解码非编码RNA与人工智能的相互作用和功能
2025-06-19 09:37:20
该文档是研究论文的全面参考列表,主要集中在机器学习,深度学习,自然语言处理,图形神经网络和生物信息学等领域。这是此参考列表中涵盖的内容类型的概述:1。**深度学习模型**:论文详细介绍了基于变压器模型(例如BERT)及其在各个领域中的应用。2。** RNA和蛋白质研究**:RNA结构,修饰途径,蛋白质 - RNA相互作用,折叠动力学和结构分析技术(如形状化学)的作品。3。**生物信息学资源**:用于分析基因组数据的数据库和工具的描述,例如Ensembl,RFAM和国家生物技术信息中心(NCBI)资源。4。**图神经网络**:图表学习的研究,包括针对图形结构量身定制的注意机制和自动编码器。5。**生物学中的机器学习应用**:将机器学习技术应用于生物学数据的论文,重点是疾病机制发现和治疗候选识别。关键参考包括: - ** bert **(来自变形金刚的双向编码器表示),用于用于语言理解中的深层双向变压器。 - ** Modomics数据库**,为RNA修改提供了途径。 - ** RFAM数据库**已更新以整合元基因组数据和病毒家族,从而提高了序列搜索功能。 - ** rnacentral联盟**将二级结构整合到RNA数据库中。 - **字符串数据库**用于蛋白质 - 蛋白质关联和功能富集分析。此外,还有关于物理信息的神经网络(PINN)的参考,将物理原理与深度学习模型整合在一起,以求解部分微分方程,这些方程可用于包括生物信息学在内的各种科学领域。该列表还包括有关无监督句子嵌入的研究,毒药预测的本体预培训以及对图神经网络的全面调查。该参考收集对于在机器学习,计算生物学和结构生物学交集的研究人员中很有用,提供了各种工具和方法来分析复杂的生物学数据。