可变剪接分析一步到位，这个 R 包够猛！

生信碱移

ASpediaFI可变剪接

可变剪接（Alternative Splicing, AS）是基因表达过程中一种重要的调控机制，通过这种机制，单个基因可以产生多个不同的mRNA转录本，这些转录本通过不同的剪接方式（即选择性地包括或排除特定的外显子、内含子或外显子的一部分）生成。结果是，一个基因能够编码多种不同的蛋白质，从而极大地增加了蛋白质的多样性。

可变剪接的主要类型包括：

  • 外显子跳跃（Exon Skipping）：某些外显子被跳过，不被包含在成熟mRNA中。

  • 可变5'端剪接（Alternative 5' Splice Site）：在mRNA前端（5'）的剪接位点是不同的位置，导致外显子长度的变化。

  • 可变3'端剪接（Alternative 3' Splice Site）：在mRNA后端（3'）的剪接位点是不同的位置，导致外显子长度的变化。

  • 内含子保留（Intron Retention）：内含子没有被切除，而是保留在成熟mRNA中。

  • 互斥外显子（Mutually Exclusive Exons）：一对外显子在不同的转录本中互相排斥，只能选择其中一个。

图片

▲ 可变剪接的类型

在可变剪接的RNA-Seq分析中，rMATS和MAJIQ是最常用的两种工具，但是它们无法在windows系统上运行。此外，有数百种剪接因子调控AS事件，这对多种生物功能产生显著影响。然而，识别与剪接体相关的功能性AS事件以及探索与特定通路相对应的相互作用基因是一项挑战。为此，来自韩国国家癌症中心研究所的研究人员开发了一个R包ASpediaFI，于2022年1月25日发表于Genomics, Proteomics & Bioinformatics[IF: 11.5]，用于对可变剪接事件及其功能相互作用进行系统和综合的分析。

图片

▲ DOI: 10.1016/j.gpb.2021.10.004

ASpediaFI的工作流程基于R语言软件，其需要RNA-Seq生成的BAM文件和参考数据集，包括GTF文件、基因-基因交互网络和通路基因集。简单来讲，ASpediaFI通过获取比对结果定量可变剪接（AS）事件，随后构建一个异构网络，并使用带重启的判别随机游走（DRaWR）算法在该网络上对AS事件和通路进行排名，最终生成特定查询的子网络，并提供基因和特征的排名列表以便进一步分析。

图片

▲ ASpediaFI的分析工作流程。首先获取AS事件注释和定量。然后，使用AS事件和基因表达定量、基因-基因交互网络和通路基因集构建一个包含多种类型节点和边的异构网络。初始异构网络（如图B所示）由基因节点和两种类型的特征节点组成：AS事件和通路。下一步是在异构网络上运行DRaWR，以对AS事件和通路进行排名，评估它们与感兴趣的基因集（称为“查询”）的相关性。DRaWR算法在图B中展示：给定异构网络和一个查询基因集（用黄色标记），进行两阶段的带重启随机游走（RWR）。在第一阶段，RWR在初始网络上运行两次，一次使用查询基因集，另一次使用网络中的所有基因作为重启集。特征节点根据两次RWR中收敛的概率分布之间的差异进行排名。除了排名前k的节点外，所有特征节点都被移除，以重建一个特定于查询的子网络。在第二阶段，RWR在特定于查询的子网络上运行，以获得基因和特征的最终排名。对最终子网络的基因节点进行置换检验，以测试它们与查询基因集的关联。ASpediaFI为用户提供最终子网络以及基因和特征的排名列表，以便进行进一步分析，包括基因集富集分析和可视化。

本文简要展示ASpediaFI的使用，更多信息可以参见：

  • https://bioconductor.org/about/removed-packages/

0.安装

使用以下代码安装R包：

if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("ASpediaFI")

