- 综合排序
- 最热优先
- 最新优先
- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球10m生物气候产品
简介 生物气候变量来源于月温度和月降雨量，常用于物种分布模型和生态相关模型等。生物气候变量反映年度趋势、季节性、极端或限制性环境因素。 前言 – 人工智能教程 生物气候是指生物和气候之间的相互作用和影响。 生物影响气候的方式有很多，包括植物的光合作用、蒸腾作用、放射作用、土壤微生物代谢作用等等，而气候也会对生物产生很大的影响，包括温度、湿度、日照、降水等等因素。 生物气候研究的主要目的是揭示生物系统与气候系统之间的相互作用机理，从而更好地了解和保护生态系统。 生物气候产品 */ //加载全球10m生物气候数据 var img = pie.ImageCollection("WORLDCLIME/BIO_10M") .select("BIO1
34610编辑于 2024-02-02 - 来自专栏全栈程序员必看
生物识别指纹_生物指纹识别技术
锁屏要使用指纹解锁，首先要注册指纹服务，我看过的一些大厂项目中，实际上是在KeyguardUpdate.java类中发起注册的，一般是根据当前状态，是不是已经处于上锁状态（侧边指纹机器，是不等上锁即进行指纹服务注册，屏下指纹需要等上锁后，才发起指纹服务注册）。
5.3K31编辑于 2022-09-22 - 来自专栏生信技能树
非模式生物构建10x单细胞转录组CellRanger参考文件
10X单细胞上游定量标准流程运行Cellranger定量需要对应的参考基因组文件以及其配套的基因组注释信息文件，如果是人类和小鼠，官网即可下载构建好的文件压缩包，详见：https://www.10xgenomics.com 参考： 10X单细胞转录组原始测序数据的Cell Ranger流程（仅需800元） 10X的单细胞转录组原始数据也可以在EBI下载 一个10x单细胞转录组项目从fastq到细胞亚群 一文打通单细胞上游： 从软件部署到上游分析 PRJNA713302这个10x单细胞fastq实战 一次曲折且昂贵的单细胞公共数据获取与上游处理 只能下载bam文件的10x单细胞转录组项目数据处理 不知道10x单细胞转录组样品和 首先下载基因组注释信息 基因组注释是对参考基因组序列上的功能区域进行标识和描述的过程，它包括基因的位置、结构、功能和其他生物学特征。 FASTA格式是一种生物序列文件格式，其中每个序列以一个以大于号（>）开头的标题行开始，后面跟着序列本身的一行或多行。 标题行通常包含序列的名称、来源和其他相关信息。
1.6K10编辑于 2024-04-19 - 来自专栏Listenlii的生物信息笔记
微生物领域名言（10）证据的缺乏并不代表缺乏的证据
总结及意义 本文讨论了尺度在环境微生物研究中的重要性，并探讨了模式生态学如何在生态系统微生物研究中推进概念和理论的形成。 重要的是要意识到这些数据来自在特别小的尺度上(例如,1 - 10毫升的水或< 1 g的土壤收集的有限样本),随后向更大的空间尺度上外推，而不考虑空间环境变异。 这在水生系统中是一个较小的问题，因为在水生系统中栖息地梯度的分布在更大的尺度上(约1-10米)变化，而在陆地系统中很小尺度上就可变化(约0.1-1毫米)。 捞一捞这个系列~ 微生物领域名言（1）--微生物生态学家的价值 微生物领域名言（2）--多样性的意义 微生物领域名言（3）Everything is everywhere的历史 微生物领域名言（4）知天易 ，识微难 微生物领域名言（5）物种的稀有性 微生物领域名言（6）微生物到底有多重要 微生物领域名言（7）飘在微生物生态学大厦上面的乌云？
1.5K30编辑于 2022-01-27 - 来自专栏企鹅号快讯
机器正在生物化＆生物正在工程化
机器，正在生物化；而生物，正在工程化。这并不意味着未来是灰色冰冷的钢铁世界；相反，未来朝向的正是一种新生物的文明。 自然一直在用她的血肉供养着人类，获取食物、衣着和居所。 当然，这并不影响KK在20年前对于“生物圈2号”的延伸思考，而且仍然具有现实意义：生命是终极技术。机器技术只不过是生物技术的临时替代品而已。我们大可不必担心，机器技术将替代所有生物物种。 下个世纪将是生物学的世纪，注意不是仿生学，因为有机体和机器的混成物中，在天生和人造缓慢的混合过程中，最终获胜的总是生物逻辑——“机器的未来是生物”。 雷巧妙地设计了一个病毒的老祖宗，它有80个字节，在自我复制时有大约10%发生微小的变异。 经过一个晚上的运行，令雷先生大惑不解的事情发生了，某种能完全自行复制的东西出现了——22个字节的病毒。 例如：生物无法将自己的DNA代码向其他生物体“广而告之”，以便它们获取信息并改变其代码，而在计算机环境中，你就能做到这一点。 多细胞生物本质上就是在宇宙尺度上运行大规模的并行代码。
