Integrating machine learning methods to single-cell experimental workflow increases throughput and accuracy for target identification in immuno-oncology - Archive ouverte HAL
Poster De Conférence Année : 2022

Integrating machine learning methods to single-cell experimental workflow increases throughput and accuracy for target identification in immuno-oncology

Fichier principal
Vignette du fichier
MariellePéré_SophiaIA2022.pdf (3.78 Mo) Télécharger le fichier
Summit_AI_2022_abstract.pdf (61.39 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03868554 , version 1 (06-12-2022)

Identifiants

  • HAL Id : hal-03868554 , version 1

Citer

Marielle Péré, Diego Oyarzun, Asma Chalabi, Eric Debreuve, Madalena Chaves, et al.. Integrating machine learning methods to single-cell experimental workflow increases throughput and accuracy for target identification in immuno-oncology. Sophia Summit AI, Nov 2022, Sophia Antipolis, France. ⟨hal-03868554⟩
86 Consultations
76 Téléchargements

Partager

More