<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[crosnken的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/C20180602_csq</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; C20180602_csq]]></copyright><item><title><![CDATA[CellFlow虚拟细胞论文阅读]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/161954095</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/161954095</guid><author>C20180602_csq</author><pubDate>Mon, 15 Jun 2026 15:03:22 +0800</pubDate><description><![CDATA[《CellFlow：基于流匹配的生成式单细胞表型建模》摘要 这篇预印本论文提出CellFlow模型，利用最优传输与流匹配技术预测单细胞RNA测序数据中的复杂扰动响应。模型通过多头注意力机制融合基因表达、药物指纹和蛋白质嵌入等多模态数据，创新性地采用Sinkhorn算法构建训练样本对，并在斑马鱼胚胎、癌细胞系、神经元分化等6类生物学场景中验证了性能。实验显示CellFlow在基因敲除（能量距离降低50-70%）、药物组合（log2FC相关性提升30%）和类器官协议预测等任务上显著优于基线模型，但对高阶组合扰动]]></description><category></category></item><item><title><![CDATA[从RNA-seq原始数据开始数据分析（SRA数据处理、Salmon、tximport基因表达矩阵、DESeq2差异表达、WGCNA共表达网络）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/160308980</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/160308980</guid><author>C20180602_csq</author><pubDate>Mon, 20 Apr 2026 23:04:17 +0800</pubDate><description><![CDATA[本文记录了使用Salmon、tximport和DESeq2进行转录组分析的完整流程。首先安装Salmon并下载参考基因组数据，建立索引后分析测序数据，输出TPM等表达量指标。接着构建R语言环境，安装tximport和DESeq2等工具，处理GTF文件建立基因映射关系。然后通过tximport构建基因表达矩阵，使用DESeq2进行差异表达分析，比较实验组与对照组的基因表达变化。最后介绍了WGCNA共表达网络分析的基本流程，包括基因筛选、网络构建、聚类分析以及与表型的关联分析。]]></description><category></category></item><item><title><![CDATA[RF2-PPI论文与代码阅读（人类蛋白质组PPI预测与筛选）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/159761750</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/159761750</guid><author>C20180602_csq</author><pubDate>Thu, 02 Apr 2026 15:28:45 +0800</pubDate><description><![CDATA[本文介绍了一种预测人类蛋白质组中蛋白质相互作用(PPI)的创新方法。研究团队开发了RF2-PPI深度学习模型，结合omicMSA共进化分析和AlphaFold2结构预测，实现了大规模PPI筛选。该方法首先构建了包含2万多个物种的蛋白质组数据库，通过改进的pMSA算法分析蛋白质共进化关系；然后从AlphaFold数据库挖掘结构域间相互作用(DDI)数据；最后利用简化的RoseTTAFold2架构预测PPI。实验结果显示，该方法在弱相互作用预测上显著优于单独使用AlphaFold2，并能发现传统方法难以检测的微]]></description><category></category></item><item><title><![CDATA[MC Forge1.20.1 mod开发学习笔记（物品功能、实体）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/158500567</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/158500567</guid><author>C20180602_csq</author><pubDate>Thu, 02 Apr 2026 13:45:25 +0800</pubDate><description><![CDATA[本文主要分析了Minecraft中Item类和ItemStack类的核心功能实现。Item类定义了物品的基本属性（如最大堆叠数、耐久度、食物属性等）和使用逻辑，包括右键交互、耐久计算、附魔效果等具体实现细节。文章详细解读了弩的使用音效处理、食物判定机制、工具耐久损耗算法（涉及耐久附魔概率计算）等核心功能。同时区分了Item与ItemStack的不同作用：Item定义物品基础行为，而ItemStack处理具体物品实例的使用场景（如放置方块）。通过源代码分析，揭示了Minecraft物品系统背后的设计思路和实现]]></description><category></category></item><item><title><![CDATA[MC Forge1.20.1 mod开发学习笔记（数据生成、食物）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/158284121</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/158284121</guid><author>C20180602_csq</author><pubDate>Mon, 23 Feb 2026 11:54:48 +0800</pubDate><description><![CDATA[本文介绍了使用MDK框架自动生成Minecraft模组JSON配置文件的方法。主要内容包括：1. 通过DataGenerator整合各类数据生成器，包括配方、战利品、标签等服务器端数据，以及方块、物品、语言文件等客户端数据；2. 详细说明了方块状态、物品模型、语言翻译、配方、战利品表和标签等各类数据的生成实现方式，展示了对应的代码示例；3. 介绍了食物系统的实现原理，包括如何定义食物属性和效果，并将其应用到物品注册中。文章提供了完整的代码实现方案，帮助开发者简化模组开发中的数据生成工作。]]></description><category></category></item><item><title><![CDATA[MC Forge 1.20.1 mod开发学习笔记（战利品、标签、配方）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/158235266</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/158235266</guid><author>C20180602_csq</author><pubDate>Fri, 20 Feb 2026 23:53:32 +0800</pubDate><description><![CDATA[本文介绍了Minecraft中战利品列表(loot_tables)和配方(recipes)的JSON配置方法。