Functional clustering of time series gene expression data by Granger causality (2012)
- Authors:
- USP affiliated authors: FUJITA, ANDRÉ - IME ; PATRIOTA, ALEXANDRE GALVÃO - IME
- Unidade: IME
- DOI: 10.1186/1752-0509-6-137
- Subjects: BIOQUÍMICA; ANÁLISE DE DADOS
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: BMC Systems Biology
- ISSN: 1752-0509
- Volume/Número/Paginação/Ano: v. 6, n. 137, p. 1-12, 2012
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
FUJITA, André et al. Functional clustering of time series gene expression data by Granger causality. BMC Systems Biology, v. 6, n. 137, p. 1-12, 2012Tradução . . Disponível em: https://doi.org/10.1186/1752-0509-6-137. Acesso em: 05 nov. 2024. -
APA
Fujita, A., Severino, P., Kaname, K., Sato, J. R., Patriota, A. G., & Miyano, S. (2012). Functional clustering of time series gene expression data by Granger causality. BMC Systems Biology, 6( 137), 1-12. doi:10.1186/1752-0509-6-137 -
NLM
Fujita A, Severino P, Kaname K, Sato JR, Patriota AG, Miyano S. Functional clustering of time series gene expression data by Granger causality [Internet]. BMC Systems Biology. 2012 ; 6( 137): 1-12.[citado 2024 nov. 05 ] Available from: https://doi.org/10.1186/1752-0509-6-137 -
Vancouver
Fujita A, Severino P, Kaname K, Sato JR, Patriota AG, Miyano S. Functional clustering of time series gene expression data by Granger causality [Internet]. BMC Systems Biology. 2012 ; 6( 137): 1-12.[citado 2024 nov. 05 ] Available from: https://doi.org/10.1186/1752-0509-6-137 - A non-parametric statistical test to compare clusters with applications in functional magnetic resonance imaging data
- ANOCVA: a nonparametric statistical test to compare clustering structures
- A non-parametric method to estimate the number of clusters
- The likelihood-ratio measure
- On scale-mixture Birnbaum-Saunders distributions
- Uma medida de evidência alternativa para testar hipóteses gerais
- Algumas condições de regularidade para o modelo de regressão com parametrização geral
- Self-consistent confidence sets and tests of composite hypotheses applicable to restricted parameters
- Análise de dados de expressão gênica: normalização de microarrays e modelagem de redes regulatórias
- Identifying regulational alterations in gene regulatory networks by state space representation of vector autoregressive models and variational annealing
Informações sobre o DOI: 10.1186/1752-0509-6-137 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 2343281.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
