Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F11%3A00081755" target="_blank" >RIV/00216224:14310/11:00081755 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1155/2011/158094" target="_blank" >http://dx.doi.org/10.1155/2011/158094</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1155/2011/158094" target="_blank" >10.1155/2011/158094</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance

  • Popis výsledku v původním jazyce

    We report the successful classification, by artificial neural networks (ANNs), of H-1 NMR spectroscopic data recorded on whole-cell culture samples of four different lung carcinoma cell lines, which display different drug resistance patterns. The robustness of the approach was demonstrated by its ability to classify the cell line correctly in 100% of cases, despite the demonstrated presence of operator-induced sources of variation, and irrespective of which spectra are used for training and for validation. The study demonstrates the potential of ANN for lung carcinoma classification in realistic situations.

  • Název v anglickém jazyce

    Artificial Neural Networks for Classification in Metabolomic Studies of Whole Cells Using H-1 Nuclear Magnetic Resonance

  • Popis výsledku anglicky

    We report the successful classification, by artificial neural networks (ANNs), of H-1 NMR spectroscopic data recorded on whole-cell culture samples of four different lung carcinoma cell lines, which display different drug resistance patterns. The robustness of the approach was demonstrated by its ability to classify the cell line correctly in 100% of cases, despite the demonstrated presence of operator-induced sources of variation, and irrespective of which spectra are used for training and for validation. The study demonstrates the potential of ANN for lung carcinoma classification in realistic situations.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    CB - Analytická chemie, separace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LC06035" target="_blank" >LC06035: Centrum biofyzikální chemie, bioelektrochemie a bioanalýzy. Nové nástroje pro genomiku, proteomiku a biomedicínu.</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Biomedicine and Biotechnology

  • ISSN

    1110-7243

  • e-ISSN

  • Svazek periodika

    "Neuveden"

  • Číslo periodika v rámci svazku

  • Stát vydavatele periodika

    US - Spojené státy americké

  • Počet stran výsledku

    8

  • Strana od-do

    "nestrankovano"

  • Kód UT WoS článku

    000283224200001

  • EID výsledku v databázi Scopus