tp钱包唯一官网|gpb
作者： tp钱包唯一官网
2024-03-07 19:02:12
Page restricted | ScienceDirect
Page restricted | ScienceDirect
Your Browser is out of date.
Update your browser to view ScienceDirect.
View recommended browsers.
Request details:
Request ID: 860a176f4f8e858e-HKG
IP: 49.157.13.121
UTC time: 2024-03-07T11:02:08+00:00
Browser: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36
About ScienceDirect
Shopping cart
Contact and support
Terms and conditions
Privacy policy
Cookies are used by this site. By continuing you agree to the use of cookies.
Copyright © 2024 Elsevier B.V., its licensors, and contributors. All rights are reserved, including those for text and data mining, AI training, and similar technologies. For all open access content, the Creative Commons licensing terms apply.
Home - Genomics, Proteomics & Bioinformatics
Home - Genomics, Proteomics & Bioinformatics
GPB
Admin
Toggle navigation
Home
Issues Online
Articles Online
News
Editorial Board
About
Contact
×
Sign in
Sign in
5
4
3
2
1
CiteScore: 11.7
Impact Factor: 9.5
Genomics, Proteomics & Bioinformatics (GPB) is the official journal
of
Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation and Genetics Society of China.
The
goals of GPB are to disseminate new frontiers in the field of omics and bioinformatics, to
publish high-quality discoveries in a fast-pace, and to promote open access and online
publication via Article-in-Press for efficient publishing.
Read more...
For Authors
Authorship Agreement
论文关联数据汇交政策
Guide for Authors
Submit Manuscripts
Submit Data to GSA
Submit Data to GWH
Formatting Styles (中英文对照)
Endnote Template
Manuscript Template
News
GPB青年编委招募
2022年度“中国生物信息学十大进展”公布
2021年度“中国生物信息学十大进展”公布
2020年度“中国生物信息学十大进展”公布
“中国生物信息学十大进展”宣传页下载
Special Issues
Bioinformatics Commons—2022
Bioinformatics Commons—2021
Bioinformatics Commons—2020
Bioinformatics Commons—2019
Big Data in Brain Science
Call for Paper
Biomedical Big Data in Blood
RNA Modifications and Epitranscriptomics
Artificial Intelligence in Omics
Bioinformatics Commons
Single-cell Omics Analysis
Acknowledgements to Reviewers
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
Conferences
GFS 2023
GFS 2020
GFS 2018
Supported Conferences
NCCBB 2022
NCCBB 2021
Global Visitors
订阅渠道
各地邮局，邮发代号：82-557
科学出版社期刊发行处：010-64017032、010-64017539
搜淘宝店、微店店铺名称：中科期刊
打开手机淘宝，扫描二维码
Recent Articles
(Volume:21, Issue:5)
1. Toward Inclusiveness and Thoroughness: A Paradigm Shift from More-ever-omics to Holovivology
Jun Yu
View abstract
中文摘要
English
Native
no abstract
Chinese
Page 895-896
Download 1
2. A Historic Retrospective on the Early Bioinformatics Research in China
Runsheng Chen
View abstract
中文摘要
English
Native
no abstract
Chinese
Page 897-899
Download 1
3. From BIG Data Center to China National Center for Bioinformation
Yiming Bao, Yongbiao Xue
View abstract
中文摘要
English
Native
no abstract
Chinese
Page 900-903
Download 1
4. Toward A New Paradigm of Genomics Research: —Celebration of the 20th Anniversary of Beijing Institute of Genomics
Zhang Zhang, Songnian Hu, Jun Yu
View abstract
中文摘要
English
Native
Twenty years after the completion and forty years after the proposal of the Human Genome Project (HGP), genomics, together with its twin field — bioinformatics, has entered a new paradigm, where its bioscience-related, discipline-centric applications have been creating many new research frontiers. Beijing Institute of Genomics (BIG), now also known as China National Center for Bioinformation (CNCB), will play key roles in supporting and participating in these frontier research activities. On the 20th anniversary of the establishment of BIG, we provide a brief retrospective of its historic events and ascertain strategic research directions with a broader vision for future genomics, where digital genome, digital medicine, and digital health are so structured to meet the needs of human life and healthcare, as well as their related metaverses.
Chinese
Page 904-909
Download 1
5. Revolutionizing Antibody Discovery: An Innovative AI Model for Generating Robust Libraries
Yaojun Wang, Shiwei Sun
View abstract
中文摘要
English
Native
no abstract
Chinese
Page 910-912
Download 1
6. Protein Structure Prediction: Challenges, Advances, and the Shift of Research Paradigms
Bin Huang, Lupeng Kong, Chao Wang, Fusong Ju, Qi Zhang, Jianwei Zhu, Tiansu Gong, Haicang Zhang, Chungong Yu, Wei-Mou Zheng, Dongbo Bu
View abstract
中文摘要
English
Native
Protein structure prediction is an interdisciplinary research topic that has attracted researchers from multiple fields, including biochemistry, medicine, physics, mathematics, and computer science. These researchers adopt various research paradigms to attack the same structure prediction problem: biochemists and physicists attempt to reveal the principles governing protein folding; mathematicians, especially statisticians, usually start from assuming a probability distribution of protein structures given a target sequence and then find the most likely structure, while computer scientists formulate protein structure prediction as an optimization problem — finding the structural conformation with the lowest energy or minimizing the difference between predicted structure and native structure. These research paradigms fall into the two statistical modeling cultures proposed by Leo Breiman, namely, data modeling and algorithmic modeling. Recently, we have also witnessed the great success of deep learning in protein structure prediction. In this review, we present a survey of the efforts for protein structure prediction. We compare the research paradigms adopted by researchers from different fields, with an emphasis on the shift of research paradigms in the era of deep learning. In short, the algorithmic modeling techniques, especially deep neural networks, have considerably improved the accuracy of protein structure prediction; however, theories interpreting the neural networks and knowledge on protein folding are still highly desired.
Chinese
要点介绍：
蛋白质结构预测是一个跨学科的研究课题，吸引了生物化学、医学、物理学、数学和计算机科学等多个领域的研究者。这些研究者采用不同的研究范式来解决相同的结构预测问题：生物化学家和物理学家试图揭示控制蛋白质折叠的原理；数学家，尤其是统计学家，通常从假设在给定目标序列的情况下蛋白质结构的概率分布开始，并找到最可能的结构；而计算机科学家将蛋白质结构预测形式化为优化问题——找到能量最低的结构构象，或者最小化预测结构与原生结构之间的差异。这些研究范式属于L. Breiman提出的两种统计建模文化，即数据建模和算法建模。最近，我们也见证了深度学习在蛋白质结构预测中的巨大成功。
研究方法：
在本文中，我们总结了蛋白质结构预测方面的研究成果。我们比较了来自不同领域的研究者采用的研究范式，并强调了在深度学习时代的研究范式转变。总的来说，算法建模技术，特别是深度神经网络，显著提高了蛋白质结构预测的准确性；然而，解释神经网络和了解蛋白质折叠的理论仍然是非常必要的。
Page 913-925
Download 1
7. Decoding Human Biology and Disease Using Single-cell Omics Technologies
Qiang Shi, Xueyan Chen, Zemin Zhang
View abstract
中文摘要
English
Native
Over the past decade, advances in single-cell omics (SCO) technologies have enabled the investigation of cellular heterogeneity at an unprecedented resolution and scale, opening a new avenue for understanding human biology and disease. In this review, we summarize the developments of sequencing-based SCO technologies and computational methods, and focus on considerable insights acquired from SCO sequencing studies to understand normal and diseased properties, with a particular emphasis on cancer research. We also discuss the technological improvements of SCO and its possible contribution to fundamental research of the human, as well as its great potential in clinical diagnoses and personalized therapies of human disease.
Chinese
自2009年汤富酬教授首次开发出单细胞转录组测序技术以来，各种单细胞组学（single-cell omics, SCO）测序方法已经广泛应用于揭示细胞在基因组、表观基因组、转录组和蛋白质组等分子层面的特征。SCO技术和相关计算方法的迅速发展在癌症、发育、免疫、再生医学和植物等研究领域都发挥了极其重要的推动作用。SCO测序技术也因此先后两次被《自然方法》杂志评选为年度方法。
围绕着SCO技术，该综述论文主要涵盖4方面内容：
内容1：技术发展。总结和比较了单细胞基因组、转录组、表观基因组和单细胞多组学等方法的特征和异同。
内容2：计算方法。介绍了单细胞转录组和多组学数据分析的基本逻辑、流程和代表性算法。
内容3：应用成果。探讨了SCO技术在生理和疾病状态下揭示的细胞异质性、肿瘤微环境、免疫治疗新靶点、新冠肺炎研究以及海量数据资源等方面的代表性成果。
内容4：未来展望。讨论了SCO自身技术发展和其在基础研究和临床应用的前景，强调了其在疾病诊断和个性化治疗等领域的巨大潜力。
Page 926-949
Download 1
View More
Most Cited Articles
1. Exosome and exosomal microRNA: Trafficking, sorting, and
function
Jian Zhang | Sha Li | Lu Li | Meng Li | Chongye Guo | Jun Yao | Shuangli Mi
2. PacBio Sequencing and Its Applications
Anthony Rhoads | Kin Fai Au
3. N6-methyl-adenosine (m6A) in RNA: An Old Modification with A Novel
Epigenetic
Function
Yamei Niu | Xu Zhao | Yong Sheng Wu | Ming Ming Li | Xiu Jie Wang | Yun Gui Yang
View More
Related Links
Chinese Academy of
Sciences
Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation
Genetics Society
of China
Elsevier
Science
Bulletin
Life
Omics
Bioon
Keystone_Symposia
© 2024
Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation All rights
reserved.
