生信修炼手册
生信修炼手册

TFTG:human转录因子靶基因数据库

欢迎关注”生信修炼手册”!

研究转录因子调控的靶基因有两种常用的手段，第一种就是利用chip-seq等方式，研究特定转录因子在基因组的结合位置，从而判断其调控的基因，因为有实验证据的支持，所以这种方式得到的调控基因会更加可信，存在的问题就是peak calling时的假阳性率问题。

另外一种方式是建立在转录因子的motif已知的情况下，可以采用FIMO等软件在基因的启动子序列上进行查找，如果能够匹配上，说明该基因可能是靶基因，这种方式就是单纯的通过计算手段来预测靶基因，相对而言，假阳性率会更高。

TFTG数据库全称是Transcription Factor Target Gene Databse, 是一个转录因子靶基因数据库，该数据库结合实验手段和分析手段来研究转录因子和靶基因之间的调控关系，示意图如下

TFTG:human转录因子靶基因数据库_第1张图片

对于转录因子USF1而言，其motif已知，首先利用FIMO软件在基因的启动子去查找对应的motif, 这里启动子区定义为转录起始位点TSS上下游5KB, 通过这种方式找到了3个候选的转录因子结合位点TFBS。

然后根据DNAse-seq的结果，可以排除第三个位点，因为其染色质不是开放状态，然后根据DGF印迹法的结果，排除了第一个位点，在该位点没有任何的印迹。最后结合该转录因子的chip-seq实验的结果，基本可以确定第二个候选位点是一个真实的TFBS。

该数据库综合利用上述多种实验和分析手段，最终构建出一个高可信度的转录因子靶基因调控数据集。通过官网的检索功能，可以查看某个基因或者转录因子的调控网络

TFTG:human转录因子靶基因数据库_第2张图片
对于转录因子而言，以TP53_MA0106.1为例，检索结果包含了以下信息

1. sequence logo

TFTG:human转录因子靶基因数据库_第3张图片

2. 转录因子对应的靶基因

TFTG:human转录因子靶基因数据库_第4张图片

对于基因而言，以AACS为例，检索结果包含了以下信息

1. 基本信息

TFTG:human转录因子靶基因数据库_第5张图片

2. TFBS

TFTG:human转录因子靶基因数据库_第6张图片

该数据库是免费下载的，提供了以下两种数据

excel文件中保存的是所有转录因子的名字，对应的基因信息，示意如下

TFTG:human转录因子靶基因数据库_第7张图片

压缩文件中保存的是每个转录因子对应的靶基因信息。通过该数据库，我们不仅可以得到转录因子对应的靶基因信息，更加值得借鉴的是它解决问题的思路，综合实验手段和计算手段来降低假阳性率。

·end·

—如果喜欢，快分享给你的朋友们吧—


扫描关注微信号，更多精彩内容等着你！

TFTG:human转录因子靶基因数据库_第8张图片

你可能感兴趣的:(TFTG:human转录因子靶基因数据库)

