【PaperReading】Computational network biology: Data, models, and applications

原创 已于 2022-11-07 10:07:42 修改 · 1.5k 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#生物网络 #复杂网络 #网络生物学

于 2021-10-31 07:00:00 首次发布
本文综述了计算网络生物学在生物网络结构分析、关键生物分子识别、网络疾病研究及药物研发中的应用。研究显示生物网络的结构与生物功能密切相关，通过网络分析能识别关键生物分子，理解疾病的发生机制，并指导药物研发。计算方法如网络传播和网络控制性分析在识别疾病基因和药物靶点中起到关键作用。网络疾病和药物-基因-疾病网络的分析为药物研发提供了新思路，如旧药新用和药物组合疗法。未来挑战包括生物网络数据的质量与完整性、多层次网络分析和多学科交叉验证。

Computational network biology: Data, models, and applications

计算网络生物学长文综述：数据、模型和应用

计算网络生物学综述
论文地址：https://www.sciencedirect.com/science/article/pii/S0370157319304041

生物网络是网络科学研究的重要方向，其相关研究伴随着网络科学的发展和生物数据技术的进步，在近年来取得了突飞猛进的进展。生物网络是以生物分子作为节点，分子之间的相互关联为连边构成的系统（如图1所示）。生物网络种类繁多，比较常见的主要有蛋白-蛋白互作网络、基因调控网络、基因关联网络、代谢网络、脑网络等等。本文将以疾病相关的生物网络计算研究为主要对象，从下述几个方面进行介绍。

