机译:机器学习方法作为使用下一代测序数据预测疾病风险的工具
Tech Univ Denmark, Natl Food Inst, Div Epidemiol & Microbial Genom, Kemitorvet,Bldg 204,Room 104, DK-2800 Lyngby, Denmark;
Univ Paris Est, Agence Natl Secur Sanit Alimentat Environm & Trav, Lab Food Safety, Maisons Alfort, France;
Tech Univ Denmark, Natl Food Inst, Div Epidemiol & Microbial Genom, Kemitorvet,Bldg 204,Room 104, DK-2800 Lyngby, Denmark;
Univ Paris Est, Agence Natl Secur Sanit Alimentat Environm & Trav, Lab Food Safety, Maisons Alfort, France;
Tech Univ Denmark, Natl Food Inst, Div Epidemiol & Microbial Genom, Kemitorvet,Bldg 204,Room 104, DK-2800 Lyngby, Denmark;
Tech Univ Denmark, Natl Food Inst, Div Epidemiol & Microbial Genom, Kemitorvet,Bldg 204,Room 104, DK-2800 Lyngby, Denmark;
Listeria monocytogenes; machine learning; microbial risk assessment; support vector machines; whole genome sequencing;
机译:机器学习方法作为预测应用下一代测序数据的疾病风险的工具
机译:使用基因表达和下一代测序数据的组合预测高血压的机器学习和逻辑回归方法
机译:基于机器学习的肥胖风险评估方法,该方法使用了来自下一代测序的单核苷酸多态性
机译:考虑制造数据以将机器学习方法应用于预测制造
机译:将机器学习方法应用于电子健康记录:慢性肾脏病和肥厚性心肌病的风险分层研究
机译:比较使用基因表达和下一代测序数据预测高血压的机器学习和逻辑回归方法
机译:比较使用基因表达和下一代测序数据预测高血压的机器学习和逻辑回归方法