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: Use modern Python libraries and applications to solve real-world computational biology problems, 3rd Edition

دانلود کتاب بیوانفورماتیک با کتاب آشپزی پایتون: استفاده از کتابخانه‌ها و برنامه‌های کاربردی مدرن پایتون برای حل مسائل زیست‌شناسی محاسباتی دنیای واقعی، ویرایش سوم

Bioinformatics with Python Cookbook: Use modern Python libraries and applications to solve real-world computational biology problems, 3rd Edition

مشخصات کتاب

Bioinformatics with Python Cookbook: Use modern Python libraries and applications to solve real-world computational biology problems, 3rd Edition

ویرایش: [3 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 1803236426, 9781803236421 
ناشر: Packt Publishing 
سال نشر: 2022 
تعداد صفحات: 360
[361] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 24 Mb 

قیمت کتاب (تومان) : 41,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


در صورت تبدیل فایل کتاب Bioinformatics with Python Cookbook: Use modern Python libraries and applications to solve real-world computational biology problems, 3rd Edition 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 بیوانفورماتیک با کتاب آشپزی پایتون: استفاده از کتابخانه‌ها و برنامه‌های کاربردی مدرن پایتون برای حل مسائل زیست‌شناسی محاسباتی دنیای واقعی، ویرایش سوم 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 بیوانفورماتیک با کتاب آشپزی پایتون: استفاده از کتابخانه‌ها و برنامه‌های کاربردی مدرن پایتون برای حل مسائل زیست‌شناسی محاسباتی دنیای واقعی، ویرایش سوم

کشف کتابخانه‌های توالی‌یابی مدرن و نسل بعدی از اکوسیستم پایتون برای تجزیه و تحلیل مقادیر زیادی از داده‌های بیولوژیکی ویژگی‌های کلیدی انجام تجزیه و تحلیل پیچیده بیوانفورماتیک با استفاده از مهم‌ترین کتابخانه‌ها و برنامه‌های کاربردی Python پیاده‌سازی نسل بعدی توالی‌یابی، متاژنومیکس، تجزیه و تحلیل خودکار، ژنتیک جمعیت و موارد دیگر. تکنیک های آماری و یادگیری ماشینی برای تجزیه و تحلیل داده های بیوانفورماتیک شرح کتاب بیوانفورماتیک یک زمینه تحقیقاتی فعال است که از طیف وسیعی از محاسبات ساده تا پیشرفته برای استخراج اطلاعات ارزشمند از داده های بیولوژیکی استفاده می کند. این کتاب توالی یابی نسل بعدی، ژنومیک، متاژنومیکس، ژنتیک جمعیت، فیلوژنتیک و پروتئومیکس را پوشش می دهد. شما تکنیک های برنامه نویسی مدرن را برای تجزیه و تحلیل مقادیر زیادی از داده های بیولوژیکی یاد خواهید گرفت. با کمک مثال‌های واقعی، مجموعه داده‌ها را با استفاده از ابزارها و کتابخانه‌های مختلف پایتون تبدیل، تجزیه و تحلیل و تجسم خواهید کرد. این کتاب به شما کمک می‌کند تا درک بهتری از کار با سرور Galaxy داشته باشید، که پرکاربردترین سیستم خط لوله مبتنی بر وب بیوانفورماتیک است. این نسخه به روز شده همچنین شامل تکنیک های پیشرفته فیلترینگ توالی نسل بعدی است. همچنین موضوعاتی مانند کشف SNP را با استفاده از رویکردهای آماری تحت چارچوب‌های محاسباتی با کارایی بالا مانند Dask و Spark بررسی خواهید کرد. در پایان این کتاب، شما می توانید از تکنیک ها و چارچوب های برنامه نویسی مدرن برای مقابله با سیل روزافزون داده های بیوانفورماتیک استفاده و پیاده سازی کنید. آنچه یاد خواهید گرفت یاد بگیرید چگونه مجموعه داده های بزرگ توالی یابی نسل بعدی (NGS) را پردازش کنید کار با مجموعه داده های ژنومی با استفاده از فرمت های FASTQ، BAM، و VCF یادگیری انجام مقایسه توالی و بازسازی فیلوژنتیک انجام تجزیه و تحلیل پیچیده با داده های پروتمیک استفاده از Python برای تعامل با Galaxy سرورها از تکنیک‌های محاسباتی با کارایی بالا با Dask و Spark استفاده می‌کنند تعاملات داده‌های پروتئینی را با استفاده از Cytoscape استفاده کنید از PCA و Decision Trees، دو تکنیک یادگیری ماشینی، با مجموعه داده‌های بیولوژیکی این کتاب برای چه کسی است. و توسعه دهندگان پایتون که می خواهند مشکلات بیولوژیکی و بیوانفورماتیکی متوسط ​​تا پیشرفته را با استفاده از رویکرد مبتنی بر دستور العمل حل کنند. دانش کاری زبان برنامه نویسی پایتون انتظار می رود.


