scRNAseq, bulk-RNAseq and Future Deep Learning RNAseq Analysis: Powerful Prediction Tools in Prostate Cancer Therapy
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 121
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TUMS-6-3_001
تاریخ نمایه سازی: 16 مهر 1403
چکیده مقاله:
Most of the present databases in prostate cancer expression studies are in single-cell and bulk RNA sequencing formats. Using these tools, cell-cell interaction could have revealed associated tumor cell profile signatures like RAECs could be determined, and the origin cell level evolution of tumor cells like neuroendocrine cells could be found. They are using ultra-deep RNAseq-enhanced alternative promoter functions found in high-grade prostate tumors. scRNAseq and bulk-RNAseq assisted by new deep learning algorithm models could change the perception of prostate cancer forever.
کلیدواژه ها:
نویسندگان
Mohammad Hosein Karimi
Department of Stem Cells Technology and Tissue Regeneration, School of Biology, College of Science, University of Tehran, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :