百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网！ [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有！

热门搜索： 干粉砂浆 填缝剂 瓷砖胶 水溶肥 切削液 聚氨酯发泡 丙烯酸乳液

全国服务热线 13310018778

栏目导航

A、生活必需 >

A、生活必需

A01 农林牧渔 A21 烘烤烘焙 A22 肉品加工 A23 食品饮料 A24 烟草 A41 服装 A42 帽类 A43 鞋类
A44 服饰配件；珠宝 A45 手携物品；旅行品 A46 刷类制品 A47 家具；家庭用品 A61 医疗 A62 救生；消防 A63 运动；娱乐
B、作业运输 >

B、作业运输

B01 沸腾 分离 混合 实验设备 B02 破碎 磨粉 粉碎 B03 分选 浮选 B04 离心装置 B05 喷射 雾化 B06 机械振动 B07 固体分离；分选
B08 清洁 B09 固废处理 B21 金属加工；金属冲压 B22 铸造；粉末冶金 B23 机床 金属加工 B24 磨削；抛光 B25 手动工具 B26 切割工具
B27 木材加工 B28 水泥 黏土 石料 B29 塑料加工 B30 压力机 B31 纸品加工 B32 层状产品 B41 印刷；排版机 B42 装订；印刷品
B43 书写绘图器具；办公用品 B44 装饰艺术 B60 一般车辆 B61 铁路 B62 无轨陆用车辆 B63 船舶 B64 飞行器；航空 B65 输送；包装；贮存 B66 卷扬；提升；牵引 B67 瓶子 罐 容器 B68 鞍具；家具罩面 B81 微观结构技术 B82 超微技术
C、化学冶金 >

C、化学冶金

C01 无机化学 C02 废水污泥 C03 玻璃；矿棉 C04 水泥；混凝土；人造石；陶瓷；耐火材料 C05 肥料 C07 有机化学 C08 有机高分子化合物
C09 染料；涂料；抛光剂；天然树脂；黏合剂 C10 石油 煤气；燃料；润滑剂 C11 动物或植物油；蜡；洗涤剂 C12 生物化学；酒；醋；微生物学
C13 糖工业 C14 皮革 C21 铁的冶金 C22 冶金；合金 C23 金属镀覆 C25 电解电泳 C30 晶体生长 C40 组合技术
D、纺织造纸 >

D、纺织造纸

D01 纤维；纺纱 D02 纱线 D03 织造 D04 编织；针织 D05 缝纫；绣花 D06 织物处理；洗涤 D07 绳；缆索 D21 造纸；纤维素
E、固定建筑 >

E、固定建筑

E01 道路 铁路 桥梁 E02 水利工程 E03 给水排水 E04 建筑物 E05 锁；钥匙；门窗零件；保险箱 E06 门窗；梯子 E21 钻矿；采矿
F、机械工程 >

F、机械工程

F01 发动机；蒸汽机 F02 燃烧发动机 F03 液力发动机；风力 弹力或重力发动机 F04 液体变容机；液体泵或弹性流体泵
F15 液压；气动 F16 工程元件；绝热 F17 贮存 F21 照明 F22 蒸汽 F23 燃烧设备 F24 供热；炉灶；通风
F25 制冷；热泵；气体的液化或固化 F26 干燥 F27 炉；窑 F28 热交换
G、物理系列 >

G、物理系列

G01 测量；测试 G02 光学 G03 摄影术；电影术 G04 测时学 G05 控制；调节 G06 计算 G07 核算装置 G08 信号装置
G09 教育；密码术；广告 G10 乐器；声学 G11 信息存储 G12 仪器的零部件 G16 通信技术 G21 核物理；核工程
H、电学系列 >