1.简要介绍

① ASpediaFI提供以下功能：

  1. AS事件检测与标注

  2. AS事件量化

  3. AS事件的功能交互分析

  4. AS事件和通路的可视化

② 需要注意的是，该软件包使用S4类ASpediaFI对象作为其功能（方法）的封装器，以及输入和输出（槽）的容器。

#Load the ASpediaFI package
library(ASpediaFI)
names(getSlots("ASpediaFI"))
#[1] "samples" "events" "psi" "gtf"
#[5] "network" "gene.table" "as.table" "pathway.table"

ASpediaFI类包含以下数据槽：

  • samples: 一个包含样本信息的数据框。前三列应为名称、BAM 文件路径和条件。

  • events: 从GTF文件中提取的AS事件列表。

  • psi: 一个包含AS事件定量的SummarizedExperiment对象。

  • gtf: 一个包含从GTF文件中提取的基因组特征的GRanges对象。

  • network: 一个包含特定查询子网络的igraph对象，作为DRaWR的结果。

  • gene.table, as.table, pathway.table: 包含基因节点、AS事件节点和通路节点的数据框。

③ ASpediaFI通过以下方法以逐步方式进行分析：

  1. annotateASevents: 从GTF文件中检测AS事件并将其保存在事件字段中。同时从GTF文件中提取特征并保存在gtf字段中。

  2. quantifyPSI: 使用样本字段中指定的BAM文件量化AS事件。

  3. analyzeFI: 构建基因、AS事件和通路的异构网络，并执行 DRaWR。

  4. visualize: 将事件或路径节点可视化。

  5. exportNetwork: 将与给定通路相关的子网络导出为GML格式，可以直接在Cytoscape中使用。

3.示例运行

① 首先，使用ASpediaFI函数创建ASpediaFI对象，该构造函数需要样本名称sample.names、RNA-Seq BAM文件的路径bam.files和样本分组conditions。然后，使用 annotateASevents方法从GRCh38 GTF文件中获取AS事件注释。由于文件大小限制，从包的extdata目录中提供的GRCh38 GTF文件的子集中提取AS事件注释。

#Create ASpediaFI object
bamWT <- system.file("extdata/GSM3167290.subset.bam", package = "ASpediaFI")
GSE114922.ASpediaFI <- ASpediaFI(sample.names = "GSM3167290",
                                 bam.files = bamWT, conditions = "WT")
#Detect and annotate AS events from a subset of the hg38 GTF file
gtf <- system.file("extdata/GRCh38.subset.gtf", package = "ASpediaFI")
GSE114922.ASpediaFI <- annotateASevents(GSE114922.ASpediaFI,
                                        gtf.file = gtf, num.cores = 1)
#[1] "-------------------Processing : chr11 -------------------"
sapply(events(GSE114922.ASpediaFI), length)
#A5SS A3SS SE MXE RI
#35 21 49 40 56

head(events(GSE114922.ASpediaFI)$SE)
#EnsID Nchr Strand 1stEX DownEX
#1 "ENSG00000256269.10" "chr11" "+" "119089683-119089760" "119089217-119089272"
#2 "ENSG00000256269.10" "chr11" "+" "119089082-119089131" "119088635-119088848"
#3 "ENSG00000256269.10" "chr11" "+" "119089082-119089131" "119088635-119088707"
#4 "ENSG00000256269.10" "chr11" "+" "119089100-119089131" "119088635-119088707"
#5 "ENSG00000256269.10" "chr11" "+" "119092125-119092163" "119091413-119091526"
#6 "ENSG00000256269.10" "chr11" "+" "119092125-119092163" "119091861-119091874"
#UpEX
#1 "119089990-119090067"
#2 "119089217-119089272"
#3 "119089217-119089272"
#4 "119089217-119089272"
#5 "119092404-119092523"
#6 "119092404-119092523"
#EventID
#1 "HMBS:SE:chr11:119089217:119089272:119089683:119089760:119089990:119090067"
#2 "HMBS:SE:chr11:119088635:119088848:119089082:119089131:119089217:119089272"
#3 "HMBS:SE:chr11:119088635:119088707:119089082:119089131:119089217:119089272"
#4 "HMBS:SE:chr11:119088635:119088707:119089100:119089131:119089217:119089272"
#5 "HMBS:SE:chr11:119091413:119091526:119092125:119092163:119092404:119092523"
#6 "HMBS:SE:chr11:119091861:119091874:119092125:119092163:119092404:119092523"

annotateASevents方法识别五种AS事件：

  • A5SS (alternative 5’splice site)

