Big Mechanisms in Systems Biology. Big Data Mining, Network Modeling, and Genome-Wide Data Identification

مکانیسم‌های بزرگ در زیست‌شناسی سیستم‌ها: کاوی داده‌های بزرگ، مدل‌سازی شبکه، و شناسایی داده‌های گسترده ژنوم مکانیسم‌های بزرگ زیست‌شناسی سیستم‌ها را با شناسایی سیستم و روش‌های داده‌کاوی بزرگ با استفاده از مدل‌های سیستم‌های بیولوژیکی توضیح می‌دهد. زیست شناسی سیستم ها در حال حاضر دستخوش تغییرات انقلابی در پاسخ به ادغام فناوری های قدرتمند است. در مواجهه با حجم زیادی از ادبیات موجود، مکانیسم‌های پیچیده، دانش قبلی کم، کلاس‌های کمی در مورد موضوعات، و زبان علّی و مکانیکی، این منبع ایده‌آل است.

این کتاب به ایمنی سیستم، مقررات، عفونت، پیری، تکامل، و سرطان‌زایی می‌پردازد که سیستم‌های بیولوژیکی پیچیده‌ای با یافته‌های متناقض در منابع موجود هستند. این تناقضات ممکن است منعکس کننده سیستم‌های بیولوژیکی و رویدادهای انتقال سیگنال باشد که اغلب وابسته به زمینه هستند، که مشکل مهمی را برای مدل‌سازی مکانیکی ایجاد می‌کند، زیرا مشخص نیست کدام ژن/پروتئین در مدل‌ها یا اندازه‌گیری‌های تجربی گنجانده شود.

این کتاب منبع ارزشمندی برای بیوانفورماتیکان و اعضای چندین حوزه از حوزه زیست پزشکی است که علاقه مند به درک عمیق در مورد چگونگی پردازش و به کارگیری مقادیر زیادی از داده های بیولوژیکی برای بهبود تحقیقات هستند.

Big Mechanisms in Systems Biology: Big Data Mining, Network Modeling, and Genome-Wide Data Identification explains big mechanisms of systems biology by system identification and big data mining methods using models of biological systems. Systems biology is currently undergoing revolutionary changes in response to the integration of powerful technologies. Faced with a large volume of available literature, complicated mechanisms, small prior knowledge, few classes on the topics, and causal and mechanistic language, this is an ideal resource.

This book addresses system immunity, regulation, infection, aging, evolution, and carcinogenesis, which are complicated biological systems with inconsistent findings in existing resources. These inconsistencies may reflect the underlying biology time-varying systems and signal transduction events that are often context-dependent, which raises a significant problem for mechanistic modeling since it is not clear which genes/proteins to include in models or experimental measurements.

The book is a valuable resource for bioinformaticians and members of several areas of the biomedical field who are interested in an in-depth understanding on how to process and apply great amounts of biological data to improve research.

• Written in a didactic manner in order to explain how to investigate Big Mechanisms by big data mining and system identification
• Provides more than 140 diagrams to illustrate Big Mechanism in systems biology
• Presents worked examples in each chapter