A Bayesian mixture modelling approach for spatial proteomics.

Crook, Oliver M; Mulvey, Claire M; Kirk, Paul D W; Lilley, Kathryn S; Gatto, Laurent

Crook, Oliver M; Mulvey, Claire M; Kirk, Paul D W; Lilley, Kathryn S; Gatto, Laurent.

Afiliación

Crook OM; Computational Proteomics Unit, Department of Biochemistry, University of Cambridge, Cambridge, UK.
Mulvey CM; Cambridge Centre for Proteomics, Department of Biochemistry, University of Cambridge, Cambridge, UK.
Kirk PDW; MRC Biostatistics Unit, Cambridge Institute for Public Health, Cambridge, UK.
Lilley KS; Cambridge Centre for Proteomics, Department of Biochemistry, University of Cambridge, Cambridge, UK.
Gatto L; MRC Biostatistics Unit, Cambridge Institute for Public Health, Cambridge, UK.

PLoS Comput Biol ; 14(11): e1006516, 2018 11.

Article en En | MEDLINE | ID: mdl-30481170

Asunto(s)

Teorema de Bayes; Modelos Teóricos; Proteómica; Algoritmos; Animales; Células Madre Embrionarias/metabolismo; Aprendizaje Automático; Ratones; Reproducibilidad de los Resultados; Fracciones Subcelulares/metabolismo; Incertidumbre

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Teorema de Bayes / Proteómica / Modelos Teóricos Tipo de estudio: Prognostic_studies Límite: Animals Idioma: En Revista: PLoS Comput Biol Asunto de la revista: BIOLOGIA / INFORMATICA MEDICA Año: 2018 Tipo del documento: Article País de afiliación: Reino Unido

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google