- 综合排序
- 最热优先
- 最新优先
- 来自专栏Linux基础入门
（2）分子生物学专业名词
以“原噬菌体”的方式嵌存于宿主的DNA中，可随寄主繁殖，延续后代，“和平共处”，一般不引起细胞裂解 2、泛基因组(Pan-genome)：是某一物种全部基因的总称, 其中包括核心基因组(该物种所有个体中都存在的基因 降低或者提高,但是当你得出结果以后,你并不知道是它本身的表达降低/提高了,还是你操作过程中造成的误差（比如提RNA时的损失）,所以这个时候需要同时检测另外的基因作为参照.这个基因就是内参基因,这类基因是生物体或者细胞中稳定表达的基因 是指DNA、蛋白质等生物大分子中的保守序列，介于二级和三级结构之间的另一种结构层次。 12、转录本是由一条基因通过转录形成的一种或多种可供编码蛋白质的成熟的mRNA。
1.1K20发布于 2020-08-26 - 来自专栏R语言数据分析指南
ggplot2优雅绘制whittaker生物群系图
欢迎关注R语言数据分析指南公众号 ❝最近看到交流群内有朋友询问生物群系图的绘制方法，正好今天看到有一篇相关论文，本节就来学习一下生态学上一张非常经典的图whittaker生物群系图，此图即可展示不同生物群系的分布情况还可展示实际测量数据在生物群系中的位置 ，用于展示全球不同生物群系的分布关系。 案例图表将生物群系（如苔原、热带雨林、温带森林等）根据它们的温度和降水量范围进行分类和展示，通过此图可以直观地了解气候条件如何影响生物群系的分布。 Whittaker_biomes 数据集用于定义和绘制Whittaker生物群系图。这是一个分区图，显示不同生物群系在特定温度和降水量条件下的分布范围。 extractions 数据集应包含实际的温度和降水量测量值及经纬度信息，并在Whittaker生物群系图中作为点数据进行叠加。
94810编辑于 2024-07-02 - 来自专栏科技记者
QIIME 2 2025.7：微生物数据分析再升级！
QIIME 2 2025.7 QIIME 2 2025.7 作为今年的功能版本，本次更新延续了团队一贯的高质量节奏，带来了多项插件增强、框架优化以及文档更新。 比如 q2-alignment 插件新增了 --large 参数，优化了大文件比对时的内存使用； q2-annotate 支持 Kaiju 分类的拼接序列输入，并引入了 BUSCO 完整性与污染度指标； 对于从事微生物组、环境基因组或临床微生态研究的科研人员而言，QIIME 2 正在不断拓展其边界，成为不可或缺的分析平台。 关于QIIME 2 QIIME 2 是一个专为微生物组和多组学数据分析打造的开源平台，它不仅免费、可扩展，而且由全球科研社区共同开发与维护。 参考： https://qiime2.org/ https://qiime2.org/news/qiime-2-2025-7-is-now-available-33447/
37610编辑于 2025-11-17 Boltz-2：高效准确的生物分子结合亲和预测
说话人2 简单理解它不只看分子一个固定的样子，而是考虑了它可能存在的各种动态姿态，这样就更接近生物体内的真实情况，对吧？ 说话人1 更动态更真实，明白了。 说话人1 还有呢？ 说话人2 就可以进行从头设计了。 说话人2 他们针对一个叫TYZ2的激酶靶点做了个例子， 说话人1 结果呢？ 说话人2 这意味着不管是学术界的研究者，还是工业界的药企，都可以更容易地用上这个工具，或者在它的基础上继续开发。对加速整个领域攻克复杂疾病，设计新的生物分子绝对是个大利好。 本研究介绍了Boltz-2，这是一个新的基础模型，旨在阐明生物分子相互作用，特别关注蛋白质与小分子的结合亲和力预测。该模型在结构准确性和物理基础方面有所改进，并能预测动态分子集合，超越了其前身模型。 虽然它在抗体-抗原复合物预测方面仍有进步空间，但Boltz-2在识别活性化合物和提供精确亲和力预测方面表现出色，其开放许可旨在加速生物分子建模领域的进步。
32110编辑于 2026-01-08- 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
/ For current operations, 1) unableToStart, which notifies the caller-side, then // 2) dev->common.tag = HARDWARE_DEVICE_TAG; dev->common.version = FINGERPRINT_MODULE_API_VERSION_2_ = HARDWARE_MODULE_TAG, .module_api_version = FINGERPRINT_MODULE_API_VERSION_2_
