hmmer 使用 » 转载文章请注明,转载自:博耘生物 » <hmmer的安装与使用> » 原文链接:http://boyun.sh.cn/bio/?p=1753   从功能基因研究的角度来讲,相关的搜索,比如从序列数据库中,找同源的序列,或者对一个对一个新的基因功能进行鉴定,使用hmmer比使用blast有着更高的灵敏度已经更高的搜索速度,但其应用还远没有blast普及,这里是一篇入门级的介绍文章. hmmer下载与安装 对于Mac OS/X, Linux, UNIX系统,用源代码编译安装:

搜索: 一种基础的算法. 考察常见于NOIP 但是高级的搜索算法可能还会在省选出现. 50%以上的暴力都可以用搜索直接枚举来写. 但是,当数据规模不是很大的时候,搜索也可能成为正解. (比如剪枝PK状压dp) 在搜索的基础上,可以衍生出最短路,而dp本质上,也是搜索的剪枝. 一.基础搜索算法 DFS: 最基本的搜索.用递归实现. 顾名思义,深度优先搜索的特点就是从一个位置直接搜下去,直到搜到末尾或者中途return 先扩展出深度. dfs图中遍历的状态会形成一棵搜索树.(如果搜成了一般图,那就说

本文使用深度神经网络完成计算蛋白质设计去预测20种氨基酸概率. Introduction 针对特定结构和功能的蛋白质进行工程和设计,不仅加深了对蛋白质序列结构关系的理解,而且在化学.生物学和医学等领域都有广泛的应用.在过去的三十年里,蛋白质设计取得了显著的成功,其中一些设计是由计算方法指导的.最近一些成功的计算蛋白设计的例子包括新折叠,酶设计,疫苗,抗体,新的蛋白质组装,配体结合蛋白和膜蛋白. Results Networks architecture, input, and training

windows自带的搜索工具太难用了,总是在你急需的时候提示还没有建立索引,眼皮底下的文件都找不到. 1. everything 适合快速搜索文件名 优点是速度快,非常快,几乎是瞬间就建立好了索引. 缺点是只能检索文件名,不能检索内容. 界面简洁 网址 http://www.voidtools.com/ 2. UltraFileSearch 可以检索内容 可以检索正文,速度也很快. 界面好熟悉,回归win98的感觉. 网址 http://www.ultrafilesearch.com/

关于域名系统DNS(Domain Name System) 从域名中解析出IP地址. DNS主要由3部分组成: ① 名称解析器(resolver) ② 域名空间(domain name space) ③ 名称服务器(name server) DNS服务器获取域名空间的部分信息的方法: ① 由管理员编辑一个原始区域文件: ② 从其他名称服务器那里复制区域文件: ③ 通过向其他DNS服务器查询来获取具有一定时效的缓存信息. 名称服务器的3种主要类型: ① 主(primary)名称服务器:拥有一个区域

ElasticSearch 入门介绍 tags: 第三方 lucene [toc] 1. what Elastic Search(ES)是什么 全文检索和lucene 全文检索 优点:高效,准确,分词 全文检索允许用户输入一些关键字,从数据层中查找到所需要的信息 全文检索和数据库"LIKE"语句相比,远比数据库的开销小,因为检索过程全部从通过检索文件完成,因此效率非常高. 在全文检索领域,用户输入的搜索信息叫做关键字,而全文检索系统把海量信息按照这些关 键字进行结构化处理,把文章打散成

进程模型 转载请注明出处:https://ahangchen.gitbooks.io/chromium_doc_zh/content/zh//General_Architecture/Process_Models.html 全书地址 Chromium中文文档 for https://www.chromium.org/developers/design-documents 持续更新ing,欢迎star gitbook地址:https://ahangchen.gitbooks.io/chromium

