Briefings in Bioinformatics is an international forum for researchers and educators in the life sciences. The journal will also be of interest to mathematicians, statisticians and computer scientists who apply their work to biological problems. The journal publishes reviews for the users of databases ...
Briefings in Bioinformatics. 2021;22(2):150-160. 2.书籍: 作者姓氏,作者名字首字母缩写。书名。出版地:出版者,出版年份。 例如: Doe J. Introduction to Bioinformatics. London: ABC Books; 2019. 3.网页/在线资源: 作者姓氏,作者名字首字母缩写(如果提供)。文档标题。网站名称。URL(访问日期)。 例如: ...
Briefings in Bioinformatics由Oxford University Press出版,是一本双月刊,主要聚焦于生物-生化研究方法领域。JCR分区为1区,中科院分区为生物学2区。根据分区水平来看,投稿难度较高。 ISSN:1467-5463 近期想要快速发表文章的同学可以添加佩普科研助理咨询,佩普学术是专门为科研工作者投稿SCI快速发表服务的科研服务品牌,根据...
由于肿瘤具有高度分子异质性,同一临床分期的肿瘤患者仍然在治疗应答及预后等方面存在较大差异。探索不同亚型的分子调控机制以及根据关键靶点进行分子靶向治疗已成为目前癌症领域的研究热点。然而目前研究大都集中于肿瘤组织,大大低估了非肿瘤组织在肿瘤亚型中的作用。
论文期刊:Briefings in Bioinformatics 2021 论文地址:researchgate.net/profil 文章思路(2个工作): 有监督数据获取太麻烦 $\Longrightarrow$ 无监督数据 $\Longrightarrow$ 基于批量的正/负样本生成进行对比判别计算代价太大,难以用于大规模数据集,但大规模数据集预训练是必要的 $\Longrightarrow$ 要高效 $\Long...
然而,就我们所知,目前针对大规模分子图的预训练策略主要集中在节点层面的表示学习。在这里,我们提出了一种自监督的预训练策略,称为PHD,它在图层面显式地预训练GNN。受对比学习的启发,PHD策略的关键思想如图1(A)所示,是学习比较两个半图(每个半图从一个图样本中分解),并区分它们是否来自相同的来源(二进制分类)...
4.(2021.6.24)Briefings-生物信息学中的图表示学习:趋势、方法和应用 论文标题: Graph representation learning in bioinformatics: trends, methods and applications 论文期刊: Briefings i
今天给大家介绍国防科技大学吴诚堃副研究员、博士生张小琛、中南大学曹东升教授以及浙江大学侯廷军教授等人联合发表在Briefing in Bioinformatics上的一篇文章。作者利用深度模型,从分子的SMILES表示中学习面向分子性质预测的特征,从模型以及数据两个方面提出优化策略以提高预测能力。在模型方面使用双向LSTM模型以及多步注意力策略...
【Briefings in Bioinformatics】四篇好文简读-专题21 一 论文题目: SMNN: batch effect correction for single-cell RNA-seq data via supervised mutual nearest neighbor detection 论文摘要: 当整合来自多个批次的单细胞RNA测序(scRNA-seq)数据时,批效应校正被认为是必不可少的。最先进的方法忽略了单细胞聚类...
论文题目: Different molecular enumeration inf luences in deep learning: an example using aqueous solubility 论文摘要: 准确预测溶解度非常重要,但即使使用现代的计算算法也是具有挑战性的。目前,基于指纹、基于特征和基于分子图的表征都被用于不同的深度学习方法来预测水溶性,这已经清楚地表明,不同的分子表征会影响...