Cuando dice datos de expresión genética artificial, quiere decir hacer estimaciones de expresión de ARN-Seq o de microarrays para muestras en sus condiciones de interés. Se trata de conjuntos de datos simulados o datos in-silico y es de gran interés para las personas que desarrollan métodos / herramientas / algoritmos para aplicar sus modelos estadísticos no solo en conjuntos de datos reales sino también en conjuntos de datos artificiales. Los conjuntos de datos artificiales simulados permiten inducir el nivel de perturbaciones y características de sesgo para probar la sensibilidad y especificidad de su herramienta / algoritmo / método al capturarlos o incluso comparar nuevas herramientas con otras herramientas.
Herramientas de simulación para generar lecturas de secuenciación sintéticas de próxima generación.
Simulador de lectura de RNA-Seq
- ¿Deberíamos comenzar con Tensorflow, Keras o Sonnet para desarrollar un sistema de predicción de datos de series temporales? ¿Debemos usar solo lenguajes basados en Python?
- ¿Cuándo debo usar la agrupación antes de ejecutar un modelo de regresión logística?
- ¿Qué recursos sobre modelos gráficos se recomiendan para los estudiantes de aprendizaje automático que desean ingresar al campo?
- ¿Cuáles son los conjuntos de datos beneficiosos para el análisis de sentimientos de Twitter como proyecto de análisis de datos?
- ¿Qué algoritmos son buenos para usar en el procesamiento del lenguaje natural?
Poliéster: simulación de conjuntos de datos de RNA-seq con expresión de transcripción diferencial
¡Buena suerte!
