n******7 发帖数: 12463 | 1 最近google AI team release了一个repo
短短几天,github上面就几百个星
问题是,这个东西还没证明效果确实好
他们的论文2016年就公开了,中间大改几次
现在也没正式发表
我读了一下他们方法,是用了处理生物数据了
基本上三块,数据前期处理,用图形来表示数据,DL
他们的贡献也就是怎么用image来encode生物数据
具体的做法也很简单直接,从方法上来说,没啥优美的地方
从效果上来说,我还持怀疑态度,毕竟没有peer-view过的东西,怎么吹都可以
这种方法的东西,一般会找他们用来对比的方法的作者审稿
如果竞争对手都没有意见,我会觉得还成
现在就是google宣布了这个东西,又是DL
一帮人就迫不及待的点赞,觉得有点疯狂了
其实众多生物索南已经用DL灌过一波水了
简单的换用DL就牛X了的可能性比较小 |
m******e 发帖数: 242 | |
n******7 发帖数: 12463 | 3 https://github.com/google/deepvariant
【在 m******e 的大作中提到】 : 求一个repo的链接,谢谢!
|
r***i 发帖数: 9780 | |
h**l 发帖数: 168 | 5 牛逼的技术都是会过热的,不然不符合资本家的利益。
【在 n******7 的大作中提到】 : 最近google AI team release了一个repo : 短短几天,github上面就几百个星 : 问题是,这个东西还没证明效果确实好 : 他们的论文2016年就公开了,中间大改几次 : 现在也没正式发表 : 我读了一下他们方法,是用了处理生物数据了 : 基本上三块,数据前期处理,用图形来表示数据,DL : 他们的贡献也就是怎么用image来encode生物数据 : 具体的做法也很简单直接,从方法上来说,没啥优美的地方 : 从效果上来说,我还持怀疑态度,毕竟没有peer-view过的东西,怎么吹都可以
|
s******e 发帖数: 163 | 6 靠,写了一堆,全丢了,天意吧。
大概意思是在生物的应用还早着呢,现在Bioinformatics上一堆一堆的发。 |
w********e 发帖数: 275 | 7 这个没测试过。不过知道它不能做cohort calling。所以在low coverage region应该
calling准确度不高。
【在 n******7 的大作中提到】 : https://github.com/google/deepvariant
|