6个维度，逐字分析智能体和大模型的区别
从大模型（LLM）、检索增强生成（RAG）到智能体（Agent）的应用
什么是智能体？全面解析智能体的定义和概念
对于Hi-C互作分析而言，不同分辨率水平可以分析不同的结构特征，其中，分析A/B compartment结构需要的分辨率在100kb，分析TAD结构需要的分辨率在40kb，分析loop结构的分辨率在10kb。随着研究的深入，越来越多的研究者希望通过Hi-C技术去分析DNA loop结构。在染色体的折叠过程中，DNA loop环的形成让线性距离上相隔很远的位点有机会靠近并发生互作，这些loop的..... 阅 读 全 部 >
原文链接：http://tecdat.cn/?p=22945原文出处：拓端数据部落公众号动态时间规整（DTW,Dynamic time warping,动态时间归整/规整/弯曲）是一种衡量两个序列之间最佳排列的算法。线性序列数据如时间序列、音频、视频都可以用这种方法进行分析。DTW通过局部拉伸和压缩，找出两个数字序列数据的最佳匹配，同时也可以计算这些序列之间的距离。...阅读全文>>... 阅 读 全 部 >
来源：小张聊科研平台的“ i生信”公众号，微信公众号搜索“ i生信”即可关注/扫描关注见文末#生信分析# #生信发文# #肿瘤单基因#昨天的讲座（详情见文末视频）Paper小师妹Rika已经为大家浅析了一下“数据驱动”和“假设驱动”类型文章的差异，今天咱们更进一步，仔细看看昨天提到的那篇 “药理+生信”的文章是如何将“数据驱动”的单细胞数据融入“假设驱动”的整体风格，...阅读全文>>... 阅 读 全 部 >
摘要：目的基于文本挖掘技术和生物医学数据库对新型冠状病毒肺炎（COVID-19 ）相关文献进行数据挖掘分析，探究COVID-19 及其主要症状发热、咳嗽、呼吸障碍相关基因靶点，筛选潜在有效的化学药和中药。方法使用GenCLiP 3 网站获取COVID-19 和其主要症状咳嗽、发热、呼吸障碍共4 个关键词的共有靶点，在METASCAPE 数据库中对其进行基因本体（GO ）和通路富集分析，再利用Str... 阅 读 全 部 >
大家好，这是专注表观组学十余年，领跑多组学科研服务的易基因。本期，我们讲讲全基因组DNA甲基化实验怎么做，从技术原理、建库测序流程、信息分析流程和研究套路等四方面详细介绍。一、全基因组甲基化测序技术原理表观修饰不需要改变 DNA 序列便能实现对性状的改变，表观修饰的改变与基因功能乃至细胞状态、发育、衰老、疾病等存在重要的关联。在众多的表观遗传修饰中，最为重要且研究最为...阅读全文>>... 阅 读 全 部 >
7个常用数据库拿下肿瘤3区文章，你还犹豫什么最常用的生信分析在线数据库＋最简单的生信分析思路=2021年10月发表在Frontiers in genetics（IF：4.772）的肺腺癌生信分析文章——《 RAB11FIP1: An Indicator for Tumor Immune Microenvironment and Prognosis of Lung Adenocarcinom...阅... 阅 读 全 部 >
细胞焦亡（pyroptosis）是一种由炎症小体引发的裂解性程序性细胞死亡形式[1]，该过程由促炎性半胱氨酸蛋白酶（Caspase）-1、4、5、11的底物gasdermin D介导并伴随炎症和免疫反应[2]。研究发现细胞焦亡可以影响肿瘤的增殖、侵袭和转移[3]。因此，有报道认为诱导肿瘤细胞焦亡是一种潜在的癌症治疗策略[4]。乳腺癌（breast cancer）是目前最常见的恶性肿瘤之一，是女性癌... 阅 读 全 部 >
党参Codonopsis pilosula (Franch.) Nannf.是桔梗科多年生草本植物，以干燥根入药，主治脾肺气虚、食少倦怠、咳嗽虚喘、心悸气短、内热消渴等症[1]。在降低血压、提高免疫力、保护血管、改善微循环、增强造血功能等方面疗效显著[2-3]。党参多糖（conopsispolysaccharides，CPPs）是其发挥免疫活性的主要成分，主要由单糖及其衍生物组成，其生物合成主要由... 阅 读 全 部 >
作者：易基因总体来说，DNA甲基化一般遵循三个步骤进行数据挖掘。首先，进行整体全基因组甲基化变化的分析，包括平均甲基化水平变化、甲基化水平分布变化、降维分析、聚类分析、相关性分析等。其次，进行甲基化差异水平分析，筛选具体差异基因，包括DMC/DMR/DMG鉴定、DMC/DMR在基因组元件上的分布、DMC/DMR的TF结合分析、时序甲基化数据的分析策略、DMG的功能分析等。...阅读全文>&g... 阅 读 全 部 >
开源 Python 和命令行程序 gget 可以高效、轻松地以编程方式访问存储在各种大型公共基因组参考数据库中的信息。 gget 与可获取用户生成的测序数据的现有工具一起使用 ，以取代在基因组数据分析过程中效率低下、可能容易出错的手动网络查询。虽然 gget 模块的灵感来自于繁琐的单细胞 RNA-seq 数据分析任务），但我们预计它们可用于广泛的生物信息学任务。gget文章...阅读全文>&... 阅 读 全 部 >