omics data | BriefGPT - AI 论文速递

关键词omics data

搜索结果 - 6

超维度计算：生物数据的快速、稳健和可解释范式
生物信息学中的关键词为：算法、深度学习、超维计算、组学数据。本文总结并探索了超维计算在生物信息学中的潜力，强调了其效率、可解释性和处理多模态和结构化数据的能力。超维计算对于组学数据搜索、生物信号分析和健康应用具有巨大的潜力。
PDF4 months ago
应用机器学习于组学数据
在这篇论文中，我们介绍了在组学数据背景下一些机器学习技术的使用。我们具体评估了随机森林和惩罚性多项逻辑回归在胰腺癌的基因组学和免疫组学整合分析中的应用，并提出了使用关联规则来解决之前提到的模型的较低预测能力问题。最后，我们将这些方法应用于由
PDF5 months ago
DOSA-MO: 多目标问题中系统性过高估计调整的双阶段优化器改进生物标志物发现
DOSA-MO 是一种新型的多目标优化封装算法，它通过学习原始估计、其方差以及解集大小如何预测过度估计，并调整期望值以在优化期间改进解集的组成，验证表明 DOSA-MO 基于三个转录组数据集对肾癌和乳腺癌进行生物标志物识别改进了基于遗传算法
PDF6 months ago
低标签、高数据情境下的多组学嵌入自监督学习
利用对比式自监督学习训练预训练的 FT-Transformer 模型，从 miRNA、mRNA 或 RPPA 表达数据中预测癌症类型。当标记样本稀缺而未标记样本众多时，相比标准的表格数据基准（XGBoost 和 CatBoost），该模型表
PDF8 months ago
基于 AutoBA 的自动生物信息学分析
Auto Bioinformatics Analysis (AutoBA) 使用大型语言模型设计，通过最小用户输入提供详细的各类生物信息学任务的步骤计划，经过专业生物信息学家的验证，在各种基因组学分析案例中证实了其鲁棒性和适应性，在保护数据
PDF10 months ago
利用量化向量变分自动编码器改进转录组特征进行癌症亚型划分
该论文使用 VQ-VAE 模型解决了癌症亚型的聚类问题，并在多个数据集上进行广泛实验和医学分析，并证明该方法能够显著和稳健地改善对癌症分型系统的预测。
PDF2 years ago