2K00发布于 2017-12-28 - 来自专栏igenome
20220519_生物信息平台搭建及生物信息软件安装
20220519_生物信息平台搭建及生物信息软件安装 01 基础软件安装 基础软件安装 ==================== rstudio.org/desktop/bionic/amd64/rstudio-1.3.1093-amd64.deb dpkg -i rstudio-1.3.1093-amd64.deb 02 常用生物信息软件安装 install -y rna-star #-------------------------------------------------------------------------------- #(10
1.7K32编辑于 2022-05-19 - 来自专栏生物信息云
生物信息数据分析教程视频——10-TCGA数据库:miRNA的表达探索
getGDCprojects()$project_id project <- project[grep("TCGA-",project)] # proj = "TCGA-BLCA" norn <- 10 axis.line=element_line(colour="black",size=0.25), axis.title=element_text(size=10
93510编辑于 2022-12-15 - 来自专栏人工智能快报
生物识别新面貌
据加拿大市场研究公司Ontario的生物特征研究小组报告，到2015年底，有6.5亿人在移动设备上使用生物识别技术。 美国普渡大学生物特征研究国际中心主任Stephen Elliott解释称：“我们注意到有多种生物识别技术在发展传播。” 当前，有一个很显然的结论是墨水、纸张和密码已经不能胜任安全任务。 银行、零售商和其他机构不需要改装自动取款机来接受指纹或其他生物识别技术。Stephen Elliott指出，基于智能手机的生物识别技术基本上不需要任何学习、培训或知识就可以使用。 如果原始的生物特征数据被窃取，个人将无法生成一个新的指纹或人脸；它将被永久破解。Jain说，当前也存在对隐私和不道德使用生物特征数据的关注。 然而，“如果使用多因素生物识别或行为生物识别技术，也许不需要实用原始数据。”
1.2K70发布于 2018-03-14 - 来自专栏新智元
【远古生物复活】深度学习与生物大数据处理
深度学习加速生物大数据处理速度 随着生命科学的迅猛发展，生物医学领域的数据量呈指数形式增长，生物医学数据表现为数据量大(Volume)、多样化(Variety)、有价值(Value)、高速(Velocity 曙光公司联合中科院计算机所，在生物医学处理方面取得了长足进展，大大加速了生物大数据处理速度。 生物医学大数据独具特色 生物医学领域数据有其自身特点。 1.数据量大：生物医学领域数据量十分庞大。 如今，只需几千美元和几个小时，即可完成一个人基因组的解析，低廉高效的研究方式得到生物科学家们的青睐，大量的物种得以测序解析，使得生物研究进入的生物数据的海洋，而积累的原始数据也必将迅速增长。 3.价值高：随着生物信息学的发展，越来越多有价值的信息从生物数据中挖掘出来，这些价值不仅体现在生物科研领域，而且已应用于农业、健康和医学等领域。 深度学习在生物领域取得的进展让人振奋。现阶段XSharp的应用主要集中在高维多模式生物图像分布式数据系统、海量生物图像数据的深度挖掘流程和生物图像处理数据密集型算法加速等项目中。
1.1K50发布于 2018-03-13 - 来自专栏微生态与微进化
Nature：原核生物基因的生物地理学研究
