- 综合排序
- 最热优先
- 最新优先
- 来自专栏小明的数据分析笔记本
数据和代码公开的论文~藻类的群体遗传、叶绿体基因组和线粒体基因组
主要研究内容 maeral beds 是个啥暂时还不知道 Phymatolithon calcareum, a maerl-forming red algal species 红藻的一个种 二代测序，组装了基因组 ，然后检测snp,做群体结果 还分析了叶绿体和线粒体基因组 数据和分析用的代码都是公开的，很好的学习素材 github的链接是 GitHub - Tom-Jenkins/maerl_genomics: 然后多少个k那个，这个也得好好看看 欢迎大家关注我的公众号 小明的数据分析笔记本 小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学 、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！
64911发布于 2021-07-12 - 来自专栏Sentieon：文献解读
群体基因组文献解读-Prediction of axillary lymph node metastasis in triple-negative breast
关键词：群体基因组；三阴性乳腺癌（TNBC）；淋巴结转移（LNM）；文献介绍标题（英文）：Prediction of axillary lymph node metastasis in triple-negative 研究组收集并分析了445名TNBC患者的临床病理信息、基因组数据和转录组数据。其中，169名患者为LNM阳性，276名患者为LNM阴性。 在基因组层面，研究发现LNM阳性病例的突变事件中位数为54，略高于阴性病例的49。体细胞拷贝数变异(SCNAs)分析显示，LNM阴性病例的SCNAs扩增和缺失频率分别达到68.9%和82.3%。 研究者综合分析了临床病理信息、基因组和转录组数据，构建了一个多组学预测模型。结果显示，该多组学模型表现优于单一组学模型，能更好地区分淋巴结阳性和阴性病例。
25300编辑于 2025-01-14 - 来自专栏Sentieon
Sentieon | 每周文献-Population Sequencing（群体基因组）-第一期
群体基因组系列文章-1 标题（英文）：The Impact of ACEs on BMI: An Investigation of the Genotype-Environment Effects of 图片 在该项研究中，研究者首先研究了ACEs与BMI之间的关联性；然后使用约500万个常见和罕见变异探索了BMI与ACEs的全基因组-环境交互作用。 全基因组-环境交互研究（GWEIS）检查了每个变异的基因型-环境（G×E）效应，使得在ACEs暴露下，不同基因型的参与者在BMI上的差异。 图片 总结：该研究使用了包括全外显子测序（Sentieon用于全流程数据分析）、电子健康记录、ACEs调查结果及全基因组-环境交互研究（GWEIS）等方法探索了ACEs、遗传因素和BMI之间的关系。 群体基因组系列文章-2 标题（英文）：Detection of De Novo PAX2 Variants and Phenotypes in Chinese Population: A Single-Center
24000编辑于 2023-07-17 - 来自专栏生信宝典
Plant Com | 浙江大学樊龙江团队大规模群体基因组分析揭示红米演化历史
（所谓5k数据集，其中近3000份材料为有色种皮）进行了群体分析，探究了红米演化历史。 这是目前已知最大规模的红米群体遗传学研究。 图1 研究使用的5k基因组数据集及其各种水稻类型构成情况 樊龙江教授课题组利用5k基因组数据集进行了系统发育和群体结构分析。 图2 水稻5k基因组数据集系统发育树（左）及其部分分支情况（右） 为了估计栽培红米和白米群体分化时间，该研究使用SMC++进行估计（图3）。 樊龙江教授团队长期在水稻基因组及其演化和环境适应方面开展研究，近年来在水稻去驯化和泛基因组等方面取得系列成果，Nat. Commun.、Genome Biol.、Mol.
