Preguntas etiquetadas con bioinformatics

Estoy buscando recursos (tutoriales, libros de texto, webcast, etc.) para aprender sobre Markov Chain y HMM. Mi experiencia es como biólogo, y actualmente estoy involucrado en un proyecto relacionado con la bioinformática. Además, ¿cuáles son los conocimientos matemáticos necesarios que necesito para tener una comprensión suficiente de los modelos y …

57 references  markov-process  hidden-markov-model  bioinformatics 

Me pregunto si hace una diferencia en la interpretación si solo el dependiente, tanto el dependiente como el independiente, o solo las variables independientes se transforman logarítmicamente. Considere el caso de log(DV) = Intercept + B1*IV + Error Puedo interpretar el IV como el porcentaje de aumento, pero ¿cómo cambia …

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

La distribución binomial negativa (NB) se define en enteros no negativos y tiene una función de masa de probabilidad F( k ; r , p ) = ( k + r - 1k) pk( 1 - p )r.f(k;r,p)=(k+r−1k)pk(1−p)r.f(k;r,p)={\binom {k+r-1}{k}}p^{k}(1-p)^{r}.¿Tiene sentido considerar una distribución continua en reales no negativos definidos por …

24 distributions  negative-binomial  count-data  continuous-data  bioinformatics 

Sé que mi pregunta / título no es muy específico, así que intentaré aclararlo: Las redes neuronales artificiales tienen diseños relativamente estrictos. Por supuesto, en general, están influenciados por la biología e intentan construir un modelo matemático de redes neuronales reales, pero nuestra comprensión de las redes neuronales reales es …

24 machine-learning  neural-networks  bioinformatics  artificial-intelligence  neuroscience 

Más recientemente, leí dos artículos. El primero trata sobre el historial de la correlación y el segundo trata sobre el nuevo método llamado Coeficiente de información máximo (MIC). Necesito su ayuda para comprender el método MIC para estimar correlaciones no lineales entre variables. Además, las instrucciones para su uso en …

20 correlation  nonparametric  bioinformatics  information-theory  mutual-information 

Tengo un conjunto de datos de prueba altamente desequilibrado. El conjunto positivo consta de 100 casos, mientras que el conjunto negativo consta de 1500 casos. En el lado del entrenamiento, tengo un grupo de candidatos más grande: el conjunto de entrenamiento positivo tiene 1200 casos y el conjunto de entrenamiento …

16 machine-learning  classification  data-mining  svm  bioinformatics 

La distribución binomial negativa se ha convertido en un modelo popular para los datos de recuento (específicamente el número esperado de lecturas de secuenciación dentro de una región dada del genoma de un experimento dado) en bioinformática. Las explicaciones varían: Algunos lo explican como algo que funciona como la distribución …

16 poisson-distribution  negative-binomial  bioinformatics  sequence-analysis 

Esta es una pregunta ingenua de alguien que comienza a aprender el aprendizaje automático. Estoy leyendo en estos días el libro "Aprendizaje automático: una perspectiva algorítmica" de Marsland. Lo encuentro útil como libro introductorio, pero ahora me gustaría entrar en algoritmos avanzados, los que actualmente están dando los mejores resultados. …

14 machine-learning  clustering  bioinformatics 

Recientemente me gradué con mi maestría en modelado médico y biológico, acompañado de matemáticas de ingeniería como fondo. A pesar de que mi programa educativo incluía una cantidad significativa de cursos sobre estadística matemática (ver a continuación una lista), que manejé con calificaciones bastante altas, con frecuencia termino completamente perdido …

13 mathematical-statistics  bioinformatics  computational-statistics 

Espero que alguien en estos foros pueda ayudarme con este problema básico en los estudios de expresión génica. Hice una secuenciación profunda de un tejido experimental y uno de control. Luego obtuve valores de enriquecimiento doble de genes en la muestra experimental sobre el control. El genoma de referencia tiene …

13 r  genetics  bioinformatics  microarray  biostatistics 

Fondo biologico Con el tiempo, algunas especies de plantas tienden a duplicar sus genomas completos, obteniendo una copia adicional de cada gen. Debido a la inestabilidad de esta configuración, muchos de estos genes se eliminan y el genoma se reorganiza y se estabiliza, listo para duplicarse nuevamente. Estos eventos de …

11 generalized-linear-model  contingency-tables  fishers-exact  genetics  bioinformatics 

¿Por qué se usaría la edad y la edad al cuadrado como covariables en un estudio de asociación genética? Puedo entender el uso de la edad si se ha identificado como una covariable significativa, pero no sé cómo usar el cuadrado de la edad.

11 multiple-regression  polynomial  predictor  bioinformatics  genetics 

Tengo un GLMM de la forma: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Cuando lo uso drop1(model, test="Chi"), obtengo resultados diferentes a los que uso Anova(model, type="III")del paquete del automóvil o summary(model). Estos dos últimos dan las mismas respuestas. Usando un montón de …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

Siempre decimos que las estadísticas solo se trata de datos. Pero también sabemos que la informática también está obteniendo conocimiento del análisis de datos. Por ejemplo, las personas bioinformáticas pueden pasar totalmente sin bioestadística. Quiero saber cuál es la diferencia esencial entre estadísticas e informática.

10 bioinformatics 

Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con softmaxfunción en la última …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty