氨基酸

视频链接： https://www.bilibili.com/video/av78674056 一，前言 NLP实际项目要用到， 给定一个词，找出它的同义词、相似词、拓展词等。 我思考了下，有： 1，同义词表 2，word2vec同义词 等方法。 1肯定可行，但效果不一定好，现有资源为 哈工大同义词表 ；2方法之后试一下，一个是性能和速度，在windows下能否有效执行，另一个是到底有没有相似词，如果我要找“氨基酸”的相似词，恐怕word2vec词向量里面没有多少这种专有名词吧。 但，我想到了一个绝佳的骚操作，并且可行， 那就是用 百度搜索 作为接口，搜索后不是有显示相关词吗？这就是我们想要的，要知道，这可是百度这么大一个公司算法团队专门优化出来的结果，效果自然杠杠的。咱们借用一下，嘿嘿。 二、失败爬虫 本来以为爬虫挺简单的，但却因为网上教程大多过时，失效，故花了一上午，遂记录。 我了解到的，一般来说，爬虫有： 1，python库类型的， urlib，requests等。 采用。 2，Scrapy爬虫框架。 专门用来抓取大量数据的， 不用。 3，Selenium模拟浏览器爬虫。 优点是可以有效反爬，缺点性能不高， 不用。 不安装任何第三方库，用 urlib # -*- coding:utf-8 -*- import urllib.request #设置头 headers = {

NCBI 存在的问题： 数据用户的增长 软件开发受限 数据分析缺乏 有些传统束缚，仅用底层语言书写 Pangenome Open gene 是随菌株数量增大而增大的 gene ， Closed gene 是随菌株数量增大而趋于平滑的 gene 。 Mategenomics and longevity ，例子：年轻人的粪便使得老年鱼活的时间更长 Genomics for precision medicine 研究碱基 GC content ，三个氢键比较稳定（ S ） chargaff''s rule GC content 与何种生物特性有关。 比如与 Genome size 成正比。 Eg ：复制后突变使得 CG content 变高，用于研究演化。 Eg ：利用 CG content 正负找到复制起始位点。 Genetic codes ： 因为先 RNA 后 DNA ，所以从 AU 开始。 GCN 中的 N 表四重简并位点。 由左上角开始起源， GCP1 、 GCP2 ， GC-rich 、 AT-rich 。 根据 Physicoochemical 分析可知： 中间是 A 则是电极 中间是 C 则是疏水 中间是 G 则是复杂 Modeling sequencing analyse S=C ∪ G R=A ∪ T 连乘得到的密码子的 content ，在不同物种中比较