49010编辑于 2023-12-12 - 来自专栏机器学习算法与Python学习
群体智能-果蝇算法
这两种算法皆是藉由动物群体觅食行为而发展出来的，因此有学者称为群体智能或是群智能算法。而它们也都必须透过迭代的搜寻才能搜寻到最佳解，因此亦属于演化式计算的领域。 图2 果蝇群体迭代搜寻食物的示意图 其步骤为: (1) 随机初始果蝇群体位置。 Init X_axis Init Y_axis (2) 附与果蝇个体利用嗅觉搜寻食物de随机方向与距离。 x、y 坐标，此时果蝇群体利用视觉往该位置飞去。 图2 迭代求解极小值函数曲线和果蝇搜寻轨迹 3.1，详细说明如下: (1) 随机初始果蝇群体位置。 Smell(i)=-5+S(i)^2; (5) 找出此果蝇群体的中味道浓度最低的果蝇(求极小值)。
3.6K110发布于 2018-04-08 AGORA：通过群体蒸馏激发大语言模型的群体涌现能力
这种增益源于群体涌现能力——孤立模型无法实现的集体能力合成，验证了交互作为智能可扩展驱动力的有效性。研究结果将协作生态系统的工程化定位为能力涌现的关键前沿。 主题分类机器学习（cs.LG） 人工智能（cs.AI） 核心创新交互式扩展轴：突破传统参数缩放模式，建立模型间结构化交互机制 群体蒸馏技术：通过协作集成产生超越单体模型的群体涌现能力 性能验证： 在数学推理任务中实现4.45%的绝对性能提升 技术价值该研究为大语言模型能力突破提供了新范式，证明通过设计交互生态激发的群体智能可成为继数据/参数扩展后的第三代能力提升路径。
16610编辑于 2025-08-05- 来自专栏运维之路
群体协同方式
晚上在阅读大卫.西贝特的可视化思维丛书中提到的群体协作手段，恰好与最近的一些思考相呼应，摘录出书中的一些可视化协同工具。
61320发布于 2020-03-06 - 来自专栏机器学习AI算法工程
用户群体画像那些事儿
用户群体画像是产品用户增长的利器之一——它能够帮您探究产品指标数字背后的原因。 群体画像的用途 用户群体画像可以帮助我们： 分析某个指标数字背后的用户，具备哪些特征——他们的人群属性、他们的行为特点？ 找到一些有趣的、有价值的事实，并从中发现产品有效改进提升的机会或方向。 用户群体的“画像”包括什么？ 用户价值和流失风险分析 高价值用户的占比越高，高流失风险的用户占比越低，产品越健康。 ? 用户特点分析 分析用户的性别、年龄、自定义属性、兴趣标签等。 ? 用户群体画像应如何使用？ 群体画像除了帮助我们查看产品用户的特点，更重要的作用是发现产品问题的背后的原因。 用户群体画像提供了一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！ 如何构建用户画像 伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。
3.2K110发布于 2018-03-13 - 来自专栏机器学习、深度学习
群体运动度量--Measuring Crowd Collectiveness
Collectiveness 用于描述群体运动的一致性的一个定义 Collectiveness, which indicates the degree of individuals acting as a union in collective motion Collectiveness 的定义是 表示 个体的运动和 群体运动的相似度，个体在群体运动中的参与度， 人群，鱼群，细菌群，羊群 等等都有有序的运动 在一定的环境下，群体中的个体按照不同的水平的群体运动组成一个整体，所以群体运动的描述由个体的参与度决定，这反应了个体的运动和 群体运动的相似度。 一个群体系统 C 的 crowd collectiveness 可以被定义为 所有个体的 individual collectiveness 的均值，可以用如下公式来计算 ?
80290发布于 2018-01-03 - 来自专栏Kubernetes手记
Kubernetes集群体检之Polaris
随着 Kubernetes 的广泛使用，如何保证集群稳定运行，成为了开发和运维团队关注的焦点。在集群中部署应用时，像忘记配置资源请求或忘记配置限制这样简单的事情可能就会破坏自动伸缩，甚至导致工作负载耗尽资源。这样种种的配置问题常常导致生产中断，为了避免它们我们用 Polaris 来预防。Polaris是fairwinds开发的一款开源的kubernetes集群健康检查组件。通过分析集群中的部署配置，从而发现并避免影响集群稳定性、可靠性、可伸缩性和安全性的配置问题。
1.6K20发布于 2021-07-01 - 来自专栏Sentieon
文献解读-群体基因组第一期|《对BMI的影响：探究BMI的基因型-环境效应》
关键词：应用遗传流行病学；群体测序；群体基因组；基因组变异检测；文献简介标题（英文）：The Impact of ACEs on BMI: An Investigation of the Genotype-Environment 在该项研究中，研究者首先研究了ACEs与BMI之间的关联性；然后使用约500万个常见和罕见变异探索了BMI与ACEs的全基因组-环境交互作用。 全基因组-环境交互研究（GWEIS）检查了每个变异的基因型-环境（G×E）效应，使得在ACEs暴露下，不同基因型的参与者在BMI上的差异。 clinical arsenal for overall better patient health.总结该研究使用了包括全外显子测序（Sentieon用于全流程数据分析）、电子健康记录、ACEs调查结果及全基因组
26410编辑于 2024-05-28 - 来自专栏小明的数据分析笔记本
跟着Nature Communications学作图：R语言ggplot2做堆积柱形图展示群体基因组学的结果
keystone forest tree in East Asia https://www.nature.com/articles/s41467-022-34206-8#Sec23 完整的数据分析代码 涉及到群体基因组学
56310编辑于 2023-01-06 - 来自专栏人工智能ai相关
AI音乐真正冲击的群体不是普通音乐人而是这个群体·卓伊凡
AI音乐真正冲击的群体不是普通音乐人而是这个群体·卓伊凡卓伊凡的技术视角把这事说透：AI音乐是势不可挡的，但它真正“冲击最狠”的，往往不是普通创作者，而是那条吃得最稳、抽成最久的链条——音乐版权与商用授权公司
11910编辑于 2026-01-13 - 来自专栏数据科学（冷冻工厂）
三维基因组｜基因组结构 (2)
人们发现它聚集在拓扑关联域（TAD）的边界，并且可能在将基因组划分为“染色体邻域”（发生调控的基因组区域）方面发挥作用。 TAD 拓扑结构域 拓扑关联域 (TAD) 是一个自相互作用的基因组区域，这意味着 TAD 内的 DNA 序列之间的物理相互作用比 TAD 外的序列更频繁。 基因组到 TAD 的空间划分与许多线性基因组特征相关，例如组蛋白修饰、协调基因表达、与核纤层和 DNA 复制时间的关联、增强子-启动子相互作用。 染色质环 人们已经认识到，像启动子-增强子这样的顺式调控元件通常沿着脊椎动物的线性基因组远离。然而，为了引发调节作用，基因组结构进化形成一个环，将两个元素聚集到空间上接近的位置。 然而，最近的研究提供了更多证据来支持更灵活、异质的群体排列结构。 结构蛋白和 RNA 染色质生物学中的一个重要问题是如何建立 3D 染色质组织的结构特征。很少有结构蛋白被证明对染色质结构至关重要。
45510编辑于 2024-03-02 - 来自专栏大数据文摘
群体的智慧：集成学习入门介绍