  • A3SS (alternative 3’splice site)

  • SE (skipped exon)

  • MXE (mutually exclusive exon)

  • RI (retained intron)

AS事件注释列表包含Ensembl ID、染色体、链、外显子的基因组坐标和AS事件ID。AS事件ID的格式为[基因符号]:[事件类型]:[染色体]:[外显子边界的基因组坐标]，如ASpedia所定义（https://combio.snu.ac.kr/aspedia/help.html）。请注意，事件功能可用于访问AS事件注释。annotateASevents方法还从GTF文件中提取基因组特征，并将其保存为GRanges对象，以便可视化AS事件。

② 接下来，使用quantifyPSI方法从BAM文件中量化AS事件。quantifyPSI方法计算PSI（剪接包含百分比），即包含可变剪接外显子的mRNA的比例。用户需要指定RNA-Seq读取的类型（单端或双端）、读取长度、插入大小以及映射到给定外显子的最小读取数。在这一点上，从两个BAM文件的子集计算PSI值以进行演示。quantifyPSI方法将PSI值保存在psi槽中，作为带有样本信息的SummarizedExperiment对象。同样，可以使用psi函数访问PSI值。请注意，PSI值的行名称是AS事件ID（有了PSI，就可以对psi进行更多相关的分析来评估可变剪接的变化了）。

#Compute PSI values of AS events
GSE114922.ASpediaFI <- quantifyPSI(GSE114922.ASpediaFI, read.type = "paired",
                       read.length = 100, insert.size = 300,
                       min.reads = 3, num.cores = 1)
#[1] "Calculating PSI of SE events"
#[1] "Calculating PSI of MXE events"
#[1] "Calculating PSI of RI events"
#[1] "Calculating PSI of ALSS events"

tail(assays(psi(GSE114922.ASpediaFI))[[1]])
#GSM3167290
#HMBS:RI:chr11:119088635:119088707:119089100:119089131 1.00
#HMBS:RI:chr11:119089683:119089760:119089990:119090067 0.49
#HMBS:RI:chr11:119092125:119092163:119092404:119092523 0.68
#HMBS:RI:chr11:119092125:119092163:119092758:119092811 1.00
#HMBS:RI:chr11:119092125:119092523:119092758:119092811 0.55
#HMBS:RI:chr11:119087987:119088078:119088255:119088308 0.96

由于接下来需要所有样本的PSI和基因表达谱来构建异质网络，因此我们在包中加载示例数据集。我们用示例数据集中存储的PSI值和样本信息更新psi和samples槽。

③ AS事件的功能交互分析：analyzeFI方法执行数据预处理、网络构建和DRaWR（带重启的判别随机游走）。由于DRaWR算法需要查询基因集作为输入，所以先使用limma包检测在SF3B1突变样本中差异表达的基因（也可以使用其他DEG分析工具，如edgeR和DESeq2）。假设DEG代表一个功能基因集，将其作为查询，以识别与SF3B1突变密切相关的AS事件和通路。如果查询作为字符向量给出，则查询中的所有基因具有相等的权重。当然，也可以通过提供一个包含第二列权重的数据框来赋予每个基因不同的权重(用logFC什么的)。

