- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugAI
Methods | RNA结构预测
这一高度精准的蛋白结构预测工具几乎在发布的第一时间，就对整个生命科学研究领域产生了深远影响。正因如此，蛋白结构预测也被评选为 2021 年的 Method of the Year。 在此之后，结构预测从“计算辅助”跃升为“研究核心工具”。 这种高度的构象可塑性，使 RNA 的结构预测和实验解析都变得异常困难。 受 AlphaFold 启发，RNA 结构预测迎来深度学习浪潮 AlphaFold 的成功，也极大激发了研究人员将机器学习和深度学习方法引入 RNA 结构预测。 ，使 RNA 结构预测逐步从“规则驱动”迈向“数据驱动”。
51220编辑于 2026-01-06 - 来自专栏HUBU生信
RNA二级结构预测
trna二级结构的预测可使用RNA Structure的预测服务器 http://rna.urmc.rochester.edu/RNAstructureWeb/index.html。 例：预测爬行动物北美绿色安乐蜥的tRNA trna166-ArgTCG 的序列的二级结构 进入gtrnadb数据库查找trna166-ArgTCG 的序列 1.gtrnadb下载脊椎动物序列集，进入[Download 3.将序列文件导入到RNA Structure的预测服务器 http://rna.urmc.rochester.edu/RNAstructureWeb/index.html 进行结构预测。 等待得到预测的结果 ? 全文结束,欢迎在评论区讨论~
2.2K10发布于 2018-12-27 - 来自专栏生信小驿站
预测RNA三级结构
RNAComposer http://rnacomposer.cs.put.poznan.pl/ 输入RNA序列和二级结构，邮箱地址，点击compose即可。 ? 这四个rna三级结构预测的服务器网站都是需要序列和二级结构。 研究人员提出了一种快速的，基于RNA二级结构，构建RNA三级结构的自动化新方法——3dRNA。 由于RNA结构组织主要是由二级结构水平和三级作用上的拓扑约束编码决定，因此研究人员采用了一个两步法步骤，从最小的二级元件SSEs开始构建整个RNA三级结构。 具。
5.4K20发布于 2021-03-03 - 来自专栏云原生技术社区
2021年Kubernetes 5大预测
预测1：更简单地使用AI/ML 基础设施一直是应用程序的推动者。一类不断增长的应用是人工智能和机器学习。 预测2：改进开发人员和运维人员体验 虽然容器有助于使使用量单位更接近应用程序，但仍有工作要做，以简化开发人员和运维人员的体验。 预测4：边缘飞速发展 如果说关于混合云或多云是否现实存在还有争论的话，那么边缘的发展就巩固了这一事实：数据和应用程序将出现在许多地方。电信公司、公共云提供商等企业都看好边缘。 预测5：项目过载 CNCF项目的广度让人望而生畏。Kubernetes被设计成一个薄层；为了有一个完整的解决方案，你需要有日志、CI/CD、安全性等工具。 原文链接： 5 Kubernetes predictions for 2021 | The Enterprisers Project 相关阅读： Kubernetes 源码分析之 kubelet(一)
60310发布于 2021-01-28 - 来自专栏医学数据库百科
UFold | RNA二级结构预测
但是细胞内的 RNA 可以通过折叠形成 RNA 的二级结构。 RNA 的二级结构除了维持 RNA 本身的稳定性之外，其也可以参与一些基因的调控作用。 因此了解一个 RNA 的二级结构还是十分重要的。 所以今天就介绍一个最近发表的基于深度学习的 RNA 二级结构预测工具。 输入完成之后，点击Submit 即可得到预测的预测的 RNA 的二级结构。 关于 RNA 二级结构的预测工具目前已经有很多了。基于 Ufold 的原始文献，作者比较了多个 RNA 二级结构预测工具。 所有有需要预测二级结构的情况，可以尝试使用 UFold 工具。
4.4K30编辑于 2021-12-10 - 来自专栏R语言交流中心
R语言实现DNA结构预测
今天给大家介绍一个来预测DNA结构的R包DNAshapeR，其从基因组测序数据中以超高速、高通量的方式预测DNA形状特征。该软件包以核苷酸序列或基因组间隔作为输入，并生成各种图形表示，以供进一步分析。 DNA预测使用滑动五聚体窗口，其中512个不同五聚体中的每一个都有独特的结构特征，从而在每个核苷酸位置（周向）定义了小沟宽（MGW），滚动，螺旋桨扭曲（ProT）和螺旋扭曲（HelT）的向量（周 等人， 序列的结构预测 library(DNAshapeR) fn <- system.file("extdata","CGRsample.fa", package = "DNAshapeR") pred <- 利用公共的平台去检索对应的基因序列做结构预测,当然，我们参考的这个平台的包需要连接外网。 5.
