Versions Compared

Key

  • This line was added.
  • This line was removed.
  • Formatting was changed.

...

  1. 建立完整的GSLA工具体系,包括开发本地应用程序、实现与GenomeSpace分析平台的连接、开发从生物途径到具体研究报道的文献挖掘工具;
  2. 基于深度学习,建立具有生物学意义,可以用于表征疾病或其他生物性状的基因集;
  3. 研发GIPS3.0版,实现由突变基因集来表征疾病;
  4. 开发基于深度学习的肿瘤细胞形态识别技术;
  5. 开发将生物途径关联到已发表文章的文献挖掘系统;
  6. 建立并优化精准医学分析流程。
  7. 将“建立拟南芥/人类预测分子相互作用网络“的整个流程标准化,包括文档说明、代码及注释、数据源及下载链接等。
  8. DCDB已找到代码及数据库,可考虑作为开源项目。
  9. 新抗原分析流程。
  10. 不同癌症阶段(早、中、末期)患者体内新抗原的数量是否有差别(同一表达量、SNV突变的cutoff情况下);是否共有某些新抗原(如某类癌症早中晚期共有某一新抗原,则认为该新抗原是此癌症特有的);新抗原的表达量、突变程度是否会随着癌症阶段的不同而改变(上升)。新抗原恶性程度的研究:不同癌症阶段(早、中、末期)患者体内新抗原的数量是否有差别(同一表达量、SNV突变的cutoff情况下);是否共有某些新抗原(如某类癌症早中晚期共有某一新抗原,则认为该新抗原是此癌症特有的);新抗原的表达量、突变程度是否会随着癌症阶段的不同而改变(上升)。
  11. 根据已有新抗原找到新抗原来源的蛋白质,研究这些蛋白质有何共性(如来源于某些通路、细胞的成分或结构),从而辅助筛选新抗原。

 

       参与本项目的人员需遵守本项目制定的代码规范及管理规范,包括变量名称的命名,注释文档的编写,代码分支的维护等。

...