bioinformatics | BriefGPT - AI 论文速递

关键词bioinformatics

搜索结果 - 50

蛋白质表征学习综述：回顾与展望
该研究综述了蛋白质表征学习的发展及其模型架构、先验任务、下游应用等方面，介绍了序列、结构、序列 - 结构配合等三类现有方法，并探讨了蛋白质表征学习存在的技术挑战和发展方向。
PDF2 years ago
AAAIGLCC: 用于图级聚类的通用框架
本文提出了一种面向多个图形的一般图级聚类框架，名为 GLCC，它使用对比学习技术，包括实例级和聚类级联合优化表示学习，以及使用邻域感知伪标签来奖励优化表示学习的过程。实验证实，GLCC 比其他竞争基线方法表现更好。
PDF2 years ago
ApHMM：加速模板隐藏马尔可夫模型，用于快速和能效的基因组分析
ApHMM 提供了一种基于硬件和软件优化的灵活的 Baum-Welch 加速器，可显著提高 PHMMs 的计算和能源效率，并在三个重要的生物信息学应用中表现出比现有解决方案更好的性能。
PDF2 years ago
ProtTrans：通过自监督深度学习与高性能计算攻克生命密码的语言
通过训练两个自回归模型和四个自编码器模型，使用生物信息数据培训出来的语言模型（Language Models）能够在低推断开销下完成新的前沿预测，例如使用蛋白 LM - 嵌入 (ProtT5) 能够在无需使用进化信息的情况下，成功地进行氨基
PDF4 years ago
AAAI一种新的 Burrows Wheeler 变换 Markov 距离
介绍了以往研究基于压缩算法的 Burrows Wheeler Transform 在生物信息学中的距离度量问题，提出了其新的替代方案 Burrows Wheeler Markov Distance，可适用于 DNA 序列聚类和恶意软件分类任
PDF5 years ago
正弦偏态环面分布及其在蛋白质生物信息学中的应用
本文提出了用正弦扭曲函数构造非对称环面分布的新方法，通过在蛋白数据方面表现出更好的效果，验证了这种方法的有效性。
PDF5 years ago
MM一种基于逻辑和神经网络的框架，用于研究神经系统疾病的进化
该研究提出了一种结合机器学习和 Answer Set Programming 技术的新框架，以便于帮助医生和研究人员理解神经疾病的复杂机制，并在神经疾病演化模拟任务中发挥重要作用。
PDF5 years ago
ACL联合编码网络结构和文本节点描述的生物医学本体嵌入
本研究提出一种基于 NODE2VEC 的网络嵌入模型，利用环形神经编码器同时考虑网络结构以及文本节点描述信息，用于在两个 UMLS 数据集上进行链接预测实验，并与以往的方法进行比较，结果表明本方法的有效性。
PDF5 years ago
ProteinNet：用于蛋白质结构机器学习的标准化数据集
这篇研究论文介绍了一种名为 ProteinNet 的数据集，在蛋白质序列 - 结构关系的机器学习模型的训练和评估方面提供了一种标准化机制，并提出了一种方法来克服已有数据集中存在的一些挑战。
PDF5 years ago
ICLR学习设计 RNA
提出了一种基于深度强化学习的 RNA 序列设计算法 ——LEARNA 和扩展版本 Meta-LEARNA。经实验证明，该方法在 RNA 设计方面具有新的最先进性能，且速度显著提高，同时具有较好的计算效率和普适性。
PDF6 years ago
深度迁移学习调查
本文综述了深度神经网络及其应用中存在的数据获取与标注问题，并介绍了基于深度迁移学习的研究，旨在通过迁移学习中提出的独立同分布假设的放宽，解决数据不足的问题。
PDF6 years ago
ICML学习多个相关稀疏高斯图模型整合额外知识的快速可扩展联合估计器
本文提出了一种基于领域知识权重的新型混合范数，将两个带权稀疏性约束（共享交互作用和任务特异性结构模式）融合为最小化目标，在多任务 sGGMs 问题上取得了较高的计算效率和预测准确率。
PDF6 years ago
PySEAL: SEAL 同态加密库的 Python 封装实现
本文介绍了使用 pybind11 实现的 SEAL 库的 Python 绑定，以使同态加密更易于被广泛应用于生物信息学领域，并提供 Docker 镜像以便安装和执行。
PDF6 years ago
集成 SVM、CNN 和 RNN 模型的化学蛋白质关系提取
本研究采用机器学习方法，结合支持向量机、卷积神经网络和递归神经网络的集成系统，自动检测 PubMed 摘要中的化学品 - 蛋白质关系，获得了高精度和高召回率表现，证明机器学习方法对于自动提取生物医学文献中的关系具有较高的有效性。
PDF6 years ago
Onto2Vec: 生物实体及其基于本体论的注释的联合向量表示
提出了 Onto2Vec 方法，它基于生物医学本体的注释来学习生物实体的特征向量。我们的方法可应用于生物信息学研究问题，如基于相似性的蛋白质相互作用预测，使用监督学习分类交互类型或聚类。
PDF6 years ago
NIPS应用二维嵌入和卷积神经网络进行宏基因组数据深度学习
本文介绍了一种使用卷积神经网络（CNN）进行生物信息学任务的方法，包括将甲基基因组数据映射为有意义的 1D 或 2D 图像，用于预测各种疾病。该方法在六个不同的数据集上应用，包括总共 1000 多个来自多种疾病的样本。
PDF7 years ago
使用乐观主义训练 GANs
本文提出使用乐观镜像下降（OMD）解决在训练生成对抗网络中的极限循环问题，通过实验验证 OMD 解决了 WGAN 训练中的极限循环问题并同时提高了模型性能，尤其应用于生物信息学中生成 DNA 序列的任务中表现优异。
PDF7 years ago
EMNLP学习阅读什么：聚焦机器阅读
本文介绍了一种专注阅读方法，旨在通过使用强化学习框架（RL）来回答生物医学查询，来提高读取效率。结果表明，相比强基线方法，该方法可以回答更多的问题，同时阅读更少的文献。
PDF7 years ago
应用数据驱动的机器学习探索生物信息学问题
本文研究了当前 13 种常用的机器学习算法在 165 个公开分类问题上的表现，提供数据驱动的算法推荐，并总结出 5 种算法以及与分类问题相关的超参数，用于优化分类器的性能。同时，提供了应用机器学习于监督分类问题的一般指导原则。
PDF7 years ago
ICML通过数据集中的属性交互解释分类器
介绍了一种新的方法 Astrid，可以用于研究分类器在进行预测时利用哪些属性交互作用，以提高模型解释性。该方法具有在药品监测和生物信息学中识别药物交互作用和探究单核苷酸多态性关联等应用价值。
PDF7 years ago