Receber por email
← Voltar para o catálogo

ai-science-epigenomic-sequence-models

Seleção de modelo Borzoi vs Epiformer para predição de cobertura de RNA-seq vs acessibilidade da cromatina.

3estrelas
Atualizado há 6 meses

Ver no GitHub ↗

Como adicionar

/plugin marketplace add Pavel-Kravchenko/Bioinformatics

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/ai-science-epigenomic-sequence-models/svg)](https://www.skillteca.com.br/skills/ai-science-epigenomic-sequence-models)
#ai

Skills relacionadas

Ver todas de DevOps e Infra →

Alerta por categoria

Receba novas skills de DevOps e Infra toda segunda

1 email curto, só com as skills novas de DevOps e Infra. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

Epigenomic Sequence Models: Borzoi and Epiformer

Key Distinctions

  • Borzoi: sequence-only input → RNA-seq coverage at 32 bp resolution. Captures splicing, UTR usage, isoform signals
  • Epiformer: sequence + conservation track input → chromatin accessibility. Requires precomputed PhyloP scores
  • AlphaGenome (2025): unified model for expression, splicing, chromatin, 3D contacts — avoids model-selection but heavier compute

Model Choice Matrix

| Goal | Preferred model | |---|-

[Description truncada. Veja o README completo no GitHub.]

Compartilhar X LinkedIn