Cancer classification and functional pathway discovery using TCGA transcriptomic profiles: A matched case-control framework

Leveraging high-dimensional transcriptomic data from The Cancer Genome Atlas (TCGA) for cancer classification holds critical significance for advancing precision oncology. Matched Case-control Design (MCCD), by pairing similar cases with controls, can enhance statistical power and reduce confounding...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of bioinformatics and computational biology Ročník 23; číslo 5; s. 2550015
Hlavní autoři:	Wang, Jie-Huei, Guo, Tzung-Ying, Pai, Yen-Yi, Hou, Po-Lin, Kumari, Himani, Chan, Michael W Y
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Singapore 01.10.2025
Témata:	Algorithms Case-Control Studies Computational Biology - methods Databases, Genetic Gene Expression Profiling - methods Humans Machine Learning Neoplasms - classification Neoplasms - genetics Neoplasms - metabolism Transcriptome matched case-control design model-based gene set analysis machine learning classification matched-pairs feature screening incremental feature selection TCGA Corrected feature matrix transformation
ISSN:	1757-6334, 1757-6334
On-line přístup:	Zjistit podrobnosti o přístupu
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!