2K41发布于 2020-09-29 - 来自专栏大数据文摘
实时股票预测的开源参考结构
在股票市场中，查看历史股票价格并尝试用不同的模型来预测未来是一种常见的做法。 架构：股票预测与机器学习 概括而言，股票预测和机器学习的架构(如下图所示)支持一个由预测模型推动的优化过程，并有三个基本组成部分。首先是输入，实时交易数据必须被捕获和存储，变为历史数据。 然后预测出结果并决定采取何种行动。 ? 上图是简化版，该类型的结构在系统范围增加的情况下还有几个基本因素要考虑。其中重要的是，数据量和系统集成。 许多不同来源和类型的数据被用来预测结果，以及各种各样的汇数据处理。在一个20个数据源和20个处理汇的环境里，实时功能仍需要非常低延迟的操作。这体现了扩展问题的两个面。 机器学习模型得到的结果会被推送到其它应用进行处理，同时结果会在Apache Geode上更新，并进行实时预测和决策。
1.5K80发布于 2018-05-22 5ModeView结构
x); editor->setGeometry(option.rect); } //为tableView设置自定义代理组件 ui->tableView->setItemDelegateForColumn(0,&intSpinDelegate);
18700编辑于 2026-06-16- 来自专栏PPV课数据科学社区
【科技必看】IBM：未来5年的5大预测
IBM 刚刚公布了最新的未来 5 年 5 大预测。这些预测是通过对 22 万技术从业者的调查后，由 IBM 的众多实验室通力分析得出的结论。 凡事预则立，最近 8 年，IBM 每年都要进行这样的预测—以便于该公司集中研发火力。 概而言之，IBM 的这 5 项预测是： —更智慧的教室 —更智慧的商店 —更智慧的医疗 —更智慧的安全 —更智慧的城市 这些预测均基于一个事实：机器正变得越来越智慧，越来越紧凑。 但是 IBM 预计在 5 年内医生将会通过将病人的 DNA 与治疗结果关联来帮助恢复健康。 IBM 预测城市会消化吸收市民免费提供的那些信息，然后调配资源到所需的地方。移动设备和社会化互动可帮助市民与城市的领导交谈。
853100发布于 2018-04-20 - 来自专栏让技术和时代并行
2024 年 SRE 的 5 个预测
进入 2024 年，我对今年 SRE 领域可能会看到的情况提出了 5 个预测： 1️⃣ SRE 的就业市场更加严峻 由于经济状况恶化，许多公司希望削减成本，专门的 SRE 角色可能被视为可牺牲的 - 因此 5️⃣ 平台工程成熟 到 2024 年，通用 API 和自助服务平台下的基础设施、应用程序、数据和服务的统一将会加速。 这就是我们对 2024 年 SRE 和可靠性工程的预测。 随手关注或者”在看“，诚挚感谢！
77710编辑于 2024-02-17 使用Boltz-1进行RNA结构预测
从图中可以看出Boltz-1在预测蛋白质结构方面可以达到很高的精度。 下图是boltz-1在casp15大赛中的表现： 所以我们本章要分享的内容就是使用Boltz-1模型的权重对RNA的结构进行预测。 MSA序列： paired用于结构预测，能提供更可靠的比对信息。 unpaired则为补充信息。 # 数据处理记录 └── predictions # 最终预测结构（PDB或mmCIF） 三.准备预测数据 sub_file = pd.read_csv('/kaggle 那么今天的分享就到这里咯，下一篇文章我们会来看看如何计算rna预测结构和真实结构之间的loss，以及如何使用tm-score来打分。 回见咯。
32710编辑于 2026-04-17- 来自专栏SDNLAB
2016年虚拟网络5大预测