Site maintained by National Genomics Data Center, Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation.
1 GBP 兑换为 CNY | 将 英镑 转换为 中国人民币 | XE
P 兑换为 CNY | 将 英镑 转换为 中国人民币 | XE跳至内容个人商业付款转换器货币数据 API工具货币图表任何货币的趋势汇率通知设置目标汇率并获取通知历史货币汇率查看任何日期的汇率IBAN 计算器搜索并验证 IBAN应用智能手机应用等更多工具资源常见问题解答推荐好友博客汇款技巧货币百科全书货币通讯术语表更多资源登录汇款汇率通知注册汇款汇率通知付款转换器货币数据 API工具货币图表任何货币的趋势汇率通知设置目标汇率并获取通知历史货币汇率查看任何日期的汇率IBAN 计算器搜索并验证 IBAN应用智能手机应用等更多工具资源常见问题解答推荐好友博客汇款技巧货币百科全书货币通讯术语表更多资源登录登录汇款汇率通知注册注册汇款汇率通知1 GBP 兑换为 CNYXe 货币转换器转换汇款图表通知金额1£从GBP – 英镑到CNY – 中国人民币1.00 英镑 =9.1704911 中国人民币1 CNY = 0.109045 GBP我仅的仅仅器会使用中期市仅仅率。仅仅供参考。您仅款仅不会仅得此仅率。 仅看仅款仅率。查看汇款报价英镑 兑换为 中国人民币 — 最近更新时间：2024年3月7日 UTC 08:30將 英镑 转换为 中国人民币GBPCNY1 GBP9.17049 CNY5 GBP45.8525 CNY10 GBP91.7049 CNY25 GBP229.262 CNY50 GBP458.525 CNY100 GBP917.049 CNY500 GBP4,585.25 CNY1,000 GBP9,170.49 CNY5,000 GBP45,852.5 CNY10,000 GBP91,704.9 CNY將 中国人民币 转换为 英镑CNYGBP1 CNY0.109045 GBP5 CNY0.545227 GBP10 CNY1.09045 GBP25 CNY2.72614 GBP50 CNY5.45227 GBP100 CNY10.9045 GBP500 CNY54.5227 GBP1,000 CNY109.045 GBP5,000 CNY545.227 GBP10,000 CNY1,090.45 GBPGBP 兑 CNY 图表1 GBP = 0 CNY 查看完整图表1 英镑兑 中国人民币 统计数据过去 30 天过去 90 天高位这些是过去 30 天和 90 天内的最高汇率。9.16609.1660低这些是过去 30 天和 90 天内的最低汇率。8.97648.9764平均这些是这两种货币在过去 30 天和 90 天的平均汇率。9.08819.0643波动率这些百分比显示了过去 30 天和 90 天内的汇率波动幅度。阅读全文0.20%0.33%货币信息GBP - 英镑我们的货币排名显示最热门的 英镑 汇率是 GBP 兑 USD 汇率。 英镑的货币代码为 GBP。 货币符号为 £。More 英镑 infoCNY - 中国人民币我们的货币排名显示最热门的 中国人民币 汇率是 CNY 兑 USD 汇率。 中国人民币的货币代码为 CNY。 货币符号为 ¥。More 中国人民币 info热门 英镑 (GBP) 货币配对将 GBP 转换为 USD将 GBP 转换为 EUR将 GBP 转换为 GBP将 GBP 转换为 JPY将 GBP 转换为 CAD将 GBP 转换为 AUD将 GBP 转换为 CHF将 GBP 转换为 ZAR全球最受欢迎的货币工具XE 国际汇款快捷安全地在线汇款。实时跟踪和通知外加灵活的交付和付款选项。付款XE Currency 图表为全球任何货币对创建图表，以查看其货币历史记录。这些货币图表使用实时中期市场汇率，易于使用且非常可靠。查看图表XE 汇率通知需要知道某个货币何时达到特定汇率？“XE 汇率通知”将在所选货币对触及所需汇率时通知您。创建通知XE Currency 数据 API为全球 300 多家公司提供商业级汇率支持了解更多下载 XE 应用查看实时汇率、安全地汇款、设置汇率通知、接收通知等等。扫描这里！超过 7000 万次全球下载量4.5/5, 2200 ratings3,8/5, 9.08 万 ratings4.7/5, 4.15 万 ratings语言简体中文EnglishEnglish (UK)DeutschEspañolFrançaisPortuguêsItalianoSvenska日本語繁體中文العربية汇款在线汇款汇款到印度汇款到巴基斯坦汇款到墨西哥汇款到日本汇款到英国汇款到加拿大汇款至澳大利亚汇款到新西兰向移动钱包汇款安全举报欺诈行为Trustpilot 评论XE 商业商业付款国际商业付款全球商业付款Risk Management企业资源规划货币数据 API 集成联盟推荐合作伙伴计划大规模付款应用汇款和货币应用Android 汇款应用iOS 汇款应用工具与资源博客货币转换器货币图表历史货币汇率货币百科全书货币汇率通知货币通讯IBAN 计算器术语表公司信息关于我们合作关系诚聘英才常见问题解答站点地图法律隐私Cookie 政策Consent Manager汇款重要信息提交投诉可达性© 1995-2024 XE.com INews - Genomics, Proteomics & Bioinformatics
News - Genomics, Proteomics & Bioinformatics
GPB
Admin
Toggle navigation
Home
Issues Online
Articles Online
News
Editorial Board
About
Contact
×
Sign in
Sign in
News
2022年度“中国生物信息学十大进展”公布
ADMIN | 2023-03-03 21:42:43.0
为推动我国生物信息学的学科发展和创新研究，充分展示和宣传我国生物信息学领域的重大研究成果，《基因组蛋白质组与生物信息学报》（Genomics, Proteomics & Bioinformatics, 简称GPB）组织评选了2018年度、2019年度、2020年度和2021年度“中国生物信息学十大进展”。在此基础上，GPB继续组织2022年度评选活动，经过推荐、初选和复选程序，现公布2022年度“中国生物信息学十大进展”评选结果（排名不分先后，按标题首字母顺序排序）。感谢所有专家秉持专业和公正的态度参与本年度十大进展的推荐和评选；祝贺所有入选工作的团队！同时祝愿大家在2023新的一年里健康平安、工作顺利、大展宏图、硕果累累！ 评审委员会 2023年3月3日数据驱动的蛋白质从头设计蛋白质从头设计可以打破自然进化的约束，按需设计自然界不存在的具有特定空间结构和预期功能的蛋白质，在生物医药、绿色制造等领域具有广阔的应用前景。中国科学技术大学刘海燕、陈泉团队基于数据驱动原理建立用人工神经网络表示的统计能量模型，首次实现并实验验证能够在氨基酸序列待定的前提下连续广泛地搜索主链结构空间，自动产生有高可设计性的主链结构，通过此设计路线成功设计多个自然界不存在的全新结构的人工蛋白，建立了一条全新的蛋白设计路线。该工作实现了关键核心技术的原始创新，为按需设计功能蛋白奠定了坚实的基础。该成果发表于Nature图：用SCUBA模型进行蛋白质设计的原理数据链接https://www.wwpdb.org/pdb?id=pdb_00007dmf https://www.wwpdb.org/pdb?id=pdb_00007dkk https://www.wwpdb.org/pdb?id=pdb_00007dko https://www.wwpdb.org/pdb?id=pdb_00007dgu https://www.wwpdb.org/pdb?id=pdb_00007dgw https://www.wwpdb.org/pdb?id=pdb_00007dgy https://www.wwpdb.org/pdb?id=pdb_00007fbb https://www.wwpdb.org/pdb?id=pdb_00007fbc https://www.wwpdb.org/pdb?id=pdb_00007fbd 工具链接https://doi.org/10.5281/zenodo.4533424 原文信息Huang B, Xu Y, Hu X, Liu Y, Liao S, Zhang J, et al. A backbone-centred energy function of neural networks for protein design. Nature 2022;602:523–8. PMID: 35140398.原文链接https://www.nature.com/articles/s41586-021-04383-5 ▲ 长按阅读原文丰富注释的赖氨酸修饰数据库——CPLM 4.0蛋白质赖氨酸修饰是重要的蛋白质翻译后修饰之一，它通过修饰基团共价偶联到底物蛋白的特定赖氨酸位点上，进而影响生物体内的多种生理病理过程。华中科技大学薛宇团队构建的第四版赖氨酸修饰数据库中，整理了文献及其他8个翻译后修饰位点数据库中的数据，将收录的赖氨酸修饰信息条目拓展至592,606条，其中包含新收录的9种重要赖氨酸修饰类型。至此，CPLM 4.0 整合了219个物种中的29种赖氨酸修饰，共包含463,156个鉴定的赖氨酸修饰位点。此外，团队利用105个公共数据库为这些收录的赖氨酸修饰蛋白质作了详细的注释，为研究者提供了全面整合的综合信息。该成果发表于Nucleic Acids Research图：CPLM 4.0 收录数据数据库链接https://cplm.biocuckoo.cn/ 原文信息Zhang W, Tan X, Lin S, Gou Y, Han C, Zhang C, et al. CPLM 4.0: an updated database with rich annotations for protein lysine modifications. Nucleic Acids Research 2022;50:D451–9. PMID: 34581824.原文链接https://academic.oup.com/nar/article/50/D1/D451/6377396 ▲ 长按阅读原文全球生物数据库目录——Database Commons生物数据库作为全球各类生命科学研究的基础支撑，极大促进了大数据向知识的转化，并推动了众多研究领域的重要创新。