• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

用于贝叶斯学习的Python环境：从知识和数据中推断贝叶斯网络的结构

Python Environment for Bayesian Learning: Inferring the Structure of Bayesian Networks from Knowledge and Data.

作者信息

Shah Abhik, Woolf Peter

机构信息

Department of Chemical Engineering, 3320 G.G. Brown, Ann Arbor, MI 48103, USA.

出版信息

J Mach Learn Res. 2009 Jun 1;10:159-162.

PMID:20161541
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC2804996/
Abstract

In this paper, we introduce pebl, a Python library and application for learning Bayesian network structure from data and prior knowledge that provides features unmatched by alternative software packages: the ability to use interventional data, flexible specification of structural priors, modeling with hidden variables and exploitation of parallel processing.

摘要

在本文中，我们介绍了pebl，这是一个用于从数据和先验知识中学习贝叶斯网络结构的Python库及应用程序，它提供了其他软件包所没有的功能：使用干预数据的能力、结构先验的灵活指定、对隐藏变量进行建模以及利用并行处理。

相似文献

1
Python Environment for Bayesian Learning: Inferring the Structure of Bayesian Networks from Knowledge and Data.用于贝叶斯学习的Python环境：从知识和数据中推断贝叶斯网络的结构
J Mach Learn Res. 2009 Jun 1;10:159-162.
2
Tunable structure priors for Bayesian rule learning for knowledge integrated biomarker discovery.用于知识整合生物标志物发现的贝叶斯规则学习的可调结构先验。
World J Clin Oncol. 2018 Sep 14;9(5):98-109. doi: 10.5306/wjco.v9.i5.98.
3
PsychRNN: An Accessible and Flexible Python Package for Training Recurrent Neural Network Models on Cognitive Tasks.PsychRNN：一个用于在认知任务上训练递归神经网络模型的易于访问和灵活的 Python 包。
eNeuro. 2021 Jan 15;8(1). doi: 10.1523/ENEURO.0427-20.2020. Print 2021 Jan-Feb.
4
A simulated annealing-based Bayesian network structure optimization framework for late morbidity prediction with a large prospective dataset.一种基于模拟退火的贝叶斯网络结构优化框架，用于利用大型前瞻性数据集进行晚期发病率预测。
Med Phys. 2025 Jun;52(6):5051-5063. doi: 10.1002/mp.17881. Epub 2025 May 21.
5
NeuroPycon: An open-source python toolbox for fast multi-modal and reproducible brain connectivity pipelines.NeuroPycon：一个开源的 Python 工具包，用于快速进行多模态和可重复的脑连接管道。
Neuroimage. 2020 Oct 1;219:117020. doi: 10.1016/j.neuroimage.2020.117020. Epub 2020 Jun 6.
6
Using mechanistic Bayesian networks to identify downstream targets of the sonic hedgehog pathway.运用机制贝叶斯网络识别 sonic hedgehog 通路的下游靶点。
BMC Bioinformatics. 2009 Dec 18;10:433. doi: 10.1186/1471-2105-10-433.
7
GReNaDIne: A Data-Driven Python Library to Infer Gene Regulatory Networks from Gene Expression Data.GReNaDIne：一个基于数据驱动的 Python 库，用于从基因表达数据中推断基因调控网络。
Genes (Basel). 2023 Jan 20;14(2):269. doi: 10.3390/genes14020269.
8
Precise Network Modeling of Systems Genetics Data Using the Bayesian Network Webserver.使用贝叶斯网络网络服务器对系统遗传学数据进行精确的网络建模。
Methods Mol Biol. 2017;1488:319-335. doi: 10.1007/978-1-4939-6427-7_15.
9
Structure learning for Bayesian networks as models of biological networks.作为生物网络模型的贝叶斯网络的结构学习
Methods Mol Biol. 2013;939:35-45. doi: 10.1007/978-1-62703-107-3_4.
10
Causal Artificial Intelligence Models of Food Quality Data.食品质量数据的因果人工智能模型。
Food Technol Biotechnol. 2024 Mar;62(1):102-109. doi: 10.17113/ftb.62.01.24.8301.

引用本文的文献

1
A gene regulatory network for root epidermis cell differentiation in Arabidopsis.拟南芥根表皮细胞分化的基因调控网络。
PLoS Genet. 2012 Jan;8(1):e1002446. doi: 10.1371/journal.pgen.1002446. Epub 2012 Jan 12.
2
Systems biology data analysis methodology in pharmacogenomics.系统生物学数据分析方法在药物基因组学中的应用。
Pharmacogenomics. 2011 Sep;12(9):1349-60. doi: 10.2217/pgs.11.76.
3
RegNetB: predicting relevant regulator-gene relationships in localized prostate tumor samples.RegNetB：预测局部前列腺肿瘤样本中的相关调控基因关系。
BMC Bioinformatics. 2011 Jun 17;12:243. doi: 10.1186/1471-2105-12-243.
4
Partially observed bipartite network analysis to identify predictive connections in transcriptional regulatory networks.用于识别转录调控网络中预测性连接的部分观测二分网络分析
BMC Syst Biol. 2011 May 27;5:86. doi: 10.1186/1752-0509-5-86.
5
Effective connectivity analysis of fMRI and MEG data collected under identical paradigms.在相同范式下采集的 fMRI 和 MEG 数据的有效连接分析。
Comput Biol Med. 2011 Dec;41(12):1156-65. doi: 10.1016/j.compbiomed.2011.04.011. Epub 2011 May 17.

本文引用的文献

1
Combining microarrays and biological knowledge for estimating gene networks via Bayesian networks.结合微阵列和生物学知识，通过贝叶斯网络估计基因网络。
Proc IEEE Comput Soc Bioinform Conf. 2003;2:104-13.
2
Bayesian network approach to cell signaling pathway modeling.用于细胞信号通路建模的贝叶斯网络方法。
Sci STKE. 2002 Sep 3;2002(148):pe38. doi: 10.1126/stke.2002.148.pe38.
3
Discovery of causal relationships in a gene-regulation pathway from a mixture of experimental and observational DNA microarray data.从实验性和观察性DNA微阵列数据的混合数据中发现基因调控途径中的因果关系。
Pac Symp Biocomput. 2002:498-509. doi: 10.1142/9789812799623_0046.
4
Inferring subnetworks from perturbed expression profiles.从受干扰的表达谱中推断子网。
Bioinformatics. 2001;17 Suppl 1:S215-24. doi: 10.1093/bioinformatics/17.suppl_1.s215.