差异表达分析可识别在不同条件下表达具有统计学显着变化的基因。
微阵列数据分析处理探针强度，以同时测量数千个基因的基因表达。
RNA-seq 使用高通量测序来量化转录本丰度并发现新的 RNA 种类。
单细胞 RNA-seq 在个体细胞水平上分析基因表达，揭示细胞异质性。
小 RNA 测序捕获转录后调节基因表达的 miRNA、siRNA 和 piRNA。
转录组组装可在没有参考基因组的情况下从 RNA-seq 读取中重建全长转录序列。
隐马尔可夫模型 (HMM) 是具有未观察状态的序列数据的统计模型，广泛应用于基因预测、序列比对和蛋白质家族分类的生物序列分析。
自然语言处理 (NLP) 将计算语言模型应用于生物文本数据，从而实现文献挖掘、使用生物语言模型进行基因组注释以及从生物医学出版物中提取知识。
随机森林构建决策树集合，用于生物数据中的稳健分类、特征选择和异常值检测，有效处理高维基因组学和蛋白质组学数据集。
显示 84 到 84 的 84 结果
