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

    Nature Protocols | 基于机器学习和并行计算的代谢组学数据处理新方法

    代谢组学是对某一生物或细胞在一特定生理时期内所有代谢产物同时进行定性定量分析的学科,被广泛用于揭示小分子与生理病理效应间的关系。目前,代谢组学已经被应用于药物开发的各个阶段(如药物靶标识别、先导化合物发现、药物代谢分析、药物响应和耐药研究等)。基于代谢组学的高性价比特性,它被药学领域的研究者给予了厚望,有望加速新药开发的进程。然而,代谢组领域还面临着严重的信号处理与数据分析问题,对其在新药研发中的应用构成了巨大挑战。为了有效消除由环境、仪器和生物因素所引入的不良信号波动,就需要开发针对代谢组信号系统优化的新方法,为不同组学研究量身定制最优的数据分析策略。

    03

    关于海量数据处理分析的经验总结

    笔者在实际工作中,有幸接触到海量的数据处理问题,对其进行处理是一项艰巨而复杂的任务。原因有以下几个方面: 一、数据量过大,数据中什么情况都可能存在。如果说有10条数据,那么大不了每条去逐一检查,人为处理,如果有上百条数据,也可以考虑,如果数据上到千万级别,甚至过亿,那不是手工能解决的了,必须通过工具或者程序进行处理,尤其海量的数据中,什么情况都可能存在,例如,数据中某处格式出了问题,尤其在程序处理时,前面还能正常处理,突然到了某个地方问题出现了,程序终止了。 二、软硬件要求高,系统资源占用率高。对海量的数据

    08

    做脑磁共振影像数据处理不得不看的几本书

    医学影像技术的发展极大地促进通过非侵入型的方法对人脑结构和功能的进一步了解。核磁共振技术发源于1946年斯坦福大学的Flelix Bloch教授和哈佛大学的Edward Purcell教授领导的两个研究小组各自独立的发现了核磁共振现象,两位教授也凭借这一重大发现,共同分享了1952年的诺贝尔物理学奖。而后,磁共振成像技术基于这一物理现象发展起来。在1972年,Paul Lauterbur 教授发展出一套对核磁共振信号进行空间编码的方法,并第一个用水模采集了第一幅由磁共振成像的二维图像,即自旋密度成像法,证明这种技术可以用作人体成像。随着核磁技术的发展,到今天已经可以为研究者提供多模态、高空间分表率以及有着一定时间分辨率的人脑空间图像,也极大地促进了脑科学的发展。但是脑影像数据的处理和分析涉及到多个学科,要求研究者掌握基础物理、统计学、概率论、编程语言及人体解剖学等各学科的知识,对学科交叉能力有着很强的要求。幸运的是,处理数据的软件为我们提供了极大地便利,而我们通过对一些综合性知识介绍较为透彻的书籍就可以较为快速的对脑磁数据和处理方法有更为直观地理解,并以此为基础进一步深入。本次,小编就为您整理几本基础的脑磁数据理解和分析方法的书籍,以供您参考。

    00

    系统架构师论文-论软件产品线技术(测井工程服务)

    根据公司软件系统开发的需要,我们在软件的开发过程中引入了软件产品线技术,成立了基于软件产品线的项目组。本人有幸参加了该项目,并在其中担任软件分析与设计、软件产品线核心资源开发的工作。 在软件产品线的开发过程中,我们使用了 ROSE建模工具,有效地完成了产品线中核心资源和产品的建模分析与设计实现;我们使用了国际标准POSC数据模型框架,有效地解决了数据的多样性与可扩展性,实现了统一开放的测井数据访问系统;建立了统一的可扩展的地质绘制组件和统一公用的数据处理模块。最终圆满的完成了公司产品线的建立和各子系统的开发。

    00

    数据分析与数据挖掘 - 07数据处理

    Pandas是数据处理中非常常用的一个库,是数据分析师、AI的工程师们必用的一个库,对这个库是否能够熟练的应用,直接关系到我们是否能够把数据处理成我们想要的样子。Pandas是基于NumPy构建的,让以NumPy为中心的应用变得更加的简单,它专注于数据处理,这个库可以帮助数据分析、数据挖掘、算法等工程师岗位的人员轻松快速的解决处理预处理的问题。比如说数据类型的转换,缺失值的处理、描述性统计分析、数据汇总等等功能。 它不仅仅包含各种数据处理的方法,也包含了从多种数据源中读取数据的方法,比如Excel、CSV等,这些我们后边会讲到,让我们首先从Pandas的数据类型开始学起。 Pandas一共包含了两种数据类型,分别是Series和DataFrame,我们先来学习一下Series类型。 Series类型就类似于一维数组对象,它是由一组数据以及一组与之相关的数据索引组成的,代码示例如下:

    02
    领券