5.3K31编辑于 2022-09-22 - 来自专栏人工智能快报
2023年移动生物识别技术将为2万亿美元移动支付把关
英国Juniper Research公司预测，到2023年，全球将有2万亿美元的移动支付将由移动支付技术来把关。 根据英国Juniper Research公司的一项最新市场预测显示，未来几年移动生物识别技术将在支付领域发挥更大的作用；到2023年，这种技术将被用于验证价值2万亿美元的移动支付——这个数字比2018年预期的 该预测报告题为《移动支付安全：生物认证和标识化 2018-2023》，报告称，这一增长将主要由智能手机供应商和支付行业的标准化工作推动。 就前者而言，Juniper Research预计，到2023年，超过80%的智能手机将配备生物特征传感器。 另一个大趋势——实际上，在Juniper Research看来，属于最大的趋势——是基于软件的生物识别技术的兴起，如今几乎90%的智能手机都已经能够支持这种技术。
69310发布于 2018-08-17 - 来自专栏大数据文摘
模拟大脑的2类实践：计算机科学、生物学
大数据文摘编辑 素材来自： 雷锋网（http://www.leiphone.com/） 生物探索（http://www.biodiscover.com/） 导读：不同的科学家用自己的方式探索这个星球最复杂的机器 计算机科学家尝试用芯片、机器学习搭建大脑；生物科学家在用人体的其他细胞（比如皮肤细胞）经过重新编程后，培育出大脑。哪一个才是方向，亦或兼而有之？今天的文章带您感受这两个领域的最新进展。 赠礼 和其他研发人员一样，Modha主要注重在生物学领域对TrueNorth进行讨论，如神经元，轴突，突触，神经冲动等。毫无疑问，该芯片在某些方面模拟了人类的神经系统，不过它依然有其局限性。 “你不需要让神经细胞模拟基础物理学，化学和生物学来提升计算能力，我们要在维持足够灵活性的同时变得与大脑越来越相似。”他说道。 这就是TrueNorth芯片。 Anand教授此前一直致力于研究尼古丁受体与中枢神经系统疾病之间的关系，但是在多次遭遇在啮齿动物中研究孤独症药物的失败后，他开始转向人类神经生物学模型的研究。
76540发布于 2018-05-21 - 来自专栏DrugOne
ICML 2024 | Cell2Sentence: 教会大语言模型生物语言
在此，作者提出了一种新颖的方法，将这些预训练模型直接应用于生物学领域，特别是单细胞转录组学。作者的方法称为Cell2Sentence，它通过将基因表达数据表示为文本来实现这一点。 当在细胞句子上进行微调时，GPT-2在给定细胞类型的情况下可以生成生物学上有效的细胞。相反，当给定细胞句子时，它也可以准确预测细胞类型标签。 这表明，使用Cell2Sentence微调的语言模型可以获得对单细胞数据的生物学理解，同时保留其生成文本的能力。 然而，将LLMs应用于其他领域（如生物学）仍然是一个开放的挑战。特别是，直接将现有LLMs应用于单细胞转录组学的方法，可以开辟分析、解释和生成单细胞RNA测序数据的新途径。 这验证了该生成模型能够捕捉宏观和细粒度的表达谱，证明了其在创建具有生物学相关性的细胞表示方面的有效性。
55310编辑于 2024-07-05 - 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。 小到一个柚子大小的“生态球”，大到占地13000平方米“生物圈2号”。事实上，“生物圈1号”——地球不也是一个封闭系统吗？ 很不幸，在KK成书之后“生物圈2号”并没有冒出。“生物圈2号”先后迎来两批居民，但是两次实验都以失败告终。 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”。
2K00发布于 2017-12-28 - 来自专栏生物信息云
生物信息学初识篇——第二章：序列比对（2）
生物信息学初识篇——第一章：生物数据库 生物信息学初识篇——第二章：序列比对（1） 四、双序列局部比对 一长一短的两条序列，比较局部比比较全长更有意义。 开头的一串gap是个例外，因为 seq2 太短，seq1的这一段只能跟gap相对。其他部分的gap都是分散出现的。 在实际应用中，需要根据不同的情况选取不同的 gap 罚分，以满足不同的生物学意义。如果你对结果没有什么预期，那就请保持默认的参数。
