EmbryoNet : using deep learning to link embryonic phenotypes to signaling pathways
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Erschienen in
-
In: Nature Methods ; 20 (2023). - S. 815-823. - Springer. - ISSN 1548-7091. - eISSN 1548-7105
- Klassifikation
-
Biowissenschaften, Biologie
- Ereignis
-
Veröffentlichung
- (wo)
-
Konstanz
- (wer)
-
KOPS Universität Konstanz
- (wann)
-
2023
- Urheber
-
Capek, Daniel
Safroshkin, Matvey
Morales-Navarrete, Hernán
Toulany, Nikan
Arutyunov, Grigory
Kurzbach, Anica
Bihler, Johanna
Hagauer, Julia
Jordan, Ben
Müller, Patrick
- URN
-
urn:nbn:de:bsz:352-2-1xp3ftm28rrew5
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
25.03.2025, 13:51 MEZ
Datenpartner
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Beteiligte
- Capek, Daniel
- Safroshkin, Matvey
- Morales-Navarrete, Hernán
- Toulany, Nikan
- Arutyunov, Grigory
- Kurzbach, Anica
- Bihler, Johanna
- Hagauer, Julia
- Jordan, Ben
- Müller, Patrick
- KOPS Universität Konstanz
Entstanden
- 2023