#Choose query genes based on differential expression
library(limma)

design <- cbind(WT = 1, MvsW = samples(GSE114922.ASpediaFI)$condition == "MUT")
fit <- lmFit(log2(GSE114922.fpkm + 1), design = design)
fit <- eBayes(fit, trend = TRUE)
tt <- topTable(fit, number = Inf, coef = "MvsW")
query <- rownames(tt[tt$logFC > 1 &tt$P.Value < 0.1,])

head(query)
#[1] "HBB" "FTL" "HBA2" "HBA1" "ATP6V0D2" "RPL37A"

接下来就运行analyzeFI方法。restart和num.feats定义了重启概率和最终子网络中要保留的特征数量。重启概率是跳回重启集（查询）的概率。如果重启概率较小，游走倾向于在查询节点的邻居之间移动。num.folds指定了DRaWR中交叉验证的折数。low.expr、low.var、prop.na和prop.extreme 是过滤 AS 事件的选项。cor.threshold定义了在异构网络中连接AS事件节点和基因节点的斯皮尔曼相关性的阈值。有关详细信息，可以参见help(analyzeFI)。

#Perform functional interaction analysis of AS events
GSE114922.ASpediaFI <- analyzeFI(GSE114922.ASpediaFI, query = query,
                                 expr = GSE114922.fpkm, restart = 0.9,
                                 num.folds = 5, num.feats = 200,
                                 low.expr = 1, low.var = 0, prop.na = 0.05,
                                 prop.extreme = 1, cor.threshold = 0.3)

图片

如下所示，analyzeFI方法将排名最高的AS事件和通路分别保存在as.table和pathway.table字段中。as.table包含有关AS事件的信息，包括AS事件ID、基因符号、AS事件类型、最终排名和静态概率。

#Table of AS nodes in the final subnetwork
as.table(GSE114922.ASpediaFI)[1:5,]
#EventID
#1 TIMM17B:SE:chrX:48896858:48896759:48895972:48895352:48895101:48895038
#2 NKTR:RI:chr3:42619664:42619708:42621429:42621516
#3 MCM7:RI:chr7:100099403:100099279:100099203:100099023
#4 COMMD3:RI:chr10:22318272:22318306:22318653:22318713
#5 MOV10:RI:chr1:112699894:112699982:112700219:112700340
#GeneSymbol EventType Rank StatP
#1 TIMM17B SE 1 0.00103
#2 NKTR RI 2 0.00099
#3 MCM7 RI 3 0.00099
#4 COMMD3 RI 4 0.00094
#5 MOV10 RI 5 0.00089

#Table of GS nodes in the final subnetwork
pathway.table(GSE114922.ASpediaFI)[1:5,]
#Pathway Rank StatP Pvalue Adj.Pvalue EnrichmentScore 
#1 HALLMARK_HEME_METABOLISM 2 0.00089 1.4e-11 8.7e-09 0.55
#2 HALLMARK_COMPLEMENT 3 0.00066 1.0e-09 9.1e-08 0.53
#3 REACTOME_INNATE_IMMUNE_SYSTEM 4 0.00057 5.6e-03 3.5e-02 0.37
#4 HALLMARK_P53_PATHWAY 5 0.00054 1.6e-03 1.1e-02 0.41
#NormalizedEnrichmentScore Size Count AvgRank NumEvents
#1 1.4 933 618 1663 83
#2 2.0 200 133 1500 83
#3 1.9 200 119 1178 83
#4 1.4 279 153 1153 83

gs.table包含关于路径节点的以下信息:

