Startseite UR

Unsupervised meta-analysis on diverse gene expression datasets allows insight into gene function and regulation

Engelmann, Julia C., Schwarz, Roland, Blenk, Steffen, Friedrich, Torben, Seibel, Philipp N., Dandekar, Thomas und Müller, Tobias (2008) Unsupervised meta-analysis on diverse gene expression datasets allows insight into gene function and regulation. Bioinformatics and biology insights 2, S. 265-280.

[img]
Vorschau
Lizenz: Creative Commons Attribution
PDF - Veröffentlichte Version
Download (503kB)

Zum PubMed-Eintrag dieses Artikels


Zusammenfassung

Over the past years, microarray databases have increased rapidly in size. While they offer a wealth of data, it remains challenging to integrate data arising from different studies. Here we propose an unsupervised approach of a large-scale meta-analysis on Arabidopsis thaliana whole genome expression datasets to gain additional insights into the function and regulation of genes. Applying kernel ...

plus


Bibliographische Daten exportieren



Dokumentenart:Artikel
Datum:Mai 2008
Institutionen:Nicht ausgewählt
Identifikationsnummer:
WertTyp
19812781PubMed-ID
Stichwörter / Keywords:Arabidopsis thaliana; database; function prediction; gene expression; microarray; unsupervised meta-analysis
Dewey-Dezimal-Klassifikation:500 Naturwissenschaften und Mathematik > 500 Naturwissenschaften
600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin
Status:Veröffentlicht
Begutachtet:Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:Nein
Eingebracht am:20 Aug 2014 08:26
Zuletzt geändert:02 Jun 2018 07:40
Dokumenten-ID:30679
Nur für Besitzer und Autoren: Kontrollseite des Eintrags

Downloads

Downloads im Monat während des letzten Jahres

  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner