您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Aleesa E Chua1, Leah D Pfeifer1, Emily R Sekera2
1Department of Chemistry, University of Kansas, Lawrence, Kansas 66045, United States.
本研究引入了一种灵活的工作流程,以优化质谱 (MS) 数据的规范化. 它使研究人员能够使用机器学习评估任何MS数据类型的任何规范化策略,确保高质量的omics结果.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: