本数据库通过收集和整理最新科研文献信息而得,供了解领域前沿进展之用。数据源自 PubMed Data ,每日自动更新,已收录文献数量参见 统计表格。表格内容由 GPT 自动整理,可能存在错误或遗漏,请使用时务必注意核实!
如有建议或合作意向,欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布,欢迎下载 源码 自行修改使用。如觉得不错,还请不吝 给我打赏,你的支持是我继续创新的重要动力!
除通过在线浏览外,为方便用户离线查阅,本站也提供 付费下载(定价10元)。之所以考虑收费,是因为批量扫描这些文献并整理也是有一定成本的,还请理解并多多支持。本站数据会持续更新,而仅需一次付费,未来就可以随时重新下载到最新版本数据。
序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
181 | 2024-08-09 |
A spectral clustering with self-weighted multiple kernel learning method for single-cell RNA-seq data
2021-07-20, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaa216
PMID:33003206
|
研究论文 | 提出了一种基于自加权多核学习的光谱聚类方法,用于单细胞RNA测序数据 | 引入自加权多核学习模型,自动选择最适合单细胞RNA测序数据的核函数,并通过多核组合直接发现数据中的分组 | NA | 改进单细胞RNA测序数据的距离度量方法 | 单细胞RNA测序数据 | 生物信息学 | NA | RNA测序 | SVM | RNA测序数据 | NA |
182 | 2024-08-09 |
EPGA-SC : A Framework for de novo Assembly of Single-Cell Sequencing Reads
2021 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2019.2945761
PMID:31603794
|
研究论文 | 本文介绍了一种名为EPGA-SC的新框架,用于单细胞测序读取数据的从头组装 | EPGA-SC通过分类读取、使用多组高精度配对末端读取以及开发新的算法来去除嵌合错误和扩展连续片段,以解决单细胞测序数据中的错误和偏差问题 | EPGA-SC在处理极度不平衡和丰富错误类型的单细胞测序数据时,性能仍有提升空间 | 开发一种新的框架,用于提高单细胞测序数据组装的准确性和效率 | 单细胞测序读取数据的从头组装 | 生物信息学 | NA | 单细胞测序 | NA | 测序数据 | 七个数据集 |