  • AnythingLLM教程系列之 09 AnythingLLM 支持自定义音频转录提供程序 知识大胖 NVIDIAGPU和大语言模型开发教程llama3anythingllmllm
    什么是AnythingLLM?AnythingLLM是最易于使用的一体化AI应用程序，可以执行RAG、AI代理等操作，且无需任何代码或基础设施难题。您需要为您的企业或组织提供一款完全可定制、私有且一体化的AI应用程序，该应用程序基本上是一个具有许可的完整ChatGPT，但具有任何LLM、嵌入模型或矢量数据库。如何安装《无需任何代码构建自己的大模型知识库：AnythingLLM最易于使用的一体化AI
  • 上海交大：工具增强推理agent
    标题：SciMaster:TowardsGeneral-PurposeScientificAIAgentsPartI.X-MasterasFoundation-CanWeLeadonHumanity’sLastExam?来源：arXiv,2507.05241摘要人工智能代理的快速发展激发了利用它们加速科学发现的长期雄心。实现这一目标需要深入了解人类知识的前沿。因此，人类的最后一次考试（HLE）为评
  • Java中hashmap的原理 好好沉淀 笔记学习java经验分享
    是什么hashmap底层是由哈希表组成，用于存储键值对的，其核心就是将哈希值映射到数组索引位置上，通过数组+链条的方式来解决哈希冲突，java8之后优化成数组+链条+红黑树。存放hashmap的哈希值由hashcode方法来进行计算，确定存储在数组上的位置，哈希值进过计算之后可能会重复，此时直接加在链表上即可，防止冲突分布不均。扩容hashmap的数组默认长度是16，负载因子是0.75，当大于16
  • 计算机科学期刊介绍--各种杂志投稿方式与评价 狮子小宝 做研究写论文transactions工作email出版数据库自然语言处理
    一、计算机科学期刊介绍计算机科学的publication最大特点在于：极度重视会议，而期刊则通常只用来做re-publication。大部分期刊文章都是会议论文的扩展版，首发就在期刊上的相对较少。也正因为如此，计算机期刊的影响因子都低到惊人的程度，顶级刊物往往也只有1到2左右----被引的通常都是会议版论文，而不是很久以后才出版的期刊版。因此，要讨论计算机科学的publication，首先必须强调
  • STL之无序关联式容器&针对于自定义类型的操作 宛西南浪漫戈命 STLc++算法数据结构stl
    关联式容器包括：unordered_set、unordered_multiset、unordered_map、unordered_multimap四种。它们的底层使用的数据结构都是哈希表。要学习它们的使用，也可以从：初始化、遍历、查找、插入、删除、针对自定义类型等方面进行学习。但是首先需要学习关于哈希表的几个概念：哈希函数、哈希冲突、解决哈希冲突的方法、装载因子(装填因子、负载因子)哈希相关概念哈
  • Java数据结构-----Map和Set
    目录引入：模型：Map的使用：常见方法：Set的使用：常见方法：搜索树概念：操作：查找：插入：删除：哈希表概念：冲突哈希函数设计负载因子的调节解决哈希冲突闭散列开散列引入：Map和set是一种专门用来进行搜索的容器或者数据结构，其搜索的效率与其具体的实例化子类有关。以前常见的搜索方式有：1.直接遍历，时间复杂度为O(N)，元素如果比较多效率会非常慢2.二分查找，时间复杂度为O(logN),但搜索前
  • 量化价值投资中的深度学习技术：TensorFlow实战
    量化价值投资中的深度学习技术：TensorFlow实战关键词：量化价值投资,深度学习,TensorFlow,股票预测,因子模型,LSTM神经网络,量化策略摘要：本文将带你走进"量化价值投资"与"深度学习"的交叉地带，用小学生都能听懂的语言解释复杂概念，再通过手把手的TensorFlow实战案例，教你如何用AI技术挖掘股票市场中的价值宝藏。我们会从传统价值投资的痛点出发，揭示深度学习如何像"超级分析
  • AI 正在深度重构软件开发的底层逻辑和全生命周期，从技术演进、流程重构和未来趋势三个维度进行系统性分析
    AI正在深度重构软件开发的底层逻辑和全生命周期，从需求分析到运维维护的每个环节都产生了范式级变革。以下从技术演进、流程重构和未来趋势三个维度进行系统性分析：一、AI重构软件开发全栈的技术图谱需求工程智能化NLP驱动的需求解析：GPT-4架构实现用户访谈转录自动转化为UML用例图，准确率达89%（微软2023内部数据）情感计算应用：基于BERT的意图识别模型可捕捉用户需求中的隐性情绪，需求变更预测准
  • 【AI论文】Skywork-Reward-V2：通过人机协同实现偏好数据整理的规模化扩展
    摘要：尽管奖励模型（RewardModels，RMs）在基于人类反馈的强化学习（ReinforcementLearningfromHumanFeedback，RLHF）中发挥着关键作用，但当前最先进的开源奖励模型在大多数现有评估基准上表现欠佳，无法捕捉人类复杂且微妙的偏好谱系。即便采用先进训练技术的方法也未能显著提升性能。我们推测，这种脆弱性主要源于偏好数据集的局限性——这些数据集往往范围狭窄、标
  • 【Elasticsearch】自定义评分检索 G皮T #Elasticelasticsearch大数据自定义评分查询检索_score搜索引擎
    自定义评分检索1.自定义评分2.为什么需要自定义评分3.搜索结果相关度4.影响相关度评分的查询子句5.控制相关度评分的方法5.1FunctionScoreQuery5.1.1基础查询部分5.1.2评分函数部分（functions数组）第一个函数：品牌加权第二个函数：销量因子第三个函数：时间衰减5.1.3评分组合方式score_modeboost_mode5.1.4整体效果5.2使用Boosting
  • window显示驱动开发—从 BGR8888 转换为 XR_BIAS 程序员王马 windows图形显示驱动开发xr
    例如，从BGR8888类型格式的转换(，DXGI_FORMAT_B8G8R8A8_UNORM)到XR_BIAS是无损的。显式选择比例因子510，用于在BGR8888类型格式与XR_BIAS之间提供完全不可逆的转换，而不会导致比例系数511所暗示的非线性跳跃接近0.5。核心设计原理无损转换条件BGR8888是8位/通道的归一化格式（值范围[0,1]，步长1/255）。XR_BIAS的10位精度（范围
  • 【量化系统实战】深入解析：大规模数据管理与分布式计算，打造你的量化“超级工厂” Natsume1710 pythongithub开发语言算法大数据数据仓库
    前言随着量化策略的不断演进，以及对高频数据、另类数据（新闻、社交媒体、卫星图像等）需求的日益增长，许多朋友可能都会遇到一个棘手的问题：当数据量达到TB甚至PB级别，复杂的因子计算和超大规模回测在单机上变得举步维艰，系统效率严重受限。本文将作为量化系统构建系列的进阶篇，聚焦于大规模数据管理（BigDataManagement）和分布式计算（DistributedComputing）。我们将详细阐述如
  • LoRaWAN 标准中为什么没有 SF5 和 SF6？ 后端java
    LoRaWAN在物联网通信领域被誉为“远距离、低功耗”方案的代表，凭借其出色的覆盖能力和灵活的组网方式，成为智慧城市、智慧楼宇、智慧农业等场景的热门选择。不过，有些技术爱好者可能会注意到，LoRa的物理层理论上支持SF5～SF12的扩频因子，但LoRaWAN协议中只使用了SF7～SF12。那么，SF5和SF6到底去了哪里？为什么不被LoRaWAN标准采用？这背后其实藏着不少有趣的技术逻辑。什么是S
  • 使用Python快速读取PDF中的表单数据 nuclear2011 PythonPDFpythonpdf
    目录安装PythonPDF库Python读取PDF表单数据1、一次性读取多种PDF表单的数据2、读取特定PDF表单的数据PDF表单是常见的数据收集工具，用于收集用户或客户提供的信息。通过编程的方式读取PDF表单的数据可以准确获取用户信息，避免手动输入或转录，从而节省时间和劳动力，同时降低数据输入错误的风险。这篇文章将探讨如何使用Python快速读取PDF表单数据。安装PythonPDF库Pytho
  • 个人财务管理中的行为偏差与系统化防御框架 知识前端
    个人财务管理中的行为偏差与系统化防御框架一、核心认知偏差机制flowchartTB支付媒介[支付媒介属性]-->神经激活-->行为输出subgraph神经经济学基础现金支付-->脑岛激活[岛叶皮质激活]-->消费抑制电子支付-->伏隔核激活[伏隔核多巴胺释放]-->消费促进end支付脱敏效应神经学证据：fMRI显示电子支付决策时间比现金快0.8秒（《NatureHumanBehaviour》202
  • 机器学习18-强化学习RLHF 坐吃山猪 机器学习机器学习人工智能
    机器学习18-强化学习RLHF1-什么是RLHFRLHF（ReinforcementLearningfromHumanFeedback）即基于人类反馈的强化学习算法，以下是详细介绍：基本原理RLHF是一种结合了强化学习和人类反馈的机器学习方法。传统的强化学习通常依赖于预定义的奖励函数来指导智能体的学习，而RLHF则通过引入人类的反馈来替代或补充传统的奖励函数。在训练过程中，人类会对智能体的行为或输