توضیحاتی درمورد کتاب به خارجی

Discover modern, next-generation sequencing libraries from Python ecosystem to analyze large amounts of biological data Key Features Perform complex bioinformatics analysis using the most important Python libraries and applications Implement next-generation sequencing, metagenomics, automating analysis, population genetics, and more Explore various statistical and machine learning techniques for bioinformatics data analysis Book Description Bioinformatics is an active research field that uses a range of simple-to-advanced computations to extract valuable information from biological data. This book covers next-generation sequencing, genomics, metagenomics, population genetics, phylogenetics, and proteomics. You\'ll learn modern programming techniques to analyze large amounts of biological data. With the help of real-world examples, you\'ll convert, analyze, and visualize datasets using various Python tools and libraries. This book will help you get a better understanding of working with a Galaxy server, which is the most widely used bioinformatics web-based pipeline system. This updated edition also includes advanced next-generation sequencing filtering techniques. You\'ll also explore topics such as SNP discovery using statistical approaches under high-performance computing frameworks such as Dask and Spark. By the end of this book, you\'ll be able to use and implement modern programming techniques and frameworks to deal with the ever-increasing deluge of bioinformatics data. What you will learn Learn how to process large next-generation sequencing (NGS) datasets Work with genomic dataset using the FASTQ, BAM, and VCF formats Learn to perform sequence comparison and phylogenetic reconstruction Perform complex analysis with protemics data Use Python to interact with Galaxy servers Use High-performance computing techniques with Dask and Spark Visualize protein dataset interactions using Cytoscape Use PCA and Decision Trees, two machine learning techniques, with biological datasets Who this book is for This book is for Data data Scientistsscientists, Bioinformatics bioinformatics analysts, researchers, and Python developers who want to address intermediate-to-advanced biological and bioinformatics problems using a recipe-based approach. Working knowledge of the Python programming language is expected.



