标签：“{机器学习算法}”

Science：科学家开发出能帮助理解人类基因组中转录起始的特殊机器学习模型

研究人员开发了一种名为Puffin的机器学习程序，当分析了数以万计已知的人类启动子数据后，这种新型程序就能确定其由三种类型的序列模式所组成，即基序、启动子和三核苷酸（trinucleotides）。

2024-05-27

该研究为构建高性能细胞工厂提供了一种新策略，该策略无需复杂的基因组编辑工具，可适用于多种微生物中。

2024-06-13

本文研究中，研究人员开发出了一种新型数字病理学方法，其能以可重复和可扩展的方式来对癌症表型进行表征和分析。

2024-04-29

来自匹兹堡大学等机构的科学家们通过研究开发了一种新方法，其能通过利用统计机器学习对大量复杂的生物学数据进行分类，从而发现隐藏在疾病背后的未知因素。

2024-04-09

科研人员利用SIRM方法，对几种带有缺失锥的数据集进行处理。结果显示，使用SIRM方法后的重建图像在缺失锥方向上的分辨率得到提高，恢复了取向优势带来的密度畸变问题，并提升了分辨率。

2024-08-08

该研究报道了一种基于多信息融合的机器学习模型PSPHunter，可用于鉴定相分离蛋白和相分离关键氨基酸。

2024-04-24

CalicoST算法的核心优势在于其能够从SRT数据中精确推断等位基因特异性拷贝数变异（allele-specific CNAs）。

2024-11-27

CalicoST算法的诞生填补了这一空白。它不仅能够从空间转录组数据中推断出肿瘤的等位基因特异性拷贝数变异，还能够重建肿瘤克隆在空间中的进化轨迹，绘制出肿瘤演化的“进化地图”。

2024-11-10

SCALE方法不仅可以在单细胞水平预测生物学年龄、评估抗衰老方法的干预效果，而且能识别单细胞数据中的衰老细胞群体，为衰老机制和衰老细胞清除治疗的相关研究提供启发。

2023-11-22

为了更好地理解肿瘤的演化过程，研究人员开发了许多基于高通量测序技术的亚克隆重建算法。这些算法利用肿瘤DNA测序数据中的突变特征来推断肿瘤亚克隆的组成和演化历史。

2024-06-13