  • Pathway: 通路名称

  • Rank: 最终排名

  • StatP: 平稳概率

  • Pvalue: GSEA P值

  • Adj.Pvalue: GSEA矫正后的P值

  • EnrichmentScore: 富集得分

  • NormalizedEnrichmentScore: 标准化的富集得分

  • Size: 通路基因集中的总基因数量

  • Count: 通路基因集中的基因数量，这些基因也存在于网络中

  • AvgRank: 通路基因集中的基因平均最终排名

  • NumEvents: 与通路基因集中的基因连接的最终子网络中的AS事件数量

  • Genes: 在通路基因集中存在的基因，同时也出现在网络中

analyzeFI方法将最终的查询特定子网络保存为igraph对象。用户可以通过以下方式探索AS事件与基因之间的相互作用：

#Extract AS-gene interactions from the final subnetwork
library(igraph)
edges <- as_data_frame(network(GSE114922.ASpediaFI))
AS.gene.interactions <- edges[edges$type == "AS", c("from", "to")]
head(AS.gene.interactions)
#from
#27032 A2M
#27033 A2M
#27034 A2M
#27035 A2M
#27036 A2M
#27037 A2M
#to
#27032 CLK4:SE:chr5:178623416:178623256:178620673:178619838:178618778:178618556
#27033 MRRF:A5SS:chr9:122285169:122285287:122285946:122286039:122286166
#27034 VPS29:SE:chr12:110499546:110499457:110497002:110496823:110496203:110496046
#27035 ERCC8:SE:chr5:60898400:60898276:60893643:60892037:60891086:60890889
#27036 CDK5RAP3:RI:chr17:47974400:47974448:47975159:47975337
#27037 RBM4B:SE:chr11:66668685:66668615:66666493:66666272:66665578:66665548

ASpediaFI还允许用户使用exportNetwork方法导出整个子网络或与特定通路相关的子网络。给定一个通路节点，提取特定于通路的网络并将其导出为GML格式，可以直接在Cytoscape中使用。如果未给定通路节点，则导出整个最终子网络。

#Export a pathway-specific subnetwork to GML format
exportNetwork(GSE114922.ASpediaFI, node = "HALLMARK_HEME_METABOLISM",
file = "heme_metabolism.gml")

④ 可视化，首先可以生成一个描述指定AS事件的基因组轨迹图和一个PSI值的箱线图

#Check if any event on the HMBS gene is included in the final subnetwork
as.nodes <- as.table(GSE114922.ASpediaFI)$EventID
HMBS.event <- as.nodes[grep("HMBS", as.nodes)]
#Visualize event
visualize(GSE114922.ASpediaFI, node = HMBS.event, zoom = FALSE)

图片

显示一个由高度排名的基因节点和与给定通路连接的AS事件节点组成的子网络，比如示例数据中血红素代谢的标志通路相关的子网络，该通路也与 MDS 中的SF3B1突变相关：

#Visualize nework pertaining to specific pathway
visualize(GSE114922.ASpediaFI, node = "HALLMARK_HEME_METABOLISM", n = 10)

图片

功能是不少的

可以整起

欢迎各位老哥老姐点击关注

就分享到这

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/883060.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Vue使用axios二次封装、解决跨域问题

Vue使用axios二次封装、解决跨域问题

1、什么是 axios 在实际开发过程中&#xff0c;浏览器通常需要和服务器端进行数据交互。而 Vue.js 并未提供与服务器端通信的接口。从 Vue.js 2.0 版本之后&#xff0c;官方推荐使用 axios 来实现 Ajax 请求。axios 是一个基于 promise 的 HTTP 客户端。 关于 promise 的详细介…
阅读更多...
AGV小车全双工通信应用-低延迟、8路并发全双工通信

AGV小车全双工通信应用-低延迟、8路并发全双工通信

随着智能制造和物流行业的不断发展&#xff0c;AGV小车&#xff08;自动导引车&#xff09;在工厂、仓库、物流中心的应用日益广泛。AGV小车凭借其自动化、高效、灵活的特点&#xff0c;逐渐成为物料搬运中的关键设备。在这种复杂多变的环境中&#xff0c;数据传输的可靠性、实…
阅读更多...
c语言200例 063 信息查询

c语言200例 063 信息查询

大家好&#xff0c;欢迎来到无限大的频道。 今天给大家带来的是c语言200例 题目要求&#xff1a; 从键盘当中输入姓名和电话号&#xff0c;以“#”结束&#xff0c;编程实现输入姓名、查询电话号的功能。 参考代码如下&#xff1a; #include <stdio.h> #include <st…
阅读更多...
计算机视觉的应用34-基于CV领域的人脸关键点特征智能提取的技术方法

