Random forest

搜索
登录

Random forest

文章数：4篇

随机森林机器学习

对人体菌群样本来源部位的分类准确度提高了35%

得益于一个新的随机森林分类器，在对来自于不同人体部位的菌群样本进行分类时的准确度提高了35%。对菌群大数据的机器学习和应用方兴未艾。

随机森林机器学习溯源 Biomarkers Generalized Local Learning human microbiome

中科院遗传发育所揭示水稻微生物组全生育期动态变化规律

人类体内和植物根系都存在着数量庞大种类繁多的微生物群落（微生物组）。肠道微生物组随人类年龄的演化规律关系到人们的健康。与之类似，植物根系微生物组随植物生长的变化规律对植物健康也非常重要，与农作物营养高效利用、连作、轮作等重要问题密切相关。中国科学院遗传与发育生物学研究所，植物基因组学国家重点实验室，中国科学院-英国约翰英纳斯中心植物和微生物科学联合研究中心(CEPAMS)的白洋课题组与合作者详细描述了水稻田间全生育期根系微生物组的变化规律。该成果说明农作物的生长时期是益生菌在农业上的施用过程中需要考虑的重要因素。把农作物生殖生长期需要的益生菌在幼苗期施用，效果自然不好。该成果将为水稻根系益生菌的施用提供理论支撑。该文章作为当期封面文章发表，仅一年已经引用高达16次，并提供代码 https://github.com/microbiota/Zhang2018SCLS 以及每个图片分析的详细教程，详见延伸阅读。

水稻微生物组时间序列随机森林回归 Rice

中山大学等：菌群功能基因多样性或可预测地下水污染

来自中山大学与俄克拉荷马大学的合作研究：地下水的污染可改变其中的菌群功能基因多样性，并可利用后者预测地下水的生态系统功能。

地下水功能基因 ecosystem functioning Environmental contamination groundwater microbiome

colorectal cancer

Microbiome：FIT的剩余缓冲液就可用于大肠癌菌群检测

很多人关注这篇文章，小秘书再次分享。很多人也在关注通过粪便做大肠癌筛查，在传统的粪便隐血试验和粪便免疫化学检测(FIT)基础上，对菌群进行检测也可以作为判断是否有癌变的指标，但一般来说需要二次取样，不方便，这文章说只需要用FIT剩余缓冲液去检测就可以了，这可省多少事。。

colorectal cancer Fecal immunochemical test gut microbiome microbiota Random forest