变压器

TRANSFAC：基因表达调控的集成系统。TRANSFAC是一个关于转录因子、它们的基因组结合位点和DNA结合谱的数据库(http://transfac.gbf.de/transfac/). 它的内容得到了加强，特别是关于用于构建核苷酸矩阵的训练序列的信息以及关于植物位点和因子的数据。此外，TRANSFAC还扩展了两个新模块：PathoDB提供调控区域和转录因子基因的病理相关突变的数据，而S/martdb汇编了支架/基质附着区域（S/MARs）的特征以及与之结合的蛋白质。此外，关于信号转导的TRANSPATH数据库和关于器官和细胞类型的细胞单体数据库已经扩展，并越来越多地与TRANSFAC数据源集成。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献74条)

显示第74至第1个结果。
按年份排序(引用)
  1. 元，叶；Bar Joseph，Ziv:从单细胞表达数据推断基因关系的深度学习（2019）
  2. 基思，乔纳森M(生物信息学。第一卷。数据、序列分析和进化（2017）
  3. 塔伊沃宁，贾科；台北，朱西；Ukkonen，Esko:从大序列集进行位置概率矩阵的种子驱动学习（2017）
  4. Pesch，Robert:跨物种网络和转录转移（2016）
  5. 杨，威廉·查德；阿德里安·E·拉夫特里。；杨嘉仪：基因扰动数据中基因调控网络推断的后验概率方法（2016）
  6. 费金斯塔德，埃吉尔；霍尔顿，拉尔斯；Sandve，Geir Kjetil:基因组数据的蒙特卡罗零模型（2015）
  7. 卡瓦略，亚历山德拉M。；广告ão、 佩德罗；Mateus，Paulo:用于二进制分类的贝叶斯多网混合学习（2014）
  8. 冈茨á里兹-Á艾瓦雷斯，大卫L。；织女星í盖兹，米格尔A。；卢比奥·拉戈，Álvaro：发现模体时一些多目标进化算法的收敛性分析（2014）ioport公司
  9. 徐艺瑜；陈伟志；陈淑慧；高洪宇：用隐马尔可夫模型预测DNA结合蛋白序列和结构信息（2014）ioport公司
  10. Kasabov，Nikola（编辑）：Springer生物/神经信息学手册（2014）
  11. 王，Y。十。瑞秋；黄海燕：利用表达数据重建基因网络的统计方法述评（2014）
  12. 莫斯塔法修道院。；Bahig，Hazem M.：识别DNA基序的有效算法（2013）
  13. 米查利迪斯，乔治；德阿尔希é-Buc，Florence:基因调控网络推断的自回归模型：稀疏性、稳定性和因果关系问题（2013）
  14. 马赫德瓦，加塞姆；萨德吉，迈赫迪；Nowzari Dalini，Abbas:使用基于比对的方法检测转录因子结合位点（2012）
  15. 王殿辉；Do，Hai Thanh:使用极限学习机器对转录因子结合位点的计算定位（2012）ioport公司
  16. 吉劳，马修；Varr公司é, 吉恩街é并行位置权矩阵算法（2011）ioport公司
  17. 李文田：《人类基因组参数研究》（2011）
  18. 波兹利乌斯，克里斯汀；约翰，马克；宾德，哈拉尔德；贝ß巴思，蒂姆：支持信息利用外部知识在分类方法中的分子相互作用，以预测患者的风险（2011年）
  19. 王家纯；彭承斌；王文宏；梁，广萨克：用进化算法归纳和学习蛋白质DNA结合序列表示法（2011）ioport公司
  20. 阿拉马诺瓦，丹尼萨；斯泰格迈尔，菲利普；Kel，Alexander E.：使用基于3D结构的蛋白质DNA自由结合能计算创建转录因子的PWM（2010）ioport公司