Feb, 2024

evolSOM: 使用 SOM 进行进化保守性分析的 R 包

PDF
TL;DR通过使用 Self-Organizing Maps 方法，该研究介绍了 evolSOM 软件包，用于探索和可视化生物变量的保守性，以实现表型和基因型属性的集成。该软件包可自动计算和可视化这些变量之间的位移，从而有效比较和显示保守和位移变量，且可增强复杂网络分析的可访问性。
genestraitsrna moleculesproteinsself-organizing maps
发现论文，激发创造
  • 非欧几里得自组织映射

    本文提出了一种应用于非欧式几何的 SOM 算法，其拓扑相关扩展改善了传统 SOM 算法，可用于维度约简、聚类或在大数据中寻找相似性。

    Sep, 2021

  • SOMson — 在 Kohonen 地图中的多维数据音效化

    SOMson 是一种交互式数据增强技术，通过声音化将基础数据与 Kohonen Maps 进行结合，以增加信息量，并提供整体视图。

    Mar, 2024

  • 利用自组织映射（SOMs）对等离子体子团不稳定性的完全动力学模拟进行无监督分类

    本文介绍了如何利用基于自组织映射（Self-Organizing Maps，SOM）的聚类方法来分析近期产生的空间物理过程的大量仿真和观测数据，并得出了聚类图，该图可以很好地定位整个过程中各个区域的特征，因此该方法是一种有前途的数据分析工具，可以用于空间物理过程的仿真和观测数据的分析。

    Apr, 2023

  • Evolvability ES: 可扩展且直接的进化能力优化

    本文介绍一种名为 evolvability ES 的进化算法，旨在明确且有效地优化进化能力，即进一步适应能力。实验结果显示，与梯度基础的元学习算法相比，evolvability ES 表现良好，是研究深度神经网络中可进化表示潜力的新方向。

    Jul, 2019

  • 演化算法模拟分子进化：一个新的领域提议

    通过将进化算法、机器学习和生物信息学相结合，我们提出了一种计算方法，可以扩展已知功能蛋白家族的词汇表，进而发展出以前从未存在过的全新蛋白质，从而推动计算进化的新子领域的发展。

    Feb, 2024

  • 演化复杂性是困难的

    通过比较数字逻辑门电路基因型 - 表型映射与生物学基因型 - 表型映射的数学定义，研究电路复杂度、表型复杂度与进化中的冗余、鲁棒性和进化性等性质之间的关系，发现由于表型稀有性、大型相互连接的中性网络和低稳健性的高突变负载，演化复杂度较难，提出在基于遗传编程的进化过程中寻找映射到复杂表型的基因型的计算策略。

    Sep, 2022

  • 系统发育基因组学的数学

    通过高通量技术揭示了许多生物的基因组、基因的全局表达模式和种群内变异的详细信息，这使得我们第一次能够探讨基因组的演化、基因及其调控的结构，以及个体基因型和表型之间的联系，并使生命科学中新学科 Phylogenomics 迅速发展。本文的目标是为数学家提供这一新兴领域的第一次介绍，并讨论从 Phylogenomics 中产生的具体数学问题和进展。

    Sep, 2004

  • 一种确定性自组织映射方法及其在基于卫星数据的云类型分类中的应用

    本篇研究探讨了一种补充标准自组织映射的确定性方法，并通过卫星云数据的实验结果，展示了这种方法在数据组织和简化方面的有效性和高效性。

    Aug, 2018

  • 评估自组织映射可靠性的统计工具

    本文介绍了一些工具，用于测试特定自组织映射结果的置信度，测量自组织映射的量化误差和邻域关系，并且这些工具还可以用于客观测量自组织映射与其他神经网络模型相比更不敏感的情况。

    Jan, 2007

  • 利用网络引导的图割进行高效的多位点关联映射

    该论文介绍了一个名为 SConES 的新方法来发现与表型最大相关的一组遗传位点，同时保持其在一个底层网络中相连的特性，该方法在基因组范围内的情况下能够高效地解决这个问题，并且在模拟研究中表现出比现有方法更强的因果 SNP 检测能力。

    Nov, 2012