为建立全球生物数据库目录，中国科学院北京基因组研究所（国家生物信息中心）章张、马利娜团队构建了Database Commons数据库。该团队联合国内外多家科研机构，历经7年多的时间开展数据积累和功能完善，基于8992篇文献，审编了分布于72个国家/地区的由1992个机构开发的5899个生物数据库。同时，设计了z-index用于评估数据库的科学影响，并根据数据库文章引用和z-index对所有生物数据库及其隶属机构和国家进行排名。因此，Database Commons提供了全球生物数据库的系列统计数据和趋势，为更好地了解数据库发展态势及其对生命健康科学的影响提供全球视角。该成果发表于Genomics, Proteomics & Bioinformatics图：Database Commons数据库内容概要（统计信息截至2023年2月28日）数据库链接https://ngdc.cncb.ac.cn/databasecommons/ 原文信息Ma L, Zou D, Liu L, Shireen H, Abbasi AA, Bateman A, et al. Database Commons: a catalog of worldwide biological databases. Genomics, Proteomics & Bioinformatics 2022;DOI: 10.1016/j.gpb.2022.12.004. PMID: 36572336.原文链接https://www.sciencedirect.com/science/article/pii/S1672022922001693?via%3Dihub▲ 长按阅读原文基于空间转录组的生物组织亚结构解析新工具——STAGATE空间转录组学技术的重大进展使研究人员得以在全基因组层面测量组织切片中特定空间位点的基因表达信息。精确破译空间域是空间转录组数据解析中最基本和关键的环节。然而，现有方法并没有充分利用数据的空间位置信息，导致识别结果极易受到技术噪音的影响。中国科学院数学与系统科学研究院张世华团队针对不同空间转录组技术、不同生物组织建立了破译生物组织空间亚结构的人工智能算法与工具——STAGATE。随着空间转录组技术的日益进步、推广和数据的不断积累，该方法为解析空间数据提供了一个综合高效的工具，将对大规模空间转录组数据的精确解析提供助力。该成果发表于Nature Communications图：STAGATE算法的工作原理示意图工具链接https://github.com/zhanglabtools/STAGATE https://doi.org/10.5281/zenodo.6330702 原文信息Dong K, Zhang S. Deciphering spatial domains from spatially resolved transcriptomics with an adaptive graph attention auto-encoder. Nature Communications 2022;13:1739. PMID:35365632.原文链接https://www.nature.com/articles/s41467-022-29439-6 ▲ 长按阅读原文基于人工智能神经网络的基因组解读系统——Nvwa预测基因表达和解析基因调控机制一直是基因组学的重要目标。浙江大学郭国骥、韩晓平和王晶晶团队利用自主构建的高通量单细胞测序平台Microwell-seq绘制了斑马鱼、果蝇和蚯蚓的全身单细胞转录组图谱，并探究了八种代表性后生动物细胞类型的跨物种可比性。团队进一步提出了深度学习模型Nvwa（女娲），首次完全基于基因组序列实现了单细胞分辨率下的基因表达预测，学习了谱系特异性调控基序，并解析了各组织细胞类型的调节程序。团队基于Nvwa模型Filter的跨物种比较，发现同源Filter倾向于保持细胞类型的特异性。该工作首次建立了物种层面基因组编码细胞图谱的整合模型，并为解码多物种基因调控程序和预测元件突变表型提供了宝贵资源。该成果发表于Nature Genetics 图：深度学习模型Nvwa（女娲）数据链接https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE178151 https://figshare.com/s/ecc05b1051fb5678fd3e http://bis.zju.edu.cn/nvwa 工具链接https://github.com/JiaqiLiZju/Nvwa/ https://zenodo.org/record/6806748 原文信息Li J, Wang J, Zhang P, Wang R, Mei Y, Sun Z, et al. Deep learning of cross-species single-cell landscapes identifies conserved regulatory programs underlying cell types. Nature Genetics 2022;54:1711–20. PMID: 36229673.原文链接https://www.nature.com/articles/s41588-022-01197-7 ▲ 长按阅读原文肝癌免疫微环境亚型和中性粒细胞异质性免疫微环境异质性是肿瘤耐药和转移的重要原因之一；系统探究免疫微环境的异质性规律对治疗选择、疗效预测及新靶点开发意义重大。北京大学张宁、张泽民和朱继业团队合作，综合利用单细胞测序、空间转录组测序和外显子测序对189个人和小鼠肝癌样本的微环境进行分析。该研究首次在单细胞精度刻画了肝癌的五种免疫微环境亚型并命名为TIMELASER分型系统，揭示其细胞组成、空间分布、驱动突变、趋化因子网络和预后相关性。该研究也首次揭示肝癌的中性粒细胞异质性，阐明CCL4阳性和PD-L1阳性的肿瘤相关中性粒细胞的促肿瘤机制，最终通过构建新的小鼠自发肝癌动物模型证明靶向肿瘤相关中性粒细胞有望形成新的肝癌治疗策略。该成果发表于Nature图：肝癌免疫微环境TIMELASER分型系统和中性粒细胞异质性数据链接https://ngdc.cncb.ac.cn/bioproject/browse/PRJCA007744 工具链接http://meta-cancer.cn:3838/scPLC/ https://github.com/meta-cancer/scPLC 原文信息Xue R, Zhang Q, Cao Q, Kong R, Xiang X, Liu H, et al. Liver tumour immune microenvironment subtypes and neutrophil heterogeneity. Nature 2022;612:141–7. PMID: 36352227.原文链接https://www.nature.com/articles/s41586-022-05400-x▲ 长按阅读原文单细胞多组学数据整合与调控推断算法——GLUE单细胞多组学研究对于精确解析细胞状态与基因调控机制具有重要意义，但由于不同组学特征空间不同、异质性强，单细胞多组学数据的整合分析面临挑战。为解决这一问题，北京大学/昌平实验室高歌团队提出基于生成-对抗学习的图耦联策略，通过直接对调控关系进行建模以实现跨组学特征在隐空间的自适应关联。以此为基础开发的GLUE算法首次实现了统一框架下百万级非配对单细胞多组学数据的无监督整合与同步调控推断，可广泛应用于包括基因表达、染色质开放性、DNA甲基化等多种组学数据的分析挖掘。该成果发表于Nature Biotechnology图：GLUE模型的结构示意图工具链接https://github.com/gao-lab/GLUE 原文信息Cao ZJ, Gao G. Multi-omics single-cell data integration and regulatory inference with graph-linked embedding. Nature Biotechnology 2022;40:1458–66. PMID: 35501393.原文链接https://www.nature.com/articles/s41587-022-01284-4 ▲ 长按阅读原文Stereo-seq绘制高精度生命全景时空基因表达地图细胞是生命的基本功能单元。细胞类型、定位和细胞间通讯的分析对于理解器官功能、个体发育、人类疾病和物种器官演化至关重要。华大生命科学研究院汪建、徐讯主导的团队联合中国科学院广州生物医药与健康研究院、郑州大学、深圳湾实验室、广东省基因组读写实验室等多家机构基于自主DNA纳米球测序技术，研发了高精度大视场空间转录组技术Stereo-seq，将认识生命的分辨率推进到了500 nm的亚细胞级。相比过去同类技术，分辨率提升了200倍，视野大小提升了483倍。基于该技术，华大首次绘制了小鼠胚胎发育过程中迄今为止最高精度最全面的时空基因表达数据集，在全胚胎尺度分析了细胞类型的空间多样性，并配套开发了时空组学数据分析平台和在线交互数据库。在此基础上，华大主导发起了时空组学国际联盟（STOC），吸引了来自30多个国家200多个科研团队参与。该成果发表于Cell图：利用大视场纳米级分辨率时空组学技术构建具有单细胞分辨率的小鼠胚胎器官发育时空基因表达图谱数据链接https://db.cngb.org/search/project/CNP0001543 工具链接https://github.com/BGIResearch/SAW https://db.cngb.org/stomics/mosta/ 原文信息Chen A, Liao S, Cheng M, Ma K, Wu L, Lai Y, et al. Spatiotemporal transcriptomic atlas of mouse organogenesis using DNA nanoball-patterned arrays. Cell 2022;185:1777–92.e21. PMID:35512705.原文链接https://www.sciencedirect.com/science/article/pii/S0092867422003993 ▲ 长按阅读原文基因组复杂结构变异检测方法——SVision基因组结构变异是物种进化和疾病发生的重要驱动因素，对结构变异的全面精准检测表征是基因组精细结构研究的核心环节，然而目前尚缺乏针对基因组重复区域复杂结构变异的检测策略。