DGL-LifeSci | 我们还有一个闲聊的渠道，可以进行实时讨论。 如果您想加入该频道，请联系 。 介绍 在过去的几年中，在图上进行深度学习已成为一种趋势。 生命科学中有很多图，例如分子图和生物网络，使其成为在图上应用深度学习的重要领域。 DGL-LifeSci是基于DGL的软件包，可用于具有图神经网络的生命科学中的各种应用程序。 我们提供各种功能，包括但不限于用于图形构造，特征化和评估的方法，模型架构，训练脚本和预训练模型。 有关社区贡献者的列表，请参见。 有关在DGL-LifeSci中实现的工作的完整列表，请参见。 安装 要求 DGL-LifeSci应该致力于 所有Linux发行版均不早于Ubuntu 16.04 macOS X Windows 10 DGL-LifeSci需要python 3.6 +，DGL 0.5.2+和PyTorch 1.5.0+。 此外，对

论文Graph neural representational learning of RNA secondary structures for predicting RNA-protein interactions中实验所用数据集，想要复现论文的同学可以进行下载

ccle-2019-分析 最新的《癌细胞系百科全书》（CCLE）v2论文中的计算分析演练，该论文于2019年5月在《。 另请参阅和相关。

metagenomics.pdf----宏基因组PPT

JONES, N. C. and P. A. PEVZNER (2004). An introduction to bioinformatics algorithms(生物信息学算法导论), The MIT Press. 英文版

开放目标平台应用程序 此存储库包含新的 Web 应用程序。 它是一个基于构建的单页应用程序，使用进行数据获取和管理以及组件集合。 如果您对后端感兴趣，可以查看和 。 开发环境 要开始开发，请按照下列步骤操作： 安装版本 12 或更高版本和版本 ^1.22。 通过运行yarn安装依赖项。 通过运行yarn start开发服务器。 进一步的文件 特别感谢 版权 版权所有 2014-2018 Biogen、Celgene Corporation、EMBL - 欧洲生物信息学研究所、葛兰素史克、武田制药公司和 Wellcome Sanger 研究所 该软件是作为 Open Targets 项目的一部分开发的。 更多信息请参见： http : //www.opentargets.org 根据 Apache 许可，版本 2.0（“许可”）获得许可； 除非遵守许可，否则您不得使用此

miRNA生物信息分析简介-PPT.pdf

2019-Trends in the development of miRNA bioinformatics tools.pdf

2019-Bioinformatics Analysis for Circulating Cell-Free DNA in Cancer.pdf

2018-Standards and Guidelines for Validating NGS Bioinformatics Pipelines.pdf