生物网络类型

1.网络结构与生物功能

生物网络

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Graph Neural Networks: A Review of Methods and Applications（图神经网络：方法与应用综述）
weixin_41697507的博客
07-06 5930
Graph Neural Networks: A Review of Methods and Applications Jie Zhou , Ganqu Cui , Zhengyan Zhang , Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun Abstract—Lots of learning tasks req...
【论文】Graph Neural Networks: A Review of Methods and Applications
安静
02-25 1141
Graph Neural Networks: A Review of Methods and Applications1 Introduction2 Models2.1 Graph Neural Networks2.2 Variants of Graph Neural Networks2.3 General Frameworks3 Applications3.1 Structural Scenar...
浙江大学_包家立计算生物学_神经网络
leianuo123的博客
03-16 1252
神经网络一般包括三层 输入层 隐匿层 输出层 每一个输入的数据，与相应的权重进行相乘，得到新的数值进入隐匿层，再隐匿层进行相应的数据变换(即经过激活函数的变换)新得到的数据是否到达激活函数的阈值，又称结果进行下一步的输出 。 a(i)是激活函数 o(i)是阈值函数 神经网络的三个要素 1.拓扑结构 分层结构 互联网结构 2.神经元的特性 即O(i）与neti之间的符合函数之间的关系 sig...
利用HGT聚类单细胞多组学数据并推理生物网络
白景屹的博客
03-07 1143
单细胞多组学数据允许同时对多种组学数据进行定量分析，以捕捉复杂的分子机制和细胞异质性。然而现有的工具不能有效地推断不同细胞类型的活性生物网络以及这些网络对外部刺激的反应。
综述阅读笔记-生物网络分析与深度学习
xiao_muyu的博客
01-03 1069
生物网络分析与深度学习综述
《网络科学引论》 第五章 生物网络 学习笔记
最新发布
m0_69833917的博客
05-11 2312
本章重点讨论各种与生物相关的网络，主要包括生物化学网络、神经网络和生态网络等。
无向图的生物网络分析与生物信息学
AI天才研究院
12-31 1257
1.背景介绍 生物网络分析是一种利用计算机科学和数学方法来研究生物系统中的复杂网络结构和功能的学科。无向图是一种常用的生物网络模型，用于表示生物系统中的相互作用关系。无向图是一种图，其中每个节点表示生物实体(如基因、蛋白质或细胞)，每条边表示两个实体之间的相互作用关系。无向图的生物网络分析主要关注如何从无向图中抽取有意义的信息，如识别关键节点、功能模块和生物路径径等。无向图的生物网络分析已经成为...
Comprehensive survey of computational ECG analysis: Databases,methods and applications
weixin_41243988的博客
05-07 892
1、Learning algorithms classifiers（most common and highest-performing): Support Vector Machines（SVM 支持向量机）(Qin et al., 2017; Raj & Ray, 2018) (Qin, Q., Li, J., Zhang, L., Yue, Y., & Liu, C. (2017). Combining Lowdimensional Wavelet Features and ...
【期刊】【物理学A:统计力学及其应用】【Physica A: Statistical Mechanics and its Applications】
wq6qeg88的博客
06-27 2561
统计力学概念和技术的应用包括：物理和物理化学系统的应用，如固体、液体和气体、界面、玻璃、胶体、复杂流体、聚合物、复杂网络，经济和社会系统的应用（例如社会经济网络、金融时间序列、基于智能体的模型、系统风险、市场动力学、计算社会科学、科学科学、进化博弈论、 文化和政治复杂性）和交通运输（例如车辆交通、行人和疏散动态、网络交通、生物学中的群体和其他形式的集体运输、细胞内运输模型、自驱动粒子）以及生物系统（生物信号和噪声、生物波动、细胞系统和生物物理学）;我们基于网络的校对服务确保了更快、更不容易出错的过程。
Solving Differential Equations with ode45: A Treasure in Data Science and Machine Learning, ...
# 1. Introduction to ode45 ode45 is a powerful numerical solver used for solving ordinary differential equations (ODEs). It is based on the Runge-Kutta method, a widely used explicit method for ...
进化生物学-网络关系图制作软件
10-09
针对单倍型数据的进化关系，可以使用Median-Joining算法对其网络关系图 进行推测计算
java网络源码-GASOLINE:GASOLINE（2.0版）的命令行版本的Java源代码，这是一种用于生物网络的本地网络对齐的算法
05-22
java 网络源码
生物学软件NETWORK
12-07
单倍型网络图绘制软件，用于单倍型网络图的绘制。
基于疾病模块理论的疾病关联
02-26
基于疾病模块理论的疾病关联
生物网络绘图软件pajek
07-13
生物绘图软件，它具有强大的功能和易用性。用它可以轻松的绘制生物网络图。
带你初步了解生物网络分析
aganlala的博客
04-09 2908
简介 生物网络是复杂网络，也是以系统科学的思想研究生命的桥梁。网络中的节点可以是蛋白质，基因，RNA，DNA以及代谢物等，网络的边对应节点之间的物理、生化或功能上的相互作用。生物分子之间的相互作用并不是一成不变的，反应在基因调控网络上，节点之间的边会因时间、空间或外部环境的变化而发生变化。网络分析是生物网络的研究重点。网络中生物分子及其相互作用的显著变化，形成差异性网络，这种差异性变化对细胞信号传导、细胞发育、环境压力、药物治疗以及疾病状态的转变有重大的参考价值。目前常见的网络分析有基因调控网络，蛋白质相互
生物网络医学：帝王之镜
联合国不正常犬类病理解剖研究所
08-28 1151
细胞很小，却非常重要，因为细胞是生命活动的基本单元。除了少数的受精卵、卵子等，绝大多数的细胞不能通过肉眼观察到。因此，要研究细胞，显微镜是必须的。有意思的是，在整个生命科学史中，显微镜几乎是最有争议的实验技术，从17世纪发明，经历了一百多年，直到19世纪才逐渐被主流学者接受。为什么当时的主流学者不认可显微镜？因为那时还没有理论可以解释显微镜的观察结果，直到“细胞学说”提出之后。所以当时的学者普遍不
元学习与生物网络：解码生物系统的密码
AI天才研究院
12-27 809
1.背景介绍 生物网络是一种描述生物系统中各种分子之间相互作用的复杂网络结构。这些网络可以帮助我们理解生物系统的功能、组织和进程。然而，生物网络的规模和复杂性使得传统的生物学方法无法有效地分析和预测这些系统的行为。因此，在过去的几年里，元学习(meta-learning)技术在生物网络分析领域取得了显著的进展。 元学习是一种机器学习方法，旨在从多个任务中学习共同的知识，以提高在新任务上的表现。...
Biological network analysis with deep learning（使用深度学习的生物网络分析）
垃圾就应该待在垃圾桶里的博客
12-04 2355
Biological network analysis with deep learning（使用深度学习的生物网络分析）很少有关于生物网络的综述类论文，这是今年发在 Briefings in Bioinformatics期刊上的一篇。随着深度学习的发展及广泛应用，这篇论文可以读读看。 文章目录摘要一、Introduction二、使用步骤1.引入库2.读入数据总结 摘要 实验高通量技术的最新进展扩大了生物学中分子数据的可用性和数量。鉴于生物过程中相互作用的重要性，例如蛋白质之间的相互作用或化合物中的键，
blazek j. computational fluid dynamics: principles and applications (second
08-12
《计算流体力学：原理与应用（第二版）》是Blazek J.（作者）编写的一本关于计算流体力学的书籍。它是该领域中一本权威的教材，被广泛用于工程、物理学和气象学等领域的教学和研究。 这本书详细介绍了计算流体力学的基本原理和方法。计算流体力学是一种利用数值方法来模拟流体流动的科学与工程领域。它结合了流体力学的基本方程和计算机算法，可以用来解决各种流体流动问题，如水力学、空气动力学、热传导等。 该书的第二版相对于第一版进行了更新和扩充。它涵盖了更多的应用案例和实例，以及最新的计算流体力学发展和技术。除了介绍基本的数值方法和离散化技术，书中还详细讨论了网格生成、边界条件、初始条件等问题。 此外，书中还介绍了计算流体力学在不同领域的具体应用。它涵盖了航空航天、汽车工程、能源系统、气象学、生物医学等多个领域的应用案例。通过这些案例，读者可以更好地理解和应用计算流体力学在不同实际问题中的作用和意义。 总的来说，Blazek J.的《计算流体力学：原理与应用（第二版）》是一本对计算流体力学进行全面而深入介绍的教材。它不仅适用于从事相关研究和工作的科学家和工程师，也适合作为大学本科和研究生水平的课程教材。通过学习这本书，读者能够掌握计算流体力学的基本理论和方法，并能够应用到实际问题中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

镰刀韭菜

看在我不断努力的份上，支持我吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值