注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 2010年研究生数学建模竞赛A题综述

  2. 2010年A题《确定肿瘤基因信息》指导老师评论文章。

  3. 所属分类：Access

    • 发布日期：2014-08-01
    • 文件大小：261120
    • 提供者：lixinandrew

  1. 肿瘤信息基因 全国大学生数学建模竞赛

  2. 简要的挑选基基因表达数据的分析与建模已经成为生物信息学研究领域中的重要课题。本文证实可以在分子水平上利用基因表达分布图准确地进行肿瘤亚型的识别，并且得出相对较高的准确率，对诊断和治疗肿瘤具有重要意义。 关键词：基因图谱；Bhattacharyya距离；理想基因模型；支持向量机；小波降噪

  3. 所属分类：讲义

    • 发布日期：2015-08-18
    • 文件大小：361472
    • 提供者：yi_sh_eng

  1. 基于PCA和信息增益的肿瘤特征基因选择方法

  2. 针对肿瘤基因数据因维度高和冗余基因较多而导致分类精度低的问题,提出一种基于PCA和信息增益的肿瘤特征基因选择方法.该方法首先使用PCA算法剔除冗余基因,获得预选特征基因子集;然后利用信息增益算法对预选特征基因子集进行优化选取,得到特征基因子集;最后采用不同分类模型对特征基因子集进行仿真实验.实验结果表明,所提方法提高了基因表达谱的分类精度,从而表明致病基因被有效地选取出来.

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-17
    • 文件大小：1048576
    • 提供者：qq_28339273

  1. c-Myc-miR-129-5p-SOX4-LET7C反馈通路调节肿瘤发生

  2. c-Myc-miR-129-5p-SOX4-LET7C反馈通路调节肿瘤发生，韩翰，李文娟，目的：研究c-Myc和miR-129-5p在肿瘤发生过程中的表达调控。方法：通过生物信息学方法预测miR-129-5p的下游靶基因，检测miR-129-5p靶基因是否�

  3. 所属分类：其它

    • 发布日期：2020-02-26
    • 文件大小：1048576
    • 提供者：weixin_38674763

  1. 基于Oncomine的数据挖掘分析FOXO4在头颈部癌中的表达及预后研究

  2. 基于Oncomine的数据挖掘分析FOXO4在头颈部癌中的表达及预后研究，黄锐，石磊，目的：通过Oncomine数据挖掘，研究FOXO4基因（Forkhead Box O4）在头颈部肿瘤和癌旁组织中的表达信息及其对预后的影响。方法：利用Oncomine数

  3. 所属分类：其它

    • 发布日期：2020-01-04
    • 文件大小：472064
    • 提供者：weixin_38506835

  1. TED:消除肿瘤微环境卷积的完全贝叶斯方法-源码

  2. TED（现称为BayesPrism） 使用统计边际化（BayesPrism）推断贝叶斯细胞比例重建：肿瘤微环境组成和基因表达的完全贝叶斯推断。 BayesPrism由反卷积模块和嵌入学习模块组成。去卷积模块利用来自scRNA-seq的细胞类型特异性表达谱，并实施完全贝叶斯推断，以根据肿瘤样品的大量RNA-seq表达共同估算细胞类型组成和细胞类型特异性基因表达的后验分布。嵌入学习模块使用期望最大化（EM）来使用肿瘤途径的线性组合来近似肿瘤表达，同时以反卷积模块估算的非肿瘤细胞的表达和分数为条件。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：61865984
    • 提供者：weixin_42104906

  1. iPC_D3.1:WP3 D3.1中执行的分析代码-源码

  2. 标题 作者 日期 输出 在iPC_D3.1框架中对基因表达数据集进行反卷积 Jane Merlevede和Andrei Zinovyev `r format（Sys.time（），'％​​m /％d /％y'）` bookdown :: html_document2 托克 toc_depth number_sections df_print 真的 4 真的 分页 我们在这里报告在WP3 D3.1中执行分析的代码和方法。 我们的目标是确定在收集的数据集中活跃的鲁棒（跨不同数据集）机

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：2048
    • 提供者：weixin_42139871

  1. 使用邻域粗糙集和熵测度进行肿瘤分类的基因选择

  2. 随着生物信息学的发展，基于基因表达数据的肿瘤分类已成为诊断癌症的重要有用技术。 由于基因表达数据通常包含数千个基因和少量样品，因此从基因表达数据中选择基因成为肿瘤分类的关键步骤。 粗糙集的属性约简已经成功地应用于基因选择领域，因为它具有数据驱动的特点，并且不需要额外的信息。 但是，传统的粗糙集方法仅处理离散数据。 至于包含实数值或噪声数据的基因表达数据，通常是通过离散预处理使用它们，这可能导致分类精度差。 在本文中，我们提出了一种基于邻域粗糙集模型的基因选择新方法，该方法具有在保留原始基因分类信

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：731136
    • 提供者：weixin_38716081

  1. project-1-dachsund：由GitHub Classroom创建的project-1-dachsund-源码

  2. 基于微阵列的肿瘤分类项目1 微阵列技术使科学家能够快速而准确地一次分析成千上万个基因的表达，而其成本仅为现代测序协议的一小部分。 诸如Gene Expression Omnibus（GEO）之类的存储库和数据库是成千上万已发表和未发表的微阵列实验以及数百万个单独样本的所在地。 微阵列基因表达数据可用于多种研究任务，包括疾病诊断，药物发现和毒理学研究。 这项技术在疾病预测中的应用已经诞生了许多公司，例如Oncotype Dx结肠癌，乳腺癌和前列腺癌预测分析或Agendia的MammaPrint乳

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：7168
    • 提供者：weixin_42139460

  1. 问题解决方案最大权重子矩阵MWS--源码

  2. 实用程序最大重量子矩阵（MWS）的Pfa-Résolution：随机优化算法（ROA），遗传算法（GA）和进化规划（EP） 癌症是由遗传变化（例如DNA的体细胞突变）引起的所有疾病的名称。 这些突变发生在细胞分裂过程中。 基因组测序是一种已用于分析体细胞突变的技术。 因此，为了应对这些体细胞突变，启动了许多项目，例如国际癌症基因组联盟，其目的是绘制最危险的癌症类型的基因突变图。 为了评估来自这些项目的数据，生物信息学的挑战之一是要找出导致肿瘤发生的驱动子突变与乘客突变之间的区别，已知这些突变是

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：6144
    • 提供者：weixin_42097450

  1. TCGApackages0226-源码

  2. TCGA封装0226 该软件包是为TCGA数据分析开发的，目前包括以下7个步骤： 获取数据 自动下载相应的RNAseq计数文件（已压缩） 解压缩数据 解压缩那些下载的压缩文件 generateMatrix 将这些单独的文件合并到一个基因表达矩阵中，该矩阵的行名是基因，同名是样本。通常，此步骤将花费大量资源进行竞争 元注释 获取样本的组信息，例如肿瘤或成对的正常 corSample 根据所有基因的表达计算样品的相关性和PCA 数码相机 应用DESeq2计算组之间的不同表达基因（DEG） DEGs

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：15728640
    • 提供者：weixin_42177768

  1. 基于迭代Lasso的肿瘤分类信息基因选择方法研究

  2. 基于迭代Lasso的肿瘤分类信息基因选择方法研究

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：3145728
    • 提供者：weixin_38642369