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
首先，所有的以及人特异性的序列的转录因子的结果都已经出来了，这次想要按照重复家族，来试图解释：（1）我们已经有人表达特异性的基因和转录因子的数据集（师姐之前给过我）（2）不同的重复序列家族，结合的转录因子是否相同（从整体上看，也许也有一些文献的证据）（3）有否存在特异性的和插入序列家族结合的转录因子（如果有，有什么功能，是否也是人特异性的）一、提取不同家族的比对的结果刚刚看了一下，也许是需要重新的
转载
2024-07-11 14:41:42
166阅读
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
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
2056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
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
本文概述由于将项目的paragonie / random_compat依赖项(或项目的依赖项的依赖项)升级到1.5或主要版本而出现此错误。许多开发人员在使用Laravel和Symfony(symfony / polyfill-php70)时都遇到了这个问题。基本上是问题所在, 如消息中所示, 你的系统上没有更新的PRNG, 你需要提供一个。伪随机数生成器(PRNG), 也称为确定性随机位生成器(D
基因结构其实这个结构不完整，完整的如下：主要注意UTR这个结构真核生物的基因结构包括编码区和非编码区。编码区编码区其实是断裂基因结构，也就是不连续基因。具有蛋白编码功能的不连续 DNA 序列称为外显子，外显子之间的非编码序列为内含子。 每个外显子和内含子接头区都有一段高度保守的一致序列，即内含子5’末端大多数是 GT 开始，3’末端大多是 AG 结束，称为 GT-AG 法则，是普遍存在于真核基因中
前端开发移动端经常遇到px转rem自适应屏幕宽度。首先我们要了解什么是rem，什么是像素。rem是什么？rem是一种长度单位，是而且仅是根据根元素html改变的长度单位。Root em(REM)是CSS3中新定义的一种长度单位。和之前的em(根据父元素改变大小)单位相比在使用上具有明显的优势。著名的响应式web框架Fundation就是用REMs作为基本的长度单位。接下来还有几个重要的概念需要交代
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
一、什么是JVMJVM(Java Virtual Machine)，Java虚拟机，它是JRE的一部分，通过在实际的计算机上仿真模拟各种计算机功能来实现的。JVM的内部体系结构分为三部分：类装载器（ClassLoader）子系统，运行时数据区，和执行引擎。类加载器：每一个JVM都有一个类加载器子系统，负责将程序加载到JVM中，并赋予加载的类或者接口唯一名字。JVM包含两大类类加载器：启动类装载器和
基因组编辑是在基因组水平对基因进行精确、定向修饰的一种高效生物技术方法。简单、高效的CRISPR/Cas9编辑体系的出现给生命科学带来了新的技术革命。CRISPR/Cas9通常在基因组靶向位点造成DNA碱基的添加或删除，导致基因功能的缺失。近日，中国科学院遗传与发育生物学研究所高彩霞研究组建立了一个通过CRISPR/Cas9高效调控内源mRNA翻译的方法。该方法可通过提高蛋白质翻译效率，增加目标基
1 IIS安装和windows系统配置1.1 IIS安装检查是否安装好了IIS，可在【管理工具】的【服务管理器】中查看，如下图所示表示安装了IIS。 确认IIS已完全安装，点击上图中的Web服务器（IIS）： 如果未完全安装，点击角色服务右侧的“添加角色服务”，全部勾选进行安装。如果没有安装IIS，可以通过【添加角色】安装注意：必须使用Administrator用户进行安装&n
ensemble组合方法1、ensemble概念通过聚合多个分类器的预测来提高分类的准确率，这种技术称为组合方法(ensemble method) 。组合方法由训练数据构建一组基分类器，然后通过对每个基分类器的预测进行权重控制来进行分类。Ensemble技术在数据挖掘的三个方向：1.在样本上做文章，基分类器为同一个分类算法，主要的技术有bagging，boosting；2.在分类算法上做工作，即用
转载
2024-07-10 12:22:08
48阅读
在数据分析中，经常需要下载物种的参考基因组序列。通常情况下，可以考虑以下3个数据库NCBIEnsemblUCSC这三个数据库都是公共的大型数据库，里面存储了很多物种的基因组序列。这3个数据库作为第一选择，如果这三个数据库中都没有你要寻找的物种，可以尝试寻找该物种特有的数据库。同一个基因组在以上三大数据库中的记录还是稍有不同的，以human为例，在NCBI中的链接如下https://www.ncbi
在工作中使用Excel时，经常会有需要在对原始记录清单进行整理时，剔除其中一些重复项。接下来本文就来讲解下Excel中去除重复项的几种常用技巧。所谓的重复项，通常是指在Excel中某些记录在各个字段中都有相同的内容(纵向称为字段，横向称为记录)，例如下面图中的第三行数据记录和第五行数据记录就是完全相同的两条记录，除此以外还有第六行和第十行也是一组相同记录。在另外一些场景下，用户也许会希望找出并剔除
本地BLAST的使用 数据库的获取 最简单的方法是直接到NCBI或别的网站去下载 也可以将自己的序列，或与自己工作相关的序列进行整理构建成一个小型的数据库 注意：以上文件格式一般可存为fasta格式 构建BLAST用的数据库 将已构建好的数据拷贝到你所设定的数据库所在文件夹 运行cmd命令 在cmd环境中输入如下所示命令 formatdb –i inseqs.fa –p F –o T –n db_
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
linux启动序列1、CPU初始化 CPU自身初始化，从某个固定位置(0xfffffff0)取指令并执行，该指令为跳转指令，跳转到BIOS代码的首部。2、装载BIOS BIOS被固化在主板上的一个ROM中，它首先进行自检（POST)，随后加载内核引导程序。 POST阶段进行系统硬件的检测，包括内存检测，系统总线检测等。3、读取