接下来很可能会进入“后组学”时代，系统化分析生物数据以解决核心科学问题为大势所趋。本篇文章系统地整理了全球不同生境的微生物组数据，并以此分析基因的生物地理。 主要结果 全球微生物基因目录 本文作者整合宏基因组和完整基因组，调查不同生境的原核生物基因来获得关于其全球分布和分子功能的认识。 为了能够对全球基因分布特性进行概括，作者基于同源性对基因进行更广泛的聚类，主要根据序列相似性在统计上的显著性（e-value < 10−³）以及四个额外的氨基酸一致性阈值（(>90%、>50%、>30% 如果将出现在少于10个样品的基因定义为罕见基因（rare genes），那GMGCv1中54.7%的unigene为罕见基因。这些近似幂律的频率分布是在中性（或接近中性）演化的假设下所期望的。 作者观察到罕见的unigenes（4%）比普遍的unigenes（高达10%）更不可能具有适应性（图4b），但这一结果可能受进化速度和出现频率的物种间差异以及可能出现的技术问题的干扰，因此作者进一步仅使用了作为
1K20编辑于 2022-05-05 - 来自专栏生信菜鸟团
植物生物学与生物技术: 聚焦基因组学与生物信息学
植物生物信息学---面向转录组测序数据分析和机器学习方法的应用新趋势 植物生物学与生物技术: 聚焦基因组学与生物信息学 分析植物适应环境变化和胁迫反应的分子机制对植物生物技术至关重要。 其中关键方法包括生物信息学方法、高通量测序和后基因组技术。测序和系统生物学方法提供了从分子到细胞、器官和种群水平的植物生长的全面视图。 基于总结概述当前植物生物信息学面向转录组测序数据分析和机器学习方法应用的趋势。利用新的生物信息学工具，集中研究了植物基因表达调控以及植物发育和胁迫反应的潜在分子机制。 CsDGAT基因家族系统发育分析 对大麻的基因组分析发现了 10 个候选 DGAT 基因，根据不同异构体的特征将其分为四个家族（DGAT1、DGAT2、DGAT3、WS/DGAT）。 在参与大分子细胞代谢和有机生物合成过程以及生物体应激反应的基因中，发现了与西伯利亚落叶松适应性相关的单核苷酸多态性。
49010编辑于 2024-06-11 - 来自专栏天意云&天意科研云&天意生信云
首个多模态生物序列对话模型，生物版ChatGPT来了！
首个多模态生物AI对话模型来了，用聊天对话的方式就能分析基因序列！ 大语言模型目前正广泛应用在各个领域，然而在生物学领域中，大语言对话模型难以理解DNA、RNA、蛋白质等生物序列。 InstaDeep公司研发的ChatNT能将多个生物学任务整合进一个统一的框架中，通过对话去分析生物序列，无需编程。 随着生物技术进步和研究需求的增加，ChatNT能否应对更复杂的生物学分析任务是众多科研人员关心的问题，为了让大家进一步了解ChatNT，小编整理了一些常见问题和解答： 问：ChatNT在分析不同物种的特定基因变异 问：未来ChatNT能否进一步整合多种生物信息学数据，变为更全面的生物学分析工具？
41910编辑于 2025-06-12 - 来自专栏博文视点Broadview
从生物工程到生物“打印”，3D打印颠覆想象
3D 生物打印开启了大门。 因此，生物学开始频繁地与“工程”这个字眼联系起来，在20 世纪70、80 年代，由此发展出一门新兴的综合性应用学科：生物工程。 所谓生物工程，是以生物学的理论为基础，利用遗传、生物化学及细胞学的各种实验技术，结合机械和电子计算机等现代工程技术，操纵遗传物质，改造生物功能，快速创造新物种。 生物工程包括基因工程、细胞工程、发酵工程、生化工程、生物反应器工程等五大工程类，它们的成果为人类社会提供了巨大的经济效益，而其他各种技术的发展，尤其是计算机技术的发展，又为生物工程手段的研究和应用注入了新的动力 在生物工程发展了几十年之后的今天，我们才有了谈及“3D生物打印”的可能性。 本文摘自《喷头下的世界：漫谈3D打印》
89210发布于 2020-06-11 - 来自专栏生信菜鸟团
系统生物学 | 第01章 生物系统 | 读书笔记
这是一个问题，因为我们习惯于以线性方式思考：如果投资 100 美元能带来 120 美元的回报，那么投资 10,000 美元就能带来 12,000 美元的回报。 生物学却不同。 ◉ 例如，在时间点10（箭头所示）将（1.1）中的输入减少到75%，会导致X、Y和Z的永久性下降。 signal transduction networks:A dynamic model of guard cellabscisic acid signaling.PLos Biol, 2006. 4(10 Mechanistic simulations of inflammation: Current state and future prospects.Math Biosci, 20o9.217(1): p.1-10 Nat Biotechnol, 20o4.22(10): p.1249-1252. Wolkenhauer, O., H. Kitano, and K.
