- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习|机器学习|歌声合成|语音合成
HTS音源训练教程
HTK:始于剑桥大学工程系，后被微软收购。版权属于微软的。一、下载安装包 下载两个安装包（下载链接）
73820发布于 2021-01-14 - 来自专栏智药邦
JCIM｜机器学习驱动的数据估值：优化高通量筛选流程的前沿探索
高通量筛选（HTS）是现代药物发现中识别新活性化合物的核心方法。通过大规模筛选成千上万种化合物，HTS有助于发现潜在的药物分子。 然而，HTS也面临诸多挑战，包括高误报率、数据不平衡、以及筛选效率低等问题。这些挑战使得HTS过程中产生了大量无用或低效的化合物数据，增加了后续实验的成本和时间。 误报（假阳性）在HTS中是常见的问题，原因可能包括： 化学背景干扰：例如化合物中的自发荧光、非特异性结合等现象。 设备故障：HTS平台的高通量性质，伴随一定的操作和检测误差。 ML驱动数据训练优化HTS过程示意图 机器学习在HTS流程中的应用 机器学习技术近年来逐渐成为优化HTS的关键工具之一。 假阳性与真阳性的检测 假阳性是HTS中常见的难题，它们往往会误导后续实验工作。因此，如何有效识别和剔除假阳性成为了优化HTS流程的关键。
81910编辑于 2024-11-06 - 来自专栏TencentOS-tiny
STM32Cube-23（补充） | 使用硬件I2C读取温湿度传感器数据（HTS221）
ST Nucleo开发板 HTS221温湿度传感器 HTS221温湿度传感器是ST公司生产的一款超小型温湿度传感器，提供 16-bit 的温度和湿度输出数据，并且数据输出提供了IIC 和 SPI两种通信接口 HTS221实物图 HTS221的原理图如下： ? 编写HTS221驱动 参考 HTS221数据手册.pdf 进行编程。 HTS221的驱动我已上传到 Github ，包含两个文件： https://github.com/Mculover666/HAL_Driver_Lib/tree/master/HTS221 HTS221 .h：器件地址宏定义、寄存器地址宏定义； HTS221.c：获取温度函数实现，获取湿度函数实现； 4.
2.7K20发布于 2020-07-16 - 来自专栏小徐学爬虫
Python：将代码迁移到类中
statsclass Engine: def __init__(self): self.time = 2880 self.fga = 0 self.hts self.hts += 3 self.fga += 1 self.time -= sub self.time -= sub self.hts += 2 self.fga += 1 self.time -= sub self.hts += 2 self.fga += 1 self.time -= sub self.hts += 3 self.fga += 1
39910编辑于 2024-10-15 - 来自专栏量子位
谷歌推出开源工具DeepVariant，用深度学习识别基因变异
基因测序领域里，最革命性的技术当属2000年初首次商用的高通量测序（缩写为HTS）了。HTS可以大规模、低成本、快速地获得任何生物的基因序列。 不过，HTS有个致命的问题在于，测序出来的结果不是完整的，而是碎片化的片段信息。 所以，一直以来，对于HTS来说，最大的挑战是把碎片化的结果信息拼成一整段完整的序列信息。 DeepVariant，把工作量巨大的拼接问题（HTS碎片化的结果拼接成完整的基因序列），转变成了一个典型的图像分类问题。而图像分类正是谷歌擅长的技术。 大大提高HTS后的比对拼接的效率。
1.7K40发布于 2018-03-22 - 来自专栏深度学习|机器学习|歌声合成|语音合成
2019年最新中文TTS算法实现个合成样本
└── work_in_progress └── tools ├── COPYING ├── ChangeLog ├── HTK-3.4.1.tar.gz.1 ├── HTS -2.3alpha_for_HTK-3.4.1.patch ├── HTS-2.3alpha_for_HTK-3.4.1.tar.bz2 ├── HTS-2.3alpha_for_HTK -3.4.1.tar.bz2.1 ├── HTS_Document.pdf ├── INSTALL ├── INSTALL.md ├── README ├── REAPER
1.5K20发布于 2021-01-14 - 来自专栏若尘的技术专栏
数据结构——HuffmanTree
输入初始n个叶子结点：置HT1..n的weight值 - 进行以下n-1次合并，依次产生HTi，i=n+1..2n-1： - 在HT1..i-1中选两个未被选过的weight最小的两个结点HTs1 和HTs2 - 修改HTs1和HTs2的parent值： parent=i - 置HTi：weight=HTs1.weight + HTs2.weight ,lch=s1, rch=s2
38375发布于 2021-06-29 - 来自专栏新智元
谷歌开源DeepVariant，之前的经典检测基因变异法将被颠覆