7.7K70发布于 2019-08-07 - 来自专栏智药邦
Nature｜迄今为止最大的生物学AI模型Evo-2
2025年2月19日，Nature上发表文章Biggest-ever AI biology model writes DNA on demand，介绍了一个据称是迄今为止最大的生物学人工智能模型--Evo Hsu表示，基于计算能力和其他特性，Evo-2是目前最大的生物学AI模型。 相比原核生物，真核生物基因组更长且复杂：基因由编码区与非编码区交错组成，非编码“调控DNA”可能远离其控制的基因。 旧金山Gladstone研究所的计算生物学家Christina Theodoris认为：“Evo-2在理解DNA调控规则上迈出了重要一步。” 斯坦福大学和Arc研究所的计算生物学家Brian Hie在发布会上称：“这类似基因组的模糊照片。” Evo-2改善了这一问题。 非营利机构Tatta Bio的计算生物学家兼CEO Yunha Wang指出，由于Evo-2是在生命树的DNA上训练的，因此它可以熟练地将从细菌和古细菌基因组中学到的知识应用于新的人类蛋白质。
1K10编辑于 2025-02-26 - 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 conda install -c bioconda macs2 # macs2 --help 验证安装成功 #------------------------------------------- 已安装 #wget ftp://ftp.ncbi.nih.gov/toolbox/ncbi_tools/converters/by_program/tbl2asn/linux64.tbl2asn.gz env python=2 source activate py2_env 或 conda activate py2_env conda install -c bioconda busco export
1.7K32编辑于 2022-05-19 - 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Y大宽
通过简单数据熟悉Linux下生物信息学各种操作2
原地址 一共三部分 通过简单数据熟悉Linux下生物信息学各种操作1 通过简单数据熟悉Linux下生物信息学各种操作2 通过简单数据熟悉Linux下生物信息学各种操作3 ---- 11安装使用 安装编译并创建到bin目录的链接 cat src curl -OL http://downloads.sourceforge.net/project/bio-bwa/bwa-0.7.17.tar.bz2 tar jxvf bwa-0.7.17.tar.bz2 cd bwa-0.7.17/ make ln -s ~/src/bwa-0.7.17/bwa ~/bin 11.2 制作index 创建文件夹放 ebola-1999.fa.nsd ebola-1999.fa.sa 共有16个文件，这也是为什么刚才创建单独文件夹的原因 获取ebolas 基因组的前1行作为query序列 head -2 /lec4/*.fq . bash align.sh read1.fq read2.fq results.bam 载入IGV，看100-150bp区域的深度
1.4K41发布于 2019-07-02 - 来自专栏生物信息云
医学生物信息学文献第2期：肿瘤微环境
此外，BDCA-1+DC(CDC2s)在2个群组中均未显示与应答者状态相关的显著变化 (Fig. 1f)。 Flt3l-纯合报告小鼠注射异常的B16F10肿瘤，在肿瘤移植后2周，TFP作为Flt3l表达的读数，仅在淋巴细胞内检测到(Fig. 2b,c)。 在肿瘤中与能产生FLT3L的淋巴细胞间隔的IL2RG-/-：WT混合骨髓嵌合体相比，其淋巴细胞室不能产生FLT3L的IL2RG-/-：Flt3l-/-，CD 103+SDC的水平降低(图3b)。 为了直接比较SDC和NK细胞的数量，收集人黑色素瘤活检标本，消化成单细胞悬液，用流式细胞术进行分析(队列A；补充图2和补充表2)。 11、NK-SDC轴与抗PD-1免疫治疗的反应性相关 用于黑色素瘤群组A的综合流式细胞仪板对TME中的33个免疫群体进行定量(补充图2和补充表2)。
