mTM-aligin: an algorithm for fast and accurate multiple protein structure alignment

蛋白结构在进化中更加保守，因此根据多个结构进行比对比仅仅依赖于多重序列联配(MSA)更加有意义，特别是那些远房亲戚。作者看着PDB（protein data bank)那日益增加的蛋白结构心生忧愁，那么多数据不开发一个有效的比对算法是吃枣药丸的。

于是他写了一个mTM-algin, 是TM-algin的扩展（谁能告诉我什么叫做TM-align),他还带着这个算法去HOMSTRAD, SABmark_sup, SABmark_twi， SISY-multiple这些数据库溜达了一圈，非常开心的说了一句，我的算法比你们表现的更好哦。 工具地址:

BioSeq-Analysis: a platform for DNA, RNA and protein sequence analysis based on machine learning approaches

我们都知道当测序测得七七八八之后，就是后基因组学的时代，那么最大的挑战就是如何解读这个无字天书，了解他们的结构和功能。机器学习(ML, make...)是当今最火的领域之一，隔壁还有一家深度学习，肯定要到生物大数据里面玩一下，一般步骤就是：特征提取，构建预测模型，性能评估。作者说了，尽管目前已经有很多在线或离线(stand-alone)工具被开发出来，但是都局限于其中的一步而已。于是作者就做了一个微小的工作，开发了BioSeq-Analysis能够自动化实现以上三步，也就是能够根据评估数据集自动产生最优预测模型，并且报告性能，更加厉害的是他还支持Windows，Linux，Unix哦

工具下载地址：

不是我吐槽，这个网页也。。。

Multi-omics integration—a comparison of unsupervised clustering methodologies

多组学(multi-omics)目前发展很快，分析过程存在很多因子影响着结果的准确性，比如说样本聚类。作者比较多个无监督聚类方法：Multiple Canonical Correlation Analysis, Multiple Co-Inertia Analysis, Multiple Factor Analysis, Joint and Individual Variation Explained，Similarity Network Fusion。采用已经报道文献的标准数据集，分别评估不同算法在实验设计，特征选择和参数训练等方面的差异。

没有涉及这个领域，表示看不懂呀。