Andere Kunden interessierten sich auch für
![Computation in Bioinformatics]( "Computation in Bioinformatics")
Computation in Bioinformatics224,99 €![Bioinformatics Using Computational Intelligence Paradigms]( "Bioinformatics Using Computational Intelligence Paradigms")
Bioinformatics Using Computational Intelligence Paradigms83,99 €![Data Mining and Bioinformatics]( "Data Mining and Bioinformatics")
Data Mining and Bioinformatics42,99 €![Pattern Recognition in Bioinformatics]( "Pattern Recognition in Bioinformatics")
Pattern Recognition in Bioinformatics42,99 €![Independent Component Analysis]( "Independent Component Analysis")
Independent Component Analysis225,99 €![Bildverarbeitung für die Medizin 2000]( "Bildverarbeitung für die Medizin 2000")
Bildverarbeitung für die Medizin 200054,99 €![Biological and Medical Data Analysis]( "Biological and Medical Data Analysis")
Biological and Medical Data Analysis42,99 €
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.