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
|
