Predicting lithium treatment response in bipolar patients using gender-specific gene expression biomarkers and machine learning [version 1; referees: 1 approved with reservations].
Opis bibliograficzny
Predicting lithium treatment response in bipolar patients using gender-specific gene expression biomarkers and machine learning [version 1; referees: 1 approved with reservations]. [AUT. KORESP.] ANDY R. EUGENE, [AUT.] JOLANTA MASIAK, BEATA EUGENE. F1000Res. [online] 2018 vol. 7 [art. nr] 474, s. 1-16, bibliogr. poz. 22, [przeglądany 14 marca 2019]. Dostępny w: https://f1000research.com/articles/7-474/v1. DOI: 10.12688/f1000research.14451.1
Skopiowane!
Szczegóły publikacji
Źródło:
F1000Research [online] 2018 vol. 7, [art. nr] 474, s. 1-16, bibliogr. poz. 22.
Rok: 2018
Język: angielski
Charakter formalny: Artykuł w czasopiśmie
Typ MNiSW/MEiN: Praca Oryginalna
Open Access
Tryb dostępu: otwarte czasopismo Wersja tekstu: ostateczna wersja opublikowana Licencja: Creative Commons - Uznanie Autorstwa (CC-BY) Czas udostępnienia: w momencie opublikowania
Linki zewnętrzne
PBN
5ebff5c0ad49b31ccec28273
DOI
10.12688/f1000research.14451.1
Strona WWW
https://f1000research.com/articles/7-47…
Identyfikatory
BPP ID: (27, 89305) wydawnictwo ciągłe #89305
Metryki
15,00
Punkty MNiSW/MEiN
0
Impact Factor
15,00
Punktacja wewnętrzna
Eksport cytowania
Wsparcie dla menedżerów bibliografii:
Ta strona wspiera automatyczny import do Zotero, Mendeley i EndNote. Użytkownicy z zainstalowanym rozszerzeniem przeglądarki mogą zapisać tę publikację jednym kliknięciem - ikona pojawi się automatycznie w pasku narzędzi przeglądarki.
Informacje dodatkowe
| Zewnętrzna baza danych: | Scopus |
|---|---|
| Rekord utworzony: | 14 marca 2019 09:30 |
| Ostatnia aktualizacja: | 28 kwietnia 2022 13:07 |
Punkty i sloty autorów
| Autor | Dyscyplina | PkD / PkDAut | Slot |
|---|---|---|---|
| Masiak Jolanta (Przychoda), prof. dr hab. n. med. i n. o zdr. | nauki medyczne | 5,0000 | 0,3333 |
Punkty i sloty dyscyplin
| Dyscyplina | PkD / PkDAut | Slot |
|---|---|---|
| nauki medyczne | 5,0000 | 0,3333 |