SUPPLEMENTARY MATERIAL: Machine learning-based analysis of glioma grades reveals co-enrichment
SND-ID: 2024-339. Version: 1. DOI: https://doi.org/10.57804/6fa3-6v37
Ladda ner data
Ladda ner alla filer
Citering
Skapare/primärforskare
Mateusz Garbulowski
- Uppsala universitet
Forskningshuvudman
Beskrivning
Datasetet har ursprungligen publicerats i DiVA och flyttades över till SND 2024.
Data innefattar personuppgifter
Nej
Språk
Medverkande
Karolina Smolinska Garbulowska
- Uppsala universitet, Beräkningsbiologi och bioinformatik
Uğur Çabuk - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Sara A. Yones - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Ludovica Celli - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Esmanur Yaz - Uppsala universitet, Institutionen för cell- och molekylärbiologi
... Visa mer..
Karolina Smolinska Garbulowska
- Uppsala universitet, Beräkningsbiologi och bioinformatik
Uğur Çabuk - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Sara A. Yones - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Ludovica Celli - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Esmanur Yaz - Uppsala universitet, Institutionen för cell- och molekylärbiologi
Fredrik Barrenäs - Uppsala universitet, Beräkningsbiologi och bioinformatik
Klev Diamanti
- Uppsala universitet, Beräkningsbiologi och bioinformatik
Claes Wadelius
- Uppsala universitet, Medicinsk genetik och genomik
Jan Komorowski
- Uppsala universitet, Beräkningsbiologi och bioinformatik
Identifierare
Forskningsområde
Bioinformatik (beräkningsbiologi) (Standard för svensk indelning av forskningsämnen 2011)
Nyckelord
Garbulowski M, Smolinska K, Çabuk U, Yones SA, Celli L, Yaz EN, Barrenäs F, Diamanti K, Wadelius C, Komorowski J. Machine Learning-Based Analysis of Glioma Grades Reveals Co-Enrichment. Cancers (Basel). 2022 Feb 17;14(4):1014. doi: 10.3390/cancers14041014. PMID: 35205761; PMCID: PMC8870250.
URN:
urn:nbn:se:uu:diva-455177