  • 【数据分析】Python实现线性回归和多元线性回归（全代码） 干了这一碗BUG 线性回归回归算法
    老规矩，涉及到的数学原理，想深入了解的可以自行查阅相关资料，这里直接上干货用Python实现。目录逻辑回归中涉及的术语线性回归Python实现多元线性回归Python实现逻辑回归中涉及的术语以下是逻辑回归中一些常见的术语：自变量：应用于因变量预测的输入特征或预测因子。因变量：逻辑回归模型中的目标变量，即我们试图预测的变量。逻辑函数：用于表示自变量和因变量之间关系的公式。逻辑函数将输入变量转换为0到
  • DeepFM算法原理及应用场景
    DeepFM（DeepFactorizationMachine）是一种结合了因子分解机（FactorizationMachines,FM）和深度神经网络（DNN）的混合模型，主要用于处理高维稀疏数据（如推荐系统中的点击率预测）。其核心思想是同时捕捉低阶（线性）和高阶（非线性）特征交互。1.算法原理模型结构如下：FM部分：负责捕捉低阶特征交互（如一阶和二阶特征组合）。一阶项：线性特征权重。二阶项：通
  • BLE HID 低功耗设计：功耗分析、影响因素与优化策略 34号树洞 #蓝牙专栏物联网专栏物联网BLEHID低功耗设计
    目录一、BLEHID功耗组成二、关键功耗参数指标三、常见芯片功耗参考四、功耗优化建议1.广播阶段优化2.连接参数优化3.空闲与唤醒机制4.HID报文设计优化5.LED/指示器功耗优化五、BLEHID功耗估算案例（典型BLE键盘）六、实用工具推荐在BLEHID（BluetoothLowEnergyHumanInterfaceDevice）设备设计中，功耗是至关重要的技术指标，特别是电池供电的设备如：
  • CVPR 2024 图像、视频处理总汇（视频字幕、图像超分辨率、图像分类和压缩等） 点云SLAM 图形图像处理深度学习计算机视觉图像处理视频处理3DGSCVPR2024
    1、Image/VideoCaptioning(图像/视频字幕)VisualFactChecker:EnablingHigh-FidelityDetailedCaptionGenerationPolos:MultimodalMetricLearningfromHumanFeedbackforImageCaptioning⭐codeprojectPanda-70M:Captioning70MVide
  • 选择什么高端宠物食品品牌？雀巢瑞普纳科学卓越之选 Jamie20190106 宠物
    近年来，全球宠物经济以前所未有的速度升温，将宠物视为家庭成员的“拟人化”养宠观念，正深刻重塑着消费决策。根据行业数据显示，全球宠物食品市场规模预计将在未来五年内以超过7%的年复合增长率持续扩张。在这片蓬勃发展的市场中，一个以“Human-grade（人食级）”为核心理念的赛道，正成为资本和消费者共同追逐的新风口。“人食级”概念的兴起，精准地捕捉了当代宠主的焦虑：对传统宠物干粮中肉粉、谷物填充物和复
  • A systems-biology model of the tumor necrosis factor (TNF) interactions with TNF receptor 1 and 2 但她还是走了 深度学习
    Asystems-biologymodelofthetumornecrosisfactor(TNF)interactionswithTNFreceptor1and2摘要注意:聚集使肿瘤坏死因子受体能够刺激细胞内信号传导。模拟了可溶性配体诱导的肿瘤坏死因子受体1和肿瘤坏死因子受体2的聚集行为。方法:一个结构化的、基于规则的模型实现了配体无关的配体前结合装配域(PLAD)介导的未连接和连接的肿瘤坏死因
  • 数据结构与算法领域线性探测的性能分析 数据结构与算法学习 哈希算法散列表数据结构ai
    数据结构与算法领域线性探测的性能分析关键词：哈希表、线性探测、冲突解决、时间复杂度、负载因子、性能分析、散列函数摘要：本文深入探讨哈希表中线性探测冲突解决方法的性能特点。我们将从基本概念出发，通过生活化的比喻解释线性探测的工作原理，分析其在不同场景下的时间复杂度表现，并通过Python代码实现和实验数据展示其实际性能。文章还将讨论线性探测的优缺点、适用场景以及优化策略，帮助读者全面理解这一经典算法
  • maven中settings.xml仓库配置 苏开印印印
    aliyunmaven*阿里云公共仓库https://maven.aliyun.com/repository/publicrepo1centralHumanReadableNameforthisMirror.https://repo1.maven.org/maven2/repo2centralHumanReadableNameforthisMirror.https://repo2.maven.or
