网络毒理学+113种机器学习+SHAP分析

深入探索网络毒理学与机器学习结合

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

• 网络毒理学与机器学习结合

• SHAP分析应用

• 数据挖掘与分析

课程目录

06.数据合并.mp4  [32.5 MB]
09.差异分析.mp4  [44.1 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]
10.WGCNA共表达分析.mp4  [72.4 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]
07.箱线图.mp4  [24.2 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]
15.化合物靶点(SEA).mp4  [29.1 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]
24.火山图.mp4  [23.0 MB]
08.PCA分析.mp4  [23.4 MB]
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.分子对接.mp4  [69.8 MB]
05.单个数据矫正【整理不易‖记得关注：CunWorKNotes】.mp4  [35.4 MB]
14.化合物靶点(SwissTargetPrediction).mp4  [26.4 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]
25.ROC曲线.mp4  [20.8 MB]