Prediction of condition-specific regulatory genes using machine learning.

Song, Qi; Lee, Jiyoung; Akter, Shamima; Rogers, Matthew; Grene, Ruth; Li, Song

Song, Qi; Lee, Jiyoung; Akter, Shamima; Rogers, Matthew; Grene, Ruth; Li, Song.

Afiliação

Song Q; Graduate program in Genetics, Bioinformatics and Computational Biology. Virginia Tech., Blacksburg, VA 24061, USA.
Lee J; Graduate program in Genetics, Bioinformatics and Computational Biology. Virginia Tech., Blacksburg, VA 24061, USA.
Akter S; School of Plant and Environmental Sciences. Virginia Tech., Blacksburg, VA 24061, USA.
Rogers M; Department of Statistics. Virginia Tech., Blacksburg, VA 24061, USA.
Grene R; Graduate program in Genetics, Bioinformatics and Computational Biology. Virginia Tech., Blacksburg, VA 24061, USA.
Li S; School of Plant and Environmental Sciences. Virginia Tech., Blacksburg, VA 24061, USA.

Nucleic Acids Res ; 48(11): e62, 2020 06 19.

Article em En | MEDLINE | ID: mdl-32329779

Assuntos

Arabidopsis/genética; Redes Reguladoras de Genes; Genes de Plantas/genética; Genes Reguladores; Aprendizado de Máquina; Proteínas de Arabidopsis; Conjuntos de Dados como Assunto; Aprendizado Profundo; Perfilação da Expressão Gênica; Regulação da Expressão Gênica de Plantas; Regiões Promotoras Genéticas/genética; RNA-Seq; Análise de Célula Única; Estresse Fisiológico/genética; Fatores de Transcrição

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Genes Reguladores / Genes de Plantas / Arabidopsis / Redes Reguladoras de Genes / Aprendizado de Máquina Tipo de estudo: Prognostic_studies / Risk_factors_studies Idioma: En Revista: Nucleic Acids Res Ano de publicação: 2020 Tipo de documento: Article País de afiliação: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google