From sequences to strategies: Early detection of new SARS-CoV-2 variants via genetic distance to reduce hospitalizations.
Revue : PLoS computational biology
Parution : Mardi 1 septembre 2026
Statut : code vérifié
Méthodes : Apprentissage, Statistiques
Carte de traçage
Proposée automatiquement : ces liens ont été trouvés dans l'article et vérifiés à la source, sans relecture humaine. Elle recevra un DOI Zenodo quand un de ses auteurs l'aura validée avec son ORCID.
Code des auteurs
marikadavanzo/sars-cov-2-variant-early-detection-genetic-distance
Licence : MIT
État : le lien répond
Preuve : fichiers inventoriés
Commit :
18994c1b869ae0eb45dcf24b2e26bfa9710de13cLangages : Jupyter (9)
Trouvé : « Data Availability »
11 fichiers
- notebooks/1_Chains_reconstruction.ipynb — Jupyter, 56 lignes [lire ici]
- notebooks/2_Fit_of_chains.ipynb — Jupyter, 439 lignes [lire ici]
- notebooks/3_Calibration_curve.ipynb — Jupyter, 386 lignes [lire ici]
- notebooks/4_Dataset_predominant_chains.ipynb — Jupyter, 378 lignes [lire ici]
- notebooks/5_Dataset_transient_chains.ipynb — Jupyter, 390 lignes [lire ici]
- notebooks/6_DNN_dataset.ipynb — Jupyter, 61 lignes [lire ici]
- notebooks/7_DNN_training.ipynb — Jupyter, 183 lignes [lire ici]
- notebooks/8_Denmark_data_preparation.ipynb — Jupyter, 449 lignes [lire ici]
- notebooks/9_CatBoost_Denmark.ipynb — Jupyter, 2 121 lignes [lire ici]
- LICENSE — Licence, 21 lignes [lire ici]
- README.md — Texte, 350 lignes [lire ici]