ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Exploring Mathematical Modeling in Biology Through Case Studies and Experimental Activities

دانلود کتاب کاوش در مدل سازی ریاضی در زیست شناسی از طریق مطالعات موردی و فعالیت های تجربی

Exploring Mathematical Modeling in Biology Through Case Studies and Experimental Activities

مشخصات کتاب

Exploring Mathematical Modeling in Biology Through Case Studies and Experimental Activities

ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 0128195959, 9780128195956 
ناشر: Academic Pr 
سال نشر: 2020 
تعداد صفحات: 258 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

قیمت کتاب (تومان) : 29,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Exploring Mathematical Modeling in Biology Through Case Studies and Experimental Activities 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 کاوش در مدل سازی ریاضی در زیست شناسی از طریق مطالعات موردی و فعالیت های تجربی 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 کاوش در مدل سازی ریاضی در زیست شناسی از طریق مطالعات موردی و فعالیت های تجربی



کاوش مدل‌سازی ریاضی در زیست‌شناسی از طریق مطالعات موردی و فعالیت‌های تجربی مواد پشتیبانی را برای دوره‌هایی که توسط دانشجویان رشته‌های ریاضی، علوم کامپیوتر یا علوم زیستی گذرانده می‌شوند، فراهم می‌کند. موارد و تمرین‌های آزمایشگاهی کتاب بر روی آزمایش فرضیه و توسعه مدل در زمینه داده‌های واقعی تمرکز دارند. پس زمینه ریاضی، کدگذاری و بیولوژیکی پشتیبان به خوانندگان اجازه می دهد تا یک مسئله را بررسی کنند، مفروضات و معنای نتایج آنها را درک کنند. اجزای تجربی یادگیری عملی را هم در آزمایشگاه و هم در رایانه فراهم می کنند. به عنوان یک متن آغازین در مدل سازی، خوانندگان یاد خواهند گرفت که برای رویکرد ارزش قائل شوند و شایستگی ها را در تنظیمات دیگر به کار ببرند.

مطالعات موردی شامل بر ساخت یک مدل برای حل یک مسئله بیولوژیکی خاص از مفهوم و ترجمه به شکل ریاضی، تا اعتبار بخشیدن به پارامترها، آزمایش کیفیت مدل و در نهایت تفسیر نتیجه در شرایط بیولوژیکی متمرکز است. این کتاب همچنین نشان می‌دهد که چگونه رویکردهای ریاضی خاص با انواع مسائل در مقیاس‌های بیولوژیکی متعدد سازگار می‌شوند. در نهایت، آزمایشگاه‌ها مشکلات بیولوژیکی و مسائل عملی جمع‌آوری داده‌ها را برای آزمایش واقعی مدل و/یا تطبیق ریاضیات با داده‌هایی که می‌توان جمع‌آوری کرد، به ارمغان می‌آورد.

  • یک جلد واحد در مورد ریاضیات ارائه می‌کند. و نمونه های بیولوژیکی، با داده ها و تجربیات آزمایشگاهی مرطوب مناسب برای افراد غیر متخصص
  • شامل سه مطالعه موردی بیولوژیکی در دنیای واقعی و یک آزمایشگاه مرطوب برای استفاده از مدل های ریاضی
  • شامل کد R قالب هایی در سراسر متن، که از طریق یک مخزن آنلاین نیز در دسترس هستند، همراه با فایل های داده لازم برای تکمیل تمام پروژه ها و آزمایشگاه ها

توضیحاتی درمورد کتاب به خارجی

Exploring Mathematical Modeling in Biology Through Case Studies and Experimental Activities provides supporting materials for courses taken by students majoring in mathematics, computer science or in the life sciences. The book's cases and lab exercises focus on hypothesis testing and model development in the context of real data. The supporting mathematical, coding and biological background permit readers to explore a problem, understand assumptions, and the meaning of their results. The experiential components provide hands-on learning both in the lab and on the computer. As a beginning text in modeling, readers will learn to value the approach and apply competencies in other settings.

Included case studies focus on building a model to solve a particular biological problem from concept and translation into a mathematical form, to validating the parameters, testing the quality of the model and finally interpreting the outcome in biological terms. The book also shows how particular mathematical approaches are adapted to a variety of problems at multiple biological scales. Finally, the labs bring the biological problems and the practical issues of collecting data to actually test the model and/or adapting the mathematics to the data that can be collected.