西安交通大学叶凯团队针对基因组重复区域背景噪声高、复杂结构变异类型未知且建模难，通过将基因组结构变异检测从序列空间转换为图像空间，实现了简单和复杂类型结构变异的高性能检测和准确表征。团队开发了基于深度学习的多目标识别方法SVision，该方法无需依赖先验信息，能够从长读长测序数据中自动检测和表征未知类型的基因组结构变异，为后续多种生物医学应用场景的全类型基因组结构变异研究提供了有力工具和新方案。该成果发表于Nature Methods 图：SVision算法流程图及三个主要模块工具链接https://github.com/xjtu-omics/SVisionhttps://doi.org/10.24433/CO.8937098.v1 原文信息Lin J, Wang S, Audano PA, Meng D, Flores JI, Kosters W, et al. SVision: a deep learning approach to resolve complex structural variants. Nature Methods 2022;19:1230–3. PMID: 36109679.原文链接https://www.nature.com/articles/s41592-022-01609-w▲ 长按阅读原文疗效药物靶标的比较图谱构建及数据库开发——TTD随着药物靶标（以下简称“药靶”）数据的不断累积，针对药靶数据的比较性研究（如对药靶活性分子的结构比较与分类、类药性比较与排序等）对新药发现至关重要。基于此，浙江大学朱峰、裘云庆团队和清华大学/宁波大学陈宇综团队合作开展了全面的药靶比较性研究，构建了药靶所有活性分子的“结构-活性”、“类药性”等比较图谱。研究涵盖了超过35,000个药物（包括FDA已批准、临床研究、临床前等药物）作用的疗效药靶，并将结果整合到团队前期开发的TTD数据库中。相关研究结果不仅可以提供药靶活性分子的骨架类型、定量构效关系和活性悬崖等重要信息，更有助于促进对药靶可药靶性的认识和对活性分子类药性的深入理解，为药物设计与新药发现提供了不可或缺的重要支持。该成果发表于Nucleic Acids Research图：疗效药物靶标的比较图谱构建数据库链接http://bidd.group/group/cjttd/原文信息Zhou Y, Zhang Y, Lian X, Li F, Wang C, Zhu F, et al. Therapeutic target database 2022: facilitating drug discovery with enriched comparative data of targeted agents. Nucleic Acids Research 2022;50:1398–407. PMID: 34718717.原文链接https://academic.oup.com/nar/article/50/D1/D1398/6413598▲ 长按阅读原文About GPB(扫码关注期刊微信公众号)Genomics, Proteomics & Bioinformatics（基因组蛋白质组与生物信息学报，简称GPB）于2003年创刊，是由中国科学院主管、中国科学院北京基因组研究所（国家生物信息中心）与中国遗传学会共同主办的英文学术期刊，由Elsevier金色开放获取（Gold Open Access）出版。刊载来自世界范围内组学、生物信息学及相关领域的优质稿件。现为中国科学引文数据库（CSCD）和中国科技论文与引文数据库（CSTPCD）核心期刊，被SCIE、PubMed / MEDLINE、Scopus等数据库收录。2022年公布的官方数据显示，CiteScore为12.0，2年和5年Impact Factor分别为6.409和10.196。期刊由科技部等七部门联合实施的“中国科技期刊卓越行动计划”资助（2019–2023）。（扫码访问期刊主页）
© 2024
Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation All rights
reserved.
Site maintained by National Genomics Data Center, Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation.
中科院1区国产Top期刊，发文量稳定，首个影响因子6分+，预计今年IF继续上升，将保持在7分左右 - 知乎
中科院1区国产Top期刊，发文量稳定，首个影响因子6分+，预计今年IF继续上升，将保持在7分左右 - 知乎切换模式写文章登录/注册中科院1区国产Top期刊，发文量稳定，首个影响因子6分+，预计今年IF继续上升，将保持在7分左右沃斯学术快速录用SCI快速录用、SCI润色、SCI查重/降重今天我们来看看这本国产期刊：GENOMICS PROTEOMICS & BIOINFORMATICS，简称GPB，中文名《基因组蛋白质组与生物信息学报》，创刊于2003年，是由中国科学院北京基因组研究所（国家生物信息中心）和中国遗传学会共同主办的英文科技期刊，杂志由 Elsevier BV 出版或管理。期刊主编为于军博士，胡松年博士担任执行副主编，方向东、雷红星、章张和朱衡博士担任副主编。GENOMICS PROTEOMICS & BIOINFORMATICS位于JCR分区Q1区，在178本遗传学领域期刊中排第17位，位于期刊引用报告（JCR）“遗传学与遗传性”学科领域前10%。GENOMICS PROTEOMICS & BIOINFORMATICS在中科院分区：大类学科生物学1区，小类学科遗传学：1区。影响因子分析以及预测GENOMICS PROTEOMICS & BIOINFORMATICS于2017年被SCI收录，首个影响因子高达6.615分，2019年略有下跌，仍然保持在6分+，去年影响因子首次突破7分！目前，这本杂志2018,2019年的文章在2020年的总引用数为712次（6月29日发稿前），文章数目是94篇。所以计算的即时影响因子是712/94=7.6559分。根据目前的引用频次，预计在2021年，GENOMICS PROTEOMICS & BIOINFORMATICS影响因子分数将略有上升，保持在7分左右！杂志网站审稿周期GENOMICS PROTEOMICS & BIOINFORMATICS期刊审稿速度一般。以下是在官网随机搜索的几篇文章，从投稿到接收，基本在3-5个月左右时间。第一篇Review Article类型文章“mrMLM v4.0.2: An R Platform for Multi-locus Genome-wide Association Studies ”于2019年10月22号投稿，2020年03月27号接收，从投稿到接收用时5个月左右时间。Received 22 October 2019, Revised 27 March 2020, Accepted 8 September 2020, Available online 18 December 2020.第二篇Review Article类型文章“G9a/GLP-sensitivity of H3K9me2 Demarcates Two Types of Genomic Compartments”于2020年06月30号投稿，2020年10月26号接收，从投稿到接收用时3个多月时间，不到四4个月。Received 30 June 2020, Accepted 26 October 2020, Available online 5 December 2020.第三篇Original Research “G9a/GLP-sensitivity of H3K9me2 Demarcates Two Types of Genomic Compartments”于2020年06月30号投稿，2020年10月26号接收，从投稿到接收用时3个多月时间。Received 30 June 2020, Accepted 26 October 2020, Available online 5 December 2020.第四篇Original Research “m6A Regulates Liver Metabolic Disorders and Hepatogenous Diabetes”于2019年09月29号投稿，2020年04月17号接收，从投稿到接收用时5个多月时间。Received 29 September 2019, Revised 17 April 2020, Accepted 11 June 2020, Available online 5 November 2020.第五篇Original Research “Transcriptomic and Proteomic Analysis of Mannitol-metabolism-associated Genes in Saccharina japonica”于2018年05月15号投稿，2018年12月14号接收，从投稿到接收用时6个月左右时间。Received 15 May 2018, Revised 20 October 2018, Accepted 14 December 2018, Available online 25 November 2020.年度发文量根据Web of Science收录论文的统计上，GENOMICS PROTEOMICS & BIOINFORMATICS从2015年至今，共收录242篇。文章类型上，以Article为主，共158篇，占比约65%，Review类型382篇，占比33%，而LETTER仅2篇%。根据WOS收录的文章来看，期刊的年发文量稳定，平均在40篇左右。2016年35篇，2017年39篇，2018年42篇，2019年52篇，2020年31篇。根据Web of Science收录的论文来看，目前发文量最多的为中国学者，共163篇，占比67%左右，其次是美国学者67篇，占比约28%，德国学者发文18篇，占比5%左右，发文量居第三位！从发文机构来看，发文量前三的都是国内机构，中国科学院发文量居第一位，共56篇，占比约23%；中国科学院大学发文33篇，占比约13%；北京大学发文共20篇，占比约8%左右。版面费GENOMICS PROTEOMICS & BIOINFORMATICS 作为一种免费的开放获取期刊，在期刊上发表文章，作者需要支付3500美金的出版费。期刊范围GENOMICS PROTEOMICS & BIOINFORMATICS 对生命科学、生物学和生物医学的所有领域的提交感兴趣，专注于大数据的获取、分析和管理。主要刊载：基因组学、蛋白质组学、生物信息学及其相关领域的综述(Reviews)、研究论文(Research articles)、实验技术与方法(Methods)、应用说明(Application Notes)、数据库资料(Datebase Review / Datebase Update)、评论(Essays / Commentaries / Opinions)、观点(Perspectives)、简报和会议报告(Brief Reports / Meeting Reports)、研究资源(Research Resources)等高质量的稿件，突出刊物的学术性、前沿性、指导性和实用性。总得来说，GENOMICS PROTEOMICS & BIOINFORMATICS期刊收录范围广，发文量稳定，国人发文量占第一位，对国人也十分友好，影响因子保持着上升趋势！版权声明：本文转自“E探索医学”，文章转载只为学术传播，不代表本号观点，无商业用途，版权归原作者所有，如涉及侵权问题，请联系我们，我们将及时修改或删除。发布于 2021-06-29 14:19科学引文索引（SCI）JCR分区SCI期刊赞同 3添加评论分享喜欢收藏申请
