CRISPR/Cas9 based kidney disease modeling to elucidate novel genetic drivers and therapeutic targets in X. tropicalis

Informazioni relative al progetto

xenCAKUT

ID dell’accordo di sovvenzione: 891127

DOI 10.3030/891127

Progetto chiuso

Data della firma CE 6 Marzo 2020

Data di avvio 1 Ottobre 2020

Data di completamento 30 Settembre 2022

Finanziato da

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Costo totale € 191 149,44

Contributo UE € 191 149,44

Coordinato da

UNIVERSITAT ZURICH
Switzerland

Pubblicazioni

Peer reviewed articles (1)

Deep learning is widely applicable to phenotyping embryonic development and disease

Autori: Thomas Naert; Özgün Çiçek; Paulina Ogar; Max Bürgi; Nikko-Ideen Shaidani; Michael M. Kaminski; ; Yuxiao Xu; Kelli Grand; Marko Vujanovic; Daniel Prata; Friedhelm Hildebrandt; Thomas Brox; Olaf Ronneberger; Fabian F. Voigt; Fritjof Helmchen; Johannes Loffing; Marko E. Horb; Helen Rankin Willsey; Soeren S. Lienkamp
Pubblicato in: Development, Numero 09501991, 2021, ISSN 0950-1991
Editore: The Company of Biologists Ltd.
DOI: 10.1242/dev.199664