特征处理特征是对象的表达，模式识别中处理特征的方法可以分为两类：1 特征选择特征选择就是在原始特征集合中，挑选出一些最具有代表性、可分性最好的特征子集——典型的组合优化问题、NP问题。从统计观点——变量的选择特征选择：1)可以降低特征空间维数；2)特征本身常常具有明确的意义。搜索策略顺序前进法——不考虑特征相关性，由少到多，不断增加特征顺序后退法——不考虑特征相关性，由多到少，不断减少特征遗传算法
https://asia.ensembl.org/info/docs/tools/vep/index.html https://github.com/Ensembl/ensembl-vep 输入一些variant的名字，出来一些注释结果。 注释结果： #Uploaded_variation Loca
转载
2021-01-21 22:11:00
3095阅读
2评论
1.11 集成方法（Ensemble methods）▲集成方法的目的是集合多种基本的预测模型，以提高单一模型的泛化能力和鲁棒性。▲两种类型的集成方法： •平均估计：主要原理平均几个独立预测模型的预测结果。通常，该模型主要是以减小方差为目的，因此结合的预测结果比任何一个单一的预测结果都好。比如：Bagging，随机森林等。 &n
QIIME 2用户文档. 7帕金森小鼠教程Parkinson’s Mouse Tutorial原文地址：https://docs.qiime2.org/2021.2/tutorials/pd-mice/本教程将使用来自人源化(humanized)小鼠的一组粪便样品，展示16S rRNA基因扩增子数据的“典型”QIIME 2分析。最初的研究，Sampson等，2016旨在确定粪便微生物组是否有助于帕
今天来说说单细胞转录组数据的细胞轨迹分析，学会这些分析结果，距离发文章就只差样本的选择了，有创新性的样本将成为文章的亮点，并不是分析内容了！这期继续介绍 Monocle 3 软件包用于研究细胞拟时性分析也就是细胞的生长发育轨迹分析。前 言单细胞转录组测序(scRNA-seq)实验使我们能够发现新的细胞类型，并帮助我们了解它们是如何在发育过程中产生的。Monocle 3包提供了一个分析单细胞基因表达
目标实现对beanName包含service的bean对象的每个方法, 都打印出其运行时间beanName不包含service的不打印通过@EnableMethodCostTime注解来控制打印的开启与关闭本文涉及知识本文的实现@EnableXXX注解的方法可以看做是对多数spring中该类型注解实现的模拟 同时, 在bean对象初始化时, 对对象生成代理对象从而增强, 体会bean的生命周期 同
转载
2024-10-17 09:20:44
58阅读
假设我们想搜具有某种功能的一类基因，比如具有激酶活性的基因，我们应给怎么办呢？gene ontology（http://www.geneontology.org/）,可以大致翻译为基因注释的数据库就可以帮上忙了。个人理解对于本体（ontology）的解释就是最终认识，即对于以前的不明了和不方便的基因的注释来联系起来，最终让生物学家方便的搞科研。下面摘抄了在生物统计学家园网站上的三个帖子
转载
2024-07-10 19:06:48
118阅读
Yang, H., Bell, T., Churchill, G. et al. On the subspecific origin of the laboratory mouse. Nat Genet 39, 1100–1107 (2007). https://doi.org/10.1038/ng2087Supplementary Text and Figures这篇2007年发表在NG上的文章
2005-5-20 星期五(Friday) 晴
代码篇：
1.在源代码中快速跳转:
eclipse中的跳转甚至比VS.Net还方便，方法是按住Ctrl键，然后鼠标指向变量名，方法名，类名，就会出现链接，点击就可跳到定义处。
2.实时语法检查:
编辑区右侧如果有红色小方块，直接点击就可跳到有错的行；黄色小方块是警告，可以忽略，但最好检查一下；如果某
转载
2024-08-03 17:37:43
20阅读
大佬的记录EasyEnsemble：一种简单的不平衡数据的建模方法（附测试代码）桔了个仔旅居新加坡/AI风控/数据科学/FinTech/码农102 人赞同了该文章摘要虽然我这里洋洋洒洒写了2000字，但实际原理我一句话就能讲完，那就是”通过重复组合正样本与随机抽样的同样数量的负样本，训练若干数量分类器进行集成学习“。但为了让大家对这个算法有深入的了解，还是写一篇详细的文章，顺便跑个数据
