fprom预测结果内容_启动子分析预测数据库

Promoter 2.0 Prediction Server

http://www.cbs.dtu.dk/services/Promoter/

很早之前的预测启动子在线软件,要求输入的gene序列为FASTA格式,可以在线做

Berkeley Drosophila Genome Group

http://fruitfly.org:9005/seq_tools/promoter.html

果蝇基因组相关信息,利用神经网络预测启动子序列

EPD Eukaryotic Promoter Database

http://epd.vital-it.ch/

比较全的基因启动子数据,并且经过试验验证;同时数据库给出UCSC中gene起始位点的数据下载链接。

真核生物启动子数据库主要收集了真核POL II启动子的相关数据,这些启动子是均是已经被注释的,转录的起始位点也是通过试验验证的。用户可以通过输入核苷酸序列查找到启动子所在的位置。数据库将会为这些启动子提供转录起始点扫描数据,相关数据库的链接和原始文献的介绍。RPD为用户提供了一种独特而有效地查询方法,它通过比较序列提取出有生物学意义的启动子子集。同时它对初学者提供了详细的使用说明。RPD由瑞士生物信息学会支持。

SCOPE

http://genie.dartmouth.edu/scope/

利用计算方法在线预测gene的启动子,可以查看很多个物种,并且给出物种数据信息来源链接

PROMOTERS TERMINATORS

http://molbiol-tools.ca/Promoters.htm

收集了预测细菌启动子、真核生物启动子、转录终止位点的预测工具

Promoters

http://linux1.so

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
大数据非关系型数据库课程设计-基于Scala的交通拥堵预测源码+项目说明 【项目介绍】 该资源内项目代码都是经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶, 或者实际项目借鉴参考! 当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。如果基础还行,也可在此代码基础上进行修改,以实现其他功能。 编写代码--创建总工程--traffic_prediction - 创建普通Java工程:traffic_prediction - 删除 src 目录(工程traffic_prediction 作为总工程目录,不编写代码) ### 编写生产者 **思路:** **a**)新建子模块工程:tf_produccer - New ——> Module ——>选择maven 工程——> 创建完毕——>右键Add Framework Support 添加scala支持 - 创建scala目录并设置为Source Root **b)** 配置maven依赖 **c)** 因为要把数据发送给kafka,所以配置kafka属性,保存于某个配置文件中 **d)** 编写kafka加载属性的工具类 **e)** 每隔5分钟,切换一次模拟状态,例如第一个五分钟,车速都在30KM/H以上,下一个五分钟,车速都在10KM/H一下,往复模拟公路一会堵车,一会不堵车的情况。 **f)** 启动zookeeper,kafka,并创建kafka主题,检查主题存在性 **g)** 将数据发送至kafka并使用kafka console-consumer进行检测 ### **编写消费者** **思路:** **a**)新建子工程:tf_consumer **b)** 配置maven依赖 **c**) 配置redis并测试 **d**) 将刚才kafka.properties以及PropertyUtil拷贝过来 **e**) 编写redis操作工具类:RedisUtil **f**) 读取kafka中的数据,实时保存到redis中,并且按照分钟和监测点聚合车速和车辆个数 ### 编写数据建模代码 **思路:** **a)** 确定要对哪个监测点进行建模,我们称之为目标监测点 **b**) 找到目标监测点的其他相关监测点(比如相关监测点与目标监测点属于一条公路的) **c**) 从redis中访问得到以上所有监测点若干小时内的历史数据信息(一部分作为训练数据,一部分作为测试数据) **d**) 提取组装特征向量与目标向量,训练参数集,训练模型 **e**) 测试模型吻合度,将符合吻合度的模型保存到HDFS中,同时将模型的保存路径放置于redis中 ### 编写预测模块 **思路:** **a)** 用户传入想要进行预测的时间节点,读取该时间节点之前3分钟,2分钟和1分钟的数据 **b**)此时应该已经得到了历史数据集,通过该历史数据集预测传入时间点的车流状态 **提示**:为了方便观察测试,建议传一个历史时间点,这样可以很直观的看到预测结果是否符合期望值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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