由于生物数据 自身的特点 . 设计适于生物信息分析 的数据挖 平台应至少包含四层架构 : 生物数据层 、 数据挖掘工具层 、 分 析 辑层和应用层 。将数据挖掘的算法 、 数据分析功能 与实 际的应
生物信息学中的数据挖掘方法及应用,梁艳春等著,数据挖掘,机器学习,生物信息,书籍,200页,高清
coExp是基于共表达分析的生物信息学数据处理方法,它能够通过分析不同基因之间在不同实验条件下的共表达情况,进而揭示基因之间的相互作用关系。其在研究基因功能和疾病机制等方面具有重要的应用价值。本文将介
生物信息学数据分析中的GWAS方法是基于大数据和高通量技术的分析方法,用于研究遗传变异与表型相关性的机制。该方法通过对样本基因组信息进行比对和分析,寻找与表型相关的遗传变异,从而发现潜在的遗传基础。本
高通量测序技术产生的DNA序列数据长度较短,而且数据量非常巨大。分析了高通量测序环境下大数据的挑战和机遇,总结并讨论了数据压缩、宏基因组数据序列拼接、宏基因组数据序列分析方面的算法和工具等研究成果。最
生物信息学算法导论英文版
找了好久,终于找到了,上传了大家一起分享,这是一本经典的解决书籍,包含了很多经典的数据处理和机器学习的有关算法。
耶鲁大学Mark Gerstein教授的生物信息学导论课件,对生物信息学有着深入浅出的介绍。该讲义介绍了生物信息学处理的数据类型、内容、方法,并用很多幽默简明的插图让非生物专业的人士理解这些内容。
大学生物信息学教学思考,黄菊香,,生物信息学以现代计算机科技和信息技术为手段在生物学范畴内揭示隐藏在生物数据背后的人类奥秘,是生物科学与信息技术高度结合的
JONES,N.C.andP.A.PEVZNER(2004).Anintroductiontobioinformaticsalgorithms(生物信息学算法导论),TheMITPress.英文版
