已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Machine learning and related approaches in transcriptomics

瓶颈 管道(软件) 转录组 计算机科学 仿形(计算机编程) 相关性(法律) 数据科学 任务(项目管理) 人工智能 机器学习 数据挖掘 生物 工程类 基因 系统工程 政治学 嵌入式系统 法学 程序设计语言 操作系统 生物化学 基因表达
作者
Yuning Cheng,Si-Mei Xu,Kristina Santucci,G. Lindner,Michael Janitz
出处
期刊:Biochemical and Biophysical Research Communications [Elsevier]
卷期号:724: 150225-150225 被引量:3
标识
DOI:10.1016/j.bbrc.2024.150225
摘要

Data acquisition for transcriptomic studies used to be the bottleneck in the transcriptomic analytical pipeline. However, recent developments in transcriptome profiling technologies have increased researchers' ability to obtain data, resulting in a shift in focus to data analysis. Incorporating machine learning to traditional analytical methods allows the possibility of handling larger volumes of complex data more efficiently. Many bioinformaticians, especially those unfamiliar with ML in the study of human transcriptomics and complex biological systems, face a significant barrier stemming from their limited awareness of the current landscape of ML utilisation in this field. To address this gap, this review endeavours to introduce those individuals to the general types of ML, followed by a comprehensive range of more specific techniques, demonstrated through examples of their incorporation into analytical pipelines for human transcriptome investigations. Important computational aspects such as data pre-processing, task formulation, results (performance of ML models), and validation methods are encompassed. In hope of better practical relevance, there is a strong focus on studies published within the last five years, almost exclusively examining human transcriptomes, with outcomes compared with standard non-ML tools.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
隐形曼青应助活力的友卉采纳,获得10
2秒前
信徒完成签到,获得积分10
5秒前
MUSTer一一完成签到 ,获得积分10
9秒前
Owen应助啊呜采纳,获得10
11秒前
遗忘完成签到,获得积分10
13秒前
17秒前
17秒前
20秒前
20秒前
跳跃寄风发布了新的文献求助60
22秒前
pluvia完成签到,获得积分10
26秒前
29秒前
geo发布了新的文献求助10
31秒前
32秒前
眼睛大的傲菡完成签到,获得积分10
33秒前
35秒前
柠檬茶完成签到 ,获得积分10
36秒前
研友_VZG7GZ应助小白采纳,获得10
37秒前
39秒前
鱼干星星完成签到 ,获得积分10
39秒前
40秒前
42秒前
44秒前
麻辣厨子发布了新的文献求助10
44秒前
平淡的翅膀完成签到 ,获得积分10
44秒前
寂寞的寄文完成签到 ,获得积分10
46秒前
牟白容发布了新的文献求助10
47秒前
老宇发布了新的文献求助10
50秒前
51秒前
孙文杰完成签到 ,获得积分10
52秒前
城南徐师傅完成签到,获得积分10
53秒前
牟白容完成签到,获得积分10
54秒前
所所应助yema采纳,获得10
54秒前
ppg123应助一只学术老鼠采纳,获得30
54秒前
1分钟前
zc完成签到,获得积分10
1分钟前
1分钟前
pray完成签到 ,获得积分10
1分钟前
是你刘大爷完成签到,获得积分10
1分钟前
1分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256707
求助须知:如何正确求助?哪些是违规求助? 2898841
关于积分的说明 8302766
捐赠科研通 2568039
什么是DOI,文献DOI怎么找? 1394855
科研通“疑难数据库(出版商)”最低求助积分说明 652913
邀请新用户注册赠送积分活动 630631