• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Cluster analysis and its applications to gene expression data.

作者信息

Sharan R, Elkon R, Shamir R

机构信息

School of Computer Science, Tel Aviv University, Tel Aviv 69978, Israel.

出版信息

Ernst Schering Res Found Workshop. 2002(38):83-108. doi: 10.1007/978-3-662-04747-7_5.

DOI:10.1007/978-3-662-04747-7_5
PMID:12061008
Abstract
摘要

相似文献

1
Cluster analysis and its applications to gene expression data.
Ernst Schering Res Found Workshop. 2002(38):83-108. doi: 10.1007/978-3-662-04747-7_5.
2
Correlation and prediction of gene expression level from amino acid and dipeptide composition of its protein.基于蛋白质的氨基酸和二肽组成对基因表达水平进行相关性分析与预测。
BMC Bioinformatics. 2005 Mar 17;6:59. doi: 10.1186/1471-2105-6-59.
3
Fast optimal leaf ordering for hierarchical clustering.用于层次聚类的快速最优叶排序
Bioinformatics. 2001;17 Suppl 1:S22-9. doi: 10.1093/bioinformatics/17.suppl_1.s22.
4
KMeans greedy search hybrid algorithm for biclustering gene expression data.用于基因表达数据的分聚类的 KMeans 贪婪搜索混合算法。
Adv Exp Med Biol. 2010;680:181-8. doi: 10.1007/978-1-4419-5913-3_21.
5
Visualization and evaluation of clusters for exploratory analysis of gene expression data.用于基因表达数据探索性分析的聚类可视化与评估
J Biomed Inform. 2002 Feb;35(1):25-36. doi: 10.1016/s1532-0464(02)00001-1.
6
The advantage of functional prediction based on clustering of yeast genes and its correlation with non-sequence based classifications.基于酵母基因聚类的功能预测优势及其与非序列分类的相关性。
J Comput Biol. 2002;9(2):193-210. doi: 10.1089/10665270252935412.
7
Identification of cell cycle-regulated genes in fission yeast.裂殖酵母中细胞周期调控基因的鉴定。
Mol Biol Cell. 2005 Mar;16(3):1026-42. doi: 10.1091/mbc.e04-04-0299. Epub 2004 Dec 22.
8
A neural network-based similarity index for clustering DNA microarray data.一种基于神经网络的用于DNA微阵列数据聚类的相似性指标。
Comput Biol Med. 2003 Jan;33(1):1-15. doi: 10.1016/s0010-4825(02)00032-x.
9
Hierarchical signature clustering for time series microarray data.层次签名聚类分析用于时间序列基因芯片数据。
Adv Exp Med Biol. 2011;696:57-65. doi: 10.1007/978-1-4419-7046-6_6.
10
Novel symmetry-based gene-gene dissimilarity measures utilizing Gene Ontology: Application in gene clustering.基于新型对称的基因-基因相异度度量方法，并利用基因本体论：在基因聚类中的应用。
Gene. 2018 Dec 30;679:341-351. doi: 10.1016/j.gene.2018.08.062. Epub 2018 Sep 2.

引用本文的文献

1
Pharmacological Evaluation of Extract: Molecular Interaction Analysis in Hepatocellular Carcinoma.提取物的药理学评价：肝细胞癌中的分子相互作用分析
Curr Issues Mol Biol. 2025 May 29;47(6):401. doi: 10.3390/cimb47060401.
2
Analysis of the mandibular canal course using unsupervised machine learning algorithm.基于无监督机器学习算法的下颌管走行分析。
PLoS One. 2021 Nov 19;16(11):e0260194. doi: 10.1371/journal.pone.0260194. eCollection 2021.
3
The gene-specific codon counting database: a genome-based catalog of one-, two-, three-, four- and five-codon combinations present in Saccharomyces cerevisiae genes.
基因特异性密码子计数数据库：基于基因组的酿酒酵母基因中存在的单、双、三、四和五密码子组合目录。
Database (Oxford). 2012 Feb 8;2012:bas002. doi: 10.1093/database/bas002. Print 2012.
4
Molecular predictors of 3D morphogenesis by breast cancer cell lines in 3D culture.三维培养中乳腺癌细胞系 3D 形态发生的分子预测因子。
PLoS Comput Biol. 2010 Feb 26;6(2):e1000684. doi: 10.1371/journal.pcbi.1000684.
5
Extracting biologically significant patterns from short time series gene expression data.从短期时间序列基因表达数据中提取具有生物学意义的模式。
BMC Bioinformatics. 2009 Aug 20;10:255. doi: 10.1186/1471-2105-10-255.
6
EXPANDER--an integrative program suite for microarray data analysis.EXPANDER——一个用于微阵列数据分析的综合程序套件。
BMC Bioinformatics. 2005 Sep 21;6:232. doi: 10.1186/1471-2105-6-232.
7
Clustering gene-expression data with repeated measurements.对具有重复测量值的基因表达数据进行聚类分析。
Genome Biol. 2003;4(5):R34. doi: 10.1186/gb-2003-4-5-r34. Epub 2003 Apr 25.