Artificial Intelligence Predicts Sensitivity of EGFR Novel Mutations to Tyrosine Kinase Inhibitors
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
*Correspondence author: (e-mail: pratikchandrani@gmail.com).
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Artificial Intelligence Predicts Sensitivity of EGFR Novel Mutations to Tyrosine Kinase Inhibitors
- Date Crossref
- 01/07/2024
- Éditeur
- Georg Thieme Verlag KG
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Tata Memorial Hospital Department of Medical Oncology pays non établi dans la noticeÉtablissement de santé
-
Advanced Centre for Treatment pays non établi dans la noticeÉtablissement de santé
-
Homi Bhabha National Institute pays non établi dans la noticeUniversité ou école supérieure
-
Bioinformatics and Crosstalk Lab Computational Biology pays non établi dans la noticeStructure de recherche
-
Equal contributions pays non établi dans la noticeInstitution
-
Medical Oncology Molecular Laboratory pays non établi dans la noticeStructure de recherche
-
Integrated Cancer Genomics Lab pays non établi dans la noticeStructure de recherche
Department of Medical Oncology — Tata Memorial Hospital, Advanced Centre for Treatment et Homi Bhabha National Institute, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Lung Cancer Treatments and MutationsHER2/EGFR in Cancer ResearchComputational Drug Discovery Methods