85830发布于 2019-08-07 - 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
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。 2.数据多样化：测序仪器种类繁多，产生的数据格式也各不相同。同时，利用不同的生物信息分析软件或分析流程处理得到的结果也是千差万别。 2.层级操作 从网络和分布式并行两个方面分别提供算法优化策略。网络层内容包含数据、通信、开销、权重等；分布式并行包含数据、模型、流水线等优化策略。 曙光使用XSharp软件平台，将反卷积过程移植到4颗GPU上并发执行，仅需2天即可完成数据处理，结果令人叹为观止。 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。 不同生境下同物种基因的丰富度存在差异（图2a）。海洋和土壤为多种子模式的混合。 图2. 同物种基因（每个物种的基因池）的数目以及宏基因组的功能冗余度表明生境内的变化显著小于生境间的变化。a. 不同生境样品中每个物种的基因的数目的分布（类似于物种core genome大小）。b. 结果显示不同生境也存在明显差异（图2b）。作者进一步测试了栖息地特异性，通过构建一个分类器来预测每个样本的栖息地，仅使用四个描述符（分类、系统发育、unigene和蛋白质家族丰富度）。
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。 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）。 蛋白结构及保守域分析 研究2 Serafima Novikova等人(https://doi.org/10.3390/ijms24054530)研究了林木对高海拔的遗 传适应，以西伯利亚落叶松(Larix OsjDIR基因在缺乏营养元素和高CdCl2胁迫下的表达模式 研究结果为进一步探索水稻中的 DIR 基因提供了研究基础。
49010编辑于 2024-06-11 - 来自专栏百味科研芝士
哪些审稿快易发表的2分以上生物和肿瘤类SCI期刊
所以今天贴心的小编就为大家整理一下那些审稿快易发表的2分以上生物医学类期刊吧~ ? 01 ? www.journals.elsevier.com/biochemical-and-biophysical-research-communications IF: 2.559 中国来源稿件：42.56%（友好但没泛滥） 生物化学与分子生物学 事实上一般都不超过2周，甚至有的2天就搞定了。IF也很稳定，联系5年基本都在2.5左右。 但是这个杂志并不是大水刊，只是处理效率很高，要是文章质量太差，拒稿也是飞快。 ? ? 02 ? （3区）/生物化学与分子生物学（3区） 版面费：选择非OA不付费，OA则需付费 FEBS Letters同样是业界比较出名的审稿快、好说话的刊，影响因子稍微有点波动，最近是第一次跌到3分以下，2014年也一度走低为 Surgical Oncology 官网入口：https://onlinelibrary.wiley.com/journal/10969098 IF: 2.886 中国来源稿件：10.3% 外科（2区
11.1K30发布于 2019-05-23 - 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！
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。 ChatNT的三大模块： DNA编码器：使用Nucleotide Transformer v2（5亿参数），在850个物种的基因组数据上进行预训练。 与之前最先进的DNA编码模型Nucleotide Transformer v2相比，ChatNT的平均性能提高了8%。 ChatNT除了能处理多种生物学任务外，也能很好地理解指令并给出对应答案。 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？
41810编辑于 2025-06-12
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