Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Technische en functionele cookies
Deze cookies zijn essentieel om de website goed te laten functioneren, en laten je toe om bijvoorbeeld in te loggen. Je kan deze cookies niet uitschakelen.
Analytische cookies
Deze cookies verzamelen anonieme informatie over het gebruik van onze website. Op die manier kunnen we de website beter afstemmen op de behoeften van de gebruikers.
Marketingcookies
Deze cookies delen je gedrag op onze website met externe partijen, zodat je op externe platformen relevantere advertenties van Standaard Boekhandel te zien krijgt.
Je kan maximaal 250 producten tegelijk aan je winkelmandje toevoegen. Verwijdere enkele producten uit je winkelmandje, of splits je bestelling op in meerdere bestellingen.
Die Bestimmung differentiell exprimierter Gene zwischen zwei phänotypischen Ausprägungen eines Merkmals führt in vielen Untersuchungen zur Konstruktion eines Klassifikators, mit welchem für die durchgeführten Experimente optimal die Klassenzugehörigkeit bestimmt werden kann. Dennoch zeigen Vergleiche zwischen den Klassifikatoren unterschiedlicher Studien, die dieselben Datensätze verwenden, kaum Übereinstimmungen. Dies wirft die Frage auf, welche der selektierten Gene eine biologische Relevanz haben und wie robust Merkmalsselktionsalgorithmen tatsächlich sind? Die robuste Merkmalsselektion kombiniert die Signale der biologisch relevanten Gene in verschiedenen Datensätzen und liefert somit vielversprechende Hinweise auf die genetische Grundlage des untersuchten Phänotyps. Durch Anwendung des Verfahrens auf Karzinomdatensätze, die sich im Merkmal der Metastasenausbildung unterscheiden, konnten bisher unbekannte Zusammenhänge zwischen Genexpressionsmustern und der Metastasenbildung aufgedeckt werden.