- 博客(6)
- 收藏
- 关注
RSS订阅原创 数据挖掘生物信息学：学习高通量测序技术的最新进展！
人工智能生物学分析算法是处理生物网络数据的有效方法，它构建机器或程序来模拟人类智能，从而在生物网络中实现分类、聚类和预测任务。另外，深度学习方法，如卷积神经网络(CNN)也被用于识别基因序列中的特定模式。机器学习可以用于预测蛋白质的三维结构。最近，DeepMind的AlphaFold算法利用深度学习技术在蛋白质结构预测中取得了突破性的进展。在药物发现中，机器学习可以帮助预测药物的效果，降低药物研发的成本和时间。例如，深度学习可以用于预测化合物的毒性，药效和药物靶点。专题七：机器学习转录组学与表观组学。
2023-08-09 09:54:32
142
原创 《自然》杂志热点研究：人工智能在多组学和药物发现中的应用
人工智能生物学分析算法是处理生物网络数据的有效方法，它构建机器或程序来模拟人类智能，从而在生物网络中实现分类、聚类和预测任务。在过去的几十年里，我们看到了人工智能生物学分析算法的快速发展。
2023-07-03 15:45:13
188
1
原创 篝火夜话，对话生命科学领域专家，解析顶级科研技巧！
人工智能技术已经从“浅层”学习架构发展到“深度”学习架构。作为人工智能的一个重要分支，机器学习（ML）可以自动学习捕捉复杂的模式，并根据数据做出智能决策。ML在癌症研究和临床肿瘤学中有着非常广泛的应用。特别是，在多组学数据快速增长的推动下，属于ML子领域的基于深度学习（DL）的方法已成为生物医学数据分析的强大工具。
2023-06-26 14:18:23
147
1
原创 闲聊生物信息学知识
在公众号中，我们力求分享最前沿的生物信息学研究成果和文献，为读者提供更全面、更深入的学术知识和参考资料，争取让读者获取自己需要的知识内容。最后，公众号也会定期举办读者交流和讨论的活动，提供一个交流、分享和学术探讨的平台，使生物信息学从业者能够相互帮助，不断分享和吸收新的知识，还可以邀请专业人士进行线上直播交流，我们会根据读者的意向需求去举办相关交流会。这些文章均发布于相关领域的期刊上，是各自领域最前沿的研究成果，带读者进行深度的解读和分析，让学者能够更深入地了解生物信息学最新的研究成果和前沿技术。
2023-06-02 15:45:57
99
原创 机器学习在代谢组学、蛋白质组学、微生物组学、基因组学研究中的应用
机器学习方法旨在基于底层算法和给定数据集生成预测模型。机器学习算法的输入数据通常由一组样本中的“特征(features)”和“标签(labels)”组成。特征是所有样本的测量结果，无论是原始的还是经过数学变换的结果；而标签是机器学习模型旨在预测的结果—也就是模型的输出。机器学习算法也可以处理缺乏标签的数据集。如图1所示，一般的机器学习工作流程首先是处理输入数据; 第二，学习或训练基础模型（一组数学公式和统计假设，定义学习规则）; 第三，使用机器学习模型对新数据进行预测。
2023-03-21 14:12:25
860
1
原创 写给想学习生物信息学的同学
现代生物学越来越成为一门计量科学。三个世纪以来，生物学从观察科学成为实验科学再逐渐演变为数据科学，技术手段要求越来越高，好摘的果子早就被人捡跑了，要想有重要发现，想发文章，光靠观察和试验肯定是不够的了。新的重要发现，要求我们研究人员必须利用大数据和先进的数据分析方法。
2023-02-11 11:42:34
159
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人