生物信息/微生物组期刊推荐：Genomics, Proteomics & Bioinformatics - 知乎
生物信息/微生物组期刊推荐：Genomics, Proteomics & Bioinformatics - 知乎首发于生信宝典切换模式写文章登录/注册生物信息/微生物组期刊推荐：Genomics, Proteomics & Bioinformatics生信宝典 陈同中国科学院遗传与发育生物学研究所 生物信息博士点击蓝字 关注我们期刊简介Genomics, Proteomics & Bioinformatics (GPB)是中国科学院北京基因组研究所/中国生物信息中心与中国遗传学会的官方期刊。GPB的目标是传播组学和生物信息学领域的新前沿，以快节奏发表高质量的发现，并通过文章出版促进开放获取和在线出版。研究方向包括生命科学、生物学和生物医学领域，侧重大数据采集、分析和管理。GPB已被SCIE、PubMed/MEDLINE、PubMed Central、Scopus、BIOSIS Previews、Chemical Abstracts、CSCD等收录。版面费：OA的形式出版，版面费为USD 3500 （24994.47元）期刊官网：http://gpb.big.ac.cn/home投稿网站：https://www.editorialmanager.com/gpb/default.aspx影响影子及分区通过Genomics, Proteomics & Bioinformatics 官网、Letpub 网站和格桑助手查询，期刊近五年影响因子平稳增长保持在6-8左右，2022年影响因子上升至9.5，CiteScore 达到11.7。在多学科排名中位列12/171，JCR分区Q1，中科院SCI期刊分区升级版2区。如下图：研究方向通过Web of Science 网站查询， Genomics, Proteomics & Bioinformatics 期刊研究方向主要包括遗传学、生物化学、生命科学、生物医学和数学计算生物学等方向。如下图：发文情况通过Web of Science 网站查询， Genomics, Proteomics & Bioinformatics 期刊发文类型包括研究论文、综述论文、社论和其他类型文章，前三种文章类型占比90%以上。通过Web of Science 网站查询， Genomics, Proteomics & Bioinformatics 期刊2022年以前的年发文量均低于100篇，2022年发文量达到117篇，发文具有上涨趋势。通过 Journal Citation Reports 和Letpub网站查询：Genomics, Proteomics & Bioinformatics 期刊2022年以前长文（Citable items）年均发文量30-40篇之间，2022年长文量73篇。近5年长文占总发文量比例均值为59%。具体如下表：期刊自引率根据 Letpub 网站统计，Genomics, Proteomics & Bioinformatics 期刊近五年自引率有所浮动，但均在5%以内，2019和2020年更是低至0.5%以内，2022年上升至4.2%，总体而言，该期刊自引率较低。如下图：审稿速度通过格桑助手查询， Genomics, Proteomics & Bioinformatics 期刊投稿周期297.5天，录用到见刊9天。投稿周期较慢。发文国家地区及机构通过Web of Science 网站查询， Genomics, Proteomics & Bioinformatics 期刊发文量前三的国家为中国、美国和印度。Genomics, Proteomics & Bioinformatics 期刊发文排前的机构分别是中国科学院、中国科学院大学、中国科学院北京基因组研究所、北京大学和复旦大学等。综上，Genomics, Proteomics & Bioinformatics 作为微生物学领域期刊，影响因子稳定增长，自引率较低，投稿周期较长，是值得试投国的产优秀期刊。生物信息/微生物组往期期刊推荐● 生物信息/微生物组期刊推荐：Nature Biotechnology● 生物信息/微生物组期刊推荐：Microbiome● 生物信息/微生物组期刊推荐：ISME Journal● 生物信息/微生物组期刊推荐：mSystems● 生物信息/微生物组期刊推荐：mBio● 生物信息/微生物组期刊推荐：Genome Research● 生物信息/微生物组期刊推荐：Genome Biology● 生物信息/微生物组期刊推荐：Gigascience更多推荐（▼ 点击跳转）高引文章 ▸▸▸▸iMeta | 德国国家肿瘤中心顾祖光发表复杂热图(ComplexHeatmap)可视化方法▸▸▸▸iMeta | 浙大倪艳组MetOrigin实现代谢物溯源和肠道微生物组与代谢组整合分析▸▸▸▸iMeta | 高颜值绘图网站imageGP+视频教程合集 1卷1期1卷2期1卷3期1卷4期2卷1期“iMeta” 是由威立、肠菌分会和本领域数百位华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表原创研究、方法和综述以促进宏基因组学、微生物组和生物信息学发展。目标是发表前10%(IF > 15)的高影响力论文。期刊特色包括视频投稿、可重复分析、图片打磨、青年编委、前3年免出版费、50万用户的社交媒体宣传等。2022年2月正式创刊发行！联系我们iMeta主页：http://www.imeta.science出版社：https://onlinelibrary.wiley.com/journal/2770596x投稿：https://mc.manuscriptcentral.com/imeta邮箱：office@imeta.science本文使用 文章同步助手 同步发布于 2023-07-19 18:09・IP 属地北京微生物微生物学学术期刊赞同 41 条评论分享喜欢收藏申请转载文章被以下专栏收录生信宝典生信宝典公众
News - Genomics, Proteomics & Bioinformatics
News - Genomics, Proteomics & Bioinformatics
GPB
Admin
Toggle navigation
Home
Issues Online
Articles Online
News
Editorial Board
About
Contact
×
Sign in
Sign in
News
GPB青年编委招募
GPBees | 2024-02-08 01:40:51.0
期刊简介Genomics, Proteomics & Bioinformatics (GPB) 创刊于2003年，是由中国科学院主管、中国科学院北京基因组研究所（国家生物信息中心）与中国遗传学会共同主办的英文学术期刊，牛津大学出版社（OUP）开放获取出版。GPB刊载来自世界范围内组学、生物信息学及相关领域的优质稿件，目标是报道高质量的研究发现、并提供受欢迎的工具。GPB被SCIE、PubMed / MEDLINE、Scopus等数据库收录；2023年最新IF和Citescore分别为9.5和11.7。期刊由“中国科技期刊卓越行动计划”资助（2019–2023）。为进一步提升GPB国际影响力，高效推进期刊建设，搭建高水平学术交流平台，现面向全球公开招募青年编委，诚邀具有独立科研能力、有意愿为期刊发展贡献力量的青年学者积极申请！申请条件（1）热心期刊工作，有精力、有意愿为建设我国高水平国际学术期刊贡献力量；（2）已取得博士学位，具有较好的生物学、数学、计算机科学、人工智能、医学及交叉学科相关研究背景；（3）有作为第一作者或通讯作者发表以组学或生物信息学为主的英文期刊论文经历（4）有审稿经验和视频制作经验者优先；（5）学风严谨，态度积极，认真负责，工作细致。职责（1）参与稿件的初期评估和同行评议；（2）参与期刊宣传工作，包括但不限于宣传文稿、视频的制作及校对，社交平台或学术会议等途径的宣传；（3）协助期刊组织学术交流活动；（4）撰写或组约优质稿件。权益（1）获得青年编委聘用证书，任期1年 (每年根据评估结果动态调整)；（2）组织或受邀参加期刊的学术交流活动，提升个人学术影响力；（3）本人最新科研成果可在期刊微信公众号等宣传。报名（1）填写信息：请按要求填写申请表GPB青年编委报名表格.xlsx，和个人简历个人简历模板.docx一起发送至编辑部邮箱：editor@big.ac.cn（标题：Youth Editor application_姓名_机构），编辑部将会根据提交内容进行筛选。（2）申请时间：报名渠道2024年全年开放，每季度末公布一批申请结果。（3）遴选过程：青年编委的录取采取专家推荐制和个人申请制两种方式。首次获得入选通知后需经过6个月考核期（双向选择制），通过后发送1年制聘书；聘期结束后可根据双方意愿续聘，聘期2年。
© 2024
Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation All rights
reserved.
Site maintained by National Genomics Data Center, Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation.
【生信友好系列】IF7+，生信友好，中科院1区TOP期刊，国人投稿占比第一 - 知乎
【生信友好系列】IF7+，生信友好，中科院1区TOP期刊，国人投稿占比第一 - 知乎切换模式写文章登录/注册【生信友好系列】IF7+，生信友好，中科院1区TOP期刊，国人投稿占比第一科研猫已认证账号后台小伙伴们不只一次咨询对生信友好的期刊，科研猫将为大家做一个生信友好系列，一一给大家推荐介绍。今天我们就来聊聊一本优质的国产期刊-- Genomics, Proteomics & Bioinformatics。我们要将文章发表在祖国大地上~1简介Genomics, Proteomics & Bioinformatics（基因组蛋白质组与生物信息学报，简称GPB）于2003年创刊，是由中国科学院主管、中国科学院北京基因组研究所（国家生物信息中心）与中国遗传学会共同主办的英文学术期刊，由Elsevier出版的一本OA期刊，ISSN : 1672-0229。GPB被DOAJ、PubMed/MEDLINE、PubMed Central、SCIE、Scopus等数据库收录，入选中国科技期刊卓越行动计划重点期刊项目。2018、2019、2020连续位于中科院文献情报中心期刊分区表大类“生物1区Top"。期刊官方网站：https://www.journals.elsevier.com/genomics-proteomics-and-bioinformatics期刊投稿网站：https://ees.elsevier.com/gpb/default.asp收稿范围：期刊接收生命科学、生物学和生物医学方面的研究，专注于组学、生物信息学领域的大数据采集、分析和管理。2.IF、JCI;JCR、中科院分区期刊2017年获得首个影响因子6.615分，成绩不错。近几年影响因子稳步上升，2020年7.691分。由于国产期刊的大热，相信在近几年，影响因子上升的趋势不会有太大改变。期刊影响因子在遗传学领域排名17/175.JCI评分1.26分。在遗传学领域排名28/187。JCR分区1区。中科院1区。大类生物1区TOP期刊，小类遗传学1区。非综述期刊。3.发文量期刊发文量不多，毕竟是一本新期刊。但是根据以往新刊的发展趋势来看，往后的文章量会逐渐增加。历年来期刊发文量在50-60左右浮动，但2021年至今已经发文89篇。所以随着期刊知名度的增加，破百指日可待了。4.国人投稿数据我们看近三年数据，期刊对国人非常友好，我国以121篇的发表量，排名第一。近三年发表文量最多的科研机构：中国科学院 （49篇）、北京大学（17篇）、华中科技大学(16篇)、复旦大学&浙江大学（8篇）。5.自引率期刊自引率非常低，为0.3%。6.审稿周期我们从官网上给出的时间可以看到，一审平均1.7周，终审平均6.2周给出结果。但是从以往发表的文章来看，从投稿到接收大约需要1年左右的时间。我们从最近官网更新的文章来看下期刊的审稿速度：7.版面费该刊为OA期刊，需要支付$3500的版面费，折合人民币约2.3w元。总结~Genomics, Proteomics & Bioinformatics是一本不错的国产期刊，中科院1区,TOP期刊；影响因子稳步上升；自引率非常低；对组学、生信类友好，偏重于大数据挖掘、组学联合分析以及算法研究。但发文量相对较小，审稿周期偏长。对于不着急发表的小伙伴们可以考虑哦~编辑于 2023-05-17 16:27・IP 属地未知投稿期刊核心期刊赞同 4添加评论分享喜欢收藏申请
Genomics, Proteomics & Bioinformatics | Oxford Academic
Genomics, Proteomics & Bioinformatics | Oxford Academic
Skip to Main Content
Advertisement
Journals
Books
Search Menu
Menu
Navbar Search Filter
Genomics, Proteomics & Bioinformatics
BiochemistryBioinformatics and Computational BiologyGenetics and GenomicsNeuroscienceBooksJournalsOxford Academic
Mobile Enter search term
Search
Issues
More Content
Advance articles
High-Impact Collection
Submit
Author Guidelines
Why Publish with Us?
Submission Site
Open Access Policy
Self-Archiving Policy
Alerts
About
About Genomics, Proteomics & Bioinformatics
About the Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation and Genetics Society of China
Editorial Board
Advertising & Corporate Services
Journals on Oxford Academic
Books on Oxford Academic
Issues
More Content
Advance articles
High-Impact Collection
Submit
Author Guidelines
Why Publish with Us?
Submission Site
Open Access Policy
Self-Archiving Policy
Alerts
About
About Genomics, Proteomics & Bioinformatics
About the Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation and Genetics Society of China
Editorial Board
Advertising & Corporate Services
Close
Navbar Search Filter
Genomics, Proteomics & Bioinformatics
BiochemistryBioinformatics and Computational BiologyGenetics and GenomicsNeuroscienceBooksJournalsOxford Academic
Enter search term
Search
Advanced Search
Search Menu
Latest Issue
Volume 21
Issue 4
August 2023
Impact Factor
9.5
Editor-in-Chief
Jun Yu
Editorial Board
About the journal
Genomics, Proteomics and Bioinformatics (GPB) is interested in submissions across all areas of life science, biology, and biomedicine, focusing on large data acquisition, analysis, and curation.
Learn more
Advertisement
Call for Papers: Special Issue on “Biomedical Big Data in Blood GPB is now inviting submissions for a special issue (to be published in the Autumn of 2024) on the topic of “Biomedical Big Data in Blood”.Read the call for papers Top 20 Articles in Celebration of GPB's 20th Anniversary In celebration of the 20th Anniversary of the journal, GPB collected the top 20 articles that have been most downloaded (normalized by publishing time).Access the articles Editorial team Meet the editorial board for Genomics, Proteomics and Bioinformatics.Learn more Submit your work Read the author guidelines and submit your research. Access the guidelines About the societies Learn more about the Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation and Genetics Society of China. More about the societies Read and Publish deals Authors interested in publishing in Genomics, Proteomics & Bioinformatics may be able to publish their paper Open Access using funds available through their institution’s agreement with OUP.Find out if your institution is participating
Latest articles
MARS and RNAcmap3: The Master Database of All Possible RNA Sequences Integrated with RNAcmap for RNA Homology Search
KoNA: Korean Nucleotide Archive as A New Data Repository for Nucleotide Sequence Data
BLUPmrMLM: A Fast mrMLM Algorithm in Genome-wide Association Studies
Substrate and Functional Diversity of Protein Lysine Post-translational Modifications
Identification of highly repetitive barley enhancers with long-range regulation potential via STARR-seq
Most read
Computational Approaches and Challenges in Spatial Transcriptomics
Computational Tools and Resources for CRISPR/Cas Genome Editing
Identifying RNA Modifications by Direct RNA Sequencing Reveals Complexity of Epitranscriptomic Dynamics in Rice
Performance Comparison of Computational Methods for the Prediction of the Function and Pathogenicity of Non-Coding Variants
Recent Advances in Assembly of Complex Plant Genomes
Most cited
Exosome and Exosomal MicroRNA: Trafficking, Sorting, and Function
PacBio Sequencing and its Applications
Roles, Functions, and Mechanisms of Long Non-Coding RNAs in Cancer
Transcriptional and Post-Transcriptional Gene Regulation by Long Non-Coding RNA
Oxford Nanopore MinION Sequencing and Genome Assembly
Email alerts Register to receive table of contents email alerts as soon as new issues of Genomics, Proteomics & Bioinformatics are published online.Sign up Author resources Learn about how to submit your article, our publishing process, and tips on how to promote your article.Find out more Accessibility Oxford University Press is committed to making its products accessible to and inclusive of all our users, including those with visual, hearing, cognitive, or motor impairments.Find out more in our accessibility statement Committee on Publication Ethics (COPE) This journal is a member of and subscribes to the principles of the Committee on Publication Ethics (COPE)publicationethics.org Related titles Nucleic Acids Research NAR Genomics and Bioinformatics Molecular Biology and Evolution Briefings in Bioinformatics Bioinformatics Bioinformatics Advances Journal of Molecular Cell Biology
Advertisement
close advertisement
Advertisement
About Genomics, Proteomics & Bioinformatics
Editorial Board
Author Guidelines
Recommend to your Library
Advertising & Corporate Services
Journals Career Network
Online ISSN 2210-3244 Print ISSN 1672-0229 Copyright © 2024 Beijing Institute of Genomics, Chinese Academy of Sciences / China National Center for Bioinformation and Genetics Society of China
About Oxford Academic
Publish journals with us
University press partners
What we publish
New features
Authoring
Open access
Purchasing
Institutional account management
Rights and permissions
Get help with access
Accessibility
Contact us
Advertising
Media enquiries
Oxford University Press
News
Oxford Languages
University of Oxford
Oxford University Press is a department of the University of Oxford. It furthers the University's objective of excellence in research, scholarship, and education by publishing worldwide
Copyright © 2024 Oxford University Press
Cookie settings
Cookie policy
Privacy policy
Legal notice
Close
Close
This Feature Is Available To Subscribers Only
Sign In or Create an Account
Close
This PDF is available to Subscribers Only
View Article Abstract & Purchase Options
For full access to this pdf, sign in to an existing account, or purchase an annual subscription.
