Публикации по теме 'genomics'


Векторизация последовательностей ДНК
Эффективное преобразование последовательностей ACGT в k-мерные частотные векторы В этой статье я представлю вам быстрый метод преобразования последовательностей ДНК в векторы. Мы рассмотрим метод и код, так как этот шаг не должен замедлять выполнение очень важного последующего анализа. Последовательности ДНК представляют собой длинные цепочки алфавита ACGT . Поскольку корпус алфавита ACGT увеличивается экспоненциально как k⁴ с количеством букв k, обычно последовательности ДНК..
Где геномика встречается с большими данными
Часто говорят, что если 20 век был связан с кремнием, то 21 век будет с биологией. В последние годы новые открытия происходят в области геномики и молекулярной биологии с беспрецедентной скоростью благодаря более глубоким данным, которые мы можем получить из клеток. Каждый день мы получаем новые знания об раке , генетических заболеваниях и новых областях. Благодаря системам секвенирования нового поколения , которые доступны для предприятий любого размера. Геном человека..
Исследуйте данные одной ячейки в виртуальной реальности
singlecellVR теперь на bioRxiv ! Если вы хотите проверить это прямо сейчас, вот ссылка на интерактивный веб-сайт singlecellvr.com . Проверьте это; есть куча наборов данных, уже отформатированных и размещенных на веб-сайте, с которыми вы можете поиграть, чтобы начать. Существует также видеоруководство , которое может помочь вам отформатировать ваши собственные данные и работать как tl;dr рукописи. Также есть видео-трейлер: Достижения в области технологий, которые..
Глубокое обучение для предсказания генов во фрагментах метагеномики.
CNN, RNN, LSTM и GRU для предсказания генов во фрагментах метагеномики. В этом заключительном разделе о применении глубокого обучения для прогнозирования генов мы реализуем 4 различных алгоритма и делаем вывод о том, что вредитель подходит для прогнозирования генов в метагеномной ДНК. Предварительная обработка такая же, как и в моем последнем посте, вы можете найти ее здесь. предварительная обработка данных. Предварительная обработка одинакова для всех алгоритмов, мы используем..
Прогнозирование генов с помощью CNN
Сверточные нейронные сети для прогнозирования генов метагеномики Глубокое обучение в геномике прогнозирование генов во фрагментах метагеномики является сложной вычислительной задачей из-за короткой длины чтения, неполного и фрагментированного характера данных.Традиционные методы машинного обучения извлекают большое количество функций, а затем применяют статистические подходы или подходы контролируемой классификации для прогнозирования генов. В этом исследовании мы используем..
Замечательные статьи по машинному обучению, физике и биологии
За последние годы методы машинного обучения значительно улучшились. Однако большая часть этого улучшения была связана с проблемами при обработке изображений, такими как распознавание объектов на изображениях или рисование новых изображений лиц. Изображения хороши тем, что представляют собой обычные массивы чисел и потому, что их много. Большинство проблем в науке - это не проблемы компьютерного зрения, поэтому размышления о том, как машинное обучение может применяться в науке, требует..
Кураторский список потрясающих приложений для глубокого обучения на данных экспрессии генов
Редактировать Управление темами Кураторский список потрясающих приложений для глубокого обучения данных об экспрессии генов (данные RNASeq и микрочипов). Список есть на github, не стесняйтесь отправлять запрос на включение. https://github.com/ahmedelmahy/awesome-deep-gene-expression Сверточные нейронные сети на данных экспрессии генов 2017–10 | Сверточные нейронные сети для структурированных омик: OmicsCNN и слой OmicsConv | Джузеппе Юрман, Валерио Маджио и др. | Архив..