生物信息学与NLP
发布时间
阅读量：
阅读量
生物信息学与机器学习基础（摘自百度百科）
学习策略主要包含数据聚类技术、神经网络分类器以及非线性回归模型等。隐马尔科夫模型在预测DNA基因结构方面具有广泛应用。研究重点集中于两个方面：第一部分是通过观察和深入探究有趣的自然现象来推动研究的发展。机器学习的核心目标是通过可视化和深入分析高维向量数据来揭示其内在规律。许多聚类方法本质上都是将复杂的数据分布简化为几种基本模式的混合体。在生物信息学领域的应用中，这些聚类技术已在microarray数据分析、癌症类型分类以及其他相关方向取得了显著应用效果。
统计学领域包含多元统计学作为其重要组成部分，并且是生物信息学的基础学科之一；其中的概率论与随机过程理论体系中包含隐马尔科夫链模型（HMM）等重要模型，在生物信息学中有广泛应用；此外还涉及用于序列比对问题的运筹学方法及其相关优化算法；对于蛋白质空间结构预测问题以及分子对接研究中采用的最优化方法进行了深入探讨；同时还有关于DNA分子超螺旋结构特征及其相关性质的研究工作；最后在遗传密码以及DNA序列对称性的群论分析等方面也取得了相关成果
在序列对齐（sequence Alignment）的问题中，在小规模的数据情况下可以应用动态规划算法（dynamic programming），然而当面对大规模序列对齐问题时，则必须采用启发式的策略来寻找解决方案，并参考诸如BLAST算法和FASTA算法等现有的工具辅助完成任务。
生物信息学与NLP
这个PPT可以看下，讲了4篇论文，NLP应用在生信领域。
https://max.book118.com/html/2018/0819/5132132234001310.shtm
全部评论 (0)
还没有任何评论哟~