Additional file 1 of Deep learning-based prediction of gene expression from histopathology identifies NR5A1 as a candidate biomarker and druggable target in high-grade serous ovarian carcinoma
Rattachement africain : ee, pl, gr, in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Supplementary Material 1. Supplementary Method S1: TCGA-HGSOC cohort selection and slide inclusion criteria. Supplementary Method S2: Whole-slide image preprocessing, tissue masking, and tile quality filtering. Supplementary Method S3: Self-supervised contrastive learning (MoCo v2) training details. Supplementary Method S4: Slide-level embedding aggregation and multi-output Random Forest regression. Supplementary Method S5: Cross-validation strategy and performance metrics. Supplementary Method S6: RT-qPCR experimental procedures (RNA extraction, cDNA synthesis, MIQE compliance). Supplementary Method S7: Candidate gene prioritization criteria. Supplementary Method S8: Molecular docking, molecular dynamics simulations, and free-energy calculations.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
Où se fait cette recherche
-
University of Tartu pays non établi dans la noticeUniversité ou école supérieure
-
Medical University of Lublin pays non établi dans la noticeUniversité ou école supérieure
-
National Technical University of Athens pays non établi dans la noticeUniversité ou école supérieure
-
Vellore Institute of Technology University pays non établi dans la noticeUniversité ou école supérieure
University of Tartu, Medical University of Lublin et National Technical University of Athens, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.