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: نویسندگان: Sriganesh Srihari, Chern Han Yong, Limsoon Wong سری: ACM Books #16 ISBN (شابک) : 9781970001532 ناشر: Morgan & Claypool سال نشر: 2017 تعداد صفحات: 281 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Computational Prediction of Protein Complexes from Protein Interaction Networks 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 پیشبینی محاسباتی مجتمعهای پروتئینی از شبکههای تعامل پروتئین 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.
مجتمعهای پروتئینهایی که از نظر فیزیکی برهمکنش دارند، واحدهای عملکردی اساسی را تشکیل میدهند که تقریباً تمام فرآیندهای بیولوژیکی درون سلولها را هدایت میکنند. بازسازی وفادارانه کل مجموعه کمپلکسهای پروتئینی ("کمپلکسوزوم") نه تنها برای درک ترکیب کمپلکسها بلکه برای سازماندهی عملکردی سطح بالاتر در سلولها نیز مهم است. پیشرفتها در چند سال گذشته، بهویژه از طریق استفاده از تکنیکهای پروتئومیکس با کارایی بالا، نقشهبرداری بخشهای قابلتوجهی از برهمکنشهای پروتئینی ("interactomes") را از ارگانیسمهای مدل از جمله Arabidopsis thaliana (گیاه گلدار)، Caenorhabditis elegans. یک نماتد)، مگس سرکه (مگس میوه)، و ساکارومایسس سرویزیه (مخمر جوانه زن). این مجموعه دادههای تعاملی، تحقیقات سیستماتیک را در شناسایی و مطالعه کمپلکسهای پروتئینی از موجودات ممکن میسازد. روشهای محاسباتی با کمک روشهای دقیق، کارآمد و جامع برای تجزیه و تحلیل حجم عظیمی از دادهها، نقش مهمی در این زمینه ایفا کردهاند. این روش ها به جبران برخی از محدودیت ها در مجموعه داده های تجربی از جمله وجود نویز بیولوژیکی و فنی و کمبود نسبی تعاملات معتبر کمک کرده اند. در این کتاب، ما به طور سیستماتیک از طریق روشهای محاسباتی ابداع شده تا به امروز (تقریبا بین سالهای 2000 تا 2016) برای شناسایی کمپلکسهای پروتئینی از شبکه برهمکنشهای پروتئین (شبکه تعامل پروتئین-پروتئین (PPI)) قدم میزنیم. ما یک طبقهبندی دقیق از این روشها ارائه میکنیم و به طور جامع آنها را برای شناسایی کمپلکس پروتئین در سناریوهای مختلف از جمله عدم وجود بسیاری از تعاملات واقعی و وجود برهمکنشهای مثبت کاذب (نویز) در شبکههای PPI ارزیابی میکنیم. بر اساس این ارزیابی، چالشهای پیش روی روشها را برجسته میکنیم، به عنوان مثال در شناسایی کمپلکسهای پراکنده، فرعی یا کوچک و در تشخیص کمپلکسهای همپوشانی، و نشان میدهیم که چگونه ترکیبی از استراتژیها برای بازسازی دقیق کل کمپلکسوزوم ضروری است.
Complexes of physically interacting proteins constitute fundamental functional units that drive almost all biological processes within cells. A faithful reconstruction of the entire set of protein complexes (the "complexosome") is therefore important not only to understand the composition of complexes but also the higher level functional organization within cells. Advances over the last several years, particularly through the use of high-throughput proteomics techniques, have made it possible to map substantial fractions of protein interactions (the "interactomes") from model organisms including Arabidopsis thaliana (a flowering plant), Caenorhabditis elegans (a nematode), Drosophila melanogaster (fruit fly), and Saccharomyces cerevisiae (budding yeast). These interaction datasets have enabled systematic inquiry into the identification and study of protein complexes from organisms. Computational methods have played a significant role in this context, by contributing accurate, efficient, and exhaustive ways to analyze the enormous amounts of data. These methods have helped to compensate for some of the limitations in experimental datasets including the presence of biological and technical noise and the relative paucity of credible interactions. In this book, we systematically walk through computational methods devised to date (approximately between 2000 and 2016) for identifying protein complexes from the network of protein interactions (the protein-protein interaction (PPI) network). We present a detailed taxonomy of these methods, and comprehensively evaluate them for protein complex identification across a variety of scenarios including the absence of many true interactions and the presence of false-positive interactions (noise) in PPI networks. Based on this evaluation, we highlight challenges faced by the methods, for instance in identifying sparse, sub-, or small complexes and in discerning overlapping complexes, and reveal how a combination of strategies is necessary to accurately reconstruct the entire complexosome.
Content: Preface1. Introduction to Protein Complex Prediction2. Constructing Reliable Protein-Protein Interaction (PPI) Networks3. Computational Methods for Protein Complex Prediction from PPI Networks4. Evaluating Protein Complex Prediction Methods5. Open Challenges in Protein Complex Prediction6. Identifying Dynamic Protein Complexes7. Identifying Evolutionarily Conserved Protein Complexes8. Protein Complex Prediction in the Era of Systems Biology9. ConclusionReferencesAuthors' Biographies