Machine learning approach to integrated endometrial transcriptomic datasets reveals biomarkers predicting uterine receptivity in cattle at seven days after estrous.

Rabaglino, Maria B; Kadarmideen, Haja N

Rabaglino, Maria B; Kadarmideen, Haja N.

Afiliação

Rabaglino MB; Quantitative Genetics, Bioinformatics and Computational Biology Group, Department of Applied Mathematics and Computer Science, Technical University of Denmark, Richard Petersens Plads, Building 324, 2800, Kgs. Lyngby, Denmark.
Kadarmideen HN; Quantitative Genetics, Bioinformatics and Computational Biology Group, Department of Applied Mathematics and Computer Science, Technical University of Denmark, Richard Petersens Plads, Building 324, 2800, Kgs. Lyngby, Denmark. hajak@dtu.dk.

Sci Rep ; 10(1): 16981, 2020 10 12.

Article em En | MEDLINE | ID: mdl-33046742

Assuntos

Implantação do Embrião/genética; Endométrio/fisiologia; Útero/fisiologia; Animais; Biomarcadores; Cruzamento; Bovinos; Ritmo Circadiano/genética; Biologia Computacional; Conjuntos de Dados como Assunto; Transferência Embrionária; Estro; Feminino; Perfilação da Expressão Gênica; Aprendizado de Máquina; Gravidez; Prognóstico; Via de Sinalização Wnt/genética

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Implantação do Embrião / Útero / Endométrio Idioma: En Ano de publicação: 2020 Tipo de documento: Article País de afiliação: Dinamarca

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google