فهرست مطالب:
Contents
About the Editors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii Preface to ”Bioinformatics and Machine Learning for Cancer Biology” . . . . . . . . . . . . . . ix Special Issue on Bioinformatics and Machine Learning for Cancer Biology . . . . . . . . . . . . . . . . . 1 Machine Learning-Based Identification of Colon Cancer Candidate Diagnostics Genes. . . . . . . . . . . . . . . . . 3 A Novel Approach to Modeling and Forecasting Cancer Incidence and Mortality Rates through Web Queries and Automated Forecasting Algorithms: Evidence from Romania . . . . . . . . . . . . . . . . . 19 Prediction of Major Histocompatibility Complex Binding with Bilateral and Variable Long Short Term Memory Networks . . . . . . . . . . . . . . . . . 37 Identification of DPP4/CTNNB1/MET as a Theranostic Signature of Thyroid Cancer and Evaluation of the Therapeutic Potential of Sitagliptin . . . . . . . . . . . . . . . . . 47 DRPPM-EASY: A Web-Based Framework for Integrative Analysis of Multi-Omics Cancer Datasets . . . . . . . . . . . . . . . . . 65 Identification and Validation of an Annexin-Related Prognostic Signature and Therapeutic Targets for Bladder Cancer: Integrative Analysis . . . . . . . . . . . . . . . . . 79 Architectural Distortion-Based Digital Mammograms Classification Using Depth Wise Convolutional Neural Network . . . . . . . . . . . . . . . . . . 97 Comprehensive Analysis of CPA4 as a Poor Prognostic Biomarker Correlated with Immune Cells Infiltration in Bladder Cancer . . . . . . . . . . . . . . . . 127 The Identification of RNA Modification Gene PUS7 as a Potential Biomarker of Ovarian Cancer . . . . . . . . . . . . . . . . 145 R-Score: A New Parameter to Assess the Quality of Variants’ Calls Assessed by NGS Using Liquid Biopsies . . . . . . . . . . . . . . . . . 159 Role of Persistent Organic Pollutants in Breast Cancer Progression and Identification of Estrogen Receptor Alpha Inhibitors Using In-Silico Mining and Drug-Drug Interaction Network Approaches . . . . . . . . . . . . . . . . . 169
مشخصات فایل
|
عنوان (Title): |
Bioinformatics and Machine Learning for Cancer Biology |
نام فایل (File name): |
715-www.GeneProtocols.ir-Bioinformatics and Machine Learning for Cancer Biology-MDPI (2022).pdf |
عنوان فارسی (Title in Persian): |
بیوانفورماتیک و یادگیری ماشین در بیولوژی سرطان |
ایجاد کننده: |
Shibiao Wan, Yiping Fan, Chunjie Jiang, Shengli Li |
زبان (Language): |
انگلیسی English |
سال انتشار: |
2022 |
شابک ISBN: |
9783036548142, 9783036548135 |
نوع سند (Doc. type): |
کتاب |
فرمت (File extention): |
PDF |
حجم فایل (File size): |
71.9 مگابایت |
تعداد صفحات (Book length in pages): |
198 |
پس از پرداخت، دانلود فایل آغاز می شود
تمامی درگاه های پرداخت ژنـ پروتکل توسط شرکت دانش بنیان نکست پی پشتیبانی می شود. نکست پی دارای مجوز رسمی پرداختیاری به شماره 1971/ص/98 ، از شرکت شاپرک و بانک مرکزی جمهوری اسلامی ایران و دارای نماد اعتماد در حوزه (متمرکزکنندگان پرداخت) از مرکز توسعه تجارت الکترونیکی وزارت صنعت معدن و تجارت است.