2) gene expression data classification
基因表达数据分类
1.
This paper aims to improve gene expression data classification method in two aspects,classifica- tion algorithm and feature selection.
从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余。
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
6) gene expression analysis
基因表达分析
1.
By this novel approach, not only DNA sequencing and gene expression analysis but also gene diagnoses, study of gene singlenucleotide polymorphisms(SNPs) and new medicine screening can be performed.
DNA芯片技术目前已用于基因重复测序、基因表达分析、新基因的发现、基因单核苷酸多态性 ( SNPs)研究、基因诊断、药物筛选等领域 ,而且其应用范围还在不断扩展。
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