论文
文章平均质量分 93
qq_37637914
这个作者很懒,什么都没留下…
展开
-
基于深度信念网络的表示学习用于lncrna -疾病关联预测
基于深度信念网络的表示学习用于lncrna -疾病关联预测摘要介绍摘要在本文中,我们从lncRNA、疾病和miRNA的相互作用出发,提出了一种基于DBN(深度信念网络)的lncRNA-疾病关联预测模型(DBNLDA)。该体系结构包含三个主要模块:网络构建、基于DBN的特征学习和基于神经网络的预测。首先,我们构建了三个异质网络,如lncRNA-miRNA相似性(LMS)、疾病- mirna相似性(DMS)和lncrna -疾病关联(LDA)网络。通过相似网络的节点嵌入矩阵,通过两个基于DBN的子网网络分别翻译 2021-04-23 09:46:21 · 1507 阅读 · 2 评论 -
LncMirNet:基于核糖核酸序列深度学习预测LncRNA miRNA相互作用
LncMirNet: Predicting LncRNA miRNA Interaction Based on Deep Learning of Ribonucleic Acid Sequences摘要1 介绍2 材料与方法2.1 材料2.1.1 数据集2.1.2 构建正样本和负样本2.2 方法2.2.1 总体工作流程2.2.2 构造特征RNA序列的k-mer特征组成/转换/分布(CTD)特性doc2vec对RNA序列的分布式表示特征图嵌入方法表示RNA序列利用直方图- dd构造矩阵特征2.2.3 基于卷积翻译 2021-04-23 09:44:41 · 2335 阅读 · 0 评论 -
DTF:预测抗癌药物协同作用的深度张量分解
DTF: Deep Tensor Factorization for predicting anticancerdrug synergy摘要1 介绍2 材料与方法2.1 数据采集和预处理2.2 DTF:深张量因式分解2.2.1 符号2.2.2 张量分解算法2.2.3 CP-WOPTdrug synergy)摘要联合疗法已被广泛用于治疗癌症。然而,由于可能的药物组合数量庞大,实验筛选协同药物对需要大量的时间和成本。因此,计算方法已成为预测和优选协同药物对的重要方法。我们提出了一种深度张量因子分解(D翻译 2021-04-23 09:44:06 · 1190 阅读 · 0 评论 -
使用辅助信息进行张量分解
Tensor Factorization Using Auxiliary Information摘要介绍2 辅助信息张量补全问题2.1使用低秩分解的张量分析摘要现有的大多数张量(或多路阵列)分析方法仅假设要完成的张量等级较低。 但是,例如,当将它们应用于张量完成问题时,如果仅观察到有限的条目,则它们的预测精度往往会大大变差。 在本文中,除了低秩假设之外,我们还建议使用数据之间的关系作为辅助信息,以提高张量分解的质量。 我们介绍了两种使用从关系式导出的图拉普拉斯算子的正则化方法,并为近似解设计了迭代算法。翻译 2021-03-21 17:37:45 · 904 阅读 · 0 评论 -
DrugCom: Synergistic Discovery of Drug Combinations using Tensor Decomposition
DrugCom:药物×药物×疾病,利用耦合张量分解首先从药物(如化学结构)和疾病(如疾病表型)的多个数据源中构建一个初级三阶张量(即药物×药物×疾病)和几个相似矩阵。翻译 2021-03-16 19:37:36 · 424 阅读 · 1 评论 -
基于张量分解的药物重定位预测药物、靶点和疾病之间的关联
Predicting associations among drugs,targets and diseases by tensor decomposition for drug repositioningfrom BMC Bioinformatics摘要介绍**药物重定位三类方法**基于机器学习基于矩阵分解基于网络from BMC Bioinformatics摘要药物重定位:发现现有药物的新用途为目标我们构建并分解包含药物、靶标和疾病之间关联的三维张量,推导出反映这三种实体功能模式的潜在因子。大翻译 2021-03-16 19:36:42 · 2877 阅读 · 2 评论 -
Reinforcement Learning to Optimize Long-term User Engagement in Recommender Systems
强化学习可优化推荐系统中的长期用户参与度摘要CCS概念关键词ACM参考格式:1 介绍2 相关工作2.1 传统推荐系统2.2 基于强化学习的推荐系统问题公式化3.1 提要流建议3.2 进料流的MDP配方摘要推荐系统在我们的日常生活中起着至关重要的作用。 Feed流机制已广泛用于推荐系统,尤其是在移动应用程序上。 提要流设置为用户提供了永无休止的提要中的交互式推荐方式。在这种情况下,良好的推荐系...翻译 2021-03-16 19:35:02 · 608 阅读 · 0 评论 -
miRNA与 lncRNA的相互调控作用
