基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

课程思政视域下计算机专业基础课的教学研究——以“离散数学”为例

离散数学是计算机专业的基础必修课,具有较好的思政育人功能.为更好地嵌入课程思政理念,实现能力导向与价值引领结合,根据计算机专业离散数学课程的特点、性质和教学内容,提出在理论与实例有机融合、智慧课堂建设中深度融入课程思政理念,并探讨离散数学课程融入思政元素的有效举措和建议.从“能力导向”出发,深度融入“价值引领”,打破传...