H、电学系列

H01 基本电气元件 H02 发电 变电或配电 H03 基本电子电路 H04 电通信技术 H05 其他类目不包含的电技术
更多>>

人气分享

最新技术
药物-靶标相互作用的预测方法、装置、设备和存储介质
本申请提供了一种药物-靶标相互作用的预测方法、装置、设备和存储介质。方法包括：获取训练数据集,所述训练数据集包括：靶标对象的蛋白序列和药物对象的化学结构,以及所述靶标对象和所述药物对象两者之间的相互作用关系；提取所述靶标对象的蛋白序列的靶标特征和所述药物对象的化学结构的药物特征；对所述靶标特征和所述药物特征进行特征选择；将选择后的靶标特征和药物特征进行特征融合；基于融合后的靶标特征和药物特征,构建用于预测药物-靶标相互作用强弱顺序的排序模型；获取待预测靶标对象和待预测药物对象；基于所述排序模型,预测所述待预测靶标对象和所述待预测药物对象的亲和力。能够预测靶标对象和药物对象的亲和力。
基于图神经网络的miRNA-疾病关联关系预测方法
本发明提出了一种基于图神经网络预测miRNA-疾病关联关系方法,实现步骤为：获取miRNA-疾病关联数据；构建miRNA-疾病关联网络；获取样本数据集和标签数据集；提取每个miRNA-疾病节点对的h阶封闭子图；获取每个h阶封闭子图的节点特征矩阵；获取训练样本集,训练样本标签数据集和被预测样本集；搭建图神经网络；对图神经网络进行迭代训练；获取miRNA-疾病关联的预测结果。本发明利用图神经网络从miRNA-疾病关联网络中学习图结构特征信息用于解决现有技术预测准确率较低的问题,在不使用相似性数据的情况下提高了miRNA-疾病关联预测准确率,可用于预测潜在的miRNA-疾病关联。
DNA6mA修饰类别的预测方法、装置、设备和存储介质
本申请提供了一种DNA6mA修饰类别的预测方法、装置、设备和存储介质。方法包括：获取DNA6mA特征数据集；确定所述DNA6mA特征数据集中各个序列间的相似度矩阵；对所述相似度矩阵进行对数化处理,获得所述各个序列间的第一矩阵；对所述距离矩阵进行高斯化处理,获得满足正定性要求的距离矩阵；将所述满足正定性要求的距离矩阵作为支持向量机的自定义核矩阵,并基于支持向量机模型,对待预测序列的DNA6mA修饰类别进行预测。能够预测序列的DNA6mA修饰类别。
一种基于二代测序数据的HLA分型方法
本发明公开了一种基于二代测序数据的HLA分型方法,本方法首先构建HLA参考序列数据库,然后进行二代测序数据分析。二代测序数据分析包括原始HLA数据质控与过滤、HLA参考序列进行序列比对、统计比对结果、重构HLA参考序列、进行二次比对和统计比对结果。二代测序数据分析后利用聚类算法与HLA序列特征判断序列杂合位置；根据杂合位置进行局部重比对,分离出单倍型序列；根据单倍型序列遍历HLA数据库,匹配出最佳HLA型别。本发明的分型方法可准确获得HLA型别结果,整体准确率在99%以上,大大提高了HLA二代测序数据的分析效率。
一种sgRNA的靶标活性预测方法、装置、设备和存储介质
本申请提供了一种sgRNA的靶标活性预测方法、装置、设备和存储介质。方法包括：获取sgRNA序列数据集；对所述sgRNA序列数据集进行序列特征提取,得到多个特征信息；将所述多个特征信息进行融合,得到特征集；基于所述特征集对种子模型进行训练,得到活性预测模型；获取待预测sgRNA序列；基于所述活性预测模型,预测所述待预测sgRNA序列的靶标活性。能够确定sgRNA的靶标活性。
一种肿瘤微环境及肿瘤基因突变检测系统、方法及设备