引言:大家都知道“效率”是数据库中非常重要的一个指标,如何提高效率大家可能都会想起索引,但索引又这么多种,什么场合应该使用什么索引呢?哪种索引可以提高我们的效率,哪种索引可以让我们的效率大大降低(有时还不如全表扫描性能好)下面要讲的“索引”如何成为我们的利器而不是灾难!多说一点,由于不同索引的存储结构不同,所以应用在不同组织结构的数据上,本篇文章重点就是:理解不同的技术都适合在什么地方应用! B-Tree索引场合:非常适合数据重复度低的字段 例如 身份证号码  手机号码  QQ号等字段,常用于主

本日主要内容就是搜索(打暴力 搜索可以说是OIer必会的算法,同时也是OI系列赛事常考的算法之一. 有很多的题目都可以通过暴力搜索拿到部分分,而在暴力搜索的基础上再加一些剪枝优化, 就有可能会拿到更多的分数. 有句话说的好嘛,骗分过样例,暴力出奇迹. 真的可以出奇迹的,只要你用得好.   1.搜索的概念 在一个给定的空间内,运用一定的查找(遍历)方式,直到找到目标解(状态)的过程,我们称之为搜索. 搜素是尝试性的,搜索是无脑的,搜索是朴素的,搜索在很多时候是显然的,搜索应该总是暴力的.但搜索也是

今天是第二次培训的第一天,关于NOIP的基础算法,主要内容如下: $1.枚举 $2.搜索 $3.贪心 $1.枚举: •定义: 枚举又叫做穷举,是一种基础的算法,其思路主要是:从问题中有可能的解集中一一列举出可能的解,再使用各种奇奇怪怪的方式将正确的答案找出 (接下来做几道题玩玩咯) •例(1) 题目:一棵苹果树上长有n个苹果,每个苹果距离地面的高度用Ai来表示,小明的身高为h,试编一个程序求出小明最多能摘掉几个苹果. 分析:其实也么啥好分析的,就是将小明的身高和苹果的高度进行比较,如果苹果的高度

动态规划Dynamic Programming code教你做人:DP其实不算是一种算法,而是一种思想/思路,分阶段决策的思路 理解动态规划: 递归与动态规划的联系与区别 -> 记忆化搜索 -> 本质:动态规划 什么时候使用动态规划: 使用动态规划的三个条件 1.求最大值最小值/判断是否可行/统计方案个数 2.求所有方案/集合而不是序列 3.把2^n优化成n^2的题目 不使用动态规划的三个条件 1.求出所有具体的方案而非方案个数 2.输入数据是一个集合而不是序列 3.暴力算法的复杂度已经是多项

2017年5月3日15:06:15 这个是英文翻译版,我看过作者的文档其实不太友善或者不方便阅读,不如wiki方便 后面补充一些,结构性文档翻译 这是一部官方网站文档,剩余大部分都是开发的时候和网络总结来的 项目官网:https://tcpdf.org/ github:https://github.com/tecnickcom/TCPDF 都没比较完整的api文档,所以最后的demo需要总去总结,好吧 (发现所有例子全部翻译消耗时间过于长,只把其中不同的部分分离出来,也方便读者使用) 2018年

一关机/重启/注销 关机 shutdown -h now //立即关机 重启 shutdown -r now //立即重启 reboot 重新启动 注销 logout //退出注销当前用户窗口 exit //退出注销当前用户窗口 二文件和目录操作命令 显示当前位置 pwd 进入/切换目录 cd 创建/显示/删除/目录 mkdir //创建目录 ls -a //显示所有文件,包含隐藏文件 rmdir //删除空目录 rm -rf 文件/目录名 //删除文件/目录 创建/复制/移动/编辑文件 tou

前言 在介绍Lucene之前,我们来了解相关的历史. 有必要了解的Apache Apache软件基金会(也就是Apache Software Foundation,简称为ASF)是专门为运作一个开源软件项目的Apache 的团体提供支持的非盈利性组织,这个开源软件的项目就是 Apache 项目.最初,Apache基金会的开发爱好者开发并维护一个叫Apache的HTTP服务器.后来,Apache服务器越来越火,就启动了更多的项目,比如PHP.Java Apache以及更多的子项目.比如Jakart

