시나리오 라인
너만 돌릴 수 있는 Notebook, 아무도 재현 못 하는 결과.
파이프라인은 깨끗하게 재실행, 결론은 데이터까지 추적.
이 라인에 10개 스킬
Pythonic wrapper around RDKit with simplified interface and sensible defaults. Preferred for standard drug discovery: SMILES parsing, standardization, descriptors, fingerprints, clustering, 3D conformers, parallel processing. Returns native rdkit.Chem.Mol objects. For advanced control or custom parameters, use rdkit directly. 한국어 번역: RDKit 주변에 단순화된 인터페이스와 합리적인 기본값을 가진 파이썬스러운 래퍼입니다. 표준 약물 발견에 선호되는 기능: SMILES 파싱, 표준화, 기술자, 지문, 클러스터링, 3D 구조체, 병렬 처리입니다. 기본 rdkit.Chem.Mol 객체를 반환합니다. 고급 제어나 사용자 정의 매개변수가 필요한 경우에는 직접 rdkit을 사용하세요.
scikit-learn을 활용한 Python 기계 학습. 지도 학습(분류, 회귀), 비지도 학습(클러스터링, 차원 축소), 모델 평가, 하이퍼파라미터 튜닝, 전처리 또는 ML 파이프라인 구축 시 사용합니다. 알고리즘, 전처리 기술, 파이프라인 및 모범 사례에 대한 종합 참고 문서를 제공합니다.
이 기술은 scRNA-seq, scATAC-seq, CITE-seq, 공간 전사체학 및 기타 단세포 모달리티를 포함한 scvi-tools를 사용한 단세포 오믹스 데이터 분석 시 사용되어야 합니다. 확률적 모델링, 배치 교정, 차원 축소, 차등 발현, 세포 유형 주석, 다중 모달 통합 및 공간 분석 작업에 이 기술을 사용하십시오.