ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Bayesian modeling in bioinformatics

دانلود کتاب مدلسازی بیزی در بیوانفورماتیک

Bayesian modeling in bioinformatics

مشخصات کتاب

Bayesian modeling in bioinformatics

دسته بندی: مولکولی: بیوانفورماتیک
ویرایش:  
نویسندگان: , ,   
سری: Chapman & Hall/CRC Biostatistics Series 
ISBN (شابک) : 1420070177, 9781420070170 
ناشر: CRC 
سال نشر: 2011 
تعداد صفحات: 468 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت

قیمت کتاب (تومان) : 50,000



کلمات کلیدی مربوط به کتاب مدلسازی بیزی در بیوانفورماتیک: رشته های زیستی، روش های ریاضی و مدل سازی در زیست شناسی، بیوانفورماتیک



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Bayesian modeling in bioinformatics 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 مدلسازی بیزی در بیوانفورماتیک 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 مدلسازی بیزی در بیوانفورماتیک

مدل‌سازی بیزی در بیوانفورماتیک توسعه و کاربرد روش‌های آماری بیزی را برای تجزیه و تحلیل داده‌های بیوانفورماتیک با کارایی بالا که ناشی از مشکلات زیست‌شناسی مولکولی و ساختاری و تحقیقات پزشکی مرتبط با بیماری‌ها، مانند سرطان است، مورد بحث قرار می‌دهد. این یک مرور کلی از مشکلات استنتاج آماری، خوشه‌بندی و طبقه‌بندی در دو پلتفرم اصلی با توان عملیاتی بالا ارائه می‌کند: بیان ژن ریزآرایه و تجزیه و تحلیل فیلوژنیک. این کتاب تکنیک‌ها و مدل‌های بیزی را برای تشخیص ژن‌های بیان شده متفاوت، طبقه‌بندی بیان ژن‌های متفاوت و شناسایی نشانگرهای زیستی بررسی می‌کند. این روش رویکردهای ناپارامتریک جدید بیزی را برای مسائل بیوانفورماتیک، مدل‌های خطای اندازه‌گیری و بقا برای ریزآرایه‌های cDNA، یک رویکرد مدل‌سازی مارکوف پنهان بیزی برای داده‌های آرایه CGH، رویکردهای بیزی برای آنالیز فیلوژنیک، اولویت‌های پراکندگی برای پیش‌بینی‌های تعامل پروتئین-پروتئین برای پیش‌بینی‌های شبکه‌ای برهم‌کنش پروتئین-پروتئین، و بیز توسعه می‌دهد. داده های بیانی این متن همچنین کاربردهای الگوریتم‌های جستجوی تصادفی حالت‌گرا، پروفایل‌های فاکتورهای in vitro تا in vivo، رگرسیون خطرات متناسب با استفاده از ماشین‌های هسته بیزی، و نقشه‌برداری QTL را توصیف می‌کند. این جلد با تمرکز بر طراحی، استنتاج آماری و تجزیه و تحلیل داده ها از دیدگاه بیزی، چالش های آماری در تحلیل و مدل سازی داده های بیوانفورماتیک را بررسی می کند و راه حل هایی برای این مشکلات ارائه می دهد. این خوانندگان را تشویق می کند تا از فناوری های در حال توسعه استفاده کنند و توسعه آماری را در این زمینه بیوانفورماتیک ارتقا دهند.


توضیحاتی درمورد کتاب به خارجی

Bayesian Modeling in Bioinformatics discusses the development and application of Bayesian statistical methods for the analysis of high-throughput bioinformatics data arising from problems in molecular and structural biology and disease-related medical research, such as cancer. It presents a broad overview of statistical inference, clustering, and classification problems in two main high-throughput platforms: microarray gene expression and phylogenic analysis. The book explores Bayesian techniques and models for detecting differentially expressed genes, classifying differential gene expression, and identifying biomarkers. It develops novel Bayesian nonparametric approaches for bioinformatics problems, measurement error and survival models for cDNA microarrays, a Bayesian hidden Markov modeling approach for CGH array data, Bayesian approaches for phylogenic analysis, sparsity priors for protein-protein interaction predictions, and Bayesian networks for gene expression data. The text also describes applications of mode-oriented stochastic search algorithms, in vitro to in vivo factor profiling, proportional hazards regression using Bayesian kernel machines, and QTL mapping. Focusing on design, statistical inference, and data analysis from a Bayesian perspective, this volume explores statistical challenges in bioinformatics data analysis and modeling and offers solutions to these problems. It encourages readers to draw on the evolving technologies and promote statistical development in this area of bioinformatics.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی