Hochschulschrift
Statistische Analyse und Modellierung von Clusterphänomenen bei Signalproteinen in der Plasmamembran
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Deutsch
- Anmerkungen
-
Dortmund, Technische Universität, Dissertation, 2017
- Schlagwort
-
Proteine
Cluster
Cluster-Analyse
Proteine
Stochastisches Modell
Hirnkrankheit
Neuropsychiatrie
Nervenkrankheit
- Ereignis
-
Veröffentlichung
- (wo)
-
Dortmund
- (wer)
-
Universitätsbibliothek Dortmund
- (wann)
-
2016
- Urheber
-
Siebert, Sabine
- Beteiligte Personen und Organisationen
-
Ickstadt, Katja
Rahnenführer, Jörg
- Handle
-
2003/35816
- URN
-
urn:nbn:de:101:1-201702173272
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
14.08.2025, 10:44 MESZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Hochschulschrift
Beteiligte
- Siebert, Sabine
- Ickstadt, Katja
- Rahnenführer, Jörg
- Universitätsbibliothek Dortmund
Entstanden
- 2016
Ähnliche Objekte (12)
Statistische Analyse von MCC-IMS-Messungen
Statistische Methoden zur Identifikation von Patientensubgruppen aus Hochdurchsatzdaten
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
Discovering genetic interactions based on natural genetic variation
Finite Bayesian mixture models with applications in spatial cluster analysis and bioinformatics
Survival models with gene groups as covariates
Integrativer Ansatz zur Identifizierung neuer, prognostisch relevanter Metagene mittels Clusteranalyse
Entmischung und Inferenz biomolekularer Netzwerke
Statistical modeling of protein-protein interaction networks
Survival models with selection of genomic covariates in heterogeneous cancer studies
Enrichment design and sensitivity preferred classification
Statistische Analyse von MCC-IMS-Messungen
Statistische Methoden zur Identifikation von Patientensubgruppen aus Hochdurchsatzdaten
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
Discovering genetic interactions based on natural genetic variation
Finite Bayesian mixture models with applications in spatial cluster analysis and bioinformatics
Survival models with gene groups as covariates
Integrativer Ansatz zur Identifizierung neuer, prognostisch relevanter Metagene mittels Clusteranalyse
Entmischung und Inferenz biomolekularer Netzwerke
Statistical modeling of protein-protein interaction networks
Survival models with selection of genomic covariates in heterogeneous cancer studies
Enrichment design and sensitivity preferred classification
Statistische Analyse von MCC-IMS-Messungen
Statistische Methoden zur Identifikation von Patientensubgruppen aus Hochdurchsatzdaten
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
Discovering genetic interactions based on natural genetic variation
Finite Bayesian mixture models with applications in spatial cluster analysis and bioinformatics
Survival models with gene groups as covariates
Integrativer Ansatz zur Identifizierung neuer, prognostisch relevanter Metagene mittels Clusteranalyse
Entmischung und Inferenz biomolekularer Netzwerke
Statistical modeling of protein-protein interaction networks
Survival models with selection of genomic covariates in heterogeneous cancer studies