Evo 由Arc Institute、斯坦福大学和TogetherAI的研究人员开发，是一个长上下文的生物基础模型，能够泛化生物学的基本语言：DNA、RNA 和蛋白质。它能够从单个分子到整个基因组规模（超过650 kb）进行预测任务和多模态长序列生成设计。该文首先列出了Evo模型在生成 CRISPR-CAS9 系统和个体基因组层面的能力（这真是超燃的功能，ChatGPT 让 IT开发者们失业；Ev

作者：杜博亚，阿里算法工程师，复旦大学计算机硕士，BDKE 之光。「本文的目的，是务实、简洁地盘点一番当前机器学习算法」。文中内容结合了个人在查阅资料过程中收集到的前人总结，同时添加了部分自身总结，在这里，依据实际使用中的经验，将对此模型优缺点及选择详加讨论。主要回顾下几个常用算法的适应场景及其优缺点！机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到...

前面无论是用全部变量还是筛选出的特征变量、无论如何十折交叉验证调参，获得的模型应用于测试集时虽然预测准确率能在90%以上，但与不基于任何信息的随机猜测相比，这个模型都是统计不显著的 （这一...

92年湖南沫凡小哥把自己的自学体会和感悟总结成了一系列的视频，无偿分享给大家，只看下面这些精美的图片就让人忍不住去学习下背后更强大的知识了。希望大家多多支持小哥创作。点击链接https:...

点评 | 樊荣（耶鲁大学）近年来，空间组学技术已成为解析组织异质性和复杂细胞相互作用的重要工具。尤其是空间转录组学，在胚胎发育、神经科学和疾病机制研究中展现了巨大潜力。然而，作为直接执行生物功能的核心分子，蛋白质的空间分布研究在技术上面临诸多挑战。现有空间蛋白质组学技术受限于质谱检测通量和高昂成本，难以兼顾高分辨率与大面积组织分析需求，限制了其在复杂组织研究中的广泛应用。2025年1月23日，中国

可重复性研究一直是学术发表希望实现的方式，更有助于判断研究结果的准确性和帮助后人以此为基础进行深入研究。计算分析类型的研究，是能够比较容易实现可重复性的 - 只要分享代码和数据就可以 （当然配置运行环境也需要一定的功底），如使用R markdown或Bookdown 或者 Jupyter notebook等，像宏基因组主编刘永鑫老师的植物根系菌群分析的NBT文章那样，把代码存放

随机森林的 10 折交叉验证再回到之前的随机森林（希望还没忘记，机器学习算法-随机森林初探（1））library(randomForest)set.seed(304)rf1000 &...

本次会议投稿形式为摘要、原创性全文、墙报，会议摘要将由学术委员会评审讨论，遴选收录大会摘要集，并遴选分会场和口头报告。会议投稿请通过大会网站在线提交（https://mm.sciconf.cn/cn/minisite/index/22380）会议注册可通过大会网站在线注册或现场报到注册，会议费由中国生物工程学会收取，发票会后统一开具增值税电子普通发票，用电子邮件的形式发送至参会代表注册时的邮箱中。

复现PCA原图之蛋白组学数据NGS系列文章包括NGS基础、转录组分析（Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq分析（ChIP-seq基本分析流程）...

如何投稿iMeta期刊？ScholarOne投审稿系统作者使用教程投稿系统ScholarOne Manuscripts(S1M)主页：https://mc.manuscriptcentra...