扩增子16S/ITS/18S微生物多样性课程更新-机器学习随机森林分析

扩增子16S/ITS/18S微生物多样性课程更新-机器学习随机森林分析
机器学习或者人工智能(AI)是当前计算机领域研究的热点。然而,最近越来越多的研究者开始尝试将 AI 应用于另一个热门领域——微生物组研究。机器学习中效果最好的当属随机森林方法,应用的也最多。近年来,利用机器学习分析微生物组数据发了不少高分文章,CNS级别文章中频频出现机器学习分析结果的展示,以下为分析原理及文献解读连接:《随机森林在微生物数据应用-文献讲解》、《 肠道微生物可用于诊断慢性肾病-随机森林分析(IF=15)》《 随机森林预测土壤枯萎病(IF=9)》。  如果你的文章中也添加上机器学习的内容一定会大大提高文章档次以及增加投稿的命中率。

课程更新通知

为帮助大家学会关于机器学习最新的分析方法我们扩增子分析课程也相应更新了这部分内容:


attachments-2021-02-xsZayaNc6035ce4b1c3b1.png



延伸阅读:

1. 微生物测序原理

2. 肠道“君”与人类二三事(科普)

3. 什么是OTU

4. alpha多样性

5. GraPhlAn树状图

6. OTU网络图MENA

7. beta多样性解读
8. 一文读懂微生物多样性中的各种排序分析方法异同点

9. 微生物组间差异分析之LEfSe分析

10. 用测序研究微生物多样性,您选对区了吗?

11.微生物多样性分析docker镜像使用

12.生成OTU方法如何选择,去噪还是聚类?

13.微生物多样性组间差异分析—STAMP使用!

14.16S rDNA你知道多少?

640?wx_fmt=jpeg

  • 发表于 2021-02-24 11:57
  • 阅读 ( 2379 )
  • 分类:宏基因组

0 条评论

请先 登录 后评论
omicsgene
omicsgene

生物信息

654 篇文章

作家榜 »

  1. omicsgene 654 文章
  2. 安生水 325 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. rzx 67 文章
  8. xun 66 文章