估计阅读时长: 6 分钟今天在这里和大家聊一下《生物化学系统的计算分析》这本书，生物化学系统的计算分析这本书可以说得上是我的生物信息学学习生涯的启蒙书。 Order by Date Name Attachments Computational Analysis of Biochemical Systems • 875 kB • 219 […]
估计阅读时长: 7 分钟https://github.com/xieguigang/sciBASIC 在分布式哈希表网络之中，Peer节点之间进行分布式数据传输都是使用的B编码。B编码格式与JSON编码格式较为相似，均以“键：值”形式存储，我们可以将B编码的字符串整个内容理解为一个经过特殊编码的字典，或者一个近似的JSON。B编码与JSON编码，这两种编码都仅包含有4种最基础的数据类型：字符串类型，数值类型，数组类型与对象字典类型。 Order by Date Name Attachments DHT-dark-all • 416 kB • 213 click 2021年6月4日bdecode • […]
估计阅读时长: 10 分钟https://github.com/xieguigang/sciBASIC 根据积分表达式，微分方程的数值解关键在于微分方程的初值及计算微分方程式在tm(上一时刻)与tm+d（下一时刻）与坐标轴围成面积，若这个面积计算得越准确则得到的数值解也就越精确。微分表达式中与坐标轴围成的面积可表示如下，在实施算法的时候可以结合这个图更加直观点： 从上面的示意图可以看出，一段需要进行面积积分的曲线实际上是由多个梯形构成的多边形。那我们实际上只需要将这些梯形的面积都求出来，然后加起来就好了。 这里的梯形分割就是一种欧拉逼近的思想，欧拉逼近的几何意义，就是我们可以使用一段折线来近似的逼近一条曲线。 利用欧拉逼近，我们可以将一个精确的微分方程曲线 近似的使用线段来表示 Order by Date Name Attachments ODE_Trapezoidal • 30 kB • […]
估计阅读时长: 6 分钟https://github.com/xieguigang/linux-profiler 废话不多说，首先给出一个 demo报告链接 给大家看看这个小工具的成品输出。 在去年的工作中，因为公司需要购买新的服务器做集群计算，需要一个工具来记录之前的服务器在数据分析上的性能瓶颈。于是花了两天的时间赶出来了这个专门应用于Linux系统的性能记录工具。这个小工具是一个开源项目，大家可以在Github上阅读这个开源项目(linux-profiler)的源代码。 Order by Date Name Attachments systemLoad • 53 kB • 282 […]
估计阅读时长: 5 分钟https://github.com/xieguigang/Darwinism 最近在做一个代谢组学的数据分析程序，由于需要被分析的质谱原始数据的计算量非常大，所以肯定会需要上并行计算。在并行计算中，分为两种模式：线程并行以及进程并行。 关于如果选择脚本代码的并行模式，我在这里借用了matlab文档网站里面的一张图来给大家做参考： 《Choose Between Thread-Based and Process-Based Environments》 Order by Date Name Attachments super_computing • […]
估计阅读时长: 2 分钟在BILIBILI上观看视频：《【GCModeller教程】KEGG代谢途径注释原理 (重置版)》 Order by Date Name Attachments kegg_annotation • 468 kB • 345 click 2021年5月30日release.mp4_20190921_225235.396 • […]
估计阅读时长: 2 分钟https://github.com/xieguigang/mzkit 在BILIBILI上观看视频：《【BioNovoGene Mzkit教程】代谢组学原始数据处理基础》 Order by Date Name Attachments profile_videocard • 211 kB • 282 click 2021年5月29日metabolims […]
估计阅读时长: 9 分钟前段时间由于工作的需要，会需要从一些网站上抓取数据用来做数据分析。在原来我进行网页爬虫开发的时候，一般会需要专门针对网页格式，使用大量的正则表达式进行内容的解析。由于你也知道，VisualBasic语言所开发的程序为一个编译好的Assembly文件，所以假若所需要爬取的网页格式变化了，我们就需要对代码做修改和重新编译。这个时候就会非常的不方便。 Order by Date Name Attachments ea5d2885-bba5-410f-b02b-0589613412ed • 12 kB • 270 click 2021年5月29日graphquery_Rscript • 36 […]
估计阅读时长: < 1 分钟https://github.com/rsharp-lang/R-sharp R#语言最开始的开发需求来自于对GCModeller的组件的调用需求。因为最开始GCModeller使用的是命令行模式进行运行，但是因为VB.NET语言为编译型语言，所开发的应用程序在发布之后，用户无法轻易的修改。自己对于一些比较个性化的数据分析，在引入R#语言之前，需要专门编写一段命令行代码跑GCModeller，会十分的不方便。所以后面就有了R#脚本语言的开发。 R#语言类似于R或者Matlab语言，也是一种向量化的编程脚本语言。其语法源自于R语言，同时也结合了一些TypeScript的语法，例如TypeScript之中的字符串插值语法就被引入了R#语言之中。 const words = ["world", "R# language", "GCModeller User"]; const hello = `hello ${words}!`; […]
[…] 《为大语言模型运行添加工具调用》 […]
[…] 《从头创建一个DeepSeek客户端》 […]
[…] 在上面的工具调用消息数据结构中，我们可以清楚的看见有需要进行调用的工具名称，以及参数列表。当我们拿到这样子的调用信息后，就可以基于一定的规则找到需要执行的运行时中的函数来完成功能的实现。对于.NET平台上，我们一般是使用自定义属性加反射操作来解析相关的名称绑定结果。在.NET平台上对于这样子的一个根据调用信息来进行运行时解析和调用的方法，可以稍微参考《【Darwinism】Linux平台上的VisualBasic高性能并行计算应用的开发》的反射代码方法。 […]
[…] 在前面的文章《从头创建一个DeepSeek客户端》的请求消息的数据结构的基础上，我们在这里再增加一个工具信息的列表，在这个工具信息列表中，包括了工具的名称，工具的描述信息，以及工具的参数信息。对应的新增加的数据结构如下所示： […]
You have the gift of turning abstract thoughts into something tangible, allowing the reader to grasp concepts with clarity.