Zum Hauptinhalt springen

Predicting clinically promising therapeutic hypotheses using tensor factorization.

Yao, Jin ; Hurle, Mark R. ; et al.
In: BMC Bioinformatics, Jg. 20 (2019-02-08), Heft 1, S. 1-12
Online academicJournal

Titel:
Predicting clinically promising therapeutic hypotheses using tensor factorization.
Autor/in / Beteiligte Person: Yao, Jin ; Hurle, Mark R. ; Nelson, Matthew R. ; Agarwal, Pankaj
Link:
Zeitschrift: BMC Bioinformatics, Jg. 20 (2019-02-08), Heft 1, S. 1-12
Veröffentlichung: 2019
Medientyp: academicJournal
ISSN: 1471-2105 (print)
DOI: 10.1186/s12859-019-2664-1
Schlagwort:
  • TARGETED drug delivery
  • THERAPEUTICS
  • MACHINE learning
  • TREATMENT effectiveness
  • LOGISTIC regression analysis
  • TARGETED drug delivery *
  • THERAPEUTICS *
  • MACHINE learning *
  • TREATMENT effectiveness *
Sonstiges:
  • Nachgewiesen in: Academic Search Index
  • Sprachen: English

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

oder
oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

oder
oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.

xs 0 - 576
sm 576 - 768
md 768 - 992
lg 992 - 1200
xl 1200 - 1366
xxl 1366 -