战利品列表包括考古学、方块、实体、箱子等掉落物配置，通过设置pools、entries、weight等参数实现概率掉落。方块挖掘掉落物支持时运、精准采集等效果。配方配置分为有序/无序合成、熔炉、锻造等类型，详细说明了pattern、key、result等字段的用法。所有配置均通过JSON文件实现，无需编写Java代码，只需在data文件夹中按格式编写相应文件即可完成物品掉落和合成系统的设定。]]></description><category></category></item><item><title><![CDATA[MC Forge1.20.1 mod开发学习笔记（环境配置、物品、方块、物品栏）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/158180179</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/158180179</guid><author>C20180602_csq</author><pubDate>Wed, 18 Feb 2026 21:36:00 +0800</pubDate><description><![CDATA[本文记录了基于Forge框架开发Minecraft 1.20.1模组的完整流程。主要内容包括：1) Java基础复习与开发环境配置；2) 使用Parchment反混淆映射；3) 核心注册机制解析(DeferredRegister/RegistryObject/IEventBus)；4) 物品/方块/创造模式标签的注册实现；5) 资源文件(textures/models/lang)的规范配置。]]></description><category></category></item><item><title><![CDATA[蛋白质功能预测模型DAMPE论文阅读报告]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/156271533</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/156271533</guid><author>C20180602_csq</author><pubDate>Thu, 25 Dec 2025 16:31:11 +0800</pubDate><description><![CDATA[中山大学研究团队提出新型多模态蛋白质表征学习框架DAMPE，通过序列、结构和PPI数据预测GO标签。模型创新点包括：1)采用双曲几何的庞加莱嵌入表示GO标签层级关系；2)利用最优传输理论对齐序列与结构特征；3)引入异构图去噪任务防止数据泄露。实验在CAFA数据集（59k+蛋白质）上验证，相比DPFunc等基线模型表现更优。论文包含30页详细理论推导，涉及最优传输、图神经网络等数学方法。代码已开源，论文预印本发布于arXiv(2510.23273)。]]></description><category></category></item><item><title><![CDATA[自我复制图灵机（SELF）的构建（含python代码）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/154993350</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/154993350</guid><author>C20180602_csq</author><pubDate>Tue, 18 Nov 2025 17:15:23 +0800</pubDate><description><![CDATA[#图灵机 #自我复制 #自复制 #计算理论
本文构建了一种可以进行自我复制的图灵机（SELF），使用python实现了图灵机的数据结构，并设计了相关实验验证该图灵机的功能，时间复杂度为O(n^3)，可以通过优化达到O(n^2*logn)的复杂度。选题来自于计算理论领域的《Introduction to the Theory of Computation》一书。]]></description><category></category></item><item><title><![CDATA[关于红黑树删除节点操作的完整推导]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/152129477</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/152129477</guid><author>C20180602_csq</author><pubDate>Fri, 26 Sep 2025 19:13:10 +0800</pubDate><description><![CDATA[本文系统分析了红黑树的删除操作。作者首先回顾了二叉查找树的删除规则，重点讨论了红黑树删除黑色节点时导致子树黑高变化的处理策略。通过分类讨论父节点和兄弟节点的颜色组合，详细推导了各种情况下的调整方法，包括旋转操作和颜色变换。特别指出最复杂的情况需要向上迭代调整，但整体时间复杂度仍保持O(logn)。分析表明，每次删除最多进行三次旋转操作。文章为理解红黑树删除操作提供了清晰的逻辑框架和技术细节。]]></description><category></category></item><item><title><![CDATA[2025蓝桥杯省赛C/C++研究生组游记]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/147170707</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/147170707</guid><author>C20180602_csq</author><pubDate>Sat, 12 Apr 2025 22:27:40 +0800</pubDate><description><![CDATA[至少半年没写算法题了，手生了不少，由于python写太多导致行末老是忘记打分号，printf老是忘记写f，for和if的括号也老是忘写，差点连&&和||都忘记了。题目都是回忆版本，可能有不准确的地方。代码如果有机会能拿到的话，会补充的。]]></description><category></category></item><item><title><![CDATA[DPFunc蛋白质功能预测模型复现报告]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/147030453</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/147030453</guid><author>C20180602_csq</author><pubDate>Sun, 06 Apr 2025 22:46:00 +0800</pubDate><description><![CDATA[本文简要介绍了DPFunc模型结构，详细的介绍了该模型的复现步骤以及需要注意的地方。]]