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 Computational and statistical approaches to genomics

دانلود کتاب رویکردهای محاسباتی و آماری به ژنتیک

مشخصات کتاب

Computational and statistical approaches to genomics

دسته بندی: مولکولی
ویرایش: 1st 
نویسندگان: Wei Zhang. Ilya Shmulevich  
سری:  
ISBN (شابک) : 9781402070235, 1402070233 
ناشر: Kluwer Academic Publishers 
سال نشر: 2002 
تعداد صفحات: 356 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت

قیمت کتاب (تومان) : 29,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 14

در صورت تبدیل فایل کتاب Computational and statistical approaches to genomics 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 رویکردهای محاسباتی و آماری به ژنتیک 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 رویکردهای محاسباتی و آماری به ژنتیک

در آغاز دوران پس از توالی‌یابی، زیست‌شناسی اکنون باید با حجم عظیمی از داده‌های کمی که جمع‌آوری می‌شوند کار کند و باید مسائل پیچیده را با تمام تلاش‌های محاسباتی که مستلزم آن است، از نظر ریاضی ارائه کند. این پدیده احتمالاً با فعالیت علمی میان رشته ای ناشی از ظهور فناوری ریزآرایه cDNA با کارایی بالا، که بررسی های در مقیاس بزرگ از بیان ژن را تسهیل می کند، بهترین نمونه است. اکنون زیست شناسان باید با مهندسان، آماردانان، دانشمندان کامپیوتر و سایر متخصصان همکاری کنند تا به درک جامعی از رابطه پیچیده بین ژن ها در ژنوم دست یابند و عملکرد و مقررات ژنتیکی را کشف کنند. ژنومیکس محاسباتی و آماری با هدف کمک به محققان در مقابله با چالش‌های ژنومی فعلی است. موضوعات تحت پوشش عبارتند از:

مروری از نقش ابر رایانه ها در تحقیقات ژنومیک، چالش ها و جهت گیری های موجود در پردازش تصویر برای فناوری ریزآرایه، و ابزارهای مبتنی بر وب برای ریزآرایه ها تحلیل داده ها؛
رویکردهایی به مدل‌سازی و تحلیل جهانی شبکه‌های تنظیم‌کننده ژن و کنترل رونویسی، با استفاده از روش‌ها، نظریه‌ها و ابزارهای پردازش سیگنال، یادگیری ماشین، تئوری اطلاعات و تئوری کنترل.
ابزارهای پیشرفته در نظریه توابع بولی، تجزیه و تحلیل زمان-فرکانس، تشخیص الگو، و یادگیری بدون نظارت، به کار رفته در طبقه بندی سرطان، شناسایی مکان های فعال بیولوژیکی، و تجسم داده های بیان ژن.
مسائل مهم مرتبط با تجزیه و تحلیل آماری داده‌های ریزآرایه، آمار و تجزیه و تحلیل تصادفی سطوح بیان ژن در یک سلول، طراحی آماری صحیح مطالعات و آزمایش‌های ریزآرایه. و
پیامدهای بیولوژیکی و پزشکی تحقیقات ژنومیک.

این کتاب برای هر محققی در دانشگاه و صنعت، زیست‌شناسی، علوم کامپیوتر، آمار یا مهندسی است. درگیر مشکلات ژنومی همچنین می تواند به عنوان یک کتاب درسی سطح پیشرفته در دوره ای با تمرکز بر سیگنال های ژنومی، پردازش اطلاعات یا زیست شناسی ژنوم استفاده شود.

توضیحاتی درمورد کتاب به خارجی

At the beginning of the post-sequencing era, biology must now work with the enormous amounts of quantitative data being amassed and must render complex problems in mathematical terms, with all of the computational effort that entails. This phenomenon is perhaps best exemplified by the interdisciplinary scientific activity caused by the advent of high-throughput cDNA microarray technology, which facilitates large-scale surveys of gene expression. Biologists must now work together with engineers, statisticians, computer scientists, and other specialists, in order to attain a holistic understanding of the complex relationship between genes within the genome and uncover genetic function and regulation. Computational and Statistical Genomics aims to help researchers deal with current genomic challenges. Topics covered include:

overviews of the role of supercomputers in genomics research, the existing challenges and directions in image processing for microarray technology, and web-based tools for microarray data analysis;
approaches to the global modeling and analysis of gene regulatory networks and transcriptional control, using methods, theories, and tools from signal processing, machine learning, information theory, and control theory;
state-of-the-art tools in Boolean function theory, time-frequency analysis, pattern recognition, and unsupervised learning, applied to cancer classification, identification of biologically active sites, and visualization of gene expression data;
crucial issues associated with statistical analysis of microarray data, statistics and stochastic analysis of gene expression levels in a single cell, statistically sound design of microarray studies and experiments; and
biological and medical implications of genomics research.

This book is for any researcher, in academia and industry, in biology, computer science, statistics, or engineering, involved in genomic problems. It could also be used as an advanced level textbook in a course focusing on genomic signals, information processing, or genome biology.