预测基因组变异的效应是一个研究热点。随着全基因组测序技术的普及，我们积累了海量的基因组数据，但如何准确解读这些变异的生物学意义，尤其是非编码区变异的功能，仍然是一个巨大的挑战。 为...

在生物信息学领域，随着生物数据的爆炸性增长，分析流程的复杂性也在不断增加。传统的生物信息学工具和流程往往依赖于大量的手动操作，这不仅效率低下，而且难以扩展。近年来，基于大型语言模型...

预测未来3-5年AI在生物科学（AI for BioScience）的发展趋势，可以从技术突破、跨学科融合、数据驱动创新以及伦理监管等多个维度进行分析。以下是一些关键趋势的展望： 1. 蛋白质与分子设计的革...

引言 癌症研究中，实验模型如癌细胞系和患者源性异种移植模型（PTX）一直是科学家们探索癌症生物学和开发治疗手段的重要工具。然而，这些模型与实际临床肿瘤之间存在显著差异，特别是在基因表达...

预训练语言模型（如BERT、GPT等）在自然语言处理（Natural Language Processing, NLP）领域取得了显著进展，其在多种语言任务中的表现令人瞩目。这一成功激发了基因组学领域的研究者们尝试开发...

在生物医学和生物信息学领域，PRC 和 AUPRC 有着非常广泛的应用。然而，常用的计算工具本身存在的问题可能会被研究人员忽略，从而可能导致对结果解读的偏差。2024 年 5 月，香港中文大学曹沁研...

「文献题目」 Recent advances and challenges of rare variant association analysis in the biobank sequencing era 「中文标题」 生物样本库测序时代罕见变异关联分析的最新进展和挑战 「期...

21世纪是生物的世纪，生物数据的增长速度越来越快。很多分析工具在开发时并没有考虑到大规模数据的应用场景。在数据量不大的时候，这些工具的计算时间并不会太长，可以让人接受。但在数据规模庞...

上一篇文章 《使用XP-CLR检测基因组中的选择信号》 介绍了 XP-CLR。XP-CLR 是一种是基于选择扫荡（selective sweeep）的似然方法。选择扫荡可以增加群体之间的遗传分化，导致等位基因频率偏离中...

检测基因组选择信号的方法有很多种，其中 XP-CLR 方法是常用的一种。XP-CLR 是陈华老师、Nick Patterson 和 David Reich 在 2010 年发表的方法，全称叫 the cross-population composite likelih...