DGIdb数据库（Drug-Gene Interaction database）。它是一个用于挖掘现有资源，产生关于突变基因如何在治疗上被靶向或者优先用于药物开发的假设。它提供了针对一个药物-基因相互作用和潜在“可成药”基因汇编搜索基因列表的一个界面。它可以很好的帮助科学家解释药物基因组学（“Druggable Genome”）的GWAS研究中发现的结果。...

目录1 定义loss backward2 例子3 参考文献1 定义loss backwardoptimizer.zero_grad()loss.backward()optimizer.step()在定义loss时上面的代码是标准的三部曲，但是有时会碰到loss.backward(retain_graph=True)这样的用法。这个用法的目的主要是保存上一次计算的梯度不被释放。具体的计算图细节问题可

小提琴图 (Violin Plot)是用来展示多组数据的分布状态以及概率密度。这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。箱形图的绘制主要包含六个数据节点，需要先将数据从大到小进行排列，然后分别计算出它的上边缘，上四分位数，中位数，下四分位数，下边缘，还有一个异常值。箱形图绘制须使用常用的统计量，能提供有关数据位置和分散&情况的关键信息，尤其在比较不同的母体数据时更可表现其差异

1 定义  在机器学习和谱图理论的学习中，总会用到正定矩阵半正定矩阵概念。这个概念困扰很久一直没有下决心拿下，为了深入学习谱图理论，必须得拿下！定义：正定矩阵（positivedefinite, PD）  给定一个大小为n×nn×nn×n的实对称矩阵AAA，若对于任意长度为nnn的非零向量 XXX，有XTAX>0X^TAX>0XTAX>0恒成立，则矩阵AAA是一个正定矩阵。定义：

目录1 交叉验证2 Python\rm{}PythonPython绘制交叉验证AUROC\rm{}AUROCAUROC3 Python\rm{}PythonPython绘制交叉验证AURR\rm{}AURRAURR4 参考文献1 交叉验证  2 Python\rm{}PythonPython绘制交叉验证AUROC\rm{}AUROCAUROCimport numpy as npimport mat

如果需要debug需要安装vscDebugger，安装方式如下图所示（参考文献【4】），如果安装的时候报错见参考文献【2】。推荐使用anaconda或者miniconda，创建虚拟环R_env境然后安装R；第七条：的具体操作见参考文献【5】【8】

学习高斯混合模型主要是因为在学习生成模VAE的过程中有许多不理解的地方，经过学习发现很多前置知识都是来源于高斯混合模型和EM算法，因此需要掌握高斯混合模型和EM算法。换言之概率模型表示了观测数据在总体中的概率分布，它是由K个子分部组成的混合分布。一般来说，一个混合模型可以使用任何概率分布，这里使用高斯混合模型是因为高斯分布具备很好的数学性质以及良好的计算性能。在使用之前需要对概率分布进行归一化，即

单细胞RNA测序(single-cell RNA-seq，scRNA-seq)数据是非常有特点的数据，具有很高的稀疏性(high sparsity)，具体表现为0非常多(zero inflation)。对于数据的分布给出合理的假设是非常关键的工作，是下游分析的基础。显然对于scRNA-seq的reads count数据，最常用的正态分布是不合理的。首先正态分布描述的是连续型数据，而reads co

   矩阵的特征分解又可以称作矩阵的对角化、谱分解。其在机器学习和图机器学习中有非常广泛的应用。本节主要介绍矩阵的特征分解的解法，意义，实际应用。除此之外，矩阵的特征分解与矩阵的特征值和特征向量有关联，之前在【线性代数】理解特征值和特征向量文章中，对于特征值和特征向量的一些相关概念没有涉及到的，会在此进行补充。  内容为自己的学习总结，其中多有借鉴他人的地方，最后一并给出链接。  特征向量所在直线

Slurm资源管理系统介绍  SLURM （Simple Linux Utility for Resource Management）是一种可用于大型计算节点集群的高度可伸缩和容错的集群管理器和作业调度系统，被世界范围内的超级计算机和计算集群广泛采用。SLURM 维护着一个待处理工作的队列并管理此工作的整体资源利用。它以一种共享或非共享的方式管理可用的计算节点（取决于资源的需求），以供用户执行工作