matlab2014a代码##ECMP-RF
融合多特征信息、弹性网络和随机森林算法预测细胞外基质蛋白。
实验环境为：Windows
Server
2012R2
Intel
(R)
Xeon
(TM)
CPU
E5-2650
@
2.30GHz
2.30GHz
with
32.0GB
of
RAM，MATLAB2014a
和
Python3.6
编程实现。
###ECMP-RF
使用以下依赖项：
MATLAB2014a
Python
3.6
麻木的
scipy
scikit
学习
＃＃＃指导原则：
**数据包含训练数据集和测试数据集。
**特征提取：AD是自相关描述符的实现。
EBGW
是基于分组权重的编码实现。
PsePSSM
是伪位置特定评分矩阵的实现。
PseAAC
是伪氨基酸组成的实现。
LD
是本地描述符的实现。
**SMOTE：SMOTE_R_train_test.R
是
SMOTE
的实现
**
特征选择：LOOCV_EN.py
代表弹性。
LOOCV_KPCA.py
代表
KPCA。
LOOCV_LASSO.py
代表
LASSO。
LOOCV_PCA.py
代表
PC
2021-12-26 15:37:22
36.71MB
1
组蛋白修饰和DNA甲基化关系的研究进展，夏荣辉，李江，组蛋白修饰和DNA甲基化在基因转录调节方面有重要作用。最近研究较多的是多种组蛋白修饰方式和DNA甲基化在基因沉默方面的共同作用，
2021-12-22 23:28:56
170KB
1
2021-2027全球与中国Rho相关蛋白激酶1市场现状及未来发展趋势.docx
2021-12-21 09:05:09
140KB
1
糖化血红蛋白（HbA1c）已被越来越多地接受为糖尿病监测的金标准。在这项研究中，拉曼光谱法被暂时用于人类血红蛋白（Hb）生化分析，旨在为糖尿病监测开发一种简单的血液测试。在确诊为糖尿病的患者和健康志愿者（n = 37）的患者（n = 39）的血红蛋白样本上进行拉曼光谱测量。对测量的拉曼谱带进行了初步分配，以比较这两组之间的差异。同时，将主成分分析（PCA）与线性判别分析（LDA）相结合，开发出有效的诊断算法，用于对正常对照和糖尿病患者进行分类。结果，这两组的光谱特征显示出两个不同的簇，其敏感性和特异性分别为92.3％和73％。然后通过接收器工作特性曲线确定了基于PCA-LDA技术的诊断算法的有效性。 ROC曲线下的面积为0.92，表明诊断结果良好。总之，我们的初步结果表明，提出拉曼光谱法可以为糖尿病的非侵入性检测提供巨大的潜力。
2021-12-04 15:51:14
256KB
1