Mašīnmācīšanās atbalstīta filogenētiskā analīze
Mašīnmācīšanās atbalstīta filogenētiskā analīze integrē uzraudzītus, neuzraudzītus vai dziļās mācīšanās modeļus evolūcijas koku izvedināšanas darbplūsmā, lai uzlabotu ātrumu, precizitāti vai mērogojamību, pārsniedzot to, ko vieni paši spēj sasniegt klasiskās maksimālās visticamības un beijesiskās metodes. Pieteikumi aptver visu, sākot no aizvietošanas modeļu izvēles un koku topoloģijas prognozēšanas līdz jaunu sekvenču novietošanai esošajos atskaites kokos un rekombinācijas vai horizontālās gēnu pārneses notikumu noteikšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Nesterenko, L., et al. (2024). Machine learning methods in phylogenetics: A review of applications and perspectives. Briefings in Bioinformatics, 25(1), bbad441. link ↗
- Suvorov, A., Hochuli, J., & Schrider, D. R. (2020). Accurate inference of tree topologies from multiple sequence alignments using deep learning. Systematic Biology, 69(2), 221–233. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Machine Learning-Assisted Phylogenetic Analysis. ScholarGate. https://scholargate.app/lv/bioinformatics/machine-learning-assisted-phylogenetic-analysis
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Ģenoma plaša asociācijas pētījums (GWAS)Bioinformātika↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →