兰克根

RankGene:基于表达数据识别诊断基因。摘要:RankGene是一个分析基因表达数据并根据其在区分不同类型样本中的预测能力计算诊断基因的程序。该程序将各种流行的排序标准集成到一个系统中,从传统的t统计量到一维支持向量机。这种灵活性使RankGene成为基因表达分析和特征选择的有用工具。可用性:http://genomics10.bu.edu/yangsu/rankgene


zbMATH参考文献(14篇文章引用)

显示第1至14个结果,共14个。
按年份排序(引用)

  1. Wang,Chamont;Gevertz,Jana L.:从高维数据中发现致病基因:统计和机器学习方法的评估(2016)
  2. 赵玉海;李,元;尹,英;盛,刚:寻找覆盖不可约对比序列规则的疾病诊断(2015)
  3. Archetti,Francesco;Giordani,Ilaria;Vanneschi,Leonardo:使用NCI-60数据集预测抗癌治疗反应的遗传规划(2010)
  4. Bar,Haim;Booth,James;Schifano,Elizabeth;Wells,Martin T.:Laplace近似EM微阵列分析:比较微阵列实验的经验贝叶斯方法(2010)
  5. Kung,S.Y.;Luo,Yuhui;Mak,Man Wai:基因组信号处理的特征选择:无监督、有监督和自监督场景(2010)ioport公司
  6. Luss,Ronny;d'Aspremont,Alexandre:使用稀疏主成分分析的聚类和特征选择(2010)
  7. Yang,Pengyi;Zhou,Bing;Zhang,Zili;Zomaya,Albert Y:用于基因选择和微阵列数据样本分类的多滤波器增强遗传集成系统(2010)ioport公司
  8. Hua,Jianping;Tembe,Waibhav D.;Dougherty,Edward R.:特征选择方法在高维数据分类中的表现(2009)
  9. Moretti,Stefano:博弈论应用于基因表达分析(2009)
  10. d'Aspremont,Alexandre;Bach,Francis;El Ghaoui,Laurent:稀疏主成分分析的最优解(2008)
  11. Fragnelli,Vito;Moretti,Stefano:基因表达数据分析中分类问题的博弈论方法(2008)
  12. Yeh,Jinn Yi:应用数据挖掘技术对基因表达数据进行癌症分类(2008)
  13. Moretti,Stefano;Patrone,Fioravante;Bonassi,Stefano:微阵列游戏的类别和基因相关性指数(2007)
  14. Wang,Yu.;Tetko,Igor V.;Hall,Mark A.;Frank,Eibe;Facius,Axel;Mayer,Klaus F.X.;Mewes,Hans W.:用于癌症分类的微阵列数据的基因选择——机器学习方法(2005)