首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   5篇
  免费   2篇
  国内免费   7篇
自动化技术   14篇
  2021年   2篇
  2019年   5篇
  2018年   1篇
  2017年   1篇
  2009年   2篇
  2008年   1篇
  2006年   1篇
  2005年   1篇
排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
2.
分子空间结构相似性比较的指标函数可以定量地描述两个分子空间结构相似性大小,但难题在于如何确定分子初始相对位置,以保证得到全局最优叠合.由于以往都是利用程序随机生成初始相对位置,所以没有规则也不确定.为保证得到全局最优叠合,需要大量的初始相对位置优化计算.利用“均匀设计”的实验设计手段,在空间规则地筛选部署分子初始相对位置,使其具有代表性和均匀分布性,这样只需少数确定数目的初始相对位置,便可以稳定地得到指标函数的全局最优解.而后利用并行处理方法,把初始相对位置集合部署在Np个处理器上同时工作,大幅度地减少了运行时间,并输出与串行执行相同的运算结果.  相似文献   
3.
随着高通量测序成本的不断降低,基于DNA测序技术的肿瘤基因组研究已经成为揭示肿瘤分子机制的主流方法,并在临床诊断和治疗中逐渐得到应用。肿瘤体细胞单核苷酸突变变异 (single nucleotide variant, SNV) 作为最简单的一种基因变异类型,其检测会受到家系多态性、肿瘤异质性、测序和分析误差等多个因素的影响,从而导致一些假阳性的结果。目前,已有一些基于肿瘤基因组测序数据的体细胞 SNV 检测软件,如 Varscan2,Mutect2,Strelka,SomaticSniper 等。本文选取四种典型的检测方法,对每种方法的检测原理进行研究,并使用 ICGC-TCGA 提供的全基因组数据,对上述四种变异检测软件进行测试。参照每种方法的分析流程,获得每种方法识别的候选变异位点集,并与真实的变异位点集合进行比较,分析每种算法的优缺点,从而为研究人员使用这些方法提供指导。  相似文献   
4.
5.
微卫星是广泛分布在真核生物基因组中的短串联重复序列.微卫星不稳定(Microsatellite Instability,MSI)是指由DNA错配修复系统故障引起的微卫星区域重复序列插入或缺失的现象.微卫星不稳定的检测对于肿瘤的早期诊断以及预后判断等具有重要的意义.临床上采用MSI-PCR以及MMR-IHC的实验方法检测MSI,随着下一代测序技术的发展,基于高通量测序数据的MSI检测方法及软件逐渐涌现.本文将从生物学实验方法和计算方法两个角度对当前的MSI检测方法进行介绍并讨论分析这些方法的优势及局限.  相似文献   
6.
针对新型超高通量测序仪Solexa测序仪所产生的测序片段read的比对与组装问题,提出一种短序列比对与组装算法SRMA,采用对参考序列进行hash的方法,将测序片段read分3段快速、准确地定位于参考序列,对不能定位的read采取从头(Denovo)组装的方法进行组装。测试结果表明SRMA算法具有较高的性能和敏感度,以及良好的应用前景。  相似文献   
7.
Motif在转录和后转录水平的基因表达调控中起着重要的作用。目前,识别Motif的算法和相应的软件已有不少,但是却鲜有对各种算法及软件性能共同评测的研究和报告。介绍了算法的分类以及三种常见的Motif识别算法Wordup,MM和Gibbs采样,并对AlignACE,MEME,MotifSampler,Weeder等13种Motif寻找软件进行性能比较分析。通过生物学意义的研究和性能比较结果可以得出:由于唯有Weeder算法考虑了Motif保守核心位置,因而它在各种软件中识别效果较好;大部分算法只考虑简单而  相似文献   
8.
野生小麦是异源六倍体,基因组规模较大(约14 GB),且包含大量重复序列.为了培育具有优良性状的新品种,首先要定位控制目标性状的基因,因此建立一个完整准确的基因组注释软件流程至关重要.传统的基因组注释方法基于数据库比对,具有三个明显的缺点:一是比对速度慢;二是难以发现新基因;三是软件选择没有统一标准.本文提出了一种新的生物信息学注释流程,结合了基因数据库比对、转录组高通量测序数据分析、全长转录组单分子测序数据分析等多种技术手段,实现了六倍体小麦科农9204基因组完整准确的注释,为揭示小麦生长发育规律和培育新品种提供了重要参考和软件技术支撑.  相似文献   
9.
细胞受到致癌因子刺激时引起突变,突变过程使基因组发生具有一定模式的改变,称为突变印迹.突变印迹分析是阐明致癌因子的致癌机制及驱动癌症发展的一项重要任务,将为肿瘤早期诊断和个体化治疗提供新的依据和选择.下一代测序技术的突破和发展使得海量体细胞突变被识别,从而使从大规模基因组中挖掘突变印迹成为可能.本文详细解释了突变印迹识别问题的数学模型,介绍了求解方法和重要参数,系统全面地比较了主流算法和软件,指明了突变印迹提取的注意事项.最后,对该领域的未来发展趋势进行了探讨.  相似文献   
10.
下一代测序技术(Next Generation Sequencing,NGS)以其低成本、超高通量的特性,显著推动着宏基因组学的发展,同时也为领域内科研人员带来了巨大的挑战。随之而来的大规模、高复杂度测序数据,让研究人员在处理过程中面临诸多困难:一方面,大规模测序数据的分析消耗资源,如硬件资源、时间成本等;另一方面,计算分析过程中必然涉及到的大量宏基因组学计算分析工具很难由普通使用者自行部署、调试与维护。文中对比了领域内主流的宏基因组学计算平台,综合分析了各平台主要的优势与不足;进一步结合当前有效的计算服务技术,构建完成了一个专注于宏基因组学计算分析的高可用弹性宏基因组学计算平台MWS-MGA(More than a Web Service for Metagenomic Analysis);并通过提供多种交互接入方式以及丰富灵活的计算工具,较大程度地降低了科研人员进行宏基因组学NGS数据分析的科研门槛。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号