计算机视觉的应用34-基于CV领域的人脸关键点特征智能提取的技术方法

大家好&#xff0c;我是微学AI&#xff0c;今天给大家介绍一下计算机视觉的应用34-基于CV领域的人脸关键点特征智能提取的技术方法。本文主要探讨计算机视觉领域中人脸关键点特征智能提取的技术方法。详细介绍了基于卷积神经网络模型进行人脸关键点提取的过程&#xff0c;包括使…
阅读更多...
css-functions伪类选择器系列二

css-functions伪类选择器系列二

一张图浏览CSS Functions 概述 本文主要讲述CSS的部分伪类选择器第二篇，包括：:nth-child、:nth-last-child、:nth-of-type和:nth-last-of-type。 :nth-child() :nth-child伪类是根据父元素的子元素列表中的索引来选择元素。 语法 :nth-child是以一个参数nth来描述匹配兄…
阅读更多...
apache paimon简介（官翻）

apache paimon简介（官翻）

介绍 如下架构所示： 读/写操作： Paimon 支持多样化的数据读写方式，并支持 OLAP 查询。 读取： 支持从历史快照（批处理模式）中消费数据，从最新偏移量（流处理模式）中读取数据，或以混合方式读取增量快照。写入： 支持从数据库变更日志（CDC）进行流式同步，从离线数据中…
阅读更多...
Android平台使用VIA创建语音交互应用

Android平台使用VIA创建语音交互应用

Android平台使用VIA创建语音交互应用 概述 在 Android 平台上开发一款语音助手应用需要整合多种技术，包括语音识别（ASR）、文字转语音（TTS）、以及热词检测（Hotword Detection）。这些技术共同构成了语音助手应用的核心交互方式，使用户能够通过语音命令与设备进行无缝交…
阅读更多...
EfficientNet(2019)：基于复合缩放的自动化架构搜索高效网络！

EfficientNet(2019)：基于复合缩放的自动化架构搜索高效网络！

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks EfficientNet&#xff1a;重新思考卷积神经网络的模型扩展 论文下载地址&#xff1a; https://arxiv.org/abs/1905.11946 学习笔记参考了这位大佬&#xff1a;https://blog.csdn.net/qq_37541097/ar…
阅读更多...
ProgrammerAI—AI辅助编程学习指南

ProgrammerAI—AI辅助编程学习指南

前言 随着AIGC&#xff08;AI生成内容&#xff09;技术的快速发展&#xff0c;诸如ChatGPT、MidJourney和Claude等大语言模型相继涌现&#xff0c;AI辅助编程工具正逐步改变程序员的工作方式。这些工具不仅可以加速代码编写、调试和优化过程&#xff0c;还能帮助解决复杂的编程…
阅读更多...
python标识符和关键字

python标识符和关键字

1、标识符 1.1 写法 标识符由字母、下划线和数字组成&#xff0c;且数字不能开头。严格区分大小写。不能使用关键字。 # 标识符由字母、下划线和数字组成&#xff0c;且数字不能开头。 # a_1_$ 1 # print(a_1_$)# 严格区分大小写。 # Animal 1 # print(animal)# 不能使用关…
阅读更多...
仓颉编程入门2，启动HTTP服务

仓颉编程入门2，启动HTTP服务

上一篇配置了仓颉sdk编译和运行环境&#xff0c;读取一个配置文件&#xff0c;并把配置文件简单解析了一下。 前面读取配置文件&#xff0c;使用File.readFrom()&#xff0c;这个直接把文件全部读取出来&#xff0c;返回一个字节数组。然后又创建一个字节流&#xff0c;给文件…
阅读更多...
vscode[c、cmake]：某些引用可能丢失，因为在 查找所有引用 启动时，工作区分析不完整

vscode[c、cmake]：某些引用可能丢失，因为在 查找所有引用 启动时，工作区分析不完整

1. 问题描述 vscode 调试一个c语言工程&#xff0c;利用cmake编译调试&#xff0c;通过cmakelist.txt传递宏标识来条件编译代码。但是&#xff0c;在build之后&#xff0c;传递的宏标识不能让vscode自动转跳相关代码&#xff0c;猜测为代码分析时未包含宏标识。提示&#xff1a…
阅读更多...
双向链表的基本结构及功能实现

