دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: Hardcover
نویسندگان: Guo-Cheng Yuan
سری:
ISBN (شابک) : 149399056X, 9781493990566
ناشر: Humana Press
سال نشر: 2019
تعداد صفحات: 270
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 24 مگابایت
در صورت تبدیل فایل کتاب Computational Methods for Single-Cell Data Analysis 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 روش های محاسباتی برای تجزیه و تحلیل داده های تک سلولی 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.
این کتاب مفصل، رویکردهای محاسباتی پیشرفته ای را برای کشف
بیشتر فرصت های هیجان انگیز ارائه شده توسط فناوری های تک سلولی
ارائه می دهد. هر فصل یک جعبه ابزار محاسباتی را با هدف غلبه بر
یک چالش خاص در تجزیه و تحلیل تک سلولی، مانند عادی سازی داده
ها، شناسایی نوع سلولی نادر، و تجزیه و تحلیل رونویسی فضایی، با
تمرکز بر اجرای عملی روش های محاسباتی برای تجزیه و تحلیل داده
های تجربی شرح می دهد. . این فصلها با فرمت بسیار موفق سری
روشها در زیستشناسی مولکولی نوشته شدهاند و شامل
مقدمهای بر موضوعات مربوطه، فهرستی از مواد و معرفهای لازم،
پروتکلهای آزمایشگاهی گام به گام، قابل تکرار آسان و نکاتی در
مورد عیبیابی است. و اجتناب از دام های شناخته شده.
معتبر و پیشرفته، روش های محاسباتی برای تجزیه و تحلیل داده
های تک سلولی هدف آن پوشش طیف وسیعی از وظایف است و به
عنوان یک کتاب راهنمای حیاتی برای تجزیه و تحلیل داده های تک
سلولی عمل می کند.
This detailed book provides state-of-art computational
approaches to further explore the exciting opportunities
presented by single-cell technologies. Chapters each detail a
computational toolbox aimed to overcome a specific challenge
in single-cell analysis, such as data normalization, rare
cell-type identification, and spatial transcriptomics
analysis, all with a focus on hands-on implementation of
computational methods for analyzing experimental data.
Written in the highly successful Methods in Molecular
Biology series format, chapters include introductions to
their respective topics, lists of the necessary materials and
reagents, step-by-step, readily reproducible laboratory
protocols, and tips on troubleshooting and avoiding known
pitfalls.
Authoritative and cutting-edge, Computational Methods for
Single-Cell Data Analysis aims to cover a wide range of
tasks and serves as a vital handbook for single-cell data
analysis.
Front Matter ....Pages i-x
Quality Control of Single-Cell RNA-seq (Peng Jiang)....Pages 1-9
Normalization for Single-Cell RNA-Seq Data Analysis (Rhonda Bacher)....Pages 11-23
Analysis of Technical and Biological Variability in Single-Cell RNA Sequencing (Beomseok Kim, Eunmin Lee, Jong Kyoung Kim)....Pages 25-43
Identification of Cell Types from Single-Cell Transcriptomic Data (Karthik Shekhar, Vilas Menon)....Pages 45-77
Rare Cell Type Detection (Lan Jiang)....Pages 79-89
scMCA: A Tool to Define Mouse Cell Types Based on Single-Cell Digital Expression (Huiyu Sun, Yincong Zhou, Lijiang Fei, Haide Chen, Guoji Guo)....Pages 91-96
Differential Pathway Analysis (Jean Fan)....Pages 97-114
Pseudotime Reconstruction Using TSCAN (Zhicheng Ji, Hongkai Ji)....Pages 115-124
Estimating Differentiation Potency of Single Cells Using Single-Cell Entropy (SCENT) (Weiyan Chen, Andrew E. Teschendorff)....Pages 125-139
Inference of Gene Co-expression Networks from Single-Cell RNA-Sequencing Data (Alicia T. Lamere, Jun Li)....Pages 141-153
Single-Cell Allele-Specific Gene Expression Analysis (Meichen Dong, Yuchao Jiang)....Pages 155-174
Using BRIE to Detect and Analyze Splicing Isoforms in scRNA-Seq Data (Yuanhua Huang, Guido Sanguinetti)....Pages 175-185
Preprocessing and Computational Analysis of Single-Cell Epigenomic Datasets (Caleb Lareau, Divy Kangeyan, Martin J. Aryee)....Pages 187-202
Experimental and Computational Approaches for Single-Cell Enhancer Perturbation Assay (Shiqi Xie, Gary C. Hon)....Pages 203-221
Antigen Receptor Sequence Reconstruction and Clonality Inference from scRNA-Seq Data (Ida Lindeman, Michael J. T. Stubbington)....Pages 223-249
A Hidden Markov Random Field Model for Detecting Domain Organizations from Spatial Transcriptomic Data (Qian Zhu)....Pages 251-268
Back Matter ....Pages 269-271