目录 使用XPath解析库 @(这里写自定义目录标题) 使用XPath解析库 1.简介   XPath(全称XML Path Languang),即XML路径语言,是一种在XML文档中查找信息的语言.适用于XML和HTML文档的搜索.   优点:提供了非常简洁明了的路径选择表达式.还提供了超过100个内建函数,可以匹配大部分的节点.   官网:https://www.w3.org/TR/xpath/   准备工作:需要安装lxml库. 2.常用规则 表达式 功能 nodename 选取此节点的所

1,Dijkstra’s  算法 一种发散性寻找最短路径算法. 由起点开始向四周开始发散,直到碰到目标点为止.这时就是最短路径.优点:能找到与目标点的最短路径:缺点:搜索花费的时间会比较长. 2,Greedy Best-First-Search 快速搜索算法. 启发性的算法,根据目标点的方向去搜索.优点:搜索快速.缺点:不一定是最短路径. 3,A*算法 A*算法被认为最有效的寻路算法. 结合了Dijkstra’s  算法和快速搜索算法的优点. 公式:F=G+H 其中G = 从起点 A 移动到指定

第一章 引言 pd.scatter_matrix(pd.DataFrame(X_train),c=y_train_name,figsize=(15,15),marker='o',hist_kwds={'bins':20},s=60,alpha=.8,cmap=mglearn.cm3)#绘制散点图矩阵(pair plot),两两查看所有的特征 第二章 监督学习 2.1分类与回归 2.2泛化.过拟合与欠拟合 2.3监督学习算法 2.3.1一些样本数据集 from sklearn.datasets i

tags: 第三方 lucene [toc] 1. what Elastic Search(ES)是什么 全文检索和lucene 全文检索 优点:高效,准确,分词全文检索允许用户输入一些关键字,从数据层中查找到所需要的信息 全文检索和数据库"LIKE"语句相比,远比数据库的开销小,因为检索过程全部从通过检索文件完成,因此效率非常高. 在全文检索领域,用户输入的搜索信息叫做关键字,而全文检索系统把海量信息按照这些关 键字进行结构化处理,把文章打散成段落.文字,最后,按关键字对文章的数据进

目录 PSO和GA的相同点 PSO和GA不同点 粒子群算法(PSO)和遗传算法(GA)都是优化算法,都力图在自然特性的基础上模拟个体种群的适应性,它们都采用一定的变换规则通过搜索空间求解. PSO和GA的相同点 都属于仿生算法.PSO主要模拟鸟类觅食.人类认知等社会行为而提出:GA主要借用生物进化中"适者生存"的规律. 都属于全局优化方法.两种算法都是在解空间随机产生初始种群,因而算法在全局的解空间进行搜索,且将搜索重点集中在性能高的部分. 都属于随机搜索算法.都是通过随机优化方法更新

内容:走法产生 中国象棋基础搜索AI, 极大值,极小值剪枝搜索, 静态估值函数 理论基础: (一)人机博弈走法产生: 先遍历某一方的所有棋子,再遍历整个棋盘,得到每个棋子的所有走棋情况(效率不高,可以改进) void SingleGame::getAllPossibleMove(QVector<Step *> &steps) { int min, max; if(this->_bRedTurn) { min = , max = ; } else { min = , max = ;

生物医学大数据-蛋白质基因组学:质谱注释 蛋白质组与其他组学的关系便是互为印证:蛋白质基因组学原本用于基因组注释,后面扩展到蛋白质与转录组或可变剪接之间关系,同时,蛋白质组依赖于基因组注释作为验证.许多研究未标明蛋白质基因组学,而是归属于对应的组学. 蛋白质基因组学现存问题: 基因组注释方法:1.Denovo.2.与转录组相应证.3.与基因组数据库同源比对. 基因组注释问题: 对于特定结构: 起始位点定位信号难以确定 确定promoter调控结合位点,错误率高 终止位点不被注释 可变剪接预测和确