Hochschulschrift
Statistische Analyse und Modellierung von Clusterphänomenen bei Signalproteinen in der Plasmamembran
- Location
-
Deutsche Nationalbibliothek Frankfurt am Main
- Extent
-
Online-Ressource
- Language
-
Deutsch
- Notes
-
Dortmund, Technische Universität, Dissertation, 2017
- Keyword
-
Proteine
Cluster
Cluster-Analyse
Proteine
Stochastisches Modell
Hirnkrankheit
Neuropsychiatrie
Nervenkrankheit
- Event
-
Veröffentlichung
- (where)
-
Dortmund
- (who)
-
Universitätsbibliothek Dortmund
- (when)
-
2016
- Creator
-
Siebert, Sabine
- Contributor
-
Ickstadt, Katja
Rahnenführer, Jörg
- Handle
-
2003/35816
- URN
-
urn:nbn:de:101:1-201702173272
- Rights
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Last update
-
14.08.2025, 10:44 AM CEST
Data provider
This object is provided by:
Deutsche Nationalbibliothek. If you have any questions about the object, please contact the data provider.
Deutsche Nationalbibliothek. If you have any questions about the object, please contact the data provider.
Object type
- Hochschulschrift
Associated
- Siebert, Sabine
- Ickstadt, Katja
- Rahnenführer, Jörg
- Universitätsbibliothek Dortmund
Time of origin
- 2016
Other Objects (12)
Statistische Analyse von MCC-IMS-Messungen
Statistische Methoden zur Identifikation von Patientensubgruppen aus Hochdurchsatzdaten
Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
Finite Bayesian mixture models with applications in spatial cluster analysis and bioinformatics
Discovering genetic interactions based on natural genetic variation
Integrativer Ansatz zur Identifizierung neuer, prognostisch relevanter Metagene mittels Clusteranalyse
Entmischung und Inferenz biomolekularer Netzwerke
Statistical modeling of protein-protein interaction networks
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Survival models with gene groups as covariates
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
Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
Finite Bayesian mixture models with applications in spatial cluster analysis and bioinformatics
Discovering genetic interactions based on natural genetic variation
Integrativer Ansatz zur Identifizierung neuer, prognostisch relevanter Metagene mittels Clusteranalyse
Entmischung und Inferenz biomolekularer Netzwerke
Statistical modeling of protein-protein interaction networks
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Survival models with gene groups as covariates
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
Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
Finite Bayesian mixture models with applications in spatial cluster analysis and bioinformatics
Discovering genetic interactions based on natural genetic variation
Integrativer Ansatz zur Identifizierung neuer, prognostisch relevanter Metagene mittels Clusteranalyse
Entmischung und Inferenz biomolekularer Netzwerke
Statistical modeling of protein-protein interaction networks
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Survival models with gene groups as covariates
Survival models with selection of genomic covariates in heterogeneous cancer studies