分析公司Infonetics曾经预测到2019年SDN/NFV的市场将超过110亿美元。 ? 2016年NFV准备进军部署，提升性能、测试和互操作性，该市场已经具备了形成一些大胆创新的里程碑的条件，接下来是关于它的5大预测： 1、容器将成为任何NFV平台中的关键技术组件 容器技术现在非常热门，它已经延伸到了 5、NFV服务中断问题会愈加凸显，技术发展将迎来蜕变 随着新的基于NFV的服务/产品开始推广，问题也随之出现，尤其是在大规模的部署中可能影响访问的问题。
69380发布于 2018-04-03 - 来自专栏Android相关
处理器结构--分支预测(Branch Prediction)
最初的RISC体系结构处理器采用的应对分支指令的流水线执行的办法。 原因 分支预测器猜测条件表达式的两路分支中哪一路最可能发生，然后推测执行这一路的指令，来避免流水线停顿造成的时间浪费。 实现 主要包括两类预测器： 静态预测器（Static Predictor）以及动态预测器(Dynamic Predictor) 静态预测器 预测条件跳转不发生，因此总是顺序取下一条指令推测执行。 而更好的一种方案是n-bit动态预测。 例如2bit动态预测器。 以下为2bit动态预测器工作原理： 当处于处于00状态时候，预测顺序分支 预测成功，仍处于00状态 预测失败，则调整为01状态 当处于01状态时，继续预测顺序分支 预测成功，则调整为00状态 预测失败 ，则调整为10状态 当处于10状态时，预测其他分支 预测成功，则调整为11状态 预测失败，则调整为01状态 当处于11状态时，预测其他分支 预测成功，仍处于11状态 预测失败，则回退到10状态
4K41发布于 2018-10-24 - 来自专栏大大的小数据
EasyDL结构化数据预测2021.11.15
pd.read_excel(catering_sale) #print(data) print(data.corr()) #相关系数矩阵,即给出任意两款菜之间的相关系数 测试了一下单时间变量的时间序列预测 有再测试一下多因素的表格数据预测。 先跑一个SPSS相关性 最高的r0.6，一般。 预测正确率在80%范围内,不是很理想。 重新调整输入数据的现实时间关系，再跑一下模型。
56720编辑于 2022-09-22 - 来自专栏生信小驿站
蛋白质二级结构预测
蛋白质二级结构 ? 常位于蛋白结构表面，多为带点和极性氨基酸 常为活性位点组成部分 无规则卷曲（Disordered regions） Jpred Jpred 是一种蛋白质二级结构预测网络服务器,由Barton Group 通过提交单一蛋白质序列或多重蛋白质序列并运行,Jpred就可以预测出蛋白质序列的二级结构：α-螺旋、β-折叠或无规则卷曲。Jpred应用了Jnet神经网络算法，准确率达到了76.4%。 迭代搜索序列数据库，并根据搜索出来的蛋白质建立目标蛋白质的profile （序列谱），从而将蛋白质氨基酸序列用profile来表示，对每个位点最终选择前后共15个位点组成一个窗口（windows）输入神经网络进行二级结构预测 PSI-PRED的预测准确率可达75％。
1.8K01发布于 2020-07-14 - 来自专栏生信修炼手册
RNAfold预测RNA的二级结构
在mirdeep软件的分析结果中，会提供miRNA前体的二级结构，这个结果实际上是通过调用RNAfold来实现的，该软件是一个经典的预测RNA二级结构的软件，网址如下 http://rna.tbi.univie.ac.at 默认参数会输出以下两种二级结构 1. optimal secondary structure 最佳二级结构，保证对应的自由能最小，最小自由能简称MFE, 结果示意如下 ? 自由能表征改变这个结构需要注入的能量大小，对应的数值越小，该结构越稳定。 同时给出了可视化结果，示意如下 ? 这个程序也是可以下载到本地运行的，基本用法如下 RNAfold < hsa.hairpin.fa -noPS > precursors.str -noPS参数代表不产生二级结构对应的postscript ，上述用法只给出了最佳的二级结构预测结果和对应的自由能。