></description><category></category></item><item><title><![CDATA[蛋白质功能预测论文阅读记录2025（DPFunc、ProtCLIP）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/146164632</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/146164632</guid><author>C20180602_csq</author><pubDate>Wed, 12 Mar 2025 19:21:50 +0800</pubDate><description><![CDATA[目前更新了蛋白质功能预测论文DPFunc、ProtCLIP，后续会继续更新相关论文]]></description><category></category></item><item><title><![CDATA[ESMC-600M蛋白质语言模型本地部署攻略]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/145358174</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/145358174</guid><author>C20180602_csq</author><pubDate>Sat, 25 Jan 2025 20:02:42 +0800</pubDate><description><![CDATA[之前介绍了ESMC-6B模型的网络接口调用方法，但申请token比较慢，有网友问能不能出一个本地部署ESMC小模型的攻略，遂有本文。其实本地部署并不复杂，官方github上面也比较清楚了。后面讲述了esmc-decode接口的使用方式。]]></description><category></category></item><item><title><![CDATA[DGL库使用非cuda:0显卡时报错RuntimeError: CUDA error: an illegal memory access was encountered解决办法]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/144931398</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/144931398</guid><author>C20180602_csq</author><pubDate>Sat, 04 Jan 2025 23:23:56 +0800</pubDate><description><![CDATA[问题是在访问消息函数的参数edges.dst中的res属性（一个自定义属性）时，发生了报错。并非寻常的因为运算的tensor设备不一致而导致的CUDA报错。在调试过程中，甚至出现了删去不相关的变量的时候就停止报错的情况，严重怀疑是DGL库在cuda的内存管理出现了问题，实在调不出来了，便放弃了。很奇怪的一次报错，错误位置在自定义的DGL消息传播过程的消息函数（Message Function）中。最简单的解决办法就是使用cuda:0，然后使用CUDA_VISIBLE_DEVICES来指定GPU设备。]]></description><category></category></item><item><title><![CDATA[关于ESMC-6B蛋白质语言大模型API的使用（ESM3/ESMC简介、batch序列数据输入尝试）]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/144520290</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/144520290</guid><author>C20180602_csq</author><pubDate>Tue, 17 Dec 2024 01:52:00 +0800</pubDate><description><![CDATA[拼尽全力，依然无法战胜。

没能让ESM团队用出全力，真是遗憾呢。]]></description><category></category></item><item><title><![CDATA[Struct2GO模型复现报告]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/144247774</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/144247774</guid><author>C20180602_csq</author><pubDate>Mon, 09 Dec 2024 02:25:17 +0800</pubDate><description><![CDATA[非常朴实的模型，序列和结构特征融合采用了拼接。数据集使用的人类蛋白质。序列特征就是简单的Seqvec特征取mean，对每个蛋白质获得一个1024维的特征向量。主要看蛋白质结构特征提取部分，采用的是GCN和层次池化，根据原代码，只对距离在10 A以内Cα原子对进行建边，然后只用节点特征（这里的节点特征并没有包含空间坐标，估计是认为空间坐标信息在边上，所有就没加了），包含氨基酸的独热编码和node2vec嵌入。网络结构代码：SAGPool是根据图注意力进行topk池化的层。]]></description><category></category></item><item><title><![CDATA[基于gradio+networkx库对图结构进行可视化展示]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/143840812</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/143840812</guid><author>C20180602_csq</author><pubDate>Sun, 17 Nov 2024 23:47:06 +0800</pubDate><description><![CDATA[在gradio框架下对蛋白质-蛋白质相互作用网络（PPI网络）进行可视化，并将其在网页前端进行展示。]]></description><category></category></item><item><title><![CDATA[2024年11、12月记录]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/143687878</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/143687878</guid><author>C20180602_csq</author><pubDate>Mon, 11 Nov 2024 22:54:35 +0800</pubDate><description><![CDATA[广播机制。pigz的使用。dgl库batch的处理。使用浏览器访问wsl内部署的网站。]]></description><category></category></item><item><title><![CDATA[Nginx简易配置将内网网站ssh转发到外网]]></title><link>https://blog.youkuaiyun.com/C20180602_csq/article/details/143646881</link><guid>https://blog.youkuaiyun.com/C20180602_csq/article/details/143646881</guid><author>C20180602_csq</author><pubDate>Sat, 09 Nov 2024 23:02:02 +0800</pubDate><description><![CDATA[本文简要讲述了通过ssh反向代理将内网网站部署至外网服务器的操作，通过Nginx转发外网的http访问到内网服务器，从而获取内网网站信息。]]></description><category></category></item></channel></rss>