  • 2025.07.04【转录组】| RNA-seq 组装“瘦身术”——BBNorm 归一化处理 穆易青 组装RNA-seq二代大数据
    作者：穆易青|CSDN原创当你的RNA-seq原始读长文件动辄数百GB，组装器张口就要500GB+内存时，该怎么办？一种最经济、又几乎不丢掉有用信息的做法就是——数字归一化（DigitalNormalization）。本文将带你认识BBTools套件中的利器BBNorm，并手把手完成一次上百TB级别数据的“瘦身”实践。文章目录1.什么是数字归一化？2.BBNorm：BBTools家族中的“减肥大师
  • 强化学习RLHF详解 贝塔西塔 强化学习大模型人工智能深度学习机器学习算法语言模型
    RLHF（ReinforcementLearningfromHumanFeedback）模型详解一、背景1.传统强化学习的局限性传统的强化学习（ReinforcementLearning,RL）依赖于预定义的奖励函数（RewardFunction），但在复杂任务（如自然语言生成、机器人控制）中，设计精确的奖励函数极为困难。例如：模糊目标：生成“高质量文本”难以量化，无法用简单的指标（如BLEU、R
  • 基于SpringBoot和Leaflet的区域冲突可视化系统（2025企业级实战方案） 知识产权13937636601 计算机springboot后端java
    摘要在全球地缘冲突与应急事件频发的2025年，区域态势可视化系统成为政府及企业的决策刚需。本文提出基于SpringBoot3.2后端与Leaflet1.9.5前端的冲突可视化解决方案，融合多源异构数据（卫星影像、舆情热力、设施状态）构建动态冲突图谱。关键技术突破包括：矢量切片实时聚合（支持100万+目标呈现）、多维度冲突因子权重模型、态势推演沙盘，并在某跨国能源集团实测中实现风险识别效率提升8倍，
  • 2025年智能计算与人机交互国际会议（ICHCI 2025）
    2025InternationalConferenceonIntelligentComputingandHumanComputerInteraction【一】、大会信息会议简称：ICHCI2025大会地点：中国·温州收录检索：提交EiCompendex,CPCI,CNKI,GoogleScholar等【二】、会议简介2025年智能计算与人机交互国际会议将在中国温州隆重召开。旨在为全球从事大数据、人
  • 知识积累----空转转录因子TF活性的计算框架 追风少年ii 空间数据分析hotspot傅里叶变换机器学习
    作者，EvilGenius关于我们外显子的分析课程，我们来一次预报名吧，课表如下第一节：外显子分析基础知识与框架（包括基础文件的格式等）第二节：fastq数据处理到callSNV+基础认知（简单判断谱系突变和体系突变、以及GT:AD:AF:DP等基础信息）第三节（可能需要拆分成2节课）：各大数据库如何注释突变信息（clinvar、cosmic、gnomad、HGMD、hotspot、oncoKB、
  • [使用Python轻松提取YouTube视频转录：从零开始的指南] mmlihaio python开发语言linux
    #使用Python轻松提取YouTube视频转录：从零开始的指南##引言在当今信息爆炸的时代，YouTube已成为获取信息的重要平台。随着视频内容的激增，自动化获取视频转录内容的需求日益增加。本文将带您探索如何使用Python从YouTube视频中提取转录信息，并分享一些实用的技巧和编码示例。##主要内容###1.YouTube转录加载器简介借助`langchain_community`库的`Yo
  • 解读Servlet原理篇二---GenericServlet与HttpServlet 周凡杨 javaHttpServlet源理GenericService源码
    在上一篇《解读Servlet原理篇一》中提到，要实现javax.servlet.Servlet接口（即写自己的Servlet应用），你可以写一个继承自javax.servlet.GenericServletr的generic Servlet ，也可以写一个继承自java.servlet.http.HttpServlet的HTTP Servlet（这就是为什么我们自定义的Servlet通常是exte
  • MySQL性能优化 bijian1013 数据库mysql