فهرست مطالب

Cover
Title Page
Copyright and Credits
Contributors
Table of Contents
Preface
Chapter 1: Python and the Surrounding Software Ecology
	Installing the required basic software with Anaconda
		Getting ready
		How to do it...
		There’s more...
	Installing the required software with Docker
		Getting ready
		How to do it...
		See also
	Interfacing with R via rpy2
		Getting ready
		How to do it...
		There’s more...
		See also
	Performing R magic with Jupyter
		Getting ready
		How to do it...
		There’s more...
		See also
Chapter 2: Getting to Know NumPy, pandas, Arrow, and Matplotlib
	Using pandas to process vaccine-adverse events
		Getting ready
		How to do it...
		There’s more...
		See also
	Dealing with the pitfalls of joining pandas DataFrames
		Getting ready
		How to do it...
		There’s more...
	Reducing the memory usage of pandas DataFrames
		Getting ready
		How to do it…
		See also
	Accelerating pandas processing with Apache Arrow
		Getting ready
		How to do it...
		There’s more...
	Understanding NumPy as the engine behind Python data science and bioinformatics
		Getting ready
		How to do it…
		See also
	Introducing Matplotlib for chart generation
		Getting ready
		How to do it...
		There’s more...
		See also
Chapter 3: Next-Generation Sequencing
	Accessing GenBank and moving around NCBI databases
		Getting ready
		How to do it...
		There’s more...
		See also
	Performing basic sequence analysis
		Getting ready
		How to do it...
		There’s more...
		See also
	Working with modern sequence formats
		Getting ready
		How to do it...
		There’s more...
		See also
	Working with alignment data
		Getting ready
		How to do it...
		There’s more...
		See also
	Extracting data from VCF files
		Getting ready
		How to do it...
		There’s more...
		See also
	Studying genome accessibility and filtering SNP data
		Getting ready
		How to do it...
		There’s more...
		See also
	Processing NGS data with HTSeq
		Getting ready
		How to do it...
		There’s more...
Chapter 4: Advanced NGS Data Processing
	Preparing a dataset for analysis
		Getting ready
		How to do it…
	Using Mendelian error information for quality control
		How to do it…
		There’s more…
	Exploring the data with standard statistics
		How to do it…
		There’s more…
	Finding genomic features from sequencing annotations
		How to do it…
		There’s more…
	Doing metagenomics with QIIME 2 Python API
		Getting ready
		How to do it...
		There’s more...
Chapter 5: Working with Genomes
	Technical requirements
	Working with high-quality reference genomes
		Getting ready
		How to do it...
		There’s more...
		See also
	Dealing with low-quality genome references
		Getting ready
		How to do it...
		There’s more...
		See also
	Traversing genome annotations
		Getting ready
		How to do it...
		There’s more...
		See also
	Extracting genes from a reference using annotations
		Getting ready
		How to do it...
		There’s more...
		See also
	Finding orthologues with the Ensembl REST API
		Getting ready
		How to do it...
		There’s more...
	Retrieving gene ontology information from Ensembl
		Getting ready
		How to do it...
		There’s more...
		See also
Chapter 6: Population Genetics
	Managing datasets with PLINK
		Getting ready
		How to do it...
		There’s more...
		See also
	Using sgkit for population genetics analysis with xarray
		Getting ready
		How to do it...
		There’s more...
	Exploring a dataset with sgkit
		Getting ready
		How to do it...
		There’s more...
		See also
	Analyzing population structure
		Getting ready
		How to do it...
		See also
	Performing a PCA
		Getting ready
		How to do it...
		There’s more...
		See also
	Investigating population structure with admixture
		Getting ready
		How to do it...
		There’s more...
Chapter 7: Phylogenetics
	Preparing a dataset for phylogenetic analysis
		Getting ready
		How to do it...
		There’s more...
		See also
	Aligning genetic and genomic data
		Getting ready
		How to do it...
	Comparing sequences
		Getting ready
		How to do it...
		There’s more...
	Reconstructing phylogenetic trees
		Getting ready
		How to do it...
		There’s more...
	Playing recursively with trees
		Getting ready
		How to do it...
		There’s more...
	Visualizing phylogenetic data
		Getting ready
		How to do it...
		There’s more...
Chapter 8: Using the Protein Data Bank
	Finding a protein in multiple databases
		Getting ready
		How to do it...
		There’s more
	Introducing Bio.PDB
		Getting ready
		How to do it...
		There’s more
	Extracting more information from a PDB file
		Getting ready
		How to do it...
	Computing molecular distances on a PDB file
		Getting ready
		How to do it...
	Performing geometric operations
		Getting ready
		How to do it...
		There’s more
	Animating with PyMOL
		Getting ready
		How to do it...
		There’s more
	Parsing mmCIF files using Biopython
		Getting ready
		How to do it...
		There’s more
Chapter 9: Bioinformatics Pipelines
	Introducing Galaxy servers
		Getting ready
		How to do it…
		There’s more
	Accessing Galaxy using the API
		Getting ready
		How to do it…
	Deploying a variant analysis pipeline with Snakemake
		Getting ready
		How to do it…
		There’s more
	Deploying a variant analysis pipeline with Nextflow
		Getting ready
		How to do it…
		There’s more
Chapter 10: Machine Learning for Bioinformatics
	Introducing scikit-learn with a PCA example
		Getting ready
		How to do it...
		There’s more...
	Using clustering over PCA to classify samples
		Getting ready
		How to do it...
		There’s more...
	Exploring breast cancer traits using Decision Trees
		Getting ready
		How to do it...
	Predicting breast cancer outcomes using Random Forests
		Getting ready
		How to do it…
		There’s more...
Chapter 11: Parallel Processing with Dask and Zarr
	Reading genomics data with Zarr
		Getting ready
		How to do it...
		There’s more...
		See also
	Parallel processing of data using Python multiprocessing
		Getting ready
		How to do it...
		There’s more...
		See also
	Using Dask to process genomic data based on NumPy arrays
		Getting ready
		How to do it...
		There’s more...
		See also
	Scheduling tasks with dask.distributed
		Getting ready
		How to do it...
		There’s more...
		See also
Chapter 12: Functional Programming for Bioinformatics
	Understanding pure functions
		Getting ready
		How to do it...
		There’s more...
	Understanding immutability
		Getting ready
		How to do it...
		There’s more...
	Avoiding mutability as a robust development pattern
		Getting ready
		How to do it...
		There’s more...
	Using lazy programming for pipelining
		Getting ready
		How to do it...
		There’s more...
	The limits of recursion with Python
		Getting ready
		How to do it...
		There’s more...
	A showcase of Python’s functools module
		Getting ready
		How to do it...
		There’s more...
		See also...
Index
Other Books You May Enjoy




نظرات کاربران