梅戈

MEIGO:一个基于元启发式的开源软件套件,用于系统生物学和生物信息学的全局优化。优化是解决计算生物学中许多问题的关键。全局优化方法提供了一种稳健的方法,尤其是元启发式方法已被证明是许多应用中最有效的方法。尽管它们很有用,但元启发式工具的可用性有限。我们介绍了一个R和Matlab优化工具箱MEIGO(也可以通过R版本的包装器在Python中获得),它实现了元启发式,能够解决系统生物学和生物信息学中出现的各种问题:用于连续非线性规划(cNLP)和混合整数规划(MINLP)的增强分散搜索法(eSS)问题,以及整数规划(IP)问题的可变邻域搜索(VNS)。这两种方法可以在单个线程上运行,也可以使用协作策略并行运行。该代码在GPLv3下提供,可在http://www.iim.csic.es/gingproc/meigo.html。包括文档和示例。R包已提交给Bioconductor。我们根据优化基准评估MEIGO,并说明其在生物信息学和系统生物学的一系列案例研究中的适用性,优于其他最先进的方法。为生物信息学提供了一个可以自由应用的生物信息学和生物信息学平台。它包括相当先进的元启发式,其开放和模块化的结构允许添加更多的方法


zbMATH中的参考文献(参考文献6条)

显示结果1到6,共6个。
按年份排序(引用)

  1. 伦纳德·施密斯特、扬尼克·朔尔特、弗兰克·T·伯格曼、塔西奥·坎巴、埃里卡·杜德金、詹妮·埃格特、法比安·弗里奇、拉拉·福尔曼、阿德里安·L·豪伯、斯文佳·凯默、波利娜·拉克丽森科、卡罗琳·卢奥斯、西蒙·梅尔克、沃尔夫冈·穆勒、迪兰·帕希拉纳、埃尔巴·雷米恩德斯、卢卡斯·雷菲施、马库斯·罗森布拉特、保罗·L·斯塔波尔、菲利普·斯特德、丹东·王,Franz Georg Wieland,Julio R.Banga,Jens Timmer,Alejandro F.Villaverde,Sven Sahle,Clemens Kreutz,Jan Hasenauer,Daniel Weindl:系统生物学中参数估计问题的互操作规范(2020)阿尔十四
  2. Eshan D.Mitra、Ryan Suderman、Joshua Colvin、Alexander Ionkov、Andrew Hu、Herbert M.Sauro、Richard G.Posner、William S.Hlavacek:PyBioNetFit和生物特性规范语言(2019)阿尔十四
  3. 桑吉内蒂,吉多(编辑);Huynh Thu,V'n Anh(编辑):基因调控网络。方法和方案(2019年)
  4. Joao Paulo Papa,Gustavo Henrique Rosa,Douglas Rodrigues,Xin She Yang:LibOPT:快速原型软优化技术的开源平台(2017)阿尔十四
  5. Jose A Egea,David Henriques,Thomas Cokelaer,Alejandro F Villaverde,Julio R Banga,Julio Saez Rodriguez:MEIGO:基于元启发式的开源软件套件,用于系统生物学和生物信息学的全局优化(2013)阿尔十四
  6. 埃加,何塞A。;玛蒂,拉斐尔;Banga,Julio R.:复杂过程优化的进化方法(2010)