您当前的位置:
首页 >
文章列表页 >
基于深度随机游走与改进密度聚类的多组学异质网络整合方法
基于深度随机游走与改进密度聚类的多组学异质网络整合方法
A multiomics heterogeneous network integration method based on deep random walk and improved density clustering
- “针对异质数据类型结构差异巨大的难题,研究团队提出了一种计算生物学导向的多组学融合方法改进算法,通过将基因组、转录组和蛋白质组构建为多层异质网络,并依次引入深度随机游走特征建模、改进的迭代DBSCAN密度聚类算法与跨层关系预测模型,实现多组学网络的统一表征与关联推断,介绍了其在计算生物学领域的研究进展,该团队建立了多组学融合分析体系,为解决异质数据整合难题提供解决方案。”
- 吉林大学学报(工学版) 2026年56卷第5期 页码:1332-1342
DOI: 10.13229/j.cnki.jdxbgxb.20251069
移动端阅览
AI导读
HTML全文
图( 6 ) 表( 3 )
参考文献
出版信息
数据统计
62
浏览量
20
下载量
0
CSCD
文章被引用时,请邮件提醒。
提交
工具集
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
相关文章
双分流多尺度注意力与单层输出的密集行人检测算法
寒区路基水⁃热耦合理论模型及变形规律
考虑行波效应的在役连续梁桥抗震性能提升
混掺纤维改性沥青制备及增强增韧机理
考虑主动尾翼气动性能的车辆稳定性优化控制
相关作者
暂无数据
相关机构
暂无数据