基因组学中最具变革性的新技术之一是高通量测序技术（ high-throughput sequencing ，HTS），该项技术在21世纪初首先实现了商业化应用。 HTS让科学家和临床医生能够快速、低成本而且大规模地生成测序数据。 但是，HTS仪器的输出并不是被分析个体的基因组序列——对于人类来说，这意味着30亿个碱基对（鸟嘌呤，胞嘧啶，腺嘌呤和胸腺嘧啶）组成的23对染色体。 因此，将HTS输出处理成单一、准确并且完整的基因组序列是一个主要的突出挑战。 GIAB（Genome in a Bottle Consortium）等组织的努力，他们发布了人类标准参考基因组，可用于验证和基准测试，以及precisionFDA挑战赛，这个比赛旨在促进创新，提高基于HTS
1.5K60发布于 2018-03-21 - 来自专栏DrugAI
Nat. Biotechnol. | 基于深度学习的抗菌化合物虚拟筛选
研究人员将小分子高通量筛选（HTS）与深度学习虚拟筛选策略相结合，开发出一种名为 GNEprop 的图神经网络模型，用于预测分子的抗菌活性。 进一步利用该模型在超过 14 亿个可合成化合物上进行虚拟筛选，发现 82 个在实验中表现出抗菌活性的候选分子，命中率比最初的 HTS 提高约 90 倍。 模型采用对比学习进行大规模自监督预训练，利用 1.22 亿个未标记分子（来自 ZINC15 数据库）学习可迁移的化学表示，再在 HTS 数据集上进行微调。 经过聚类与多重筛选后，选取 345 个分子合成验证，结果 82 个表现出显著抗菌活性，命中率高达 23.8%，较初始 HTS 提高约 90 倍。 通过结合 HTS 实验数据、自监督预训练和可解释性分析，研究人员展示了机器学习在抗菌药物研发中的系统化应用路径。
19220编辑于 2026-01-06 - 来自专栏C++
Windows核心编程：第10章 同步设备IO与异步设备IO
), NULL); //IO完成端口 HANDLE iocp = CreateIoCompletionPort(hFile2, nullptr, 1, 2); HANDLE hts [2]; for (int i = 0; i < 2; ++i) hts[i] = CreateThread(nullptr, 0, workthread, iocp, 0, nullptr ReadFile(hFile2, buf2, 1024, nullptr, &ol2); dres = GetLastError(); WaitForMultipleObjects(2, hts , TRUE, INFINITE); for (int i = 0; i < 2; ++i) { CloseHandle(hts[i]); hts[i]
1K10发布于 2019-02-22 - 来自专栏跟着阿笨一起玩NET
ASP.NET多线程下使用HttpContext.Current为null解决方案
; } if (ht["B"] == null) { ht.Add("B", "B"); } context.Application["TTS"] = ht; } Hashtable hts = new Hashtable(); hts = (Hashtable)context.Application["TTS"]; if (hts["A"] !
1.8K20发布于 2018-09-19 - 来自专栏生命科学
天然产物化合物库 | MedChemExpress
Natural Product Library： A unique collection of 1169 natural products for high throughputscreening (HTS Natural Product Library Plus： A unique collection of 1441 natural products for high throughput screening(HTS unique collection of 134 natural products structurally likecompounds for high throughput screening (HTS
52920编辑于 2023-02-28 - 来自专栏智药邦
在hit发现中最大限度地整合虚拟筛选和实验筛选
本综述将集中介绍快速变化的VS和HTS的情况，并用最近的案例研究来说明它们在当今人工智能主导的应用中的协同作用。 2. 有点反常的是，在过去的几十年里，每个HTS项目筛选的化合物数量似乎在减少，这可能是由于更智能的库设计和更高质量的HTS数据的进步。 随着nL样品量的获得，过去十年在提高HTS数据质量方面取得了重大进展。一个突出的趋势是定量HTS（qHTS）方法的发展，通过将浓度依赖性测量作为主要HTS活动的一部分来提高数据可靠性。 定量HTS已经被应用于主要的公共筛选，如Tox21计划，数据分析/拟合方法已经被微调，以有力地处理qHTS结果的质量控制。同时，HTS筛选的重点已经从机制（单靶点）转向表型筛选。 然而，表型HTS在hit验证和靶点解构方面仍有相当大的挑战，这可能会使制药公司不愿意实施这种方法。
1.1K20编辑于 2022-11-16 Nat. Biotechnol. | 基于深度学习的抗菌化合物虚拟筛选
