Best practices and tools in R and Python for statistical processing and visualization of lipidomics and metabolomics data

Mass spectrometry-based lipidomics and metabolomics generate extensive data sets that, along with metadata such as clinical parameters, require specific data exploration skills to identify and visualize statistically significant trends and biologically relevant differences. Besides tailored methods...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Nature communications Ročník 16; číslo 1; s. 8714 - 19
Hlavní autoři:	Idkowiak, Jakub, Dehairs, Jonas, Schwarzerová, Jana, Olešová, Dominika, Truong, Jacob X. M., Kvasnička, Aleš, Eftychiou, Marios, Cools, Ruben, Spotbeen, Xander, Jirásko, Robert, Veseli, Vullnet, Giampà, Marco, de Laat, Vincent, Butler, Lisa M., Weckwerth, Wolfram, Friedecký, David, Demeulemeester, Jonas, Hron, Karel, Swinnen, Johannes V., Holčapek, Michal
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	London Nature Publishing Group UK 30.09.2025 Nature Publishing Group Nature Portfolio
Témata:	101/58 631/114/2415 631/45/320 631/45/608 82/16 Accessibility Best practice Biological variation Chromatography Complexity Data analysis Datasets Humanities and Social Sciences Humans Lipidomics - methods Lipids Mass Spectrometry Mass spectroscopy Metabolites Metabolomics Metabolomics - methods multidisciplinary Parameter identification Programming Languages Python Quality standards Review Article Science Science (multidisciplinary) Scientific imaging Skills Software Statistical analysis Statistical methods Statistics Variables Visualization
ISSN:	2041-1723, 2041-1723
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!