Публикации по теме 'bioinformatics'
Почему UMAP превосходит tSNE
Математическая статистика и машинное обучение для наук о жизни
Почему UMAP превосходит tSNE
Действительно ли инициализация имеет значение?
Это четырнадцатый пост из столбца Математическая статистика и машинное обучение для наук о жизни , где я пытаюсь объяснить простым языком некоторые загадочные аналитические методы, используемые в биоинформатике, Биомедицина, генетика и т. Д. В моих предыдущих сообщениях Как именно работает UMAP и Как программировать UMAP с нуля я..
Глубокое изучение геномики
Применение CNN для распознавания TFBS
Наконец, машинное обучение и глубокое обучение предоставили возможности для повышения производительности при решении широкого круга задач, связанных с геномикой. Эта работа от Nature собирает различные приложения машинного обучения и проводит своего рода анализ. В статье описаны такие приложения, как
Прогнозирование эффекта некодирующих вариантов Глубокое обучение как усовершенствование инструментов биоинформатики, полностью управляемое..
Создание конвейера масс-спектрометрического анализа на Python с использованием сопоставлений - часть II: Spec2Vec
После «части I», в которой дается введение о том, как импортировать, обрабатывать и анализировать набор данных тандемных масс-спектров с использованием Python и сопоставлений, «часть II» добавит в игру Spec2Vec, инструмент машинного обучения для оценки сходства спектров.
[последнее изменение: 12.08.2021, с использованием spec2vec версии 0.5.0]
В части I этого руководства была представлена библиотека Python matchms для импорта, обработки и сравнения данных тандемной..
Знакомство с BioJulia: биоинформатика для Юлии
Выйти из зоны комфорта и попробовать новую прикладную науку с языком Джулии.
Julia - отличный язык программирования, который обычно ассоциируется с его мощным статистическим анализом и возможностями машинного обучения. Однако многие люди могут знать, что у Джулии действительно есть довольно зрелая и устоявшаяся группа пакетов для других прикладных наук. Некоторые известные примеры включают Yao.jl для квантового моделирования, JuliaAstro.jl для астрономии (я действительно хочу..
Базовое молекулярное представление для машинного обучения
Мысли и теория
Базовое молекулярное представление для машинного обучения
От улыбок к встраиванию слов и графов
Машинное обучение применялось для решения многих задач в хеминформатике и науках о жизни, например, исследование свойств молекул и разработка новых лекарств . Одним из критических вопросов в конвейере решения проблем для этих приложений является выбор правильного молекулярного представления, которое характеризует целевой набор данных и обслуживает последующую модель...
Использование скрытых марковских моделей для определения местоположения островов CpG и областей промотора
Необъятность человеческого генома представляет собой насущную проблему для исследователей вычислительной техники, желающих сделать обоснованные выводы на основе информации, полученной от человеческого тела. Внутри человеческого тела есть триллионы клеток , каждая из которых содержит генетическую информацию, которая жизненно важна для процессов, выполняемых человеком.
Одной из актуальных областей, в частности, является поиск консервативных подпоследовательностей или участков..
Применение глубокого обучения к контролируемому обучению на основе транскриптома
Глубокое обучение принесло прорывы в анализе изображений, видео, речи и текста [1]. Это также привлекло много интересов в биологии [2]. Некоторые приложения глубокого обучения в биологии показали, что оно значительно и убедительно превосходит традиционные методы машинного обучения во многих задачах. диагностика заболеваний по данным изображений [3], определение вариантов [4], обнаружение регуляторных элементов ДНК [5] и др.
Тем не менее, одна область все еще находится в зачаточном..