miRNA与 lncRNA的相互调控作用在肿瘤 中的研究进展miRNAlncRNAmiRNA与 IncRNA 的相互调控作用对肿瘤的影响miRNAmiRNA在肺癌、乳腺癌和前列腺癌等多种肿瘤中较正常组织存在差异性表达,其机制包括:miRNA定位于癌症相关的基因组区域 (CAGR);miRNA表达的表观遗传调控;miRNA加工基因和蛋白质的发育异常。这些机制使 miRNA既可发挥诱癌作用 (例如:miR-21和 miR一345能引起转基因鼠模型肿瘤的发生),又可抑制肿瘤发生 (例如:缺失miR-15a/1原创 2021-03-16 19:28:18 · 10319 阅读 · 2 评论 -
comboFM: leveraging multi-way interactions for systematic prediction of drug combination effects
comboFM摘要摘要我们提出了comboFM,一种机器学习框架,用于预测临床前研究中药物组合的反应,如基于细胞系或患者来源的细胞。comboFM通过高阶张量对细胞环境特定的药物相互作用进行建模,并使用强大的因子分解机器有效地学习张量的潜在因子。该方法使comboFM能够利用之前在类似药物和细胞上进行的实验的信息,预测新组合药物在迄今未测试的细胞中的反应;因此,尽管数据张量稀少,它仍然可以实现高度精确的预测。我们使用癌细胞株药物筛选的数据证明了comboFM在各种预测方案中的高预测性能。随后对一组之前未翻译 2021-03-16 19:27:36 · 1062 阅读 · 0 评论 -
IFOS3D
IFOS3D1 介绍1.1 全波形反演(FWI)方法从2D到3D1.2 IFOS3D从SOFI3D到IFOS3D新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML...翻译 2020-04-02 19:38:29 · 230 阅读 · 0 评论 -
IFOS3D(一)
IFOS3D1 介绍1.1 全波形反演(FWI)目的方法从2D到3D1.2 IFOS3D概念目的方法2 理论与实践2.1 反演问题梯度法2.2 使用SOFI3D进行正向建模2.2.1 有限差异建模2.2.2 SOFI3D的其他特性2.3反转过程概述2.4梯度计算2.4.1单色场的提取2.4.2波场计算2.4.3时域和频域的梯度方程1 介绍1.1 全波形反演(FWI)目的最大程度地减少建模数...翻译 2020-04-07 01:54:31 · 907 阅读 · 0 评论 -
Somatic selection distinguishes oncogenes and tumor suppressor genes
体细胞选择区分癌基因和抑癌基因摘要动机癌症驱动基因的功能在不同的组织和器官中有很大的差异。区分每种癌症类型的乘客基因、致癌基因(OGs)和抑癌基因(TSGs)对于理解肿瘤生物学和确定临床可操作的靶点至关重要。虽然有许多计算工具可用来预测假定的癌症驱动基因,但用于OGs和tsg的上下文感知分类的资源是有限的。结果我们发现,蛋白质编码突变的体细胞选择方向和大小在乘客基因、OGs和tsg上存在...翻译 2020-04-07 01:56:33 · 396 阅读 · 0 评论 -
体细胞选择区分癌基因和抑癌基因
笔记知识点专有词汇驱动基因和乘客基因知识点专有词汇OGs:致癌基因TSGs:抑癌基因PG:乘客基因复发性错义突变:无义突变:移码突变:遗传漂移:荟萃分析:CpG位置:框内插入缺失和移码插入缺失突变:比例度量:突变热点:保护度:驱动基因和乘客基因1、 topic 主题是什么(重要吗?)体细胞选择区分癌基因和抑癌基因2、 theory 理论背景是什么(充分吗?)...原创 2020-04-24 09:16:32 · 1061 阅读 · 0 评论 -
论文读书笔记怎么写
论文读书笔记怎么写读书笔记的要求: 1、 topic 主题是什么(重要吗?)2、 theory 理论背景是什么(充分吗?)3、 issue 要研究的问题是什么(有趣吗?/有意义吗?)4、 hypothesis 研究假设是什么,推导的逻辑是什么(合理吗?)5、 study 求证的方法是什么(科学吗?)6、 result 主要的结果是什么(令人惊奇吗?surprise?)7、 e...翻译 2020-04-24 09:19:28 · 448 阅读 · 0 评论 -
PRODIGY: personalized prioritization of driver genes
PRODIGY:驱动程序的个性化优先级基因基因)#摘要##动机癌症的进化是由少数破坏细胞进程,导致异常增殖和肿瘤发展的体细胞突变驱动的,而大多数体细胞突变对进展没有影响。 区分那些驱动患者肿瘤发生的突变基因是癌症治疗的主要目标:对这些基因及其作用途径的了解可以阐明疾病的机制,并指明潜在的治疗方法和药物靶标。 当前的研究主要集中在队列水平的驱动基因识别上,但是患者特异性驱动基因的识别仍然是...翻译 2021-03-16 19:16:50 · 521 阅读 · 0 评论