良好的数据分析和集成实践

数据生成系统生物学的实验是一个中央方面,日益复杂的大型数据集通常需要使用与此同时复杂的统计,数据分析,和计算/机器学习模型的方法。然而,通常是一个缺乏认识的假设和特征统计工具使用,可以使这些研究很难正确地解释。

本研究主题欢迎手稿旨在定义最佳实践统计,机器学习,和计算模拟分析。论文应该简洁说明,简单来说,例子中,一个给定的问题和瓶颈统计和/或在系统生物学应用程序使用的数据分析技术。教程文件说明分析计算/统计/造型管道也接受了。

文学的例子关于最优和/或错误的统计技术的使用和滥用欢迎只要他们提出author-shaming和如何改进原来的分析明确迹象。这些类型的文章请选择一般的评论或意见的文章。

一般的评论文章提供关键评论之前出版前沿。雷竞技rebat和其他地方的文章;观点文章类型允许作者贡献观点的解释最近发现在任何研究领域,价值的方法以及优缺点的科学假说。

论文应该专注于现有的工具。文件处理新方法应提交数据模型和集成部分。