Startseite UR

Loss-function learning for digital tissue deconvolution

Görtler, Franziska, Solbrig, Stefan, Wettig, Tilo, Oefner, Peter J. , Spang, Rainer und Altenbuchinger, Michael (2018) Loss-function learning for digital tissue deconvolution. In: Raphael, Benjamin J., (ed.) Research in Computational Molecular Biology : 22nd Annual International Conference, RECOMB 2018, Paris, France, April 21-24, 2018, Proceedings. Lecture Notes in Computer Science, 10812. Springer International Publishing, Cham, S. 75-89. ISBN 978-3-319-89929-9 ; 978-3-319-89928-2.

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.

Zum arXiv-Eintrag dieses Artikels

Zum Artikel beim Verlag (über DOI)

Andere URL zum Volltext: https://link.springer.com/book/10.1007%2F978-3-319-89929-9


Zusammenfassung

The gene expression profile of a tissue averages the expression profiles of all cells in this tissue. Digital tissue deconvolution (DTD) addresses the following inverse problem: Given the expression profile $y$ of a tissue, what is the cellular composition $c$ of that tissue? If $X$ is a matrix whose columns are reference profiles of individual cell types, the composition $c$ can be computed by ...

plus


Bibliographische Daten exportieren



Dokumentenart:Buchkapitel
Datum:25 April 2018
Institutionen:Medizin > Institut für Funktionelle Genomik > Lehrstuhl für Statistische Bioinformatik (Prof. Spang)
Identifikationsnummer:
WertTyp
1801.08447arXiv-ID
10.1007/978-3-319-89929-9_5DOI
Verwandte URLs:
URLURL Typ
http://arxiv.org/abs/1801.08447v1Preprint
Dewey-Dezimal-Klassifikation:600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin
Status:Veröffentlicht
Begutachtet:Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:Ja
Dokumenten-ID:37253
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner