文档摘要

4.4 机器学习进入生物学：能做什么、不能做什么 本节摘要：从差异基因列表到 AlphaFold2，机器学习已渗透进组学分析的每个环节。本节按监督与无监督两条线梳理典型应用，讲清特征、样本量与数据泄漏这三个决定成败的要素。 两条学习路线在生物学里的对应 无监督学习不设标签，让数据自己显出结构——组学分析里它是探索的主力。聚类把样本按表达谱分组：肿瘤转录组聚类出的亚型（如乳腺癌的腔面、基底样分型）已成为临床语言；… 会员。《4.4 机器学习进入生物学：能做什么、不能做什么》收录于灏天文库文集《生物信息学基础：基因组学、蛋白质组学与数据分析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/547-%E7%94%9F%E7%89%A9%E4%BF%A1%E6%81%AF%E5%AD%A6%E5%9F%BA%E7%A1%80%E5%9F%BA%E5%9B%A0%E7%BB%84%E5%AD%A6%E8%9B%8B%E7%99%BD%E8%B4%A8%E7%BB%84%E5%AD%A6%E4%B8%8E%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流