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 Bioinformatics with Python Cookbook: Learn how to use modern Python bioinformatics libraries and applications to do cutting-edge research in computational biology

دانلود کتاب کتاب آشپزی بیوانفورماتیک با پایتون: یاد بگیرید چگونه از کتابخانه ها و برنامه های کاربردی بیوانفورماتیک مدرن پایتون برای انجام تحقیقات پیشرفته در زیست شناسی محاسباتی استفاده کنید.

Bioinformatics with Python Cookbook: Learn how to use modern Python bioinformatics libraries and applications to do cutting-edge research in computational biology

مشخصات کتاب

Bioinformatics with Python Cookbook: Learn how to use modern Python bioinformatics libraries and applications to do cutting-edge research in computational biology

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781782175117 
ناشر: Packt Publishing 
سال نشر: 2015 
تعداد صفحات: 306 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 49,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Bioinformatics with Python Cookbook: Learn how to use modern Python bioinformatics libraries and applications to do cutting-edge research in computational biology 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 کتاب آشپزی بیوانفورماتیک با پایتون: یاد بگیرید چگونه از کتابخانه ها و برنامه های کاربردی بیوانفورماتیک مدرن پایتون برای انجام تحقیقات پیشرفته در زیست شناسی محاسباتی استفاده کنید. 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 کتاب آشپزی بیوانفورماتیک با پایتون: یاد بگیرید چگونه از کتابخانه ها و برنامه های کاربردی بیوانفورماتیک مدرن پایتون برای انجام تحقیقات پیشرفته در زیست شناسی محاسباتی استفاده کنید.

اگر شما یک زیست شناس محاسباتی یا یک برنامه نویس پایتون هستید، احتمالاً با عبارت "رشد انفجاری، زمان های هیجان انگیز" ارتباط دارید. پایتون مسلماً زبان برنامه نویسی اصلی برای داده های بزرگ است و سیل داده ها در زیست شناسی، عمدتاً از ژنومیک و پروتئومیکس، بیوانفورماتیک را به یکی از هیجان انگیزترین رشته ها در علم داده تبدیل می کند. با استفاده از دستور العمل های عملی در این کتاب، می توانید تحقیقات و تجزیه و تحلیل عملی در زیست شناسی محاسباتی با پایتون انجام دهید. ما کتابخانه‌های توالی‌یابی مدرن و نسل بعدی را پوشش می‌دهیم و نمونه‌های واقعی در مورد نحوه مدیریت داده‌های واقعی را بررسی می‌کنیم. تمرکز اصلی کتاب کاربرد عملی بیوانفورماتیک است، اما ما همچنین تکنیک‌ها و چارچوب‌های برنامه‌نویسی مدرن را برای مقابله با سیل روزافزون داده‌های بیوانفورماتیک پوشش می‌دهیم.


توضیحاتی درمورد کتاب به خارجی

If you are either a computational biologist or a Python programmer, you will probably relate to the expression "explosive growth, exciting times". Python is arguably the main programming language for big data, and the deluge of data in biology, mostly from genomics and proteomics, makes bioinformatics one of the most exciting fields in data science. Using the hands-on recipes in this book, you'll be able to do practical research and analysis in computational biology with Python. We cover modern, next-generation sequencing libraries and explore real-world examples on how to handle real data. The main focus of the book is the practical application of bioinformatics, but we also cover modern programming techniques and frameworks to deal with the ever increasing deluge of bioinformatics data.



فهرست مطالب

Cover
Copyright
Credits
About the Author
About the Reviewers
www.PacktPub.com
Table of Contents
Preface
Chapter 1: Python and the Surrounding Software Ecology
	Introduction
	Installing the required software with Anaconda
	Installing the required software with Docker
	Interfacing with R via rpy2
	Performing R magic with IPython
Chapter 2: Next-generation Sequencing
	Introduction
	Accessing GenBank and moving around NCBI databases
	Performing basic sequence analysis
	Working with modern sequence formats
	Working with alignment data
	Analyzing data in variant call format
	Studying genome accessibility and filtering SNP data
Chapter 3: Working with Genomes
	Introduction
	Working with high-quality reference genomes
	Dealing with low-quality genome references
	Traversing genome annotations
	Extracting genes from a reference using annotations
	Finding orthologues with the Ensembl REST API
	Retrieving gene ontology information from Ensembl
Chapter 4: Population Genetics
	Introduction
	Managing datasets with PLINK
	Introducing the Genepop format
	Exploring a dataset with Bio.PopGen
	Computing F-statistics
	Performing Principal Components Analysis
	Investigating population structure with Admixture
Chapter 5: Population Genetics Simulation
	Introduction
	Introducing forward-time simulations
	Simulating selection
	Simulating population structure using island and stepping-stone models
	Modeling complex demographic scenarios
	Simulating the coalescent with Biopython and fastsimcoal
Chapter 6: Phylogenetics
	Introduction
	Preparing the Ebola dataset
	Aligning genetic and genomic data
	Comparing sequences
	Reconstructing phylogenetic trees
	Playing recursively with trees
	Visualizing phylogenetic data
Chapter 7: Using the Protein Data Bank
	Introduction
	Finding a protein in multiple databases
	Introducing Bio.PDB
	Extracting more information from a PDB file
	Computing molecular distances on a PDB file
	Performing geometric operations
	Implementing a basic PDB parser
	Animating with PyMol
	Parsing mmCIF files using Biopython
Chapter 8: Other Topics in Bioinformatics
	Introduction
	Accessing the Global Biodiversity Information Facility
	Geo-referencing GBIF datasets
	Accessing molecular-interaction databases with PSIQUIC
	Plotting protein interactions with Cytoscape the hard way
Chapter 9: Python for Big Genomics Datasets
	Introduction
	Setting the stage for high-performance computing
	Designing a poor human concurrent executor
	Performing parallel computing with IPython
	Computing the median in a large dataset
	Optimizing code with Cython and Numba
	Programming with laziness
	Thinking with generators
Index




نظرات کاربران