http://www.cnr.it/ontology/cnr/individuo/prodotto/ID20795
A mathematical model for the validation of gene selection methods (Articolo in rivista)
- Type
- Label
- A mathematical model for the validation of gene selection methods (Articolo in rivista) (literal)
- Anno
- 2011-01-01T00:00:00+01:00 (literal)
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#doi
- 10.1109/TCBB.2010.83 (literal)
- Alternative label
M. Muselli, A. Bertoni, M. Frasca, A. Beghini, F. Ruffino, G. Valentini (2011)
A mathematical model for the validation of gene selection methods
in IEEE/ACM transactions on computational biology and bioinformatics (Print); IEEE, Institute of electrical and electronics engineers, New York (Stati Uniti d'America)
(literal)
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori
- M. Muselli, A. Bertoni, M. Frasca, A. Beghini, F. Ruffino, G. Valentini (literal)
- Pagina inizio
- Pagina fine
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume
- Rivista
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#pagineTotali
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroFascicolo
- Note
- ISI Web of Science (WOS) (literal)
- PubMe (literal)
- Scopu (literal)
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni
- M. Muselli: CNR-IEIIT;
A. Bertoni: DSI, Dipartimento di Scienze dell'Informazione, Università degli Studi di Milano;
M. Frasca: DSI, Dipartimento di Scienze dell'Informazione, Università degli Studi di Milano;
A. Beghini: Dipartimento di Biologia e Genetica per le Scienze Mediche, Università degli Studi di Milano;
F. Ruffino: DSI, Dipartimento di Scienze dell'Informazione, Università degli Studi di Milano;
G. Valentini: DSI, Dipartimento di Scienze dell'Informazione, Università degli Studi di Milano. (literal)
- Titolo
- A mathematical model for the validation of gene selection methods (literal)
- Abstract
- Gene selection methods aim at determining biologically relevant subsets of genes in DNA microarray experiments. However, their assessment and validation represent a major difficulty since the subset of biologically relevant genes is usually unknown. To solve this problem a novel procedure for generating biologically plausible synthetic gene expression data is proposed. It is based on a proper mathematical model representing gene expression signatures and expression profiles through Boolean threshold functions. The results show that the proposed procedure can be successfully adopted to analyze the quality of statistical and machine learning-based gene selection algorithms. (literal)
- Editore
- Prodotto di
- Autore CNR
- Insieme di parole chiave
Incoming links:
- Prodotto
- Autore CNR di
- Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi
- Editore di
- Insieme di parole chiave di