SUPPLEMENTARY MATERIAL: Machine learning-based analysis of glioma grades reveals co-enrichment
https://doi.org/10.57804/6fa3-6v37
Se engelsk version av beskrivningen för information.
Datasetet har ursprungligen publicerats i DiVA och flyttades över till SND 2024.
Ladda ner 2 öppna filer (5.47 MiB)
Filer med öppen tillgång (2)
Filer med öppen tillgång (2)
Citering och åtkomst
Citering och åtkomst
Åtkomstnivå:
Skapare/primärforskare:
Forskningshuvudman:
Data innehåller personuppgifter:
Nej
Citering:
Språk:
Administrativ information
Administrativ information
Medverkande:
- 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
Identifierare
Identifierare
Ämnesområde och nyckelord
Ämnesområde och nyckelord
Standard för svensk indelning av forskningsämnen 2025:
Nyckelord:
Relationer
Relationer
Publikationer
Publikationer
Citering:
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.
Metadata
Metadata
Version 1