            性能优化是通过某些有效的方法来提高MySQL的运行速度，减少占用的磁盘空间。性能优化包含很多方面，例如优化查询速度，优化更新速度和优化MySQL服务器等。本文介绍方法的主要有：         a.优化查询         b.优化数据库结构  
  • ThreadPool定时重试 dai_lm javaThreadPoolthreadtimertimertask
    项目需要当某事件触发时，执行http请求任务，失败时需要有重试机制，并根据失败次数的增加，重试间隔也相应增加，任务可能并发。 由于是耗时任务，首先考虑的就是用线程来实现，并且为了节约资源，因而选择线程池。 为了解决不定间隔的重试，选择Timer和TimerTask来完成 package threadpool; public class ThreadPoolTest {
  • Oracle 查看数据库的连接情况 周凡杨 sqloracle 连接
    首先要说的是，不同版本数据库提供的系统表会有不同，你可以根据数据字典查看该版本数据库所提供的表。 select * from dict where table_name like '%SESSION%'; 就可以查出一些表，然后根据这些表就可以获得会话信息 select sid,serial#,status,username,schemaname,osuser,terminal,ma
  • 类的继承 朱辉辉33 java
    类的继承可以提高代码的重用行，减少冗余代码；还能提高代码的扩展性。Java继承的关键字是extends 格式:public class 类名（子类）extends 类名（父类）{ } 子类可以继承到父类所有的属性和普通方法，但不能继承构造方法。且子类可以直接使用父类的public和 protected属性，但要使用private属性仍需通过调用。 子类的方法可以重写，但必须和父类的返回值类
  • android 悬浮窗特效 肆无忌惮_ android
    最近在开发项目的时候需要做一个悬浮层的动画，类似于支付宝掉钱动画。但是区别在于，需求是浮出一个窗口，之后边缩放边位移至屏幕右下角标签处。效果图如下：   一开始考虑用自定义View来做。后来发现开线程让其移动很卡，ListView+动画也没法精确定位到目标点。   后来想利用Dialog的dismiss动画来完成。   自定义一个Dialog后，在styl
  • hadoop伪分布式搭建 林鹤霄 hadoop
    要修改4个文件    1: vim hadoop-env.sh  第九行    2: vim core-site.xml            <configuration>     &n
  • gdb调试命令 aigo gdb
    原文：http://blog.csdn.net/hanchaoman/article/details/5517362   一、GDB常用命令简介   r run 运行.程序还没有运行前使用 c             cuntinue 
  • Socket编程的HelloWorld实例 alleni123 socket
    public class Client { public static void main(String[] args) { Client c=new Client(); c.receiveMessage(); } public void receiveMessage(){ Socket s=null; BufferedRea
  • 线程同步和异步 百合不是茶 线程同步异步
    多线程和同步 : 如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行；B依言执行，再将结果给A；A再继续操作。 所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不返回，同时其它线程也不能调用这个方法   多线程和异步:多线程可以做不同的事情,涉及到线程通知     &
  • JSP中文乱码分析 bijian1013 javajsp中文乱码
            在JSP的开发过程中，经常出现中文乱码的问题。         首先了解一下Java中文问题的由来：         Java的内核和class文件是基于unicode的，这使Java程序具有良好的跨平台性，但也带来了一些中文乱码问题的麻烦。原因主要有两方面，
  • js实现页面跳转重定向的几种方式 bijian1013 JavaScript重定向
            js实现页面跳转重定向有如下几种方式： 一.window.location.href <script language="javascript"type="text/javascript"> window.location.href="http://www.baidu.c