53400编辑于 2025-05-02 - 来自专栏科技记者
Biobanks生物银行知多少
把相关资源列在这,有多个填充参考的选择PheWeb Datasets[2] FinnGen 芬兰基因组研究 由赫尔辛基大学领导，FinnGen 集成了 500,000 个人的基因组和医疗登记信息，为芬兰人口的 10% FinnGen results[3] BBJ 日本生物银行 这个也应该是大家相对熟悉的一个项目，去年正式发表的，其主要采用了 bolt-lmm 这个软件进行的分析。 PheWeb.jp[4] KoGES 韩国基因组和流行病学研究 来自 KoGES（韩国国家生物银行）的 76 种表型的全基因组关联 日本生物样本库（BBJ）对 32 种表型的荟萃分析 使用 SPACox 对 14 种表型进行生存分析 使用 TAPE 对 10 种有家族史的表型进行关联分析 总共使用了 72，298 个具有韩国芯片基因分型和插补的个体（总共 8,056,211 个变体）。 使用 SAIGE 对连续和二元表型进行了分析，调整了遗传相关性，性别，年龄，前 10 个主要组成部分和评估细节（队列和检查年份）。
1.9K31编辑于 2022-11-08 - 来自专栏全栈程序员必看
生物AI插图免费领取
今天为大家推荐的三个网站包含了生物领域各类型的图片，大部分素材都可以免费下载，种类多，支持PNG、SVG、PSD、AI等多种格式，适合生物、医学领域的朋友使用。 通路数据库Reactome Reactome是一个开源的生物通路数据库 (http://www.reactome.org/)，免费，更新及时，功能强大，这个随后会专程介绍。 与我们熟知的其它数据库如KEGG相比，Reactome团队致力于一种新颖的展现形式，设计了生物领域各类模型图，不仅美观，而且专业，富有立体感。 我们要探索的图库宝藏就藏在Community下的Icon library，这里存储了丰富又及其专业的生物模型图。
2K30编辑于 2022-06-27 - 来自专栏碱基矿工
生物信息 awk 用法进阶
其实，awk 的数组功能，我们在生物信息数据分析的场景中用的不多，就算真要用到，这个分析任务的复杂性也往往不是在 awk 仅用数组就可以解决的，这个时候可能也是需要写成脚本的时候了。 比如，我们用 continue 举个例子，输出所有 1-10 之间的奇数： $ awk 'BEGIN{ for(i=1; i<=10; i++){ if(i % 2 > 0){print i;} else awk-work-principle.html http://www.runoob.com/w3cnote/awk-user-defined-functions.html ----/ END /---- ※ ※ ※ 你还可以读 生物信息
91350发布于 2019-05-31 - 来自专栏新智元
微软开源生物模型分析器（BMA）：基于云的生物研究工具
【新智元导读】 微软近日在 GitHub 上开源了“生物模型分析器”（Bio Model Analyzer，简称 BMA）。这是一款能够帮助生物学家模拟细胞互动和通信过程的基于云的工具。 微软近日在 GitHub 上开源了“生物模型分析器”（Bio Model Analyzer，简称BMA）。这是一款能够帮助生物学家模拟细胞互动和通信过程的基于云的工具。 Fisher和她的团队正在研究的一种方法叫生物模型分析器（Bio Model Analyzer，BMA）。这个基于云的工具让生物学家可以对细胞之间的互动和通信以及它们的连接进行建模。 对于生物学家来说有用的计算机系统 Fisher 认为，BMA 这样的系统有望革命性地改变人们对癌症的看法，但只有生物学家愿意使用它们才能取得成功。 Benque 多年来一直在使用生物学家可以理解的语言来开发工具，在视觉上模拟科学家在实验室中可能用到的东西。在 Fisher看来，这样的系统迫切需要方便生物学家的使用。
1.2K70发布于 2018-03-27 - 来自专栏科技记者
俄罗斯生物银行（BBRU）
最近搜索发现了个新的生物银行，分享一下，summary statistics可下载。 来自俄罗斯的 4145 名个体的全基因组关联研究 （GWAS） 结果。 俄罗斯生物样本库（BBRU）是一个潜在的生物样本库，由V.A.阿尔马佐夫国家医学研究中心管理。 俄罗斯生物样本库资源是为具有各种基因组成的患者提供精准医疗的重要一步，这些患者目前在其他主要基因研究中没有代表。 数据和代码可用性 所有GWAS、PheWAS、等位基因频率和汇总数据以及可视化都可以在俄罗斯生物样本库门户网站上获得：https://biobank.almazovcentre.ru。
38110编辑于 2023-12-14 - 来自专栏生信喵实验柴
原核生物基因预测
二、如何学习生物软件？ 生物信息主要都是通过软件完成的，软件是集成了数据处理的算法规则。前面的内容中那个已经学习了大量生物软件的使用，本节内容将系统的总结一下生物软件的使用。 并能找到案例数据以及版本信息； 7、通过 bioconda 查找并安装软件； 8、知道软件的输入文件和输出文件以及使用范围； 9、找到软件的选项参数，并运行软件； 10 3.2 原核生物基因预测原理 原核生物一个完整的原核基因结构是从基因的 5'端启动子区域开始，到 3'端终止区域结束。 原核生物 orf 结构 原核生物基因结构一般比较简单，基因是连续的，并不存在内含子。因此，在预测过程中相对于真核生物来说，相对容易一些。 ，只要输入原核生物基因组即可得到其基因信息。
2.2K10编辑于 2022-10-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号