GenomeGAN: in silico genome design with generative adversarial networks

GenomeGAN：利用生成对抗网络进行计算机基因组设计

基本信息

  • 批准号：
    19K22897
  • 负责人：
    Sato Kengo
  • 金额：
    $ 3.33万
  • 依托单位：
    Keio University
  • 依托单位国家：
    日本
  • 项目类别：
    Grant-in-Aid for Challenging Research (Exploratory)
  • 财政年份：
    2019
  • 资助国家：
    日本
  • 起止时间：
    2019-06-28 至 2022-03-31
  • 项目状态：
    已结题

项目摘要

项目成果

期刊论文数量（18）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
A max-margin training of RNA secondary structure prediction integrated with the thermodynamic model
  • DOI：
    10.1101/205047
  • 发表时间：
    2017-10
  • 期刊：
    bioRxiv
  • 影响因子：
    0
  • 作者：
    Manato Akiyama;Kengo Sato;Y. Sakakibara
  • 通讯作者：
    Manato Akiyama;Kengo Sato;Y. Sakakibara
Prediction of RNA secondary structure including pseudoknots for long sequences.
  • DOI：
    10.1093/bib/bbab395
  • 发表时间：
    2022-01-17
  • 期刊：
    Briefings in bioinformatics
  • 影响因子：
    9.5
  • 作者：
    Sato K;Kato Y
  • 通讯作者：
    Kato Y
MXfold2 Server
MXfold2服务器
  • DOI：
  • 发表时间：
  • 期刊：
  • 影响因子：
    0
  • 作者：
  • 通讯作者：
プライバシー保護技術を用いた遺伝子発現差異解析
利用隐私保护技术进行基因表达差异分析
  • DOI：
  • 发表时间：
    2021
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Kawaguchi;K.;Sakakibara;Y.;Sato;K.
  • 通讯作者：
    K.
RNA secondary structure prediction using deep learning with thermodynamic integration.
  • DOI：
    10.1038/s41467-021-21194-4
  • 发表时间：
    2021-02-11
  • 期刊：
    Nature communications
  • 影响因子：
    16.6
  • 作者：
    Sato K;Akiyama M;Sakakibara Y
  • 通讯作者：
    Sakakibara Y
{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ patent.updateTime }}

Sato Kengo其他文献

Extension of Question-Answering Program to Automatically Answering the Medical Licensing Examination to Drug Related Questions
问答系统扩展至自动回答医疗执照考试中与药品相关的问题
重心加速度を最大化する筋張力に基づく動力学解析による筋骨格ロボットの多関節筋配置法
肌肉骨骼机器人的多关节肌肉放置方法，使用基于肌肉张力的动态分析来最大化重心加速度
  • DOI：
  • 发表时间：
    2012
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Hamada Michiaki;Ono Yukiteru;Kiryu Hisanori;Sato Kengo;Kato Yuki;Fukunaga Tsukasa;Mori Ryota;Asai Kiyosh;朝岡忠,川村政貴,熊倉翔平,水内郁夫
  • 通讯作者：
    朝岡忠,川村政貴,熊倉翔平,水内郁夫
Continuous electroconvulsive therapy for a patient with recurrent post-partum psychosis
持续电惊厥治疗复发性产后精神病患者
  • DOI：
    10.1016/j.ajp.2020.102078
  • 发表时间：
    2020
  • 期刊：
    Asian Journal of Psychiatry
  • 影响因子：
    9.5
  • 作者：
    Inagawa Yuta;Okada Tsuyoshi;Yasuda Manabu;Sato Kengo;Watanabe Ryosuke;Kawai Tetsuro;Umino Mami;Inoue Koju;Suda Shiro
  • 通讯作者：
    Suda Shiro
ポストペタスケールシステムにおける超大規模グラフ最適化基盤
适用于后千万级系统的超大规模图优化平台
  • DOI：
  • 发表时间：
    2013
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Hamada Michiaki;Ono Yukiteru;Kiryu Hisanori;Sato Kengo;Kato Yuki;Fukunaga Tsukasa;Mori Ryota;Asai Kiyosh;藤澤克樹
  • 通讯作者：
    藤澤克樹
CNNのスタイル特徴と感性指標に基づく印象推定モデルと柄検索システム
基于CNN风格特征和敏感度指标的印象估计模型和模式搜索系统
  • DOI：
  • 发表时间：
    2018
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Taneda Akito;Sato Kengo;寸田菜月・飛谷謙介・竹本敦・谷伊織・谿雄祐・藤原大志・長田典子・森田修史
  • 通讯作者：
    寸田菜月・飛谷謙介・竹本敦・谷伊織・谿雄祐・藤原大志・長田典子・森田修史

Sato Kengo的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
立即体验

{{ truncateString('Sato Kengo', 18)}}的其他基金

RNA secondary structure prediction using nanopore sequencers
使用纳米孔测序仪预测RNA二级结构
  • 批准号：
    19H04210
  • 财政年份：
    2019
  • 资助金额：
    $ 3.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (B)
Investigation of new biomarker for atherosclerosis
动脉粥样硬化新生物标志物的研究
  • 批准号：
    16K08943
  • 财政年份：
    2016
  • 资助金额：
    $ 3.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
Improving the accuracy of RNA secondary structure prediction by machine learning based on next-generation sequencing data
基于新一代测序数据的机器学习提高RNA二级结构预测的准确性
  • 批准号：
    16K00404
  • 财政年份：
    2016
  • 资助金额：
    $ 3.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
Ultra-fast RNA structural alignments with pseudoknots
利用假结进行超快速 RNA 结构比对
  • 批准号：
    25330348
  • 财政年份：
    2013
  • 资助金额：
    $ 3.33万
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
Investigation of diagnostic marker for atherosclerotic disease by new bioactive peptide
新型生物活性肽对动脉粥样硬化疾病诊断标志物的研究
  • 批准号：
    25860418
  • 财政年份：
    2013
  • 资助金额：
    $ 3.33万
  • 项目类别：
    Grant-in-Aid for Young Scientists (B)
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了