- 博客(4)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 通过计算的方法识别预测DNA上的增强子，准确率可达99%
在第一阶段，我们设计了一个混合KAN模型，该模型整合了各种基础分类器的结果，并采用Kolmogorov-Arnold网络（KAN）作为元分类器，基于多个表观遗传信号的灵活组合来预测增强子。在第二阶段，我们开发了一个堆叠自动模型，该模型使用DNABERT-2提取序列特征，并基于堆叠策略和AutoGluon框架定位增强子。结果表明，我们的模型可以灵活地用于利用多种表观遗传信号的组合来预测和定位增强子。然而，现有的预测方法准确性低或依赖于固定的多个表观遗传信号，这可能并不总是可用的。
2025-09-25 19:09:48
350
原创 EfficientNet-resDDSC：一种集成残差块和扩展卷积的混合深度学习模型推断单细胞数据中的基因因果关系
推断单细胞数据中的基因因果关系
2024-12-05 08:08:49
1298
原创 PLEK升级了：PLEKv2工具在RNA序列分析中的卓越表现
符号标准化：将序列中所有混合碱基符号（如'R', 'Y', 'M', 'K', 'S', 'W', 'H', 'B', 'V', 'D'和'N'）替换为'N'，表示不确定的碱基。在人类数据集上的测试表明，PLEKv2不仅在训练集上表现良好，而且在独立的测试集上也能保持高准确率，这证明了模型的泛化能力。特征计算：计算加权k-mer频率，k-mer是长度为k的核苷酸序列模式，PLEKv2中对不同长度的k-mer（通常是1到6）出现的频率进行统计和加权。特别是当k=6时，模型的准确率显著提高。
2024-08-07 11:10:23
2450
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人