网络毒理学+113种机器学习+SHAP分析

编辑点评

结合网络毒理学与机器学习，深入数据挖掘与分析，适合对生物信息学和数据分析有兴趣的学习者。

⭐ 编辑推荐

本课程融合网络毒理学与机器学习，通过SHAP分析等工具，提升数据解读能力。

✨ 课程亮点

课程目录

06.数据合并.mp4 [32.5 MB]
16.化合物靶基因取并集.mp4 [21.2 MB]
18.化合物调控网络.mp4 [32.8 MB]
02.软件安装.mp4 [40.2 MB]
13.化合物靶点(ChEMBL)【更多精选‖公众号：CunWorknotes】 .mp4 [37.0 MB]
21.准备机器学习输入文件.mp4 [56.1 MB]
12.化合物结构.mp4 [20.0 MB]
01.网络毒理学联合SHAP分析简介.mp4 [59.2 MB]
04.GEO数据注释.mp4 [63.7 MB]
22.构建机器学习诊断模型.mp4 [83.6 MB]
19.GO富集分析(功能).mp4 [53.2 MB]
23.SHAP可解释性分析.mp4 [63.1 MB]
230.toxicityML资料.exe [1.1 GB]
03.GEO数据下载.mp4 [54.0 MB]
17.化合物靶基因和疾病基因取交集.mp4 [26.3 MB]
26.蛋白的结构数据.mp4 [21.6 MB]
27.鍒嗗瓙瀵规帴.mp4 [69.8 MB]
05.单个数据矫正【整理不易‖记得关注：CunWorKNotes】.mp4 [35.4 MB]
11.差异基因和WGCNA模块基因取并集.mp4 [27.5 MB]
20.KEGG富集分析(通路).mp4 [39.3 MB]

适合人群

• 生物信息学爱好者
• 数据分析从业者
• 机器学习初学者

🎯 学习收获

• 掌握网络毒理学基本概念
• 学习机器学习在生物信息学中的应用
• 提升数据分析能力

🎉 祝您学习愉快！