دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Computational biology : a hypertextbook
دانلود کتاب زیست شناسی محاسباتی: کتاب فرادرسی
مشخصات کتاب
Computational biology : a hypertextbook
ویرایش: نویسندگان: Scott Theodore Kelley, Dennis Didulo سری: ISBN (شابک) : 9781683670025, 1683670027 ناشر: ASM Press سال نشر: 2018 تعداد صفحات: 194 [211] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 27 Mb
قیمت کتاب (تومان) : 57,000
در صورت تبدیل فایل کتاب Computational biology : a hypertextbook 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 زیست شناسی محاسباتی: کتاب فرادرسی 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 زیست شناسی محاسباتی: کتاب فرادرسی
این کتاب درسی برای هر کسی است که نیاز به یادگیری اصول بیوانفورماتیک - استفاده از روش‌های محاسباتی برای درک بهتر سیستم‌های بیولوژیکی دارد. زیست‌شناسی محاسباتی اصول و کاربردهای روش‌های محاسباتی مورد استفاده برای مطالعه DNA، RNA و پروتئین‌ها، از جمله استفاده از پایگاه‌های اطلاعاتی بیولوژیکی مانند NCBI و UniProt را پوشش می‌دهد. انجام BLAST، ترازهای توالی، و پیش بینی های ساختاری. و ایجاد درختان فیلوژنتیک. این شامل یک پرایمر است که می تواند به عنوان نقطه پرش برای یادگیری برنامه نویسی کامپیوتر برای بیوانفورماتیک استفاده شود. این متن می تواند به عنوان یک راهنمای خودآموز، به عنوان یک دوره متمرکز بر روش های محاسباتی در زیست شناسی/بیوانفورماتیک، یا برای تکمیل دوره های عمومی که موضوعات موجود در کتاب را لمس می کنند، استفاده شود. مؤلفه‌های آنلاین تعاملی قوی زیست‌شناسی محاسباتی، مطالعه بیوانفورماتیک را «بازی‌سازی» می‌کند، و به خواننده اجازه می‌دهد تا مشکلات ایجاد شده به‌طور تصادفی را در زمان خودش تمرین کند تا اعتماد و مهارت ایجاد کند و تجربه عملی در دنیای واقعی به دست آورد. مؤلفه آنلاین همچنین اطمینان می دهد که محتوای آموزش داده شده به روز است و به طور دقیق چشم انداز در حال تغییر برنامه های مبتنی بر وب بیوانفورماتیک را منعکس می کند.
توضیحاتی درمورد کتاب به خارجی
This textbook is for anyone who needs to learn the basics of bioinformatics—the use of computational methods to better understand biological systems. Computational Biology covers the principles and applications of the computational methods used to study DNA, RNA, and proteins, including using biological databases such as NCBI and UniProt; performing BLAST, sequence alignments, and structural predictions; and creating phylogenetic trees. It includes a primer that can be used as a jumping off point for learning computer programming for bioinformatics. This text can be used as a self-study guide, as a course focused on computational methods in biology/bioinformatics, or to supplement general courses that touch on topics included within the book. Computational Biology's robust interactive online components “gamify” the study of bioinformatics, allowing the reader to practice randomly generated problems on their own time to build confidence and skill and gain practical real-world experience. The online component also assures that the content being taught is up to date and accurately reflects the ever-changing landscape of bioinformatics web-based programs.
