دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Bayesian Inference for Gene Expression and Proteomics
دانلود کتاب استنتاج بیزی برای بیان ژن و پروتئین
مشخصات کتاب
Bayesian Inference for Gene Expression and Proteomics
ویرایش: 1 نویسندگان: Vannucci M., Do K.-A., Mueller P. (eds.) سری: ISBN (شابک) : 052186092X, 9780521860925 ناشر: CUP سال نشر: 2006 تعداد صفحات: 467 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
قیمت کتاب (تومان) : 64,000
در صورت تبدیل فایل کتاب Bayesian Inference for Gene Expression and Proteomics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب استنتاج بیزی برای بیان ژن و پروتئین نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب استنتاج بیزی برای بیان ژن و پروتئین
ماهیت بین رشتهای بیوانفورماتیک چالشی تحقیقاتی را در ادغام مفاهیم، روشها، نرمافزار و دادههای چند پلتفرمی ارائه میکند. اگرچه پیشرفتهای سریعی در فنآوری جدید و هجوم روشهای آماری برای پرداختن به انواع دیگر دادههای با توان بالا، مانند پروفایلهای پروتئومی که از آزمایشهای طیفسنجی جرمی به وجود میآیند، رخ داده است. این کتاب توسعه و کاربرد روشهای بیزی را در تجزیه و تحلیل دادههای بیوانفورماتیک با کارایی بالا که از تحقیقات پزشکی، بهویژه، تحقیقات سرطان، و همچنین زیستشناسی مولکولی و ساختاری ناشی میشود، مورد بحث قرار میدهد. رویکرد بیزی این مزیت را دارد که شواهد را می توان به راحتی و به طور انعطاف پذیر در روش های آماری گنجاند. یک مرور کلی از اصول بیولوژیکی و فنی پشت آزمایش با توان بالا در چند پلتفرم با بررسی تخصصی روش بیزی، ابزارها و نرمافزار برای استنتاج تک گروهی، مقایسههای گروهی، طبقهبندی و خوشهبندی، کشف موتیف و شبکههای نظارتی، و شبکههای بیزی دنبال میشود. و تعاملات ژنی
توضیحاتی درمورد کتاب به خارجی
The interdisciplinary nature of bioinformatics presents a research challenge in integrating concepts, methods, software and multiplatform data. Although there have been rapid developments in new technology and an inundation of statistical methods for addressing other types of high-throughput data, such as proteomic profiles that arise from mass spectrometry experiments. This book discusses the development and application of Bayesian methods in the analysis of high-throughput bioinformatics data that arise from medical, in particular, cancer research, as well as molecular and structural biology. The Bayesian approach has the advantage that evidence can be easily and flexibly incorporated into statistical methods. A basic overview of the biological and technical principles behind multi-platform high-throughput experimentation is followed by expert reviews of Bayesian methodology, tools and software for single group inference, group comparisons, classification and clustering, motif discovery and regulatory networks, and Bayesian networks and gene interactions.