4.7K30发布于 2020-05-08 - 来自专栏漫漫生信路
Day 5——数据结构
2)#1-3重复2次##从向量中提取元素根据元素位置x[4]#x取第4个元素x[-4]#x取除了第4个元素之外所有元素x[2:4]#x取第2到第4个元素x[-(2:4)]#x除了第2到第4x[c(1,5) ]#x第1个和第5个根据值x[x==10]#等于10的元素x[x<0]#小于0的元素x[x%in%c(1,2,5)]#存在于向量1,2,5之间的元素数据框读取本地数据read.table(file="文件名 文件名.txt",sep="\t",header=T)查看行名和列名、行数和列数colnames(a)#查看列名rownames(a)#查看行名，如果不命名使用默认值的话，行号就是行名，即1,2,3,4,5，
36710编辑于 2023-12-02 - 来自专栏Python机器学习算法说书人
数据结构（5）：数组
上一回简单的说了一下队列两个常见的应用：层次遍历以及在计算机系统中的应用，这一回，我们来看一个大家都非常熟悉的数据结构：数组！ ? ? 数组的定义 ? 因此，除结构的初始化和销毁外，数组只会有存取元素和修改元素的操作。 ? 数组的存储结构 ? 以一维数组 A[0…n-1]为例，其存储结构关系式为 ? 其中，L 是每个数组元素所占的存储单元。 对于多维数组，有两种映射方法：按行优先和按列优先。 设二维数组行下标与列下标的范围分别为[0,h₁]与[0,h₂]，则存储结构关系式为 ? 当以列优先方式存储时，得出存储结构关系式为 ? ? 稀疏矩阵 ? 关于数组及其应用就说到这里，下一回我们来看一种非常特殊的线性结构：串！ 当然，我从今年开始已经入驻 B 站了！下面给出 B 站账号：新时代的运筹帷幄，喜欢的可以关注一下，看完视频不要忘记一键三连啊！
1.6K10发布于 2021-04-16 - 来自专栏R学习之路
Day——5 数据结构
以下内容出自生信星球学习小组 图片 *数据结构类型 **************** 向量 区分： 标量：一个元素组成的变量 向量：多个元素组成的变量 从向量中提取元素 （1）根据元素位置 x[4] #取x的第四个元素 x[-4] #排除法，除了第四个元素外剩余的元素 x[2:4] #第二个到第四个元素 x[-(2:4)] #除了第二个到第四个元素 x[c(1,5)] #第一个和第五个元素 （1） 根据值取 x[x==10] #等于10的元素 x[x<0] #负数 x[x%in%c(1,2,5)] #存在于向量c（1，2，5）中的元素 数据框 (1)read.table()常见参数 header bioinfoplanet.RData")#保存当前所有变量 save(X,file="test.RData")#保存其中一个变量 load("test.RData")#再次使用RData时的加载命令 (5)
91130编辑于 2023-10-24 - 来自专栏CreateAMind
动态网络贝叶斯预测融合：趋势预测与结构机制解析
：趋势预测与结构机制解析 https://arxiv.org/pdf/2606.26136 摘要 网络由相互竞争的结构机制塑造，例如社区、几何或枢纽。 在动态网络中，最具预测力的机制可能会发生变化，而绑定于单一机制或固定权重的模型，无法随着主导结构的转变而进行自适应调整。 以下定理确立了有界恢复延迟以及识别活跃机制所需的边界条件，并将通过第 5 节的权重轨迹实验进行检验。 5 数值研究 5.1 动态网络：追踪与定位 表 3 报告了预测得分。 这两个网络属于不同的体制：在引用网络上，融合方法既经过校准又具有预测力，而电子邮件网络则处于推论 5 的近基准率体制中，其中连边概率几乎是均匀的，融合方法提供了校准但缺乏区分度。
20010编辑于 2026-06-29
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