基于pytorch深度学习框架的siRNA药物药效预测模型Task1#AI夏令营#Datawhale

最新推荐文章于 2024-10-06 23:55:17 发布
最新推荐文章于 2024-10-06 23:55:17 发布
阅读量326 收藏
点赞数 4
文章标签： 深度学习 人工智能 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43054610/article/details/140757768
版权

#AI夏令营 #Datawhale #夏令营

赛题链接上海科学智能研究院 (sais.com.cn)

有幸参加了本次Datawhale的AI夏令营并第一次接触有关生物与ai结合的项目，根据教程步骤理解了代码的具体内容与模型参数含义与作用，化身调参侠，微调了learning rate，epoch，br等参数并多次训练测试模型

qq_43054610
关注
基于pytorch深度学习框架的验证码识别模型设计
07-01
【作品名称】：基于pytorch深度学习框架的验证码识别模型设计 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】：基于...
基于pytorch深度学习框架：车辆检测计数+车牌定位+车牌识别的融合技术
07-03
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测；基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测；基于...
基于pytorch深度学习框架的siRNA药物药效预测模型Task2#AI夏令营#Datawhale
qq_43054610的博客
07-31 281
在datawhale给出的代码中，使用了lightgbm框架优化算法，最后得出的结果分数显著提高。在task2阶段跟着datawhale的直播课与注释文件，深入理解了赛题，入门RNN和特征工程。#AI夏令营 #Datawhale #夏令营。本人在学习过程中收获颇丰。
基于pytorch深度学习框架的siRNA药物药效预测模型Task3#AI夏令营#Datawhale
qq_43054610的博客
08-03 360
跟着看完了Task3的教程并听取了优秀学习者的分享，自己尝试并结合ai重新改写代码，当时由于本人对深度学习ai这块的理解与锻炼有所欠缺，优化后的代码反而得分有略微倒退，但是还是在本次夏令营收获良多。#AI夏令营 #Datawhale #夏令营。
#Datawhale AI 夏令营第三期—siRNA药物药效预测学习
2301_80270213的博客
07-26 2332
随着mRNA疫苗在新冠预防领域取得成功，核酸类药物的研发获得了越来越多的关注。本次比赛聚焦于通过机器学习技术，利用化学修饰后的siRNA序列来预测RNA干扰（RNAi）机制下对靶基因（target gene）的沉默效率，这一指标与药物实际疗效直接相关。RNAi是生物体内天然存在的一种基因表达调控机制，通过抑制靶基因的表达来实现降低目标蛋白量的目的，这一机制一般可通过siRNA实现。目前开源的数据库中，以RNA主干序列（裸序列）为主，缺少相应的化学修饰数据。
Datawhale AI夏令营——siRNA药物药效预测学习笔记
swordwielder的博客
08-03 1275
如处理生物问题，首先要分清当前是一个分类、回归或者生成问题，然后确定模型选择，接着考虑如何把数据处理到模型中，再从处理数据的过程中结合生物学知识构造特征，最后再用模型训练这些特征和预测结果，不断优化得到最优结果。
Datawhale AI 夏令营 siRNA药物药效预测 task01
xml121的博客
07-25 434
RNA干扰（RNAi）是生物细胞内天然存在的一种基因表达调控机制，可抵御外来核酸的入侵和控制基因表达。相比于传统小分子药物，siRNA具有可成药靶点多、药效强、安全性好、成本低的优势，其研发是全球范围内极具发展潜力的前沿医药领域之一。siRNA的化学修饰对siRNA在体内的稳定性、毒性、药代动力学特性至关重要，是siRNA研发中的重要影响因素，本赛题聚焦经过化学修饰的siRNA序列数据预测其对相应的信使RNA（mRNA）沉默效率指标，对指导siRNA药物设计具有重要指向性作用。
Datawhale AI 夏令营：siRNA药物药效预测----Task 3
2301_78848706的博客
08-03 1655
【今天是无情的搬运工，基本上是原文没有动内容，昨天试了一下改代码，尝试的lgm优化，一直在报错，主要问题就是用了循环，取平均又不好带入，预测好不容易改对了，结果带入模型又出错，这两天又在忙其他事情就导致很多算法没有尝试，挺遗憾的，加个目录，感兴趣可以自己查看试一下】
Datawhale 2024年AI 夏令营第三期的学习活动|#第二届世界科学智能大赛生命科学赛道：siRNA药物药效预测 ：Task1 Baseline精读
