![Tomi Suomi profiilikuva](/sites/default/files/styles/profile_picture_horizontal/public/images/profile/1087795.jpg?itok=TwIj_-uK)
Tomi
Suomi
tutkijatohtori, Turun biotiedekeskus
Julkaisut
Distinct cellular immune responses in children en route to type 1 diabetes with different first-appearing autoantibodies (2024)
Nature Communications
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Serum proteomics of mother-infant dyads carrying HLA-conferred type 1 diabetes risk (2024)
iScience
(A1 Vertaisarvioitu alkuperäisartikkeli tieteellisessä lehdessä )
Targeted serum proteomics of longitudinal samples from newly diagnosed youth with type 1 diabetes distinguishes markers of disease and C-peptide trajectory (2023)
Diabetologia
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Profiling of peripheral blood B-cell transcriptome in children who developed coeliac disease in a prospective study (2023)
Heliyon
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Gene expression signature predicts rate of type 1 diabetes progression (2023)
EBioMedicine
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Computational solutions for spatial transcriptomics (2022)
Computational and Structural Biotechnology Journal
(Vertaisarvioitu katsausartikkeli tieteellisessä aikakauslehdessä (A2))
Improved risk prediction of chemotherapy-induced neutropenia-model development and validation with real-world data (2022)
Cancer Medicine
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))
Type 1 Diabetes in Children With Genetic Risk May Be Predicted Very Early With a Blood miRNA (2022)
Diabetes Care
(Kirjoitus tai data-artikkeli tieteellisessä aikakauslehdessä (B1))
Correction to: PhosPiR: an automated phosphoproteomic pipeline in R (vol 23, bbab510, 2022) (2022)
Briefings in Bioinformatics
(O2 Muu julkaisu )
Benchmarking tools for detecting longitudinal differential expression in proteomics data allows establishing a robust reproducibility optimization regression approach (2022)
Nature Communications
(Vertaisarvioitu alkuperäisartikkeli tai data-artikkeli tieteellisessä aikakauslehdessä (A1))