ناقشت طالبة الدكتوراة إيما قمصية أطروحتها في برنامج هندسة وتكنولوجيا المعلومات بعنوان “اكتشاف ارتباطات الجينات عبر الأمراض باستخدام نهج تعلم الآلة المستند إلى المعرفة”.

“Discovering Gene Associations Across Diseases Using a knowledge-based Machine Learning Approach”

وتكونت اللجنة من رئيسها أ.د. مالك يوسف، والمشرف المشارك د. رشيد جيوسي- جامعة القدس، ومشرف مشارك زيدون صلاح-  الجامعة الأمريكية، وممتحن داخلي أ.د.رضوان قصراوي- جامعة القدس، وممتحن خارجي أول أ.د. مراد اللومي- جامعة بيشة في السعودية، وممتحن خارجي ثاني أ.د. بيرسو بكير- جامعة عبد الله غل- تركيا.

ومن خلال أطروحتها بينت الطالبة أن الأمراض المعقدة مثل السكري ومرض الزهايمر والسرطان تتأثر بتركيبة من العوامل الوراثية ونمط الحياة والعوامل البيئية التي لا تتبع أنماطًا وراثية مباشرة.

 وأوضحت في رسالتها إلى أنه تم تطوير نهج جديد يستند إلى تعلم الآلة يسمى GediNET لدمج المعرفة البيولوجية السابقة في مجموعات الجينات المرتبطة بالأمراض، يستخدم GediNET نهج التجميع والتسجيل والنمذجة (G-S-M)  لتحديد مجموعات الجينات الأفضل أداء، التي يتم استخدامها بعد ذلك لتدريب نموذج تعلم آلي.

وأشارت إلى أنه من خلال تطبيق تعلم الآلة القائم على ارتباط المرض بالمرض(DDA)، يكتشف GediNET علاقات جديدة بين الأمراض، مما يحسن التشخيص وتوقع الإصابة بالمرض والمقاربات العلاجية، وفي الدراسة الثانية  GediNETPro، وهو إصدار متقدم من GediNET  يستخدم هذا الإصدار معلومات التحقق المتقاطع Cross-Validation (CV) وتقنيات التجميع مثل K-means لتحديد أنماط ارتباط مجموعات الأمراض. ويوفر GediNETPro  أدوات تصور مثل الخرائط الحرارية وتحليلًا عميقًا لتجمعات مجموعات الأمراض مما يساهم في تطوير تداخلات تشخيصية فعالة.

  وفي الدراسة الثالثة فقد استفادت من البيانات على المستوى الجزيئي لتطوير أساليب فعالة لتوقع ارتباط الأمراض ببعضها وذلك من خلال تطوير تقنية إحصائية باستخدام نموذج G-S-M-P لـ GediNETPro لحساب مقاييس التشابه الدلالي بين الأمراض.

يشار إلى أن برنامج دكتوارة هندسة وتكنولوجيا المعلومات يهدف إلى ربط الجزء العملي بالجزء النظري، ويركز على التطبيقات العملية القابلة للتنفيذ في مجتمعنا الفلسطيني، وهو ما أثبته البرنامج من خلال رسائل طلبته وتميزهم به.