apprentissage automatique en boite noire et blanche. A cette fin, trois algorithmes de boosting ont été sélectionnés, principalement gradient boosting decision trees, CatBoost, et LightGBM. Une comparaison entre les modèles par défaut et les modèles définis avec des hyperparamètres ajustés, en utilisant l'outil Optuna, a montré que l'optimisation des hyperparamètres conduisait à de meilleurs résultats et que cette étape est cruciale pour atteindre les modèles optimaux. La contribution de chaque variable d'entrée a été évaluée à l'aide de diverses techniques, à savoir l'importance des caractéristiques, SelectFromModel et l'explication additive de Shapley, démontrant que, bien que la hauteur du bâtiment soit l'entrée principale pour déterminer la PF, c'est la contribution des cinq paramètres qui a permis d'obtenir le modèle le plus performant. Dans le but de développer un modèle facilement compréhensible par les humains, une méthode d'apprentissage automatique à boîte blanche a été sélectionnée pour développer une formule reliant la PF aux cinq variables d'entrée. Cette formule a atteint une grande précision et de faibles valeurs d'erreur, et a surpassé les équations suggérées par certains auteurs et codes de construction. Une modélisation probabiliste à grande échelle et une analyse de l'incertitude a été réalisée pour souligner l'effet de variabilité des entrées sur les statistiques de la période, démontrant par l'analyse de sensibilité que la hauteur du bâtiment, le pourcentage d'ouverture, et leur interaction sont les paramètres ayant le plus grand effet, sur les valeurs de la PF. En outre, l'analyse statistique des résultats a révélé que la distribution multivariée est la mieux adaptée, pour représenter la variabilité de toutes les entrées. L'intervalle de confiance à 95 % a montré que l'incertitude du pourcentage d'ouverture a plus d'influence sur les statistiques de la période. De plus, selon les résultats de l'analyse de sensibilité et de l'analyse probabiliste, deux nouvelles équations de la période ont été développées. La première expression se base sur les trois paramètres conceptions, tandis que la deuxième équation considère également l'effet d'un paramètre physique. Enfin, une méthode d'apprentissage automatique probabiliste a été utilisée, afin de sélectionner la loi de distribution la plus appropriée de la PF et générer une prédiction probabiliste à l'aide des intervalles de prédiction, qui a démontré que les distributions normale et log-normale sont les plus adéquates, en offrant une largeur étroite des intervalles de prédiction à 95 % et en couvrant tous les points de données.