.png){kind=icon}
返回
Machine learning methods for gene regulatory network inference
.png){kind=icon}
OA
AI
DOI：10.1093/bib/bbaf470.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基因调控网络（GRNs）是复杂的生物系统，能够响应环境与发育信号来调控基因表达与调控。计算生物学的发展与高通量测序技术的结合，显著提升了GRN推断与建模的准确性。现代方法日益借助人工智能（AI），特别是机器学习技术——包括监督学习、无监督学习、半监督学习和对比学习——来分析大规模组学数据并揭示调控基因间的相互作用。为支持GRN推断在基因调控研究中的应用及新型机器学习方法的发展，本文综述了基于机器学习的GRN推断方法学，并介绍了常用的数据集与评估指标。特别强调了前沿深度学习技术在提升推断性能中的新兴作用。同时，本文还讨论了改进GRN推断的主要挑战及潜在未来方向。
Keyword:
machine learning
gene regulatory network
GRN
inference
deep learning
omics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
机构
引用论文
Supervised, semi-supervised and unsupervised inference of gene regulatory networks基因调控网络的监督、半监督和无监督推理OAAI
OAAI分享收藏Gene Regulatory Network Inference from Single-Cell Data Using Multivariate Information Measures.png)
CELL SYSTEMSOAAI
CELL SYSTEMSIF7.7
OAAI分享收藏分享收藏
查看更多内容