GPdotNET

GPdotNET 2.0.0.0 Beta

GPdotNET是人工智能工具,運用遺傳編程和遺傳算法的建模和各種工程問題優化。這是寫在其中可以同時在Windows和Linux操作系統上運行的C#編程語言.NET(單聲道)的應用程序。GPdotNET於2006年開始進行建模和優化與進化算法研究生項目中。作為開源項目,GPdotNET是首次發表於2009年11月5日在codeplex.com。如果你想使用GPdotNET你需要有至少約遺傳編程和遺傳算法的基本知識。自第2版,GPdotNET成為跨洗車台和跨操作系統的應用程序。GPdotNET...

snakemake

snakemake 2.5

構建類似於make系統經常用於創建複雜的工作流程,如在生物信息學和NBSP; snakemake旨在通過提供一個乾淨的和現代的特定領域的規範語言(DSL)在python風格使創建工作流程的複雜性,以及快速,舒適的運行環境。安裝 - 在Ubuntu 12.04中,可以安裝Debian軟件包python3-snakemake可在我們啟動板庫。 - 在其他系統上,你需要的Python> = 3.2的安裝工作。根據您的系統,您可以通過發出任何的easy_install...

Geant4

Geant4 4.9.6 Beta 1

Geant4的項目是一個工具包,顆粒通過物質的通道的模擬。其應用領域包括高能物理和核實驗,醫療,加速器和空間物理學研究 什麼在此版本中是新的: 在使用貝爾蒂尼級聯伽瑪核互動的新模式加入。的貝爾蒂尼模型PI-,K-,以及用於在休息核捕獲的Sigma-被引入,隨著WentzelVI模型多次散射E...

STEME

STEME 1.8.23

在STEME項目開始生活作為一個近似的預期,Maximisation算法的圖案發現者,如MEME使用模型的類型。STEME大局; EM近似運行一個數量級比更迅速的MEME實施為典型的參數設置。 STEME現已發展成為在自己的權利一個不折不扣的圖案發現者。為什麼要使用STEME?成熟的模式發現技術STEME是基於嘗試和測試MEME算法。...

Genepidgin

Genepidgin 1.1.1

Genepidgin是一套Python的工具,協助評估和分配基因產品名稱及NBSP;有三個主要組成部分:genepidgin *清潔* 規範了每UNIPROT命名規則基因名稱genepidgin *比較* 比較兩個或更多組基因名稱的genepidgin *選擇* 從同源性證據vareity選擇最適當的產品名欲了解更多信息,包括當前的發展狀況,請訪問Genepidgin的文檔 要求: ...

ESMF(地球系統建模框架)是一個用於構建高性能,靈活的軟件基礎設施,以提高易用性,便攜性能,互操作性和重用氣候,數值天氣預報,資料同化,該ESMF定義的架構為組成複雜,加之建模系統,包括數據結構和公用設施開發個別機型。背後ESMF的基本思路是,複雜的應用程序應被分解成更小的碎片,或組件。 A成分是軟件的組合物具有一致的功能,和一個標準主叫接口和行為的一個單元。部件可以組裝以創建多個應用程序,和一個組件的不同實施方式可提供。在ESMF,組件可以是物理域或功能,如耦合器或I /...

CaPSID

CaPSID 1.4.3

衣殼是一個全面的開源平台,它集成了高性能計算管道病原體序列識別 與表徵人類基因組和轉錄組以及一個可伸縮的結果數據庫,用於管理用戶友好的基於Web的軟件應用程序,查詢和可視化效果。入門您將需要MongoDB數據庫,一個Python 2.6+的安裝和Apache Tomcat 6+。欲了解更多詳情,請閱讀維基: 在修復:http://wiki.github.com/capsid/capsid/homeWhat在此版本中是新的沒有找到運行減法和調整時的錯誤消息在固定長時間運行的查詢更多的工作 ...

misopy

misopy 0.4.9

MISO(異構體的混合物)是用Python編寫的概率框架,進行定量的表達水平與NBSP;從RNA測序數據的選擇性剪接基因,並確定整個樣本差異調節亞型或外顯子。通過模擬的生成過程,其中讀取來自於RNA測序亞型的生產,從MISO模型使用貝葉斯推斷來計算該讀出來自一個特定同種型的概率。MISO使用的讀操作亞型定量底層一套替代mRNA異構體的豐度的推斷分配。置信區間過度估計可以得到的,其量化所述估計值的可靠性。請參閱http://genes.mit.edu/burgelab/miso/docs/的MISO手動和文檔...

MACS2

MACS2 2.0.10.20130731

MACS2是基於模型的分析工具的ChIP-SEQ數據。用的測序技術的改善,染色質免疫沉澱,隨後通過高通量測序(芯片起)越來越流行,研究的全基因組蛋白-DNA相互作用。為了解決缺乏強大的芯片序列分析方法,提出了一種新的算法,命名為芯片-SEQ(MACS)基於模型的分析,確定談話因子結合位點。 MACS捕獲的基因組的複雜性,以評估富集芯片區域的意義的影響,和MACS提高了通過結合兩種測序標籤的位置和方向的信息的結合位點的空間分辨率。 。MACS可以很容易地用於芯片序列數據單獨或與具有特異性的增加控制樣品 ...