  • 【Struts2三】Struts2 Action转发类型 bit1129 struts2
     在【Struts2一】 Struts Hello World http://bit1129.iteye.com/blog/2109365中配置了一个简单的Action，配置如下   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configurat
  • 【HBase十一】Java API操作HBase bit1129 hbase
    Admin类的主要方法注释：   1. 创建表 /** * Creates a new table. Synchronous operation. * * @param desc table descriptor for table * @throws IllegalArgumentException if the table name is res
  • nginx gzip ronin47 nginx gzip
    Nginx GZip 压缩 Nginx GZip 模块文档详见：http://wiki.nginx.org/HttpGzipModule 常用配置片段如下： gzip on; gzip_comp_level 2; # 压缩比例，比例越大，压缩时间越长。默认是1 gzip_types text/css text/javascript; # 哪些文件可以被压缩 gzip_disable &q
  • java-7.微软亚院之编程判断俩个链表是否相交 给出俩个单向链表的头指针，比如 h1 ， h2 ，判断这俩个链表是否相交 bylijinnan java
    public class LinkListTest { /** * we deal with two main missions: * * A. * 1.we create two joined-List(both have no loop) * 2.whether list1 and list2 join * 3.print the join
  • Spring源码学习-JdbcTemplate batchUpdate批量操作 bylijinnan javaspring
    Spring JdbcTemplate的batch操作最后还是利用了JDBC提供的方法，Spring只是做了一下改造和封装 JDBC的batch操作： String sql = "INSERT INTO CUSTOMER " + "(CUST_ID, NAME, AGE) VALUES (?, ?, ?)";
  • [JWFD开源工作流]大规模拓扑矩阵存储结构最新进展 comsci 工作流
        生成和创建类已经完成,构造一个100万个元素的矩阵模型,存储空间只有11M大,请大家参考我在博客园上面的文档"构造下一代工作流存储结构的尝试",更加相信的设计和代码将陆续推出.........     竞争对手的能力也很强.......,我相信..你们一定能够先于我们推出大规模拓扑扫描和分析系统的....
  • base64编码和url编码 cuityang base64url
    import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.PrintWriter; import java.io.StringWriter; import java.io.UnsupportedEncodingException;
  • web应用集群Session保持 dalan_123 session
    关于使用 memcached 或redis 存储 session ，以及使用 terracotta 服务器共享。建议使用 redis，不仅仅因为它可以将缓存的内容持久化，还因为它支持的单个对象比较大，而且数据类型丰富，不只是缓存 session，还可以做其他用途，一举几得啊。1、使用 filter 方法存储这种方法比较推荐，因为它的服务器使用范围比较多，不仅限于tomcat ，而且实现的原理比较简
  • Yii 框架里数据库操作详解-[增加、查询、更新、删除的方法 'AR模式'] dcj3sjt126com 数据库
        public function getMinLimit () {        $sql = "...";        $result = yii::app()->db->createCo
  • solr StatsComponent（聚合统计） eksliang solr聚合查询solr stats
