• 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

相似文献

1
Editorial: Unsupervised Learning Models for Unlabeled Genomic, Transcriptomic & Proteomic Data.社论：用于未标记基因组、转录组和蛋白质组数据的无监督学习模型
Front Genet. 2021 Nov 11;12:781698. doi: 10.3389/fgene.2021.781698. eCollection 2021.
2
Single cell transcriptomics: moving towards multi-omics.单细胞转录组学：迈向多组学。
Analyst. 2019 May 13;144(10):3172-3189. doi: 10.1039/c8an01852a.
3
Annotation of the zebrafish genome through an integrated transcriptomic and proteomic analysis.通过整合转录组学和蛋白质组学分析对斑马鱼基因组进行注释。
Mol Cell Proteomics. 2014 Nov;13(11):3184-98. doi: 10.1074/mcp.M114.038299. Epub 2014 Jul 24.
4
Integration of Proteomics and Transcriptomics Data Sets for the Analysis of a Lymphoma B-Cell Line in the Context of the Chromosome-Centric Human Proteome Project.在以染色体为中心的人类蛋白质组计划背景下，整合蛋白质组学和转录组学数据集以分析淋巴瘤B细胞系
J Proteome Res. 2015 Sep 4;14(9):3530-40. doi: 10.1021/acs.jproteome.5b00474. Epub 2015 Aug 5.
5
Newt-omics: a comprehensive repository for omics data from the newt Notophthalmus viridescens.纽特组学：来自绿螈（Notophthalmus viridescens）的组学数据综合资源库。
Nucleic Acids Res. 2012 Jan;40(Database issue):D895-900. doi: 10.1093/nar/gkr873. Epub 2011 Oct 27.
6
Proteomic and transcriptomic profiling of aerial organ development in Arabidopsis.拟南芥气生器官发育的蛋白质组学和转录组学分析。
Sci Data. 2020 Oct 9;7(1):334. doi: 10.1038/s41597-020-00678-w.
7
Symposium review: Omics in dairy and animal science-Promise, potential, and pitfalls.研讨会综述：乳制品和动物科学中的组学——前景、潜力和挑战。
J Dairy Sci. 2019 May;102(5):4741-4754. doi: 10.3168/jds.2018-15267. Epub 2018 Sep 27.
8
Polyploidy and the proteome.多倍体与蛋白质组
Biochim Biophys Acta. 2016 Aug;1864(8):896-907. doi: 10.1016/j.bbapap.2016.03.010. Epub 2016 Mar 16.
9
Multi-Omics Driven Assembly and Annotation of the Sandalwood () Genome.多组学驱动的檀香（）基因组组装和注释。
Plant Physiol. 2018 Apr;176(4):2772-2788. doi: 10.1104/pp.17.01764. Epub 2018 Feb 12.
10
Unsupervised and supervised learning with neural network for human transcriptome analysis and cancer diagnosis.基于神经网络的无监督和监督学习在人类转录组分析和癌症诊断中的应用。
Sci Rep. 2020 Nov 5;10(1):19106. doi: 10.1038/s41598-020-75715-0.

本文引用的文献

1
GRMT: Generative Reconstruction of Mutation Tree From Scratch Using Single-Cell Sequencing Data.GRMT：利用单细胞测序数据从头生成突变树的重建方法
Front Genet. 2021 Jun 4;12:692964. doi: 10.3389/fgene.2021.692964. eCollection 2021.
2
SimuSCoP: reliably simulate Illumina sequencing data based on position and context dependent profiles.SimuSCoP：基于位置和上下文相关的分布可靠地模拟 Illumina 测序数据。
BMC Bioinformatics. 2020 Jul 23;21(1):331. doi: 10.1186/s12859-020-03665-5.
3
Editorial: Advanced Computer Methods and Programs in Biomedicine.社论：生物医学中的先进计算机方法与程序
Math Biosci Eng. 2019 Dec 19;17(3):1940-1943. doi: 10.3934/mbe.2020102.
4
Inferring subgroup-specific driver genes from heterogeneous cancer samples via subspace learning with subgroup indication.基于亚组指示的子空间学习推断异质癌症样本中的亚组特异性驱动基因。
Bioinformatics. 2020 Mar 1;36(6):1855-1863. doi: 10.1093/bioinformatics/btz793.
5
SCSsim: an integrated tool for simulating single-cell genome sequencing data.SCSsim：一种用于模拟单细胞基因组测序数据的集成工具。
Bioinformatics. 2020 Feb 15;36(4):1281-1282. doi: 10.1093/bioinformatics/btz713.
6
Review of applications of high-throughput sequencing in personalized medicine: barriers and facilitators of future progress in research and clinical application.高通量测序在个性化医学中的应用综述：研究和临床应用未来进展的障碍和促进因素。
Brief Bioinform. 2019 Sep 27;20(5):1795-1811. doi: 10.1093/bib/bby051.
7
HetRCNA: A Novel Method to Identify Recurrent Copy Number Alternations from Heterogeneous Tumor Samples Based on Matrix Decomposition Framework.HetRCNA：一种基于矩阵分解框架的新型方法，用于从异质肿瘤样本中识别复发性拷贝数改变。
IEEE/ACM Trans Comput Biol Bioinform. 2020 Mar-Apr;17(2):422-434. doi: 10.1109/TCBB.2018.2846599. Epub 2018 Jun 12.
8
Genome, transcriptome and proteome: the rise of omics data and their integration in biomedical sciences.基因组学、转录组学和蛋白质组学：组学数据的兴起及其在生物医学科学中的整合。
Brief Bioinform. 2018 Mar 1;19(2):286-302. doi: 10.1093/bib/bbw114.
9
Deep learning in bioinformatics.生物信息学中的深度学习。
Brief Bioinform. 2017 Sep 1;18(5):851-869. doi: 10.1093/bib/bbw068.
10
Gene expression: Transcriptome to proteome and back to genome.基因表达：从转录组到蛋白质组再回到基因组。
Nat Rev Genet. 2011 Jun 28;12(8):518. doi: 10.1038/nrg3037.

Editorial: Unsupervised Learning Models for Unlabeled Genomic, Transcriptomic & Proteomic Data.

作者信息

Xi Jianing, Yu Zhenhua

机构信息

School of Artificial Intelligence, Optics and Electronics (iOPEN), Northwestern Polytechnical University, Xi'an, China.

School of Information Engineering, Ningxia University, Yinchuan, China.

出版信息

Front Genet. 2021 Nov 11;12:781698. doi: 10.3389/fgene.2021.781698. eCollection 2021.

DOI:10.3389/fgene.2021.781698
PMID:34858487
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8631860/
Abstract
摘要