Close
GPB简介-CSDN博客
>GPB简介-CSDN博客
GPB简介
最新推荐文章于 2023-10-10 15:06:30 发布
lunlunl
最新推荐文章于 2023-10-10 15:06:30 发布
阅读量1w
收藏
6
点赞数
分类专栏：
工作总结
原文链接：https://colobu.com/2015/01/07/Protobuf-language-guide/
版权
工作总结
专栏收录该内容
29 篇文章
46 订阅
订阅专栏
1. Gpb概述
在某电信项目中接触到GPB，用于和合作方的数据交换。 在大数据领域使用的非常多。
GPB的全称为Google Protocol Buffer，是谷歌公司用于在大数据存储及交换方面的一个开源的协议和开发库。优势在于定义好数据类型和格式，两方都可以非常高效的写入和读取，并且存储额外开销非常小。
通常我们在小型的数据交换，使用json和xml进行封装，但遇到大量数据时，比如每秒收集和传输1M甚至更多时，json等有很多的冗余数据，占用很多硬盘和带宽资源，这时GPB的优势就显现出来。
GPB是一种高效的结构化数据存储格式，可以将结构化数据序列化，即将数据保存在文件中，这在数据格式与编程语言无关，可以用于通讯协议和数据存储。当然GPB也有一定的劣势，例如其是二进制存储而不是文本存储，其开发和调试都需要工具来支持，在小量数据时，还是建议使用json等来交换数据。
2, 典型案例
假定我们有这样一个需求，我们为sina公司开发一个日志收集及存储系统，将所有的访问日志归档存储，假定每秒有10万用户访问sina，那么我们将有10万条记录需要收集，日志将访问，平均每条记录150字节将会10万*150=15M/s，即每秒收集15M的数据。假定我们收集的数据包括以下几部分
源IP,源端口，使用的UA代理，目标URL, 访问时间。
通常分为客户端和服务器，客户端收集数据然后发给服务器，因此我们定义好数据结构。
可能有多种的方式实现这个功能，方案1，客户端通常是读取syslog，然后封装为GPB,发送给服务器，服务端收取GPB然后按照自己的格式加入到大数据系统。
方案2，客户端写gpb文件，通过ftp等传递给服务器，然后服务器解析，或者直接保存。
总的来说均需要写入和读取。因此我们仅介绍写入和读取功能。因此分三部分介绍，分别为读取，写入，两者之间的协议定义。
3. GPB对象定义(协议定义)
我们用于交换数据的的访问日志，包含以下及部分：
srcIP IP地址，占用四个字节。srcPort 源端口，占用两个字节。Agent; 字符串， 设定最大占用64字节。目标url: 字符串， 设定最大占用128字节（如果超长即截断）访问时间， 自1970年的秒值。占用4个字节。
package bj;
message WebLog{
{
required int32 time = 1;
required int32 srcIP = 2;
required int32 srcPort = 3;
required string url = 4;
optional string Agent = 5;
}
两种类型，一种为整形数字，另外一种为字符串。还有两种修饰符，一种为required，表示必须带有，如果没有将判断为错误。另外一种为optional，表示可选的，如果没有不做处理。GPB在保存时仅保存了数字索引，因此其占用空间非常小，但因此其保存的文件失去了一定的自解释性。
保存为文件weblog.proto，然后编译生成C++代码，命令为:
protoc --cpp_out=./ weblog.proto
这将生成weblog.pb.cc weblog.pb.h两个文件，这样两者之间的协议就定义好了，客户端使用这个头文件中定义的方法来写入数据，服务器通过方法来读取数据。
使用protoc命令来编译gpb协议定义文件时，对于C++来说，编译器会为每一个消息创建一个对应的类，如果定义了packet,那将定义一个名字空间。 –cpp_out表示在指定的目录里面生成c++代码，可以使用“protoc -h”来查看更多的用法。下一步我们来编写读取代码。
4. gpb数据生成
写入文件:
int write()
{
bj::WebLog log;
int now = time(NULL);
log.set_timestamp(now);
log.set_srcip(1);
log.set_srcport(2);
log.set_url("http://www.sina.com.cn/news");
log.set_agent("firefox");
fstream output("a.log", ios::out | ios::app | ios::binary);
if(!log.SerializeToOstream(&output)){
cout << "Failed to write msg."< return -1; } return 0; } 追加到最后。 5. gpb数据读取 int read() { bj::WebLog log; fstream fin("a.log", ios::in | ios::binary); if(!log.ParseFromIstream(&fin)) { cout<<"Failed to parrse word! "<< endl; return -1; } cout< cout< return 0; } 读取第一个并输出。 6. Python使用 python setup.py build python setup.py test python setup.py install 优惠劵 lunlunl 关注 关注 0 点赞 踩 6 收藏 觉得还不错? 一键收藏 知道了 0 评论 GPB简介 1. Gpb概述在某电信项目中接触到GPB，用于和合作方的数据交换。 在大数据领域使用的非常多。GPB的全称为Google Protocol Buffer，是谷歌公司用于在大数据存储及交换方面的一个开源的协议和开发库。优势在于定义好数据类型和格式，两方都可以非常高效的写入和读取，并且存储额外开销非常小。通常我们在小型的数据交换，使用json和xml进行封装，但遇到大量数据时，比如每秒... 复制链接 扫一扫 专栏目录 【Codecs系列】编解码基础知识：广义B帧GPB简介 CSDN明星博主，认证博客专家，视频、Matlab领域优质创作者。 07-21 740 广义B帧（GeneralizedPandBpicture，GPB）是指对传统P帧采取类似于B帧的双向预测方式进行预测。在这种预测方式下，前向和后向参考列表中的参考图像都必须为当前图像之前的图像，且两个参考列表完全一致。对P帧采取B帧的运动预测方式增加了运动估计的准确度，提高了编码效率，同时也有利于编码流程的统一。B帧相对P帧来说，新增了三种宏块类型，分别是B_skip，B_direct以及B_BI。... GPB-pump-test-fixture-3 03-07 GPB-pump-test-fixture-3 参与评论 您还未登录，请先 登录 后发表或查看评论 Google Protocol Buffer(GPB)使用之完全解析一：没有GPB的日子怎么过？ 认知 行动 坚持 06-22 1万+ 最近，我打算介绍一下一个好用的工具，即Google Protocol Buffer(GPB)的使用，这真的是一个非常有用的工具，你应该学它，并熟练使用它。 通常来讲，应该先介绍GPB是什么，但是，在这篇文章里，我并不打算介绍什么是GPB, 而是用浅显的例子来说明：如果没有GPB, 会怎么样？ 要看一个东西的作用或价值，可以看去掉这个东西后，我们损失了什么，那么， 生物信息/微生物组期刊推荐：Genomics, Proteomics & Bioinformatics 刘永鑫的博客——宏基因组公众号 07-23 253 点击蓝字 关注我们期刊简介Genomics, Proteomics & Bioinformatics(GPB)是中国科学院北京基因组研究所/中国生物信息中心与中国遗传学会的官方期刊。GPB的目标是传播组学和生物信息学领域的新前沿，以快节奏发表高质量的发现，并通过文章出版促进开放获取和在线出版。研究方向包括生命科学、生物学和生物医学领域，侧重大数据采集、分析和管理。GPB已被SCIE、Pu... 什么是GPB外链 最新发布 光算科技的博客 10-10 79 更为重要的是，这些链接全部为dofollow属性，这意味着搜索引擎会跟踪这些链接，从而传递“链接汁”，有助于提高目标网站的排名。结合这些策略，可以确保你的网站在Google上的排名得到显著提升，从而吸引更多的目标流量。GPB外链的一个显著特点是，每一条链接都是独立发布的，没有任何中介或自动化的程序介入。这些高权威的链接为目标网站带来了大量的“链接汁”，从而增强了其在谷歌眼中的权威性。这样，其他网站更有可能自然地链接到你的网站，为你带来高质量的GPB外链。 Google Protocol Buffer(GPB)使用之完全解析三：如何使用GPB? 热门推荐 认知 行动 坚持 06-23 1万+ 下面，我们来介绍一下如何使用GPB, 首先说明一下，我使用的环境是Windows XP + VS2005, 所用语言是C++, 如果你的环境不同，请参阅其它相关资料。其实，无论什么环境，都是大同小异的，即使环境不同，你也可以采用与下面类似的步骤来进行操作。下面，我们来介绍如何使用GPB. 1. 到http://code.google.com/p/protobuf/downloads/li geber文件各层英文缩写对应关系 chouguowei8644的博客 09-06 4122 Gerber文件各层的表示 GTL---toplayer 顶层 GBL---bottomlayer 底层 GTO---TopOverlay 顶层丝印层 GBO---Bottomlayer 底层丝印层 GTP---TopPaste 顶层表贴(做激光模板用) GBP... Google Protocol Buffer(GPB)使用之完全解析二：有了GPB的日子怎么过？