双向链表的基本结构及功能实现

1.基本结构: 双向链表是一种链表数据结构&#xff0c;它由一系列节点组成&#xff0c;每个节点包含三个部分&#xff1a; (1).数据域&#xff1a;存储节点的数据 (2).前驱指针:指向前一个节点 (3).后驱指针:指向下一个节点 2.基本特性&#xff1a; 双向链接: 与单向链表…
阅读更多...
不在同一局域网怎么远程桌面？非局域网环境下，实现远程桌面访问的5个方法分享！

不在同一局域网怎么远程桌面？非局域网环境下，实现远程桌面访问的5个方法分享！

非局域网环境下&#xff0c;怎么远程桌面&#xff1f;还能做到吗&#xff1f; 在企业管理中&#xff0c;远程桌面访问已成为提高工作效率、实现跨地域协同工作的关键工具。 然而&#xff0c;当被控端与控制端不在同一局域网时&#xff0c;如何实现远程桌面连接成为了许多企业…
阅读更多...
【Android】页面启动耗时统计流程梳理

【Android】页面启动耗时统计流程梳理

文章基于Android 11 写在前面&#xff1a; 最近的文章都会放流程图&#xff0c;时序图之类的图片&#xff0c;解释下为什么这么做&#xff1a; 图片的好处&#xff1a; 流程清晰&#xff0c;一目了然很多代码&#xff0c;如同老太太的裹脚布&#xff0c;又臭又长。影响理解&a…
阅读更多...
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台

【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台

一、介绍 果蔬识别系统&#xff0c;本系统使用Python作为主要开发语言&#xff0c;通过收集了12种常见的水果和蔬菜&#xff08;‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’&#xff09;…
阅读更多...
基于SpringBoot+Vue的校园快递代取管理系统

基于SpringBoot+Vue的校园快递代取管理系统

作者&#xff1a;计算机学姐 开发技术&#xff1a;SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等&#xff0c;“文末源码”。 专栏推荐&#xff1a;前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码 精品专栏&#xff1a;Java精选实战项目…
阅读更多...
CNN网络训练WISDM数据集：模型仿真及可视化分析

CNN网络训练WISDM数据集：模型仿真及可视化分析

卷积神经网络&#xff08;CNN&#xff09;因其强大的特征提取能力和深度学习架构而备受推崇&#xff0c;CNN在处理图像数据时展现出的卓越性能&#xff0c;使其成为解决各种视觉识别任务的首选工具。WISDM数据集是一个广泛用于运动估计研究的基准数据集&#xff0c;它包含了多个…
阅读更多...
14年408-计算机网络

14年408-计算机网络

第一题&#xff1a; 解析&#xff1a;OSI体系结构 OSI由下至上依次是&#xff1a;物理层-网络链路层-网络层-运输层-会话层-表示层-应用层。 因此直接为会话层提供服务的是运输层。答案选C 第二题&#xff1a; 解析&#xff1a;数据链路层-交换机的自学习和帧转发 主机a1向交换…
阅读更多...
关于养育孩子的一点想法

关于养育孩子的一点想法

我们许多人总是很看重结果&#xff0c;不重视过程&#xff0c;在工作中有时候确实会这样&#xff0c;但这种想法会经常蔓延到生活中&#xff0c;比如养育孩子&#xff0c;我们总有一个目标&#xff0c;希望他成才&#xff0c;实现某种理想&#xff0c;弥补你人生中的某种缺憾&a…
阅读更多...
最新文章

Copyright @ 2022~2023