这通常被视为是群体的智慧。 对于回归和分类的预测建模问题，通过把多个机器学习的预测模型组合起来，也可以达到类似的结果。这通常叫做集成机器学习，简称集成学习。 群体决策效果比个人更好，这被称为群体的智慧。 集成机器学习把多个成熟的模型预测结果组合起来。 我们开始吧！ 群体的智慧 这种基于群体的低水平决策来进行最终决策的方法通常被称为“群体的智慧”。 它是这样的情况，即相对于群体中单个个体的决定，集合了群体中所有人的意见的结果通常更为准确、有效、以及正确。 这个例子是James Surowiecki’s 2004年出版的名叫 “The Wisdom of Crowds” 的书开头给出的，这本书探讨了人类群体做出的决策和预测往往群体成员更好。 群体的决策优于个体，被叫做群体的智慧。 集成机器学习是把多个成熟模型的预测结果组合起来。
67520发布于 2020-12-11 - 来自专栏科技记者
GWAS和群体遗传学笔记
群体遗传分析步步骤总览 主要包括7个步骤，分别是：SNP过滤、基因型填充、进化树分析、主成分分析、群体遗传结构分析、连锁不平衡分析和GWAS分析。 ? 1.SNP过滤 ? 5.群体结构分析 vcftools转换格式从vcf到plink格式ped，然后plink转换成二进制格式bed。 admixture进行群体结构分析。
3K42发布于 2020-06-16 - 来自专栏生信修炼手册
GWAS分析中使用PCA校正群体分层
Population stratification,称之为群体分层，是最常见的差异来源，指的是case/control组的样本来自于不同的祖先群体，其分型结果自然是有差异的。 对于群体分层的校正，通常采主成分分析的方法，即PCA, 对应的文章发表在nature genetics上，链接如下 https://www.nature.com/articles/ng1847 ?
5.3K41发布于 2019-12-19 - 来自专栏生信菜鸟团
群体遗传系列之：一文了解和使用Treemix来研究群体之间的基因流
这一期推文继续和大家分享与群体遗传进化相关的知识。这一期主要讲解基因流和Treemix的使用，读完后希望对大家有帮助且有所收获。 什么是基因流(Gene flow)? 基因流（也称基因迁移）是指一个物体中的一些个体从一个群体迁移到另一个群体，这个过程中某些基因或遗传物质会引入到新的群体中，从而产生基因的流动。这个过程会改变群体“基因库”的组成，改变基因的频率。 下面的图就是一个非常经典的例子，通过基因流改变了两个鸟群体的基因频率。 通过基因交流向群体中引入新的等位基因，是遗传变异中非常重要的来源，影响群体遗传多样性，可以导致新的性状组合的产生。 基因在群体间中流动的水平越大，群体的基因组成相对应的性状就会越均匀或普遍相似，受限制的基因流使群体间发生分化，因为每个群体中都会或多或少的独立发生适应和遗传漂变。 对应的热图标尺中，0SE为最上端的颜色，且热图都没有明显的颜色分化，说明模型对实际群体之间的协方差拟合程度很好。
11.4K40发布于 2021-10-12 - 来自专栏VRPinea
VR能否带动非健身用户群体？
此后，主打24小时营业、按月付费、全程无推销的新型健身房应运而生了，凭借线上线下一体化的数字化运营模式，成功打入轻度健身群体。虽然用户可以选择单次购买，但价格依旧偏高。
86310编辑于 2022-04-14 - 来自专栏CDA数据分析师
收藏 ▏用户群体画像功能深度解析
用户群体画像是产品用户增长的利器之一——它能够帮您探究产品指标数字背后的原因。 用户群体画像可以帮助我们： 1. 分析某个指标数字背后的用户，具备哪些特征——他们的人群属性、他们的行为特点2. 找到一些有趣的、有价值的事实，并从中发现产品有效改进提升的机会或方向。 用户群体的“画像”包括什么用户群体画像包括以下内容： 用户价值和流失风险分析高价值用户的占比越高，高流失风险的用户占比越低，产品越健康。 用户特点分析分析用户的性别、年龄、自定义属性、兴趣标签等。 用户群体画像应如何使用?群体画像除了帮助我们查看产品用户的特点，更重要的作用是发现产品问题的背后的原因。 诸葛 io 的用户群体画像提供了一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长! 作者于晓松，诸葛 io 产品 VP。 End.
1.1K80发布于 2018-02-26
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