Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Epistasis
  • Produktbild: Epistasis

Epistasis Methods and Protocols

Aus der Reihe Methods in Molecular Biology

Fr. 171.00

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.03.2022

Herausgeber

Ka-Chun Wong

Verlag

Springer Us

Seitenzahl

402

Maße (L/B/H)

25.4/17.8/2.3 cm

Gewicht

771 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-1-07-160949-1

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

19.03.2022

Herausgeber

Ka-Chun Wong

Verlag

Springer Us

Seitenzahl

402

Maße (L/B/H)

25.4/17.8/2.3 cm

Gewicht

771 g

Auflage

1st ed. 2021

Sprache

Englisch

ISBN

978-1-07-160949-1

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Epistasis
  • Produktbild: Epistasis

  • Mass-based Protein Phylogenetic Approach to Identify Epistasis.-  SNPInt-GPU : Tool for epistasis testing with multiple methods and GPU acceleration.- Epistasis-based Feature Selection Algorithm.- W-test for Genetic Epistasis Testing.- The Combined Analysis of Pleiotropy and Epistasis (CAPE).- Two-Stage Testing for Epistasis: Screening and Veri_cation.- Using Collaborative Mixed Models to Account for Imputation Uncertainty in Transcriptome-Wide Association Studies.- Phenotype Prediction under Epistasis.- Simulating Evolution in Asexual Populations with Epistasis.- Protocol for Construction of Genome-Wide Epistatic SNP Networks using WISH-R Package.- Brief survey on Machine Learning in Epistasis.- First-Order Correction of Statistical Significance for Screening Two-Way Epistatic Interactions.- Gene-Environment Interaction:  AVariable Selection Perspective.- Using C-JAMP to Investigate Epistasis and Pleiotropy.- Identifying the Significant Change of Gene Expression in Genomic Series Data.- Analyzing High-Order Epistasis from Genotype-phenotype Maps Using ’Epistasis’ Package.- Deep Neural Networks for Epistatic Sequences Analysis.- Protocol for Epistasis Detection with Machine Learning Using GenEpi Package.- A Belief Degree Associated Fuzzy Multifactor Dimensionality Reduction Framework for Epistasis Detection.- Epistasis Detection Based on Epi-GTBN.- Epistasis Analysis: Classification through Machine Learning Methods.- Genetic Interaction Network Interpretation: A Tidy Data Science Perspective.- Trigenic Synthetic Genetic Array (τ-SGA) Technique for Complex Interaction Analysis.