机译:结合特征选择方法和分类器,使用较少的基因表达进行微阵列基因表达数据分类
机译:基因表达数据特征选择的双过程样本选择方法
机译:通过特征聚类的微阵列基因表达数据的混合特征选择
机译:使用NeuCube和时间特征选择分析埃博拉疫苗反应的基因表达时间序列数据
机译:微阵列基因表达数据分析和传染性病毒株计算基因分型的特征选择
机译:从时间序列和静态基因表达数据引起遗传网络:组合具有特征选择方法的随机林类推断方法
机译:错误:致癌KRas通过基质复制调节肿瘤细胞信号:我们的论文使用蛋白质组学方法证明了肿瘤和基质细胞中癌基因信号传导的细胞自主和非细胞自主作用。我们注意到数据s1总结了我们的蛋白质组学和磷酸化蛋白质组学数据,包括两组错误。在与图3E相关的标签中,数据被标记为表示log2转换的比率,但被错误地格式化以表示自然比率。现在已将这些数字更改为表示log2转换比率。在与图5相关的选项卡中,来自我们的蛋白质组学软件的复制错误导致6H时间值被错误地显示。这些值现在也已得到纠正。数据s1的更正版本中表示的值是我们在整篇论文中用于分析的值,因此论文中的结论和数字保持不变。
机译:高度参数化反演的方法:TspROC,一种辅助模型校准和结果汇总的通用时间序列处理器。 C部分,计算机程序,第7册,自动数据处理和计算的第7章。大湖休息