# 使用 Docker 运行 VEP 软件的完整指南
VEP（Variant Effect Predictor，变异影响预测工具）是一款用于评估遗传变异对基因组影响的工具。为了更高效、更一致地运行 VEP，我们可以通过 Docker 来实现。本文将指导你一步一步地使用 Docker 来运行 VEP。
## 整体流程
下面是使用 Docker 运行 VEP 所需的步骤：
| 步骤 | 描述
写笔记的目的一是加深对论文的理解，二是便于日后回顾。标题：Urban Traffic Prediction from Spatio-Temporal Data Using Deep Meta Learning简介：KDD 2019的论文，考虑了节点和边的元信息来做预测。解决的问题：已有的ST模型大体包括特征提取模块、预测模块，对于预测模块关注的少，文章认为，不同的区域，如办公区，住宅区在早晚高峰会
通俗理解：一个算法的能力是有限的，把多个算法模型集成在一起Boosting方法（串行）Boosting主要思想是将弱学习器组装成一个强学习器（通过加法模型将弱分类器进行线性组合）训练集数据在学习过程中，通常根据它们的上一轮的分类准确率给予不同的权重，加弱学习器之后，数据通常会被重新加权，来强化对之前分类错误数据点的分类（每轮学习完，分类错误的，增加样本的权重，降低弱学习器的权重）个体学习器之间存在
实验一 基因组组装一、实验目的熟悉基因组从头组装原理及步骤掌握velvet, minia, SPAdes等短序列拼装软件使用熟悉用quast评价组装效果二、基因组组装组装原理与方法两种策略Overlap/layout/consensusDe Bruijn k-mer graphs第一种策略主要应用在长reads组装上，如sanger测序数据和第三代测序数据，组装软件包括phrap, cap3等。
VEP是一款强大的注释、分析软件，在我们的变异检测中经常使用其进行SNP、INDEL、CNV和SV的注释，同时借助数据库的内容，对变异结果进行过滤。如此一款强大和功能齐全的软件，其参数必然会非常之多，对于初次接触的人来说，过多的参数非常影响对此软件的理解和使用，甚至耗费大量时间来安装软件。笔者也面对了此问题，耗费大量时间在软件调研和安装步骤中，为了方便后来者的快速使用，特此将安装使用心得分享给大家
Ensemble IDEnsemble ID 是Ensembl 数据库使用的ID标识符，用于标识不同的分子特征，如基因，转录本，外显子，蛋白。大多数据库都有一套自己的ID命名。ID 主要是为消除歧义，在特征注释或数据库更新时也能保持一致。不像人为命名的分子名字，如基因名字那样可能发生改变。就类似于我们的身份证号, 名字方便于平常的交流使用，ID是独一无二的。ID 格式Ensemble ID 个格式
转载
2024-05-06 17:53:01
2061阅读
CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice.通过序列加权、特定位置的间隙惩罚和权重矩阵的选择来提高渐进多序列比对的
一、vasp文件： INCAR in ** STOPCAR in stout out POTCAR in ** KPOINTS in ** IBZKPT out POSCAR in ** CONTCAR out EXHCAR in (should not be used in vasp.3.2 and vasp.4.x) CHGCAR in/out CHG out WAVECAR in/out T
转载
2024-08-14 10:28:41
99阅读
1.集成学习简介集成学习是通过构建并结合多个学习器来完成学习任务，这些学习器被称为“个体学习器”，不同的个体学习器 和 这些个体学习器的不同的集成方式决定了不同的集成学习方法。如果个体学习器都是从某一种学习算法从训练数据中产生，则称这样的集成学习是同质的，此时的个体学习器也称作基学习器，相应的学习算法称作基学习算法；如果个体学习器是从某几种学习算法从训练数据中产生，则称这样的集成学习是异质的强可学
转载
2024-05-18 16:22:16
36阅读
1.测试数据的准备和相关包的安装。library(stringr)
> d1 <- read.table('test.txt', sep = '\t', header = TRUE)
> d1
tag t c g a
1 ENSG00000000003.13 2969 4725 1350 1667
2 ENSG00000
转载
2024-10-17 10:02:15
184阅读
