• 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

Machine Learning Techniques for High-Throughput Structure and Function Analysis for Proteomics and Genomics.

作者信息

Zou Quan

机构信息

Institute of Fundamental and Frontier Sciences University of Electronic Science and Technology of China Chengdu 610054, China.

出版信息

Comb Chem High Throughput Screen. 2019;22(10):664. doi: 10.2174/138620732210200110161230.

DOI:10.2174/138620732210200110161230
PMID:31984877
Abstract
摘要

相似文献

1
Machine Learning Techniques for High-Throughput Structure and Function Analysis for Proteomics and Genomics.用于蛋白质组学和基因组学高通量结构与功能分析的机器学习技术
Comb Chem High Throughput Screen. 2019;22(10):664. doi: 10.2174/138620732210200110161230.
2
Opportunities and Challenges of Multiplex Assays: A Machine Learning Perspective.多重检测的机遇与挑战：机器学习视角
Methods Mol Biol. 2017;1546:115-122. doi: 10.1007/978-1-4939-6730-8_7.
3
CiRCus: A Framework to Enable Classification of Complex High-Throughput Experiments.CiRCus：一种用于对复杂高通量实验进行分类的框架。
J Proteome Res. 2019 Apr 5;18(4):1486-1493. doi: 10.1021/acs.jproteome.8b00724. Epub 2019 Mar 22.
4
Deep Omics.深度组学。
Proteomics. 2018 Jan;18(2). doi: 10.1002/pmic.201700319. Epub 2017 Dec 29.
5
Application of machine learning method in genomics and proteomics.机器学习方法在基因组学和蛋白质组学中的应用。
ScientificWorldJournal. 2015;2015:914780. doi: 10.1155/2015/914780. Epub 2015 Apr 19.
6
Some remarks on prediction of protein-protein interaction with machine learning.关于利用机器学习预测蛋白质-蛋白质相互作用的一些评论。
Med Chem. 2015;11(3):254-64. doi: 10.2174/1573406411666141230095838.
7
Tales on the road to high-throughput.高通量之路上的故事。
Biotechniques. 2012 Jul;53(1):27-31. doi: 10.2144/000113892.
8
Machine Learning for High-Throughput Stress Phenotyping in Plants.基于机器学习的高通量植物胁迫表型分析。
Trends Plant Sci. 2016 Feb;21(2):110-124. doi: 10.1016/j.tplants.2015.10.015. Epub 2015 Dec 1.
9
A review of protein function prediction under machine learning perspective.机器学习视角下蛋白质功能预测综述。
Recent Pat Biotechnol. 2013 Aug;7(2):122-41. doi: 10.2174/18722083113079990006.
10
Quality Control for High-Throughput Imaging Experiments Using Machine Learning in Cellprofiler.在Cellprofiler中使用机器学习进行高通量成像实验的质量控制
Methods Mol Biol. 2018;1683:89-112. doi: 10.1007/978-1-4939-7357-6_7.