Briefings In Bioinformatics(生物信息学简介)是一本国际顶尖的生信期刊,在数学与计算生物学领域排名第1,在生化研究领域排名第3,影响因子稳定在10+分。对研究的原创性和创新性有较高要求,学术水平较高,有一定投稿难度。对国人态度很友好,最近几年国人发文量增长迅速,已经是第二名美国的两倍了。具有较高前瞻性/创新性的综述类文章,还是鼓励大家投稿试一试的。 点击关注,订阅更多期刊信息哦!
Deep learning joint models for extracting entities and relations in biomedical: a survey and comparison
用于提取生物医学中的实体和关系的深度学习联合模型:调查与比较
发表日期:19 September 2022
本文对生物医学中用于联合名称实体识别和关联提取的深度学习模型进行了综合综述。结合BioNER和BioRE任务中存在的挑战,讨论了联合BioNER和BioRE模型。选择5个联合BioNER和BioRE模型和1个管道模型,在4个生物医学公共数据集上进行对比实验,并对实验结果进行分析。最后讨论了基于深度学习的联合BioNER和BioRE模型的未来发展。
02
Metabolomics technology and bioinformatics for precision medicine.
精准医疗的代谢组学技术和生物信息学
发表日期:27 November 2019
代谢组学与复杂的生物信息学分析和数学建模相结合,具有强大的功能,可以提供患者在疾病和治疗过程中的代谢快照,或将患者分为需要单独医疗的亚人群和亚组。代谢组学虽然是一种强有力的方法,但在技术和生物信息学方面存在一定的局限性。回顾代谢组学技术和生物信息学的各个方面,从数据生成,生物信息学分析,数据融合和数学建模到数据管理,在精准医疗的背景下。
03
Sequence clustering in bioinformatics: an empirical study
生物信息学中的序列聚类:实证研究
发表日期:18 September 2018
算法开发人员和生物信息学用户之间经常存在差距。不同的软件工具可以产生不同的结果,用户可能会发现这些结果难以分析。理解不同的聚类机制对于理解它们产生的结果至关重要。这篇综述选择了几种流行的聚类工具,简要介绍了它们的关键计算原理,分析了它们的特点,并使用两个独立的基准数据集对它们进行了比较。目标是帮助生物信息学用户有效地使用合适的聚类工具来分析大数据。
END
保持期待 奔赴山海KEEP LOOKING FORWARD TO GOING
小编桌上的硬币有两个面,一面是大拇指,另一面也是大拇指。
——猫树人