深度學(xué)習(xí)在基因組學(xué)中的研究進展

摘要： 隨著高通量測序技術(shù)的迅猛發(fā)展，基因組學(xué)領(lǐng)域迎來了數(shù)據(jù)量的爆炸性增長，這對傳統(tǒng)生物信息學(xué)處理復(fù)雜數(shù)據(jù)模式的能力構(gòu)成了嚴(yán)峻挑戰(zhàn)。在此技術(shù)革新的關(guān)鍵時刻，深度學(xué)習(xí)作為人工智能領(lǐng)域的前沿技術(shù)，以其強大的數(shù)據(jù)解析與模式識別能力，為基因組學(xué)研究注入了新的活力。本文聚焦于4種核心深度學(xué)習(xí)模型——卷積神經(jīng)網(wǎng)絡(luò)(convolution neural network,CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(rec... （共15頁）