【带你入门生信】什么是生物信息学

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
实时计算 Flink 版,5000CU*H 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
简介: 生物信息学:利用应用数学、信息学、统计学和计算机科学,对生物学数据进行搜索(收集和筛选)、处理(编辑、整理、管理和显示)及分析(计算和模拟),提取生物信息的学科。把生物学问题转化为计算问题。

生物信息学

生物信息学:利用应用数学、信息学、统计学和计算机科学,对生物学数据进行搜索(收集和筛选)、处理(编辑、整理、管理和显示)及分析(计算和模拟),提取生物信息的学科。

把生物学问题转化为计算问题。

如果您在了解生信,使用生信云可以简化您的入门过程。搭载 1000+ R包 环境,无论是学习新人还是行业专家生信云都是您专业的分析利器。您可以访问 https://ad.tebteb.cc 了解,还能免费体验5小时。

研究内容

中心法则视角

image.png

  • DNA/基因组:序列比对与数据库搜索,物种基因组演化距离和 DNA 的甲基化等;
  • RNA:序列比对与数据库搜索,样本间的差异化表达和共表达,以及非编码 RNA 等;
  • 蛋白质:序列比对与数据库搜索,基于质谱的蛋白质鉴定,结构预测等;
  • 分子网络:蛋白互作网络,转录调控网络,代谢和信号转导网络,网络间的动力学特征等;
  • 细胞水平:虚拟细胞模拟等;
  • 生理/病理现象:基于群体遗传学和人类遗传学的生理/病理学研究等。

数据视角

image.png

  • 数据管理:数据库系统的建立,本体论与元数据等;
  • 数据计算:算法与软件的设计,以及 Web 服务器的部署等;
  • 数据挖掘:生物学发现;
  • 建模与仿真:建立预测模型并模拟生物学系统等。
目录
相关文章
|
2月前
|
机器学习/深度学习 自然语言处理
机器学习查漏补缺
机器学习查漏补缺
|
2月前
|
机器学习/深度学习 数据挖掘 大数据
大数据时代的“淘金术”:Python数据分析+深度学习框架实战指南
在大数据时代,数据被视为新财富源泉,而从海量信息中提取价值成为企业竞争的核心。本文通过对比方式探讨如何运用Python数据分析与深度学习框架实现这一目标。Python凭借其强大的数据处理能力及丰富库支持,已成为数据科学家首选工具;而TensorFlow和PyTorch等深度学习框架则为复杂模型构建提供强有力的技术支撑。通过融合Python数据分析与深度学习技术,我们能在各领域中发掘数据的无限潜力。无论是商业分析还是医疗健康,掌握这些技能都将为企业和社会带来巨大价值。
54 6
|
3月前
|
机器学习/深度学习 分布式计算 算法
【算法工程师】成为一名优秀的机器学习算法工程师所需知识及资料汇总-附思维导图
成为一名优秀的机器学习算法工程师所需要具备的技能和知识,包括理论基础、数学能力、编程技能、实践经验以及对特定领域的深入了解,并提供了学习资源和面试准备建议。
94 3
【算法工程师】成为一名优秀的机器学习算法工程师所需知识及资料汇总-附思维导图
|
机器学习/深度学习 人工智能 自然语言处理
[笔记]机器学习之前言介绍
[笔记]机器学习之前言介绍
|
机器学习/深度学习 人工智能 算法
入坑机器学习:一,绪论
在入坑之前,需要大家有一定的数学基础,高数,线代,概率论,个人认为概率论更加重要,也更加难。我之前也有出过相关的文章。
129 0
入坑机器学习:一,绪论
|
机器学习/深度学习 算法 数据挖掘
全网最快入门———R语言机器学习实战篇9《因子分析》
R 语言是为数学研究工作者设计的一种数学编程语言,主要用于统计分析、绘图、数据挖掘。 机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
全网最快入门———R语言机器学习实战篇9《因子分析》
|
机器学习/深度学习 算法
机器学习-西瓜书、南瓜书第六章
支持向量机(Support Vector Machine),简称SVM,是一种经典的二分类模型,属于监督学习算法。
122 0
机器学习-西瓜书、南瓜书第六章
|
机器学习/深度学习
机器学习-西瓜书、南瓜书第五章
神经网络起源于生物神经元的生物原理,生物神经元通常包括细胞体、树突和轴突等部分。其中,树突适用于接受输入信息,突触对输入信息进行处理,达到一定条件后由轴突产生输出,此时神经元表现为激活兴奋的状态。
115 0
机器学习-西瓜书、南瓜书第五章
|
机器学习/深度学习 算法
机器学习-西瓜书、南瓜书第四章
基于树结构来进行决策,体现人类在面临决策问题时一种很自然的处理机制
79 0
机器学习-西瓜书、南瓜书第四章
|
机器学习/深度学习 数据采集 算法
机器学习-西瓜书、南瓜书第三章
回归任务最常用的性能度量是均方误差,因为均方误差有比较好的几何意义,对应了最常用的**“欧氏距离”,最小二乘法就是基于均方误差进行模型求解的。 求解均方误差最小化的过程称为参数估计
115 0
机器学习-西瓜书、南瓜书第三章