• 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

Editorial: Computational and integrative approaches for developmental biology and molecular evolution.

作者信息

Feltes Bruno César, Ligabue-Braun Rodrigo, Dorn Márcio

机构信息

Department of Biophysics, Institute of Biosciences, Federal University of Rio Grande do Sul, Porto Alegre, Brazil.

Department of Pharmacosciences, Federal University of Health Sciences of Porto Alegre, Porto Alegre, Brazil.

出版信息

Front Genet. 2023 Jul 14;14:1252328. doi: 10.3389/fgene.2023.1252328. eCollection 2023.

DOI:10.3389/fgene.2023.1252328
PMID:37519892
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10382133/
Abstract
摘要
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9ada/10382133/5abc77690478/fgene-14-1252328-g001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9ada/10382133/5abc77690478/fgene-14-1252328-g001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/9ada/10382133/5abc77690478/fgene-14-1252328-g001.jpg

相似文献

1
Editorial: Computational and integrative approaches for developmental biology and molecular evolution.社论：发育生物学与分子进化的计算和整合方法
Front Genet. 2023 Jul 14;14:1252328. doi: 10.3389/fgene.2023.1252328. eCollection 2023.
2
Editorial: Bioinformatics and the Translation of Data-Driven Discoveries.社论：生物信息学与数据驱动发现的转化
Front Genet. 2022 May 10;13:902940. doi: 10.3389/fgene.2022.902940. eCollection 2022.
3
Editorial: Advanced computational systems biology approaches for accelerating comprehensive research of the human brain.社论：用于加速人类大脑全面研究的先进计算系统生物学方法
Front Genet. 2023 Feb 9;14:1143789. doi: 10.3389/fgene.2023.1143789. eCollection 2023.
4
Perspectives and applications of machine learning for evolutionary developmental biology.机器学习在进化发育生物学中的应用与展望。
Mol Omics. 2018 Oct 8;14(5):289-306. doi: 10.1039/c8mo00111a.
5
Editorial: Integrative Approaches to Analyze Cancer Based on Multi-Omics.社论：基于多组学分析癌症的综合方法
Front Genet. 2022 Oct 17;13:1057408. doi: 10.3389/fgene.2022.1057408. eCollection 2022.
6
Using machine learning approaches for multi-omics data analysis: A review.使用机器学习方法进行多组学数据分析：综述
Biotechnol Adv. 2021 Jul-Aug;49:107739. doi: 10.1016/j.biotechadv.2021.107739. Epub 2021 Mar 29.
7
Editorial: Computational and systematic analysis of multi-omics data for drug discovery and development.社论：用于药物发现与开发的多组学数据的计算与系统分析
Front Med (Lausanne). 2023 Feb 21;10:1146896. doi: 10.3389/fmed.2023.1146896. eCollection 2023.
8
Machine learning: its challenges and opportunities in plant system biology.机器学习：在植物系统生物学中的挑战与机遇。
Appl Microbiol Biotechnol. 2022 May;106(9-10):3507-3530. doi: 10.1007/s00253-022-11963-6. Epub 2022 May 16.
9
Computational approaches for network-based integrative multi-omics analysis.基于网络的整合多组学分析的计算方法
Front Mol Biosci. 2022 Nov 14;9:967205. doi: 10.3389/fmolb.2022.967205. eCollection 2022.
10
2021 Bioinformatics and Translational Informatics Best Papers.2021 年生物信息学与转化医学信息最佳论文集
Yearb Med Inform. 2022 Aug;31(1):116-119. doi: 10.1055/s-0042-1742538. Epub 2022 Dec 4.

本文引用的文献

1
Benchmarking and Testing Machine Learning Approaches with BARRA:CuRDa, a for Cancer Research.
J Comput Biol. 2021 Sep;28(9):931-944. doi: 10.1089/cmb.2020.0463. Epub 2021 Jul 14.
2
CuMiDa: An Extensively Curated Microarray Database for Benchmarking and Testing of Machine Learning Approaches in Cancer Research.CuMiDa：一个经过广泛整理的微阵列数据库，用于癌症研究中机器学习方法的基准测试和验证。
J Comput Biol. 2019 Apr;26(4):376-386. doi: 10.1089/cmb.2018.0238. Epub 2019 Feb 21.
3
STRING v11: protein-protein association networks with increased coverage, supporting functional discovery in genome-wide experimental datasets.STRING v11：具有增强覆盖范围的蛋白质-蛋白质相互作用网络，支持在全基因组实验数据集的功能发现。
Nucleic Acids Res. 2019 Jan 8;47(D1):D607-D613. doi: 10.1093/nar/gky1131.
4
Combined approaches from physics, statistics, and computer science for protein structure prediction: (unity is strength)?物理、统计学和计算机科学相结合的蛋白质结构预测方法：（团结就是力量）？
F1000Res. 2018 Jul 24;7. doi: 10.12688/f1000research.14870.1. eCollection 2018.
5
Machine learning for epigenetics and future medical applications.用于表观遗传学和未来医学应用的机器学习。
Epigenetics. 2017 Jul 3;12(7):505-514. doi: 10.1080/15592294.2017.1329068. Epub 2017 May 19.
6
Machine learning applications in cell image analysis.机器学习在细胞图像分析中的应用。
Immunol Cell Biol. 2017 Jul;95(6):525-530. doi: 10.1038/icb.2017.16. Epub 2017 Mar 15.
7
Supervised, Unsupervised, and Semi-Supervised Feature Selection: A Review on Gene Selection.监督式、无监督式和半监督式特征选择：基因选择综述
IEEE/ACM Trans Comput Biol Bioinform. 2016 Sep-Oct;13(5):971-989. doi: 10.1109/TCBB.2015.2478454. Epub 2015 Sep 14.
8
Machine learning applications in genetics and genomics.机器学习在遗传学和基因组学中的应用。
Nat Rev Genet. 2015 Jun;16(6):321-32. doi: 10.1038/nrg3920. Epub 2015 May 7.
9
Interactome networks and human disease.相互作用组网络与人类疾病。
Cell. 2011 Mar 18;144(6):986-98. doi: 10.1016/j.cell.2011.02.016.
10
Analyzing biological network parameters with CentiScaPe.使用 CentiScaPe 分析生物网络参数。
Bioinformatics. 2009 Nov 1;25(21):2857-9. doi: 10.1093/bioinformatics/btp517. Epub 2009 Sep 2.