垃圾就应该待在垃圾桶里的博客

目前的生物技术可以同时测量同一细胞的多种高维模态（如RNA、DNA可及性和蛋白质）。需要结合不同的分析任务（如多模态整合和跨模态分析）来全面了解这些数据，推断基因调控如何驱动生物多样性和功能。然而，目前的分析方法被设计为执行单一任务，只能提供多模式数据的部分情况。在这里，我们提出了UnitedNet，一个可解释的多任务深度神经网络，能够整合不同的任务来分析单细胞多模态数据。

识别疾病基因关联是理解分子机制、疾病诊断和治疗的一项基本和关键的生物医学任务。通过实验验证疾病和基因之间的因果关系既费时又昂贵。最近，深度学习方法在识别遗传疾病的候选基因方面取得了巨大的成功。基因预测问题可以建模为基于基因-疾病图的节点和边的特征的链接预测问题。然而，现有的研究大多是基于单一数据源构建同构网络或基于多源数据构建异构网络，人为定义元路径，以学习疾病和基因的网络表示。前者无法利用丰富的多源异构信息，而后者在定义元路径时需要领域知识和经验，模型的准确性在很大程度上取决于元路径的定义。

长非编码RNAs（lncRNAs）和microRNAs（miRNAs）是目前研究中两种普遍的非编码RNAs。它们在动物和植物的生命过程中起着关键的调节作用。研究表明，lncRNAs可以与miRNAs相互作用，参与转录后的调控过程，主要参与调控癌症的发展、转移性进展和耐药性。此外，这些相互作用对植物的生长、发育以及对生物和非生物胁迫的反应有重大影响。破译lncRNAs和miRNAs之间的潜在关系可能为我们了解lncRNAs和miRNAs的生物学功能以及复杂疾病的发病机制提供新的见解。

生物信息学期刊2023更新版

CBM|用于lncRNA-疾病关联预测的数据资源和计算方法（综述）

BIB|LDAformer：基于拓扑特征提取和Transformer编码器的lncRNA-疾病预测

Bioinformatics|MGPLI：探索蛋白质-配体相互作用预测的多粒度表示（protein-ligand）

Bioinformatics|BRWCP：异构信息中修正不完全信息影响的药物-蛋白相互作用预测（drug-protein prediction）

Latex编写时会遇到在作者名字上字母上加一声，二声，三声、四声或两点等标志

最近新创建了一个公众号，用于介绍一些应用生物信息学的人工智能算法和研究进展以及网络表示学习算法研究。欢迎大家关注投稿，解析自己的or自己组的or自己阅读的论文

最近有个excel表需要转成PDF文档，也在网上搜索了一些方法：一、比如另存为.pdf格式，想想谁不会这招啊，关键这招转的时候有问题，才去百度搜索啊。（至于什么问题，我碰到的问题就是容易少列）。二、就是导出.pdf文档，如下操作但是它同样有问题啊，自己也知道就是操作，就是有问题才去百度的哎。（我碰到的问题就是转出来的pdf中的文字较小，显示不出完成的字，当然可能是我的单元格问题）三、就是使用各种转换软件（要么免费，要么要钱），同样也是有问题。四、后来我想了一下，将excel表转成word文档后，

最近给我们组新生讲了决策树的相关知识，以下是所做的PPT，参考了网络资源。

转载：公众号：AI in Graph

MDNN: A Multimodal Deep Neural Network for Predicting Drug-Drug Interaction Events论文解析(MDNN：一种用于预测药物互作事件的多模态深度神经网络)由中南大学高建良老师组发表在2021IJCAI上文章目录Abstract1 Introduction二、使用步骤1.引入库2.读入数据总结欢迎使用Markdown编辑器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

对于构建好的机器学习模型，需要对模型的效果进行评估，对于机器学习中的3大类问题，分类，回归，聚类而言，各自有不同的评估指标，本文主要介绍分类模型常用的评估指标。以二分类问题为例，考虑真实分类和模型预测的组合，会出现以下4种结果上述矩阵称之为混淆矩阵，是一个N X N的方阵，其中N表示类别数。对于二分类而言，就是2 X 2的矩阵，其中TP 对应 true positive, 真阳性，真实分类为正，模型预测也为正TN 对应 true negative, 真阴性，真实分类为反，模型预测也为反

在机器学习中，数据集可以划分为以下3类训练集，traning data验证集，validation data测试集，test data将数据集进行划分是非常必要的，如果所有的数据都作为训练集的话，不可避免的会遇到过拟合的问题，所以我们还需要另外的数据对训练集得到的模型的结果进行评估和验证。一般按照6：2：2的比例进行划分。三者的关系如下训练集用于训练模型，验证集用于评估模型，调整模型超参数，测试集则用于评估最后生成的模型的效果。其中验证集是非必需的。利用验证集来评估模型效果，调整超参数的过

引言Pip 是 Python 的一个包管理工具。它的最常见用途是安装软件包，但还有一些其他有用的命令各位同学可能不知道，本文我们就来介绍一下~1. 更新 pippython -m pip install --upgrade pip2. 安装软件包pip install <package-name>例如我想安装 pandas，一个 Python 包，我会输入以下命令:pip install pandas3. 更新包pip install -U <package nam

本文是对生物网络方向的已读文献的归纳总结，长期更新欢迎做生物信息学、计算生物学、复杂网络计算、图表示学习的同学联系加群讨论，互帮互助，需要文献的请联系论文1：Graph attention networks (GAT)论文解析论文2：Graph Representation Learning via Hard and Channel-Wise Attention Networks论文解析论文3：AM-GCN: Adaptive Multi-channel Graph Convolutional

https://mp.weixin.qq.com/s/CnYCRAJ72tdnFvlSBsLquQhttps://mp.weixin.qq.com/s/7fWZoV4GzbAIZphGxd-9fg（这是上一个链接的后续设置）

计算两个tensor的矩阵乘法，torch.bmm(a,b),tensor a 的size为(b,h,w),tensor b的size为(b,w,h),注意两个tensor的维度必须为3.