首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

Nat. Commun. | 基于注意力机制对RNA修饰位点多标签分类的预测与解释

今天给大家介绍西交利物浦大学孟佳教授等人在Nature Communications期刊上发表的文章“Attention-based multi-label neural networks for integratedprediction and interpretation of twelve widely occurring RNA modifications”。RNA修饰增加了RNA分子的结构和功能的多样性,因此,精确识别RNA修饰位点对于理解RNA的功能和调控机制至关重要。为了综合预测和解释转录后的RNA修饰位点,作者提出了基于注意力的多标签深度学习框架的模型MultiRM。MultiRM不仅可以同时预测12个广泛存在的转录组位点,而且对预测过程中的关键序列进行了提取分析,揭示了不同类型的RNA修饰之间有很强的关联,有助于更好的综合分析和理解基于序列的RNA修饰机制。

03

Nature Communications | 基于注意力机制对RNA修饰位点多标签分类的预测与解释

今天给大家介绍西交利物浦大学孟佳教授等人在Nature Communications期刊上发表的文章“Attention-based multi-label neural networks for integratedprediction and interpretation of twelve widely occurring RNA modifications”。RNA修饰增加了RNA分子的结构和功能的多样性,因此,精确识别RNA修饰位点对于理解RNA的功能和调控机制至关重要。为了综合预测和解释转录后的RNA修饰位点,作者提出了基于注意力的多标签深度学习框架的模型MultiRM。MultiRM不仅可以同时预测12个广泛存在的转录组位点,而且对预测过程中的关键序列进行了提取分析,揭示了不同类型的RNA修饰之间有很强的关联,有助于更好的综合分析和理解基于序列的RNA修饰机制。

02

千万级规模高性能、高并发的网络架构经验分享

在开始谈我对架构本质的理解之前,先谈谈对今天技术沙龙主题的个人见解,千万级规模的网站感觉数量级是非常大的,对这个数量级我们战略上 要重 视 它 , 战术上又 要 藐 视 它。先举个例子感受一下千万级到底是什么数量级?现在很流行的优步(Uber),从媒体公布的信息看,它每天接单量平均在百万左右, 假如每天有10个小时的服务时间,平均QPS只有30左右。对于一个后台服务器,单机的平均QPS可以到达800-1000,单独看写的业务量很简单 。为什么我们又不能说轻视它?第一,我们看它的数据存储,每天一百万的话,一年数据量的规模是多少?其次,刚才说的订单量,每一个订单要推送给附近的司机、司机要并 发抢单,后面业务场景的访问量往往是前者的上百倍,轻松就超过上亿级别了。

00

阿里为何再造年货节?只为实现三大跨越

为了迎接春节到来,阿里不仅准备要跟腾讯大干一场红包大战,还做了一个张灯结彩、喜气洋洋、透着浓浓乡情年味的年货节。对于电商平台而言,人工造节本是稀松平常的事情,阿里先后造了双十一、双十二,但阿里年货节跟之前的电商节却有许多不一样的地方,它实现了三大跨越。 第一大跨越:物质鸿沟 移动互联网正在消灭农村和城市之间的信息鸿沟,它让许多原来根本接触不到互联网的人成为了移动网民,他们学会了通过互联网获取更及时更全面更丰富的信息。但是,横亘于农村与城市之间的不只是信息鸿沟,还有物质鸿沟:很多农村地区只能买到『非常可乐』

08

算法提高 金陵十三钗

金陵十三钗   本题难度:难   本题占分比例:5% 问题描述   在电影《金陵十三钗》中有十二个秦淮河的女人要自我牺牲代替十二个女学生去赴日本人的死亡宴会。为了不让日本人发现,自然需要一番乔装打扮。但由于天生材质的原因,每个人和每个人之间的相似度是不同的。由于我们这是编程题,因此情况就变成了金陵n钗。给出n个女人和n个学生的相似度矩阵,求她们之间的匹配所能获得的最大相似度。   所谓相似度矩阵是一个n*n的二维数组like[i][j]。其中i,j分别为女人的编号和学生的编号,皆从0到n-1编号。like[i][j]是一个0到100的整数值,表示第i个女人和第j个学生的相似度,值越大相似度越大,比如0表示完全不相似,100表示百分之百一样。每个女人都需要找一个自己代替的女学生。   最终要使两边一一配对,形成一个匹配。请编程找到一种匹配方案,使各对女人和女学生之间的相似度之和最大。 输入格式   第一行一个正整数n表示有n个秦淮河女人和n个女学生   接下来n行给出相似度,每行n个0到100的整数,依次对应二维矩阵的n行n列。 输出格式   仅一行,一个整数,表示可获得的最大相似度。 样例输入 4 97 91 68 14 8 33 27 92 36 32 98 53 73 7 17 82 样例输出 354 数据规模和约定   对于70%的数据,n<=10   对于100%的数据,n<=13 样例说明   最大相似度为91+92+93+73=354

02

【解析】数据产品的前世今生

互联网是个制造流行概念的行业,“数据产品”也不幸免。其实,数据产品的“实”早就存在,只是“名”是后面几年慢慢流行起来的。 我看到过很多讨论数据产品的文章,但大家基本没有统一的认识,对概念的理解也不太认同,所以这里想简单写写自己的观点,主要内容也是不会在其它网文看到的一家之谈。 一、什么是数据产品 要谈清楚数据产品,首先不可回避的“俗套问题”便是数据产品的定义认知。我的理解是:广义来看,数据产品是可以发挥数据价值去辅助用户更优的做决策(甚至行动)的一种产品形式。它在用户的决策和行动过程中,可以充当信息的分析展

09
领券