本发明属于医学图像领域,具体涉及了一种肿瘤微环境及肿瘤基因突变检测方法、系统及设备。本发明系统包括图像扫描装置和上位机,上位机包括数据处理模块、肿瘤微环境检测模块和肿瘤基因突变检测模块,图像扫描装置拍摄离体肿瘤样本的全景扫描图像；对全景扫描图像进行预处理得到第一训练图集；将第一训练图集输入至预构建的生物标志物分布预测训练模型中进行迭代训练,得到生物标志物分布预测图集；肿瘤基因突变检测模块根据生物标志物分布预测图集确定第二训练图集；将第二训练图集输入到基因突变检测模型进行基因突变检测。本发明降低了实验成本,缩短了实验周期,并且降低了判读结果的主观性。
一种无细胞翻译体系、方法及产物
本文涉及技术属于分子生物学领域,尤其涉及一种无细胞翻译体系、方法及产物。所述翻译体系包括：5’帽子及3’多聚腺苷酸的mRNA、氨基酸混合物、能量分子、mRNA翻译酶源的混合物；所述能量分子包括磷酸肌酸、ATP和鸟苷三磷酸(GTP)。所述翻译体系经过mRNA转录、体外转录和凝胶电泳分析确定可以迅速获得大量目的蛋白并具有以下特点：采用细胞外翻译技术克服了原核细胞表达部分基因不能表达问题；采用细胞外翻译技术克服了真核细胞表达周期长效率低问题；采用添加磷酸肌酸等能量小分子的策略优化了原有细胞外翻译技术的活性低、效率差问题；采用5’帽子及3’多聚腺苷酸的mRNA增强稳定性和与受体结合速度及整体翻译速度。
一种HIV亚型分类系统及分类方法
本发明涉及生物信息领域,尤其涉及一种HIV亚型分类系统及分类方法。本发明构建的HIV亚型分类系统包括数据库池、分型模块和数据管理模块,数据库池囊括了已知的所有基因型和基因亚型的HIV序列。数据库管理模块可以定期自动化完成公共数据库数据的下载工作,自动化完成比对数据库构建、扩容与数据库池整合工作。通过引入数据库池和三个分型模块,大大提高对HIV分型工作的准确度和效率。用户只需要输入HIV测序结果,数据库系统就可以自动完成数据标准化、序列分型工作,用户可以继续根据需要将新获得的标准化序列收录至数据库池。
一种自动化数据处理以及作图方法及系统
本发明提出了一种自动化数据处理以及作图方法及系统,包括：步骤S1,采用计算机编程语言对数据的自动化处理预设逻辑,包括：(1)根据预设的CNV变异类型拆分数据；(2)获取注释文件,所述注释文件中记载有待处理的目标数据,对注释文件中目标数据的归一化值z得分大于第一预设值的绝对值,自定义致病性风险的变异；(3)获取注释文件,所述注释文件中记载有待处理的目标数据,对注释文件中目标数据的拷贝数CopyNum小于等于第二预设值,自定义致病性风险的变异；(4)删除预设列名的列；(5)根据染色体对文件进行拆分：为匹配R程序将重复变异类型和缺失变异类型分别按照染色体进行拆分,并分别命名；步骤S2,自动化绘制svg格式的矢量图和pdf图。
排序学习模型的训练方法及排序方法、装置、设备及介质
本公开提供了一种排序学习模型的训练方法及排序方法、装置、设备及介质,涉及机器学习与自然语言处理等人工智能技术领域。具体实现方案为：采集数条训练样本；各条所述训练样本中包括已知训练靶点蛋白信息、对应的两个训练药物信息、以及对应的两个训练药物与已知训练靶点的真实亲和度之差；基于所述数条训练样本,对排序学习模型进行训练,使得所述排序学习模型学习预测各条所述训练样本中的所述两个训练药物与所述已知训练靶点蛋白的亲和度的大小关系的能力。另外还提供了相关的药物排序方法。本公开提供了一种更加高效的排序学习模型,进行能够更加高效地、更加准确地对同一靶点蛋白对应的多个药物进行排序。

热门专题更多>>
技术分类