An integrative machine-learning meta-analysis of high-throughput omics data identifies age-specific hallmarks of Alzheimer's disease.

Shokhirev, Maxim N; Johnson, Adiv A

Shokhirev, Maxim N; Johnson, Adiv A.

Afiliación

Shokhirev MN; Razavi Newman Integrative Genomics and Bioinformatics Core, Salk Institute for Biological Studies, La Jolla, CA, USA. Electronic address: maxshok@gmail.com.
Johnson AA; Independent Researcher, Tucson, AZ, USA. Electronic address: adivjohnson@gmail.com.

Ageing Res Rev ; 81: 101721, 2022 11.

Article en En | MEDLINE | ID: mdl-36029998

Asunto(s)

Enfermedad de Alzheimer; MicroARNs; Factores de Edad; Anciano; Anciano de 80 o más Años; Enfermedad de Alzheimer/diagnóstico; Enfermedad de Alzheimer/genética; Enfermedad de Alzheimer/metabolismo; Encéfalo/metabolismo; Humanos; Aprendizaje Automático; MicroARNs/genética; MicroARNs/metabolismo

Palabras clave

Aging; Alzheimer's disease; Bioinformatics; Ensemble learning; Machine learning; Omics

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: MicroARNs / Enfermedad de Alzheimer Tipo de estudio: Diagnostic_studies / Prognostic_studies / Systematic_reviews Límite: Aged / Aged80 / Humans Idioma: En Revista: Ageing Res Rev Asunto de la revista: GERIATRIA Año: 2022 Tipo del documento: Article Pais de publicación: Reino Unido

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google