1) time-course gene expression
时序基因表达数据
1.
Improved dynamic model-based clustering for time-course gene expression data;
改进的时序基因表达数据动态聚类算法
2.
However,they cannot make full use of the important dynamic information in time-course gene expression data.
然而对于时序基因表达数据来说,传统的聚类算法往往不能充分利用到数据中时间上的动态关联信息。
2) Temporal expression data
时序表达数据
3) Gene expression data
基因表达数据
1.
Assessment of optimial clustering algofithm for gene expression data based on conditional root-mean-square F value;
基于实验均方误差F值的基因表达数据最佳聚类评判方法研究
2.
Using fuzzy kernel discriminant analysis for tumor classification with gene expression data;
基于模糊核判别分析的基因表达数据分析方法
3.
Clustering analysis methods of gene expression data based on representative entropy;
基于代表熵的基因表达数据聚类分析方法
4) Gene Expression Data
基因表达谱数据
1.
Applying of Support Vector Machines in Microarray Gene Expression Data Classification;
支持向量机在微阵列基因表达谱数据分类中的应用
5) genome time serial expression
基因组表达时间序列
6) Metastasis in breast tumor
基因芯片数据表达
补充资料：基因表达系列分析
基因表达系列分析（sage）是通过快速和详细分析成千上万个est（express sequenced tags）来寻找出表达丰富度不同的sage标签序列。再次访法中，通过限制性酶切可以产生非常短的cdna（10-14bp）标签，并通过pcr扩增和连接，随后对连接题进行测序。sage大大简化和加快了3’端表达序列标签的收集和测序。同dd一样，sage是一个“开放”的系统，可以发现新的未知的序列。在进行标本的比较之前，sage在cdna的产生和处理上需要较多个步骤。由于sage是一个依赖dna测序的基因计量方法，它对基因表达的测定比dd更加量化。由于需要进行大量的测序反应，所以费用因素使大多数研究机构对其广泛应用的主要限制。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条