    StatsComponent 转载请出自出处：http://eksliang.iteye.com/blog/2169134 http://eksliang.iteye.com/ 一、概述        Solr可以利用StatsComponent 实现数据库的聚合统计查询，也就是min、max、avg、count、sum的功能   二、参数
  • 百度一道面试题 greemranqq 位运算百度面试寻找奇数算法bitmap 算法
    那天看朋友提了一个百度面试的题目：怎么找出{1,1,2,3,3,4,4,4,5,5,5,5}  找出出现次数为奇数的数字.   我这里复制的是原话，当然顺序是不一定的，很多拿到题目第一反应就是用map,当然可以解决，但是效率不高。   还有人觉得应该用算法xxx,我是没想到用啥算法好...！   还有觉得应该先排序...   还有觉
  • Spring之在开发中使用SpringJDBC ihuning spring
      在实际开发中使用SpringJDBC有两种方式：   1. 在Dao中添加属性JdbcTemplate并用Spring注入；     JdbcTemplate类被设计成为线程安全的，所以可以在IOC 容器中声明它的单个实例，并将这个实例注入到所有的 DAO 实例中。JdbcTemplate也利用了Java 1.5 的特定(自动装箱，泛型，可变长度
  • JSON API 1.0 核心开发者自述 | 你所不知道的那些技术细节 justjavac json
    2013年5月，Yehuda Katz 完成了JSON API(英文，中文) 技术规范的初稿。事情就发生在 RailsConf 之后，在那次会议上他和 Steve Klabnik 就 JSON 雏形的技术细节相聊甚欢。在沟通单一 Rails 服务器库—— ActiveModel::Serializers 和单一 JavaScript 客户端库——&
  • 网站项目建设流程概述 macroli 工作
    一.概念 网站项目管理就是根据特定的规范、在预算范围内、按时完成的网站开发任务。 二.需求分析 项目立项 　　我们接到客户的业务咨询，经过双方不断的接洽和了解，并通过基本的可行性讨论够，初步达成制作协议，这时就需要将项目立项。较好的做法是成立一个专门的项目小组，小组成员包括：项目经理，网页设计，程序员，测试员，编辑/文档等必须人员。项目实行项目经理制。 客户的需求说明书 　　第一步是需
  • AngularJs 三目运算 表达式判断 qiaolevip 每天进步一点点学习永无止境众观千象AngularJS
    事件回顾：由于需要修改同一个模板，里面包含2个不同的内容，第一个里面使用的时间差和第二个里面名称不一样，其他过滤器，内容都大同小异。希望杜绝If这样比较傻的来判断if-show or not，继续追究其源码。 var b = "{{", a = "}}"; this.startSymbol = function(a) {
  • Spark算子：统计RDD分区中的元素及数量 superlxw1234 sparkspark算子Spark RDD分区元素
    关键字：Spark算子、Spark RDD分区、Spark RDD分区元素数量     Spark RDD是被分区的，在生成RDD时候，一般可以指定分区的数量，如果不指定分区数量，当RDD从集合创建时候，则默认为该程序所分配到的资源的CPU核数，如果是从HDFS文件创建，默认为文件的Block数。   可以利用RDD的mapPartitionsWithInd
  • Spring 3.2.x将于2016年12月31日停止支持 wiselyman Spring 3
                  Spring 团队公布在2016年12月31日停止对Spring Framework 3.2.x（包含tomcat 6.x）的支持。在此之前spring团队将持续发布3.2.x的维护版本。          请大家及时准备及时升级到Spring
  • fis纯前端解决方案fis-pure zccst JavaScript
    作者：zccst FIS通过插件扩展可以完美的支持模块化的前端开发方案，我们通过FIS的二次封装能力，封装了一个功能完备的纯前端模块化方案pure。 1，fis-pure的安装 $ fis install -g fis-pure $ pure -v 0.1.4 2，下载demo到本地 git clone https://github.com/hefangshi/f
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他