فهرست مطالب
CONTENTS PREFACE FOR THE INSTRUCTOR FOR THE STUDENT ACKNOWLEDGMENTS ABOUT THE AUTHORS CHAPTER -1: GETTING STARTED Using the Website Example: The Alignment Page How To Use This Book CHAPTER 00: INTRODUCTION Why Bioinformatics? DNA in the Computer RNA in the Computer Protein Translation Protein Sequences in the Computer The Molecular Structure of a Gene Notes ACTIVITY 0.1: BIOLOGICAL DATABASES AND DATA STORAGE Motivation Learning Objectives Concepts Exercises Lab exercises (practice) Lab Exercise Part 1: using NCBI PubMed Part 2: data formats Part 3: microbial genomes and Uniprot databases CHAPTER 01: BLAST BLAST It Scaling Up: Massive Parallelization of BLAST Why a Nobel Prize? Notes ACTIVITY 1.1: BLAST ALGORITHM Motivation Learning Objectives Concepts Reflection Exercises Interactive exercise (theory) Problem Lab Exercises (Practice) Lab Exercise Part 1 Part 2 CHAPTER 02: PROTEIN ANALYSIS Protein Bioinformatics Bioinformatics Methods Notes ACTIVITY 2.1: HYDROPHOBICITY PLOTTING Motivation Learning Objectives Concepts Reflection Exercises Interactive exercise (theory) Problem Lab Exercises (Practice) Lab Exercise ACTIVITY 2.2: PROTEIN SECONDARY STRUCTURE PREDICTION Motivation Learning Objectives Concepts Calculating Propensities Reflection 1 Where's Alphie? Like "Where's Waldo" but not as frustrating! Reflection 2 Exercises Interactive exercise (theory) Problem Lab Exercises (Practice) Lab Exercise CHAPTER 03: SEQUENCE ALIGNMENT What Is a Sequence Alignment? Sequence Alignments: Nature’s Experimental Results What Are the Challenges in Aligning Sequences? Issues in Sequence Alignment Multiple-Sequence Alignment Notes ACTIVITY 3.1: DYNAMIC PROGRAMMING Motivation Learning Objectives Concepts Reflection Finding the path through the graph Exercises Interactive exercise (theory) Problems Lab Exercises (Practice) Lab Exercise DNA multiple-sequence alignment Protein multiple-sequence alignment Notes CHAPTER 04: PATTERNS IN THE DATA Sequence Motifs Notes ACTIVITY 4.1: PROTEIN SEQUENCE MOTIFS Motivation Learning Objectives Concepts Reflection Exercises Interactive exercises (theory) Problem Lab Exercises (Practice) Lab Exercise Notes ACTIVITY 4.2: POSITION-SPECIFIC WEIGHT MATRICES Motivation Learning Objectives Concepts Reflection Exercises Interactive exercises (theory) Problem Lab Exercises (Practice) Lab Exercise Notes CHAPTER 05: RNA STRUCTURE PREDICTION Roles of RNA in Cells Predicting RNA Structure Notes ACTIVITY 5.1: RNA STRUCTURE PREDICTION Motivation Learning Objectives Concepts Algorithm 1: thermodynamic secondary-structure prediction Reflection Calculating RNA free energy Comparing possible structures Algorithm 2: Mutual Information (MI) Reflection Exercises Interactive exercises (theory) Problems Lab Exercises (Practice) Lab Exercise Part 1. RNA folding Part 2 Notes CHAPTER 06: PHYLOGENETICS Ramifications of the “Big Tree” Uses of Phylogenetics How To Interpret Phylogenetic Trees The Bootstrap Notes ACTIVITY 6.1: PHYLOGENETIC ANALYSIS Motivation Learning Objectives Concepts Algorithm 1: distance method Reflection Using distances to build a phylogenetic tree Algorithm 2: maximum parsimony (MP) method Reflection Which phylogenetic tree is the shortest (most parsimonious)? Exercises Interactive exercises (theory) Problems Lab Exercises (Practice) Lab Exercise Notes CHAPTER 07: PROBABILITY: ALL MUTATIONS ARE NOT EQUAL (-LY PROBABLE) Protein (Amino Acid) Substitution Matrices What Determines Substitution Bias? PAM and BLOSUM Hidden Markov Models Notes ACTIVITY 7.1: GENERATING PAM AND BLOSUM SUBSTITUTION MATRICES Motivation Learning Objectives Concepts Reflection Sweet Lou Calculating a PAM Matrix Calculating a BLOSUM Matrix Exercises Interactive exercise (theory) Problems Solving for a BLOSUM matrix Lab Exercises (Practice) Lab Exercise Part 1. BLOSUM and PAM: using blastp advanced parameters Part 2. Pfam database Notes CHAPTER 08: BIOINFORMATICS PROGRAMMING: A PRIMER The Unix Operating System A short Unix tutorial Introduction to R Introduction to Python Notes INDEX
