Identifying Ovarian Cancer-Associated EV mRNA Expression Profiles Using Unsupervised Machine Learning and Non-Negative Matrix Factorization

Extracellular vesicle (EV) transcriptomic data provides a high-dimensional representation of cellular states but remains challenging to interpret due to noise, redundancy, and limited sample sizes. Most existing approaches rely on supervised differential expression analyses, which can be biased and...

وصف كامل

التفاصيل البيبلوغرافية

المؤلفون الرئيسيون:	Rama Krishna Thelagathoti, Chao Jiang, Dinesh S. Chandel, Wesley A. Tom, Cleo Sarmiento, Appolinaire Olou, Gary Krzyzanowski, M. Rohan Fernando
التنسيق:	Artigo
اللغة:	Inglês
منشور في:	MDPI AG 2026-05-01
سلاسل:	Bioengineering
الموضوعات:	extracellular vesicles non-negative matrix factorization ovarian cancer EV mRNA transcriptomics unsupervised machine learning unsupervised feature selection
الوصول للمادة أونلاين:	https://www.mdpi.com/2306-5354/13/6/597
الوسوم:	إضافة وسم لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!