Awwwwwwer的博客
07-28 725
我是机械自动化专业的，对编程有点兴趣，平时很喜欢上网关注AI技术的发展。我也认识到AI技术快速发展正在深刻影响人们的生活。恰逢这次免费的活动，我很高兴参加了这次Datawhale AI夏令营并选择了生命科学赛道，能够通过一个具体的项目来充分体验AI技术的内核。在Task1，我主要学习了baseline环境的安装和对baseline的解读。下面介绍一下我的学习流程。打开比赛提供的基础代码，我看到了baseline所需要的一些前提配置。
Datawhale AI 夏令营：siRNA药物药效预测----Task 2
2301_78848706的博客
07-31 1858
你在阅读每一页时，不仅仅是单独理解这一页的内容，还会记住前面的情节和信息。我昨天说要改算法，但我还没尝试，尝试了一下改数值大概能高个0.01分，感兴趣可以试试，我数值差不多都改了，记得数值应该是减小的，效果最好目前是到十九，等下再试试，写文没关GPU，不多说了，还是老话，别光尝试改数值，试试改算法。在数据观察的时候发现，siRNA_duplex_id的编码方式很有意思，其格式为AD-1810676.1，我们猜测AD是某个类别，后面的.1是版本，当中的可能是按照一定顺序的序列号，因此可以构造如下特征。
Datawhale AI夏令营（AI+生命科学）深度学习-Task1学习笔记
Pluses的博客
07-25 1309
Datawhale AI夏令营（AI+生命科学）深度学习-Task1学习笔记
基于pytorch深度学习框架+树莓派平台+YOLOv5+LPRNet+STNet模型的车牌检测与车牌识别算法源码+说明.zip
01-17
1、该资源内项目代码经过严格调试，下载即用确保可以运行！ 2、该资源适合计算机相关专业(如计科、人工...基于pytorch深度学习框架+树莓派平台+YOLOv5+LPRNet+STNet深度学习模型的车牌检测与车牌识别算法源码+说明.zip
基于pytorch深度学习框架yolov4与yolov5实现车辆检测计数+车牌定位+车牌识别融合技术源码+模型+运行说明.zip
05-19
基于pytorch深度学习框架yolov4与yolov5实现车辆检测计数+车牌定位+车牌识别融合技术源码+模型+运行说明.zip基于pytorch深度学习框架yolov4与yolov5实现车辆检测计数+车牌定位+车牌识别融合技术源码+模型+运行说明....
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LP_-.zip
09-02
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LP_-.zip 设计合理： 遵循模块化，便于扩展。 注释相近： 统一风格，易于理解。 资料丰富： 包括示例代码、文档和演示。 欢迎下载...
深度学习：DCGAN
Landy_Jay的博客
10-01 523
CDGAN（Deep Convolutional Generative Adversarial Networks），是GAN（Generative Adversarial Networks）的一种变体，它特别使用了卷积神经网络（CNNs）作为生成器和判别器的构建模块。DCGAN使用全卷积网络结构代替传统的池化层和全连接层。在生成器中采用转置卷积（也称为分数步长卷积或反卷积）来逐步增加图像的空间维度。在判别器中使用卷积层来逐步减少空间维度并提取特征。
深度学习-----------------机器翻译与数据集
Einstein·Jun
10-03 442
绘制每个文本序列所包含的标记数量的直方图。
国创——基于分离表示的人脸图像生成技术
2301_80073593的博客
10-01 1032
根据用户的个性化需求，对分离得到的形状和纹理表示进行调整。- 在DFGA框架的几何形状生成模块中，根据输入数据（可能是经过预处理的图像特征等），使用特定的算法或模型生成人脸的几何形状。- 分离表示旨在将人脸图像分解为不同的组件，如几何形状（面部结构）、皮肤纹理（颜色、细节等）等表示形式。- 将生成的几何形状和皮肤纹理进行融合，得到最终的个性化人脸图像或者视频帧（如果是从视频序列输入）。- 定义DFGA框架中的各个模块，如数据加载模块、几何形状生成模块、皮肤纹理生成模块、融合模块等。
【大模型理论篇】精简循环序列模型(minGRU/minLSTM)性能堪比Transformer以及对循环神经网络的回顾
最新发布
源泉的小广场
10-06 490
RNN、精简RNN、minLSTM、minGRU、Transformer 、序列长度、并行化循环序列模型、 S4、Mamba 、Aaren、循环神经网络精简、大模型、计算加速，梯度弥散、BPTT、时间独立
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值