  • Presents a single volume on mathematics and biological examples, with data and wet lab experiences suitable for non-experts
  • Contains three real-world biological case studies and one wet lab for application of the mathematical models
  • Includes R code templates throughout the text, which are also available through an online repository, along with the necessary data files to complete all projects and labs


فهرست مطالب

Contents
Preface
	Tips for using this text - instructors
	Tips for using this text - students
	Online resources
Acknowledgments
1 Preliminaries: models, R, and lab techniques
	1.1 Bringing mathematics and biology together through modeling
	1.2 R basics
		1.2.1 RStudio layout
		1.2.2 Simple calculations
		1.2.3 Data structures
			Vectors
			Matrices
			Data frames
		1.2.4 Basic plotting
		1.2.5 Reading data from files
		1.2.6 Iteration
		1.2.7 Fitting a linear regression model
	1.3 Prelab lab: practicing the fundamentals
		Introduction
		Materials
		Using the micropipettes
		Serial dilution with dye solutions and water
		Measuring absorbance
		Graphing and data analysis
2 Introduction to modeling using difference equations
	2.1 Discrete-time models
		2.1.1 Solutions to first-order difference equations
		2.1.2 Using linear regression to estimate parameters
	2.2 Putting it all together: the whooping crane
	2.3 Case study 1: Island biogeography
		2.3.1 Background
		2.3.2 Model formulation
		2.3.3 Rakata story
			Data
			Parameter estimation
			Model analysis
		2.3.4 Modern approach: lineage data
			Model
			Parameter estimation
			Model analysis
		2.3.5 Back to MacArthur and Wilson: effects of distance and area
	2.4 Case study 2: Pharmacokinetics model
		2.4.1 Background
			Pharmacokinetics: basic concepts and terminology
			Caffeine
		2.4.2 Formulating the model
		2.4.3 Understanding the model
		2.4.4 Parameter estimation
		2.4.5 Model evaluation/analysis
		2.4.6 Further exploration
	2.5 Case study 3: Invasive plant species
		2.5.1 Background
		2.5.2 Model formulation
		2.5.3 Parameter estimation
		2.5.4 Model predictions
		2.5.5 Management strategies
	2.6 Wet lab: logistic growth model of bacterial population dynamics
		2.6.1 Introduction
		2.6.2 Modeling populations
		2.6.3 The experiment
			Preparation
			Measuring growth rates by optical density
			Measuring growth rate by serial dilution and plate count
		2.6.4 Model calibration and analysis
		2.6.5 Experiment part 2: effect of changing media
3 Differential equations: model formulation, nonlinear regression, and model selection
	3.1 Biological background
	3.2 Mathematical and R background
		3.2.1 Differential equation-based model formulation
			Constant flow rate
			Relative rates
			Mass action
			Feedback
		3.2.2 Solutions to ordinary differential equations
		3.2.3 Investigating parameter space
		3.2.4 Nonlinear fitting
	3.3 Model selection
	3.4 Case study 1: How leaf decomposition rates vary with anthropogenic nitrogen deposition
		3.4.1 Background
		3.4.2 The data
		3.4.3 Model formulation
		3.4.4 Parameter estimation
		3.4.5 Model evaluation
	3.5 Case study 2: Exploring models to describe tumor growth rates
		3.5.1 Background
		3.5.2 The data
		3.5.3 Model formulation
		3.5.4 Parameter estimation
		3.5.5 Model evaluation: descriptive power
		3.5.6 Model evaluation: predictive power
	3.6 Case study 3: Predator responses to prey density vary with temperature
		3.6.1 Background
			Can predator-prey interactions predict invasive behavior?
		3.6.2 Analysis of functional response data: determining the parameters
		3.6.3 Exploring functional responses as a function of temperature
	3.7 Wet lab: enzyme kinetics of catechol oxidase
		3.7.1 Overview of activities
		3.7.2 Introduction to enzyme catalyzed reaction kinetics
		3.7.3 Deriving the model
		3.7.4 Estimating KM and Vmax
		3.7.5 Our enzyme: catechol oxidase
		3.7.6 Experiment: collecting initial rates for the Michaelis-Menten model
			Overview of the procedure
			Materials
			Enzyme preparation
			Running the reactions
			Analysis in R
		3.7.7 Effects of inhibitors on enzyme kinetics
		3.7.8 Experiment: measuring the effects of two catechol oxidase inhibitors, phenylthiourea and benzoic acid
			Analysis in R
4 Differential equations: numerical solutions, model calibration, and sensitivity analysis
	4.1 Biological background
	4.2 Mathematical and R background
		4.2.1 Numerical solutions to differential equations
			Example: logistic growth (one variable)
			Example: tumor growth model (a system of two differential equations)
		4.2.2 Calibration: fitting models to data
			Example: calibrating the logistic growth model
		4.2.3 Sensitivity analysis
			Global sensitivity
			Local sensitivity analysis
			Local sensitivity example: logistic model
		4.2.4 Putting it all together: the dynamics of Ebola virus infecting cells
			Numerical solution for the Ebola model
			Fitting parameters to the Ebola model: calibrating the model
			Local sensitivity analysis: assessing key parameters in the Ