Unsupervised clustering reveals new prostate cancer subtypes
摘要 背景：前列腺癌是男性中第二常见的癌症。发展基于基因的分类方法是迫切的要求。我们的目标是建立基因分型。 方法：我们使用了四个前列腺癌数据集。癌症基因组图谱（TCGA）RNA-Seq数据用于训练分类器。基于分类器的三个亚型被测试是否具有临床数据存在显着差异。其他三组按分类器分类并验证。 结果：分类器有183个基因。前列腺癌亚型1（PCS1）的特征是高 GSTP1的表达，Gleason评分较低（P
相关文章
- 1. 论文笔记《Adversarial Networks for Prostate Cancer Detection》
- 2. Clustering - Unsupervised learning introduction
- 3. Machine learning(7): Unsupervised learning-------CLUSTERING
- 4. Unsupervised Deep Embedding for Clustering Analysis(DEC)
- 5. False Positive Reduction Using Multiscale Contextual Features for Prostate Cancer Detection..论文笔记
- 6. 论文笔记（四）《Adversarial Networks for the Detection of Aggressive Prostate Cancer》
- 7. Deep Temporal Clustering: Fully unsupervised learning of time-domain features
- 8. Deep Unsupervised Clustering Using Mixture of Autoencoders(2017)
- 9. Unsupervised Subtyping of Cholangiocarcinoma Using a Deep Clustering Convolutional Autoencoder
- 10. Variational Deep Embedding: An Unsupervised and Generative Approach to Clustering
- 更多相关文章...
- • Thymeleaf表单 - Thymeleaf 教程
- • C# 交错数组 - C#教程
- • 为了进字节跳动，我精选了29道Java经典算法题，带详细讲解
- • IntelliJ IDEA代码格式化设置
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. python的安装和Hello，World编写
- 2. 重磅解读：K8s Cluster Autoscaler模块及对应华为云插件Deep Dive
- 3. 鸿蒙学习笔记2（永不断更）
- 4. static关键字 和构造代码块
- 5. JVM笔记
- 6. 无法启动 C/C++ 语言服务器。IntelliSense 功能将被禁用。错误: Missing binary at c:\Users\MSI-NB\.vscode\extensions\ms-vsc
- 7. 【Hive】Hive返回码状态含义
- 8. Java树形结构递归（以时间换空间）和非递归（以空间换时间）
- 9. 数据预处理---缺失值
- 10. 都要2021年了，现代C++有什么值得我们学习的？
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文笔记《Adversarial Networks for Prostate Cancer Detection》
- 2. Clustering - Unsupervised learning introduction
- 3. Machine learning(7): Unsupervised learning-------CLUSTERING
- 4. Unsupervised Deep Embedding for Clustering Analysis(DEC)
- 5. False Positive Reduction Using Multiscale Contextual Features for Prostate Cancer Detection..论文笔记
- 6. 论文笔记（四）《Adversarial Networks for the Detection of Aggressive Prostate Cancer》
- 7. Deep Temporal Clustering: Fully unsupervised learning of time-domain features
- 8. Deep Unsupervised Clustering Using Mixture of Autoencoders(2017)
- 9. Unsupervised Subtyping of Cholangiocarcinoma Using a Deep Clustering Convolutional Autoencoder
- 10. Variational Deep Embedding: An Unsupervised and Generative Approach to Clustering