Katalog der Deutschen Nationalbibliothek
Ergebnis der Suche nach: "Machine Learning"
![]() |
|
Link zu diesem Datensatz | https://d-nb.info/1272503879 |
Titel | Non-linear machine learning models incorporating SNPs and PRS improve polygenic prediction in diverse human populations |
Person(en) |
Elgart, Michael (Verfasser) Lyons, Genevieve (Verfasser) Romero-Brufau, Santiago (Verfasser) Kurniansyah, Nuzulul (Verfasser) Brody, Jennifer A. (Verfasser) Guo, Xiuqing (Verfasser) Lin, Henry J. (Verfasser) Raffield, Laura (Verfasser) Gao, Yan (Verfasser) Chen, Han (Verfasser) Vries, Paul de (Verfasser) Lloyd-Jones, Donald M. (Verfasser) Lange, Leslie A. (Verfasser) Peloso, Gina M. (Verfasser) Fornage, Myriam (Verfasser) Rotter, Jerome I. (Verfasser) Rich, Stephen S. (Verfasser) Morrison, Alanna C. (Verfasser) Psaty, Bruce M. (Verfasser) Levy, Daniel (Verfasser) Redline, Susan (Verfasser) Sofer, Tamar (Verfasser) |
Organisation(en) |
the NHLBI’s Trans-Omics in Precision Medicine (TOPMed) Consortium (Verfasser) SpringerLink (Online service) (Sonstige) |
Umfang/Format | Online-Ressource : online resource. |
Persistent Identifier |
URN: urn:nbn:de:101:1-2022111021171711509056 DOI: 10.1038/s42003-022-03812-z |
URL | https://doi.org/10.1038/s42003-022-03812-z (Open Access) |
Zeitliche Einordnung | Erscheinungsdatum: 2022 |
DDC-Notation | 614.4 (maschinell ermittelte DDC-Kurznotation) |
Sprache(n) | Englisch (eng) |
Beziehungen | Enthalten in: Communications biology (Bd. 5, 22.8.2022, Nr. 1, date:12.2022: 1-12) |
Sachgruppe(n) | 610 Medizin, Gesundheit |
Online-Zugriff | Archivobjekt öffnen |
