相关实验视频
Updated: Sep 15, 2025

A Practical Guide to Phylogenetics for Nonexperts
Published on: February 5, 2014
关于生物序列空间上的学习函数:关联高斯过程先验,规范化和尺度固定.
Samantha Petti1, Carlos Martí-Gómez2, Justin B Kinney2
1Department of Mathematics, Tufts University, Medford, MA, 02155.
这项研究将使用权重空间中的规范回归的序列到函数地图推理与函数空间中的高斯过程模型联系起来. 它澄清了正规化器如何定义序列函数表示,并使序列函数统计数据的有效计算成为可能.
科学领域:
- 计算生物学 计算生物学
- 机器学习 机器学习
- 基因组学就是基因组学.
背景情况:
- 生物序列到功能地图对于理解基因和蛋白质活性至关重要.
- 解释这些地图需要独特的表示,通常通过重量空间的标尺固定来实现.
- 现有的方法将固定尺寸表示与过度参数化的模型中的L2规范化回归联系起来.
研究的目的:
- 为了建立权重空间规范回归和函数空间高斯过程之间的理论联系.
- 解开调整器在强加 priors 和选择测量尺度的作用. 序列功能地图.
- 开发用于构建任意高斯过程先验和测量器的方法,并导出序列函数统计的后向分布.
主要方法:
- 在过度参数化的权重空间中连接L2规则化的回归到函数空间中的高斯过程模型.
- 分析重量空间调节器如何影响隐性先验和尺寸选择.
- 为特定的高斯过程先验和尺度构建新的调节器.
- 使用产品内核先验的内核技巧来导出序列到函数统计的后向分布.
主要成果:
- 证明重量空间调节器对应于函数空间中的特定高斯过程先验和测量器.
- 描述了普通重量空间调节器的隐性函数空间先验.
- 推导了用于计算尺寸固定的序列函数统计的后部分布的有效方法,包括表位系数.
- 展示了内核技巧对产品内核先验的实用性.
结论:
- 该研究提供了一个统一的框架,将重量空间回归和函数空间高斯过程连接起来,用于序列到函数映射.
- 这种框架允许灵活地规范先验和标尺,提高生物序列数据的可解释性.
- 提出了有效的计算方法来分析序列-函数关系及其不确定性.
更多相关视频
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
相关概念视频
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Per-Unit Sequence Models
Zero-sequence currents, which are identical in magnitude and phase, generate a neutral current, resulting in voltage drops across the neutral impedance and the low-voltage winding. If the...
Calibration Curves: Linear Least Squares
For data that follow a straight line, the standard method for fitting is the linear...
Improving Translational Accuracy
Propagation of Uncertainty from Random Error
Gauss's Law: Problem-Solving