熨斗的软件

这是用于跟踪由马达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，马达蛋白被建模为具有主动结合-解结合动力学的胡克弹簧，由两级动力学蒙特卡罗模型控制，以施加详细的平衡。基于几何约束优化的最先进的碰撞解决算法被纳入，以达到较长的物理动力学时间尺度。这个包是大量并行的。

这是一个用于边界积分方法中Laplace和Stokes算子的各种单层和双层核的数值计算包，在高度优化的核无关快速多极方法包PVFMM的基础上实现。所有的内核计算都由AVX2 SIMD指令手工优化，以最大限度地提高计算速度。

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的序列改变的染色质效应。DeepSEA可以准确预测序列的表观遗传状态，包括多种细胞类型中的转录因子结合、DNase I敏感性和组蛋白标记，并进一步利用这一能力预测序列变体的染色质效应，并优先考虑调控变体。

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汇编中自动增加与组织相关的数据集的权重。由此产生的功能网络准确地捕获组织特异性功能相互作用。
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，FNTM还能够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汇编中自动增加与组织相关的数据集的权重。由此产生的功能网络准确地捕获组织特异性功能相互作用。
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，GIANT还能够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，并且不要求表型或疾病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中学习生物关联。这些综合分析超越了文献中现有的“生物知识”，以确定新颖的、数据驱动的关联。

在多种生物的基因-基因网络的功能背景下分析你的实验结果。使用IMP通过识别通路中的新基因参与者或感兴趣的基因参与的附加过程来指导附加的功能实验。

KNNimpute是用于估计微阵列数据中缺失值的k-最近邻算法的实现。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在各种情况下都提供了优越的性能。

该服务器在硅纳米解剖中执行，这是我们开发的一种方法，用于识别具有新的细胞谱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，准确预测特定细胞类型中富集的基因。

SEEK是一种计算基因共表达搜索引擎。SEEK为生物学家提供了一种方法来浏览现在包含数千个表达数据集的庞大的人类表达纲要。SEEK返回用户查询基因所定义的感兴趣的生物领域的共表达基因的稳健排名。同时，它还根据用户感兴趣的查询对数千个表达式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的大量可用数据，但Sleipnir还可以集成各种其他数据类型，从成对的物理相互作用到序列相似性或共享转录因子结合位点。所有的分析都注重速度和内存使用，能够集成涵盖数万个基因的数百个数据集。除了核心库，Sleipnir还提供了各种预制工具，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、有完整文档的，可以单独使用，也可以作为计算生物学分析的组件使用。

这里现在是URSA和URSA(HD)的所在地。利用数千个组织和疾病样本的基因表达谱，URSA和URSA(HD)识别单个组织和疾病的不同分子特征。提交您的基因表达谱以使用这些分子标记，并确定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，如柔性纤维、运动蛋白和任意刚体。它被设计成高度可伸缩的，能够同时支持OpenMP和MPI风格的并行，同时使用高效的STKFMM/PVFMM库进行水动力解析。