Andere Kunden interessierten sich auch für
![Bioinformatics Using Computational Intelligence Paradigms]( "Bioinformatics Using Computational Intelligence Paradigms")
Bioinformatics Using Computational Intelligence Paradigms79,99 €![Computation in Bioinformatics]( "Computation in Bioinformatics")
Computation in Bioinformatics222,99 €![Data Mining and Bioinformatics]( "Data Mining and Bioinformatics")
Data Mining and Bioinformatics39,99 €![Pattern Recognition in Bioinformatics]( "Pattern Recognition in Bioinformatics")
Pattern Recognition in Bioinformatics39,99 €![Biological and Medical Data Analysis]( "Biological and Medical Data Analysis")
Biological and Medical Data Analysis39,99 €![Automatische Analyse von Minirhizotronbildern]( "Automatische Analyse von Minirhizotronbildern")
Automatische Analyse von Minirhizotronbildern59,00 €![Rekonstruktion von Phylogenien]( "Rekonstruktion von Phylogenien")
Rekonstruktion von Phylogenien59,00 €
Die Bestimmung differentiell exprimierter Gene
zwischen zwei phänotypischen Ausprägungen eines
Merkmals führt in vielen Untersuchungen zur
Konstruktion eines Klassifikators, mit welchem für
die durchgeführten Experimente optimal die
Klassenzugehörigkeit bestimmt werden kann. Dennoch
zeigen Vergleiche zwischen den Klassifikatoren
unterschiedlicher Studien, die dieselben Datensätze
verwenden, kaum Übereinstimmungen. Dies wirft die
Frage auf, welche der selektierten Gene eine
biologische Relevanz haben und wie robust
Merkmalsselktionsalgorithmen tatsächlich sind? Die
robuste Merkmalsselektion kombiniert die Signale der
biologisch relevanten Gene in verschiedenen
Datensätzen und liefert somit vielversprechende
Hinweise auf die genetische Grundlage des
untersuchten Phänotyps. Durch Anwendung des
Verfahrens auf Karzinomdatensätze, die sich im
Merkmal der Metastasenausbildung unterscheiden,
konnten bisher unbekannte Zusammenhänge zwischen
Genexpressionsmustern und der Metastasenbildung
aufgedeckt werden.
zwischen zwei phänotypischen Ausprägungen eines
Merkmals führt in vielen Untersuchungen zur
Konstruktion eines Klassifikators, mit welchem für
die durchgeführten Experimente optimal die
Klassenzugehörigkeit bestimmt werden kann. Dennoch
zeigen Vergleiche zwischen den Klassifikatoren
unterschiedlicher Studien, die dieselben Datensätze
verwenden, kaum Übereinstimmungen. Dies wirft die
Frage auf, welche der selektierten Gene eine
biologische Relevanz haben und wie robust
Merkmalsselktionsalgorithmen tatsächlich sind? Die
robuste Merkmalsselektion kombiniert die Signale der
biologisch relevanten Gene in verschiedenen
Datensätzen und liefert somit vielversprechende
Hinweise auf die genetische Grundlage des
untersuchten Phänotyps. Durch Anwendung des
Verfahrens auf Karzinomdatensätze, die sich im
Merkmal der Metastasenausbildung unterscheiden,
konnten bisher unbekannte Zusammenhänge zwischen
Genexpressionsmustern und der Metastasenbildung
aufgedeckt werden.