CIP-2021 : G16B 5/20 : Modelos probabilísticos.

CIP-2021GG16G16BG16B 5/00G16B 5/20[1] › Modelos probabilísticos.

G FISICA.

G16 TECNOLOGÍAS DE LA INFORMACIÓN Y DE LA COMUNICACIÓN [TIC] ESPECIALMENTE ADAPTADAS PARA ÁREAS DE APLICACIÓN ESPECÍFICAS.

G16B BIOINFORMATICA, es decir, TECNOLOGIAS DE LA INFORMACION Y DE LA COMUNICACION [TIC] ESPECIALMENTE ADAPTADAS PARA EL PROCESAMIENTO DE DATOS GENETICOS O DATOS RELACIONADOS CON PROTEINAS EN LA BIOLOGÍA MOLECULAR COMPUTACIONAL.

G16B 5/00 TIC especialmente adaptadas para modelizar o realizar simulaciones en sistemas biológicos, p. ej. redes de regulación genética, redes de interacción entre proteínas o redes metabólicas.

G16B 5/20 · Modelos probabilísticos.

CIP2021: Invenciones publicadas en esta sección.

Ensayos por interrogación basados en células y usos de los mismos.

(20/11/2019) Método para identificar un modulador de un proceso de enfermedad, comprendiendo dicho método: establecer un modelo de enfermedad para el proceso de enfermedad, comprendiendo el modelo de enfermedad células de la enfermedad o células asociadas a enfermedad; obtener un primer grupo de datos del modelo de enfermedad, en el que el primer grupo de datos representa niveles de expresión de una pluralidad de genes en las células de la enfermedad o células asociadas a enfermedad; obtener un segundo grupo de datos del modelo de enfermedad, en el que el segundo grupo de datos representa una actividad funcional o una respuesta celular de las células de la enfermedad o las células asociadas a enfermedad; generar una red de relaciones causales de consenso basándose en un conjunto de redes bayesianas de relaciones causales entre…

Redes de respuesta a paradigma de fármaco.

(24/07/2019) Método de análisis in sílico de conjuntos de datos derivados de datos ómicos de células, que comprende: acoplar informativamente una base de datos de modelo de patrón a un sistema de aprendizaje automático y a un motor de análisis de patrón; en donde la base de datos del modelo de patrón almacena una pluralidad de conjuntos de datos ómicos que comprenden datos ómicos de una pluralidad de células enfermas distintas, respectivamente, y en donde cada conjunto de datos comprende una pluralidad de datos de elementos de patrón; recibir, mediante el sistema de aprendizaje automático, la pluralidad de conjuntos de datos; identificar, mediante el sistema de aprendizaje automático, un elemento determinante…

Utilizamos cookies para mejorar nuestros servicios y mostrarle publicidad relevante. Si continua navegando, consideramos que acepta su uso. Puede obtener más información aquí. .