Andere Kunden interessierten sich auch für
![Bodenklassifizierung und Anbauempfehlungen durch maschinelles Lernen]( "Bodenklassifizierung und Anbauempfehlungen durch maschinelles Lernen")
Bodenklassifizierung und Anbauempfehlungen durch maschinelles Lernen43,90 €![The Statistical Physics of Fixation and Equilibration in Individual-Based Models]( "The Statistical Physics of Fixation and Equilibration in Individual-Based Models")
The Statistical Physics of Fixation and Equilibration in Individual-Based Models74,99 €![System Dynamics]( "System Dynamics")
System Dynamics440,99 €![Modulation von Darmentzündungen durch Inhaltsstoffe des Apfels]( "Modulation von Darmentzündungen durch Inhaltsstoffe des Apfels")
Modulation von Darmentzündungen durch Inhaltsstoffe des Apfels89,90 €![Geschichte der ökumenischen Krankenhausseelsorge]( "Geschichte der ökumenischen Krankenhausseelsorge")
Geschichte der ökumenischen Krankenhausseelsorge115,90 €![Wachstum von Dünnschichten des Materialsystems Cu-Zn-Sn-S]( "Wachstum von Dünnschichten des Materialsystems Cu-Zn-Sn-S")
Wachstum von Dünnschichten des Materialsystems Cu-Zn-Sn-S69,90 €![Untersuchung der Lungenfeinstruktur mittels ³He-MRT]( "Untersuchung der Lungenfeinstruktur mittels ³He-MRT")
Untersuchung der Lungenfeinstruktur mittels ³He-MRT69,90 €
Affymetrix Microarrays werden für genomweite Genexpressionsanalysen unter anderem bei der medizinischen Erforschung von diversen Erkrankungen genutzt. Insbesondere in der Tumorforschung hat sich diese Technologie etabliert, um neue Gene für die Diagnose und Therapie zu finden. Aufgrund des zum Teil heterogenen Tumorzellenanteils im Gewebe kann die Menge an reinen Tumorzellen auf wenige 100 Zellen begrenzt sein. Damit eine Microarray Analyse mit so wenigen Zellen überhaupt möglich ist, muss die mRNA aus diesen Zellen um ein vielfaches vermehrt werden. Dieser entscheidende Schritt führt aber aufgrund des Designs des Mircroarrays zu erheblich verrauschten Daten. Auf der Basis von geeigneten Testdaten wurden bereits existierende Präprozessierungs-Algorithmen und die neu entwickelte sVSN-Methode evaluiert und mittels simulierter Daten hinsichtlich ihrer Sensitivität und Spezifität bewertet. Zudem konnte gezeigt werden, dass die Reanalyse von bereits publizierten Genexpressionsdaten mit etablierten statistischen Methoden einen Vorteil zeigt.