什么是GPB? 认知 行动 坚持 06-23 1万+ 通过前面博文的学习，我们知道：没有GPB，客户端的日子很难过，现在略作回顾，没有GPB的日子是这样的： #include #include using namespace std; int main() { int id = 123456; // 字段id char str[] = "hello world"; // 字段str // 服务端：把数据写到"log服务器"中 gpb编码 c语言,GPIO简介 weixin_35128544的博客 05-19 895 原标题：GPIO简介GPIO(General Purpose I/O Ports)意思为通用输入/输出端口，通俗地说，就是一些引脚，可以通过它们输出高低电平或者通过它们读入引脚的状态-是高电平或是低电平。GPIO口一是个比较重要的概念，用户可以通过GPIO口和硬件进行数据交互(如UART)，控制硬件工作(如LED、蜂鸣器等),读取硬件的工作状态信号(如中断信号)等。GPIO口的使用非常广泛。GPI... protobuf3 从object-c角度学习数据编码 taishanduba的专栏 02-25 1839 一.protobuf编码类型protobuf.一共有6中编码方式,其中group目前已不建议使用.* WireVarint = 0 // int32, int64, uint32, * uint64, ,sint32 sint64, bool, enum. 变长，1-10个字节，用VARINT编码且压缩 * WireFixed64 = 1 // fixed64, sfixed64, gpb-bindings:为 gpb 生成绑定，为 Erlang 生成协议缓冲区 06-19 Google 协议缓冲区绑定 该模块为 Google Protocol Buffer 定义生成绑定，这使得在 Erlang 中从 Protobuf 消息持久化和检索值变得非常容易。 它依赖于 ，这是一个由 Tomas Abrahamsson 开发的 Google Protocol Buffers 实现，并且是一个替代品，因为它包装和集成了 gpb 编译器。 模块是一个优雅而高效的 Protobuf 解析器，它将 Protobuf 的消息转换为 Erlang 的记录。 然而，当处理源自嵌套 Protobuf 消息的嵌套记录时，事情开始变得非常难看，例如，为了更改嵌套记录中字段的值，必须限定完整路径。 每次。 此外，更深的嵌套记录可能会或可能不会被初始化，因此也必须进行检查。 此模块生成的绑定将为您执行此操作。 安装 使用进行依赖管理，必须将以下几行添加到驻留在应用程序根目录中的rebar Protobuf协议快速入门指南（一个小时入门protobuf） 08-18 什么是 Google Protocol Buffer？ 假如您在网上搜索，应该会得到类似这样的文字介绍： Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准，目前已经正在使用的有超过 48,162 种报文格式定义和超过 12,183 个 .proto 文件。他们用于 RPC 系统和持续数据存储系统。 Protocol Buffers 是一种轻便高效的结构化数据存储格式，可以用于结构化数据串行化，或者说序列化。它很适合做数据存储或 RPC 数据交换格式。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。目前提供了 C++、Java、Python 三种语言的 API。 或许您和我一样，在第一次看完这些介绍后还是不明白 Protobuf 究竟是什么，那么我想一个简单的例子应该比较有助于理解它。 GPB Backup Solution-开源 05-03 GPB可以是随时可用的即用型备份解决方案，也可以作为您构建和改进的基础。 GPB的核心和功能在于Bash脚本的使用。 GPB使用的每个文件，主要可执行文件，配置文件 gpb-adm.exe 10-15 gpb-adm.exe matlab继续的代码-gPb:OpenCVgPb实施 05-24 matlab 继续的代码 juniper-grafana:使用 Grafana、InfluxDB、PyEZ 和 GPB 可视化瞻博网络设备遥测 07-23 使用 Google Protocol Buffers (GPB) 流式推送队列深度和延迟。 Juniper-Grafana 是使用以下方法实现的： 作为时间序列数据库。 用于可视化的 。 实现与瞻博网络设备的 NETCONF 接口并收集遥测数据，例如接口... STM8L101F3定时器2定时操作GPB2口 03-20 STM8L101单片机通过TIM2定时中断操作GPB2口控制LED 再生资源回收利用行业-宁盛源公司-GPB非BOM类请采购转财务流程1(PPT 11页)_CRM产品经理 需求规格说明书.ppt 07-30 再生资源回收利用行业-宁盛源公司-GPB非BOM类请采购转财务流程1(PPT 11页)_CRM产品经理 需求规格说明书.ppt RNC3801学习资料 12-11 RNC3810 设备资料，学习资料 GPB SPB板子概述 chat gpb怎么用 05-11 ChatGPT是一个基于GPT模型的聊天机器人，可以通过编程语言（如Python）与其进行交互。以下是一个简单的Python代码示例，演示了如何使用ChatGPT： ```python from transformers import AutoModelForCausalLM, AutoTokenizer # 加载ChatGPT模型和tokenizer tokenizer = AutoTokenizer.from_pretrained("microsoft/DialoGPT-large") model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-large") # 开始对话 while True: user_input = input("你：") # 将用户输入编码为token input_ids = tokenizer.encode(user_input + tokenizer.eos_token, return_tensors="pt") # 生成回复 bot_output = model.generate(input_ids, max_length=1000, pad_token_id=tokenizer.eos_token_id) # 将回复解码为文本 bot_reply = tokenizer.decode(bot_output[0], skip_special_tokens=True) print("ChatGPT: " + bot_reply) ``` 运行此代码后，你可以开始与ChatGPT进行对话。ChatGPT会在每次输入后，生成一个回复，并将其输出到控制台。你可以通过修改代码中的model和tokenizer，来使用不同的ChatGPT模型和tokenizer。 “相关推荐”对你有帮助么？ 非常没帮助 没帮助 一般 有帮助 非常有帮助 提交 lunlunl CSDN认证博客专家 CSDN认证企业博客 码龄13年 暂无认证 3 原创 8万+ 周排名 99万+ 总排名 14万+ 访问 等级 1344 积分 234 粉丝 79 获赞 4 评论 941 收藏 私信 关注 热门文章 4G 通信技术简介 12384 GPB简介 10836 车载以太网概述 10005 SHA简介 8726 自动驾驶系统入门（四） - 车载摄像头 8628 分类专栏 工作总结 29篇 autosar简介 最新评论 4G 通信技术简介 HeiLongMada: 我们公司用中移物联的ML307R的 Cat1 模组，为什么经常会断网？哪位大虾知道怎么解决？ 自动驾驶系统入门（九）- 无人驾驶客户端系统 布白622: 我在阿波罗里面打开Dreamview时其他的都没问题就是最后教程上面显示的是dreamview is runing at ……(一个网站) 我的是failed to start dreamview.please check……(一个路径) 自动驾驶系统入门（八）- 自动驾驶仿真技术 lunlunl: 转载的东西喔，前面坐车联网的，现在专做自动驾驶了 自动驾驶系统入门（八）- 自动驾驶仿真技术 向彪-blockchain: 抛开吸引人的标题，博主开发的精神值得学习。 ECC加密算法简介 lunlunl: 搞不大懂 您愿意向朋友推荐“博客详情页”吗？ 强烈不推荐 不推荐 一般般 推荐 强烈推荐 提交 最新文章 自动驾驶系统入门（九）- 无人驾驶客户端系统 自动驾驶系统入门（八）- 自动驾驶仿真技术 自动驾驶系统入门（七）- 多传感器信息融合（MSIF） 2020年15篇 2019年19篇 2015年5篇 2013年4篇 2012年1篇 目录 目录 分类专栏 工作总结 29篇 autosar简介 目录 评论 被折叠的 条评论 为什么被折叠? 到【灌水乐园】发言 查看更多评论 添加红包 祝福语 请填写红包祝福语或标题 红包数量 个 红包个数最小为10个 红包总金额 元 红包金额最低5元 余额支付 当前余额3.43元 前往充值 > 需支付：10.00元 取消 确定 下一步 知道了 成就一亿技术人! 领取后你会自动成为博主和红包主的粉丝 规则 hope_wisdom 发出的红包 实付元 使用余额支付 点击重新获取 扫码支付 钱包余额 0 抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。 余额充值