序列数据的深度学习模型可以经过训练,从大型生物数据集中做出准确的预测。来自计算机视觉和自然语言处理的新工具可以帮助我们使这些模型对生物学家来说是可解释的。
这是订阅内容的预览,通过你所在的机构访问
访问选项
订阅《自然》+
立即在线访问《自然》和其他55种《自然》杂志
29.99美元
每月
订阅期刊
获得1年的完整期刊访问权限
99.00美元
每期只要8.25美元
所有价格均为净价格。
增值税稍后将在结帐时添加。
税务计算将在结账时完成。
买条
在ReadCube上获得时间限制或全文访问。
32.00美元
所有价格均为净价格。
![](https://media.springernature.com/m312/springer-static/image/art%3A10.1038%2Fs42256-022-00524-1/MediaObjects/42256_2022_524_Fig1_HTML.png)
参考文献
样本,P. J.等。生物科技Nat。》。37, 803-809(2019)。
阿里帕纳西,B.,德隆,A.,韦拉uch, M. T.和弗雷,B. J.。生物科技Nat。》。33, 831-838(2015)。
Senior, a.w.等。自然577, 706-710(2020)。
林德,J.等。Nat,马赫。智能。4, 41-54(2022)。
陈洁,宋丽,温莱特,陈洁;Int。机器学习(883 - 892(2018)。
杨,J.等。Proc。国家的。学会科学。美国117, 4196-1503(2020)。
作者信息
作者及隶属关系
相应的作者
道德声明
相互竞争的利益
作者声明没有竞争利益。
权利和权限
关于本文
引用本文
阿拉,点挖掘生物序列中的信息信号。Nat Mach intel4, 665-666(2022)。https://doi.org/10.1038/s42256-022-00524-1
发表:
发行日期:
DOI:https://doi.org/10.1038/s42256-022-00524-1