熨斗的软件

这是跟踪由运动蛋白驱动的微管组件的模拟工具。微管被建模为直刚性纤维，运动蛋白被建模为hookean弹簧，具有主动结合-解结合动力学，由两阶段动力学蒙特卡罗模型控制，以施加详细的平衡。结合了基于几何约束优化的最先进的碰撞解决算法，以达到长物理动力学时间尺度。这个包是大规模并行的。

这是一个用于边界积分方法中拉普拉斯算子和斯托克斯算子的各种单层和双层核的数值计算包，实现在高度优化的核独立快速多极方法包PVFMM之上。所有内核评估都是由AVX2 SIMD指令手动优化的，以最大限度地提高评估的速度。

DeepSEA是一个基于深度学习的算法框架，用于预测单核苷酸敏感性序列改变的染色质影响。DeepSEA可以准确预测序列的表观遗传状态，包括转录因子结合、DNase I敏感性和多种细胞类型的组蛋白标记，并进一步利用这一能力预测序列变异的染色质效应，优先考虑调控变异。

组织特异性相互作用:FNTM利用组织特异性金标准，从不同组织和细胞类型的大型数据纲要中自动增加与组织相关的数据集。由此产生的功能网络准确地捕获了组织特异性的功能相互作用。
多组织分析:除了关于单个基因在单个组织中的作用的问题外，FNTM还可以在大范围内检查跨组织的基因功能变化。用户可以通过在下拉菜单中选择相关组织来比较基因在不同组织中的功能相互作用。

组织特异性相互作用:GIANT利用组织特异性金标准，从不同组织和细胞类型的大型数据纲要中自动增加与组织相关的数据集。由此产生的功能网络准确地捕获了组织特异性的功能相互作用。
多组织分析:除了关于单个基因在单个组织中的作用的问题之外，GIANT还可以在大范围内检查跨组织的基因功能变化。用户可以通过在下拉菜单中选择相关组织来比较基因在不同组织中的功能相互作用。
NetWAS分析:GIANT可以有效地从全基因组关联研究(GWAS)中重新确定功能关联的优先级，并可能识别其他疾病相关基因。这种名为NetWAS的方法可以应用于任何GWAS研究，并且不需要表型或疾病具有任何已知的相关基因。

HumanBase应用机器学习算法从大量基因组数据收集中学习生物关联。这些综合分析超越了文献中现有的“生物学知识”，以识别新的、数据驱动的关联。

在多种生物体的基因-基因网络的功能背景下分析你的实验结果。使用IMP通过识别感兴趣的基因参与的途径或额外过程中的新基因参与者来指导额外的功能实验。

KNNimpute是用于估计微阵列数据中缺失值的k近邻算法的实现。在我们对几种用于缺失值估计的不同方法的比较研究中，我们确定KNNimpute在各种情况下提供了优越的性能。

该服务器执行硅纳米解剖，我们开发的一种方法，以鉴定具有新的细胞系特异性表达的基因。该方法利用来自组织匀浆的高通量功能基因组学数据来准确预测特定细胞类型中富集的基因。

SEEK是一个计算型基因共表达搜索引擎。SEEK为生物学家提供了一种浏览大量人类表达纲要的方法，该纲要现在包含数千个表达数据集。SEEK返回由用户查询基因定义的感兴趣的生物领域中共表达基因的强大排名。同时，根据用户感兴趣的查询，对上千个表情数据集进行优先级排序。SEEK的独特优势包括支持多基因查询和跨平台分析，以及丰富的可视化功能。

Sleipnir是一个c++库，可以对基因组数据进行高效的分析、集成、挖掘和机器学习。这包括对微阵列的特别关注，因为它们构成了许多生物体的大部分可用数据，但Sleipnir也可以整合各种其他数据类型，从成对物理相互作用到序列相似性或共享转录因子结合位点。所有的分析都是在关注速度和内存使用的情况下完成的，这使得涵盖数万个基因的数百个数据集得以整合。除了核心库之外，Sleipnir还附带了各种预制工具，为常见的数据处理任务和示例提供解决方案，以帮助您在自己的程序中使用Sleipnir。Sleipnir是免费的，开源的，有完整的文档，可以自己使用，也可以作为计算生物学分析的一个组件。

这是熊座星系和熊座星系(HD)的所在地。URSA和URSA(HD)利用数千个组织和疾病样本的基因表达谱，识别个体组织和疾病的不同分子特征。提交你的基因表达谱来使用这些分子特征，并确定你的数据中的组织和疾病信号。

SkellySim是一个模拟包，用于模拟细胞组件，如柔性细丝，运动蛋白和任意刚体。它被设计为具有高度可扩展性，能够同时支持OpenMP和MPI风格的并行性，同时使用高效的STKFMM/PVFMM库进行流体动力学分辨率。