非层次聚类的搜索结果

  • Peer-reviewed
  • Preprint
  • Extracted from published research articles
  • 生物化学
  • 生物信息学与计算生物学
  • 生物物理学
  • 癌症生物学
  • 细胞生物学
  • 发育生物学
  • 免疫学
  • 微生物学
  • 分子生物学
  • 神经科学
  • 植物科学
  • 干细胞
  • 系统生物学
  • 相关性
  • 日期
  • 浏览量
海洋环境资源状态划分及微生物群落生态位宽度计算方法
Partitioning of Resource States in the Marine Environment and Calculation of Niche Breadth of Microbial Community
Authors:  闫慧贞张德民, 王凯 and date: 04/20/2022, view: 5706, Q&A: 0
... 基于非层次聚类划分海洋环境资源状态 本教程将海洋环境资源状态定义为海水环境条件的最优分类 (optimal categories)。 用R语言软件包vegan (Oksanen等，2018) 中的函数cascadeKM()调用k-均值划分法 (k-means partitioning)对海水环境因子（图1）进行非层次聚类，用SSI指数 本教程提出用非层次聚类分析综合多项海水理化因子对研究海域资源状态进行划分，
土壤宏转录组学样本前处理与数据分析
Sample Pretreatment and Data Analysis of Soil Metatranscriptome
Authors:  张丽燕连政汉, 褚海燕 and date: 02/10/2021, view: 4907, Q&A: 4
... Sample_assembly/contig.fa -m -p meta预测到每个个体样品的基因序列后，利用CD-HIT v4.8.1 (http://weizhongli-lab.org/cd-hit/) 对所有样品的基因进行聚类构建非冗余基因集 KO level 2 层次上的基因功能分类如图2。 发生的反应：Bead Solution是一种缓冲液可用来打散细胞和土壤颗粒；SR1能帮助细胞裂解，可以破坏脂肪酸和几种微生物细胞膜相关的脂类；IRS可以帮助去除腐殖质、细胞碎片和蛋白质等杂质。 能够捕
Differential Expression Analysis: Simple Pair, Interaction, Time-series
微分表达式分析：简单对、交互、时间序列
Authors:  Han QuMeng Qu, Shibo Wang, Lei Yu, Qiong Jia, Xuesong Wang, Zhenyu Jia and date: 07/05/2022, view: 1553, Q&A: 0
... 方法主要有四类：（1）假设数据服从负二项分布，如DESeq2和edgeR ； (2) 假设数据服从对数正态分布，如limma 呜呜; (3) 假设数据服从泊松分布，如袖扣； (4) 是非参数的，例如SAM-Seq ... 层次聚类热图层次聚类热图显示了数据集中所有成对样本组合的基因表达相关性。
利用Parallel-Meta Suite在多平台下进行交互式微生物组分析
Interactive Microbiome Data Analysis on Multiple Platforms Using Parallel-Meta Suite
Authors:  李坚陈俞竹, 苏晓泉 and date: 08/20/2022, view: 3226, Q&A: 0
... Index.html结果导览Sample_Views （文件夹）群落结构可视化结果Abundance_Tables （文件夹）样本丰度表Distance_Matrix（文件夹）距离矩阵Clustring（文件夹）聚类结果 β多样性通过加权/非加权Meta-Storms(Su等， 2012)算法（针对物种分类）或Hierarchical Meta-Storms(Zhang等， 2021)（针对功能）计算所有样本之间距离矩阵 解决方法： 在3.1配置向导“Diversity”类别的“Taxonomy Level”项中，选中任意多个
动物微生物单细胞转录组分析工具：现状与未来发展方向
Authors:  赵李頔涵房楠楠, 王恺毅, 王海燕, 闫利平, 高云云 and date: 11/25/2025, view: 375, Q&A: 0
... 聚类scRNA-seq聚类有助于揭示细胞间异质性，识别细胞亚群及其功能状态。聚类分为五种方法：K-means聚类、层次聚类、基于图的聚类、基于密度的聚类和基于深度学习的聚类。 对于UMI数据，通常被视为非零膨胀，可直接用于降维和聚类
DNA条形码算法及软件开发
Algorithms and Software Development of DNA Barcoding
Authors:  张爱兵杨炳, 王瑛, 杨采青 and date: 10/15/2021, view: 4702, Q&A: 0
... 在对单系性为 98.32% 的雾灵山蛾类数据集物种识别成功率的测试中，当排除物种非单系性的干扰后，50 次随机重复抽取所得到的数据集的测试结果显示，物种识别成功率由原本的平均 87.31% 提高至平均 理论上，更深层次的神经网络可以表达更丰富的特征,但在实际应用中，梯度随着神经网络的加深而急剧下降，ResNet 算法很大程度上缓解了梯度消失问题 (He et al., 2016)。 利用 Perl 语言等文本编辑语言解析基因树的拓扑结构，能够在不改变原本序列关系的基础上，将原本在谱系结构中未聚成单系的物种，按树的实