生物计算
基于深度学习的识别关键蛋白质框架-DeepEP
（还未补全内容）
结构
•特征提取模块：使用node2vec技术来自动学习PPI网络中每个蛋白的稠密向量，获取生物网络的语义和拓扑特征。然后，将基因表达谱视作为图片，使用多尺度CNN来提取特征，再使用池化层递减维度。
...
计算的一般顺序（套路）
计算的一般顺序（套路）
我们已知的是 各个名称的蛋白质的相互关系的2列表格 和 用来验证的一列的关键蛋白质名称 的文件
实现模板：
1.预处理数据。从相关户关系文件中提取出所有的蛋白质名称作为一个一行/一列的矩阵strings。
...
简易数据挖掘过程及结果分析
上一篇已经写了详细的weka教程，这次来分析一下数据处理的套路和处理出来的结果。
...
WEKA使用教程
WEKA使用教程
目录
1. 简介
2. 数据格式
3.数据准备
4. 关联规则（购物篮分析）
5. 分类与回归
6. 聚类分析
1.简介
WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通
...
生物学习·关键蛋白质·暂且了解的各种方法集合
识别关键蛋白质的八种方法的介绍
1.前言
最近在实现一篇比较新的论文的一个方法，发现这个论文里涉及了比较多的方法，恰好又都记在了Onenote上，就发出来。因为公式在wordpress上不太好农，就直接截了我在Oneonte上的图。
...
