Biostatistical Methods

استفاده از تکنیک‌های آماری زیستی در زیست‌شناسی مولکولی در سال‌های اخیر رشد زیادی داشته است و اکنون برای تفسیر صحیح طیف گسترده‌ای از مطالعات آزمایشگاهی ضروری است. در روش‌های آماری زیستی، گروهی از آماردان‌های زیست‌شناس برجسته و محققان زیست‌پزشکی تمام تکنیک‌های کلیدی مورد استفاده برای حل مشکلات تحلیلی رایج در زیست‌شناسی مولکولی را توصیف می‌کنند و نشان می‌دهند که چگونه این روش‌ها می‌توانند نشانگرهای جدیدی را برای قرار گرفتن در معرض یک عامل خطر یا برای تعیین پیامدهای بیماری شناسایی کنند. حوزه های اصلی کاربرد شامل تجزیه و تحلیل ریزآرایه، مطالعات پروتئومی، کمی سازی تصویر، تعیین نشانگرهای زیستی بیماری جدید، و طراحی مطالعات با سطوح کافی از قدرت آماری است. در مورد اثرات ژنتیکی در جمعیت‌های انسانی، نویسندگان روش‌های آماری پیچیده‌ای را برای کنترل نرخ کلی مثبت کاذب توصیف می‌کنند، زمانی که بسیاری از آزمایش‌های آماری در پیوند دادن آلل‌های خاص به وقوع بیماری استفاده می‌شوند. روش‌های دیگری که مورد بحث قرار گرفته‌اند، روش‌هایی هستند که برای اعتبارسنجی روش‌های آماری برای تجزیه و تحلیل ارتباط E-D، مطالعه ارتباط بین بیماری و وراثت گونه‌های ژنتیکی خاص، و بررسی مجموعه‌های داده واقعی استفاده می‌شوند. همچنین توصیه های مفیدی برای نرم افزارهای آماری و مدیریت داده ها (JAVA، Oracle، S-Plus، STATA و SAS) وجود دارد.
روش‌های آماری زیستی در دسترس، پیشرفته و بسیار کاربردی، نقطه شروع بسیار خوبی را هم برای آماردانانی که تازه شروع به کار روی مسائل زیست‌شناسی مولکولی کرده‌اند، و هم برای همه زیست‌شناسان مولکولی که می‌خواهند از آمار زیستی در تحقیقات ژنتیکی طراحی شده استفاده کنند، فراهم می‌کند. برای کشف علل و درمان بیماری.

The use of biostatistical techniques in molecular biology has grown tremendously in recent years and is now essential for the correct interpretation of a wide variety of laboratory studies. In Biostatistical Methods, a panel of leading biostatisticians and biomedical researchers describe all the key techniques used to solve commonly occurring analytical problems in molecular biology, and demonstrate how these methods can identify new markers for exposure to a risk factor, or for determining disease outcomes. Major areas of application include microarray analysis, proteomic studies, image quantitation, determining new disease biomarkers, and designing studies with adequate levels of statistical power. In the case of genetic effects in human populations, the authors describe sophisticated statistical methods to control the overall false-positive rate when many statistical tests are used in linking particular alleles to the occurrence of disease. Other methods discussed are those used to validate statistical approaches for analyzing the E-D association, to study the associations between disease and the inheritance of particular genetic variants, and to examine real data sets. There are also useful recommendations for statistical and data management software (JAVA, Oracle, S-Plus, STATA, and SAS) .
Accessible, state-of-the-art, and highly practical, Biostatistical Methods provides an excellent starting point both for statisticians just beginning work on problems in molecular biology, and for all molecular biologists who want to use biostatistics in genetics research designed to uncover the causes and treatments of disease.