Pipeline design to identify key features and perform classification on response/predisposition large-scale genetic data
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/117335
Tipus de documentProjecte Final de Màster Oficial
Data2017-04
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
We propose a state-of-the-art, scalable and flexible alternative to the classical GWAS approach, based on machine learning techniques, to analyze large-scale data and discover epistatic and non-epistatic polygenic variants in complex diseases.
TitulacióMÀSTER UNIVERSITARI EN INNOVACIÓ I RECERCA EN INFORMÀTICA (Pla 2012)
Col·leccions
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
124451.pdf | 5,690Mb | Visualitza/Obre |