Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA LE MODIFICHE in fondo alla pagina
Bicocca Open Archive
In this paper we apply a strategy to cluster gene expression data. In order to identify causal relationships among genes, we apply a pruning procedure on the basis of the statistical cross-correlation function
between couples of genes’ time series. Finally we try to isolate genes’ patterns in
groups with positive causal relationships within groups and negative causal relation
among groups. With this aim, we use a simple recursive clustering algorithm
Pozzi, S., Zoppis, I., Mauri, G. (2006). Clustering Causal Relationships in Genes Expression Data. In Neural Nets. 16th Italian Workshop on Neural Nets, WIRN 2005, and International Workshop on Natural and Artificial Immune Systems, NAIS 2005, Vietri sul Mare, Italy, June 8-11, 2005, Revised Selected Papers (pp.132-139). Berlin : Springer [10.1007/11731177_20].
Clustering Causal Relationships in Genes Expression Data
In this paper we apply a strategy to cluster gene expression data. In order to identify causal relationships among genes, we apply a pruning procedure on the basis of the statistical cross-correlation function
between couples of genes’ time series. Finally we try to isolate genes’ patterns in
groups with positive causal relationships within groups and negative causal relation
among groups. With this aim, we use a simple recursive clustering algorithm
16th Italian Workshop on Neural Nets, WIRN 2005, and International Workshop on Natural and Artificial Immune Systems, NAIS 2005
2005
Neural Nets. 16th Italian Workshop on Neural Nets, WIRN 2005, and International Workshop on Natural and Artificial Immune Systems, NAIS 2005, Vietri sul Mare, Italy, June 8-11, 2005, Revised Selected Papers
Pozzi, S., Zoppis, I., Mauri, G. (2006). Clustering Causal Relationships in Genes Expression Data. In Neural Nets. 16th Italian Workshop on Neural Nets, WIRN 2005, and International Workshop on Natural and Artificial Immune Systems, NAIS 2005, Vietri sul Mare, Italy, June 8-11, 2005, Revised Selected Papers (pp.132-139). Berlin : Springer [10.1007/11731177_20].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/16495
Citazioni
0
0
Social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 598/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