研究人员将小分子高通量筛选（HTS）与深度学习虚拟筛选策略相结合，开发出一种名为 GNEprop 的图神经网络模型，用于预测分子的抗菌活性。 进一步利用该模型在超过 14 亿个可合成化合物上进行虚拟筛选，发现 82 个在实验中表现出抗菌活性的候选分子，命中率比最初的 HTS 提高约 90 倍。 模型采用对比学习进行大规模自监督预训练，利用 1.22 亿个未标记分子（来自 ZINC15 数据库）学习可迁移的化学表示，再在 HTS 数据集上进行微调。 经过聚类与多重筛选后，选取 345 个分子合成验证，结果 82 个表现出显著抗菌活性，命中率高达 23.8%，较初始 HTS 提高约 90 倍。 通过结合 HTS 实验数据、自监督预训练和可解释性分析，研究人员展示了机器学习在抗菌药物研发中的系统化应用路径。
19010编辑于 2026-01-08- 来自专栏智药邦
慕尼黑工业大学提出TwinBooster模型，结合自监督学习和大语言模型预测分子性质
TwinBooster的一个关键应用是根据目标分析的描述和实验方案定制高通量筛选（HTS）库。作者在内质网(ER)应激背景下选择性激活C/EBP同源蛋白(CHOP)途径的化合物进行HTS分析。 TwinBooster的性能可以在图2a中直观地显示出来，也就是预测大多数HTS命中（特别是排名靠前的命中）很有可能是具有活性的。图2b通过绘制TwinBooster获得的召回曲线进一步量化其性能。 在实践中，该分析描述了根据TwinBooster的预测，当选择更多的化合物进行测试时，检索到的总HTS命中的百分比。 在HTS中，频繁命中是指在多次试验中表现出活性的化合物，通常是由于非特异性相互作用而不是真正的生物学相关性，也就是由于自体荧光，氧化还原循环，胶体聚集等因素产生阳性，而不是由于期望的生化活性所产生。 最后，不理想的多药理学也会使HTS数据中的靶点选择过程复杂化，例如泛激酶抑制剂的情况。
36910编辑于 2024-07-16 - 来自专栏大飞的部落阁
如何使用Python2启动一个https服务器？
2.2、编写https服务器代码 文件名：hts.py import BaseHTTPServer import SimpleHTTPServer import SocketServer import localhost.key", certfile="localhost.pem", server_side=True) httpd.serve_forever() 2.3、启动https服务器 使用命令：python hts.py
1.4K20编辑于 2022-11-14 - 来自专栏生信小王子
比对得到的SAM文件怎么看？
参考资料： http://samtools.github.io/hts-specs/SAMv1.pdf http://samtools.github.io/hts-specs/SAMtags.pdf
3.7K10发布于 2020-08-10 - 来自专栏DrugOne
Nat. Commun. | 整理大规模扰动谱整合图，PRNet成功预测233种疾病的药物候选物
总体（Bulk）和单细胞RNA测序（scRNA-seq）实验支持化学扰动在组学水平上的高通量筛选（HTS）。最近的HTS研究已通过实验分析数千种独立的扰动，将细胞或细胞系暴露于化合物中。 对于总体HTS数据，预测的978个标志基因的转录反应通过线性转换扩展为12,328个基因。对于单细胞HTS数据，选择了5000个高度变异基因（HVGs）作为转录组数据。 使用了两种不同分辨率的高通量筛选数据来测试模型性能，包括一个批量 HTS 数据集（来自 L1000 项目）和一个单细胞 HTS 数据集（来自 sci-Plex 测序）。 所有模型都在两个 HTS 数据集上分别进行了训练和比较。 PRnet 在批量 HTS 数据上的表现展示在图2a中，其中更高的数值表示更好的表现。
1.2K11编辑于 2024-12-05 - 来自专栏智药邦
Atomwise｜AI是高通量筛选的可行替代方案：318个靶点的研究工作
2024年4月2日，Atomwise宣布了AIMS（Artificial Intelligence Molecular Screen）计划的结果，该计划将AtomNet人工智能平台确立为HTS（high-throughput Reports的一篇论文AI is a viable alternative to high throughput screening: a 318-target study中，Atomwise声称，与传统的HTS AtomNet的虚拟HTS方法可以搜索由超过15万亿个可合成化合物组成的不断扩大的化学库，准确地找到不同于任何已知结合剂的hits，从而从广阔的、未开发的化学空间中实现快速发现。 长期以来，制药业主要依靠单一来源--HTS--来鉴定新的生物活性化合物。任何新方法都需要证明其在整个蛋白质组中的适用性和稳健性。
1.1K10编辑于 2024-05-08 - 来自专栏yw的数据分析
C++使用htslib库读入和写出bam文件
header; bam1_t *aln = bam_init1(); samFile *in = sam_open(argv[1], "r"); htsFile *outR1 = hts_open /github.com/samtools/htslib/blob/develop/htslib/sam.h htslib sam文件格式说明:https://github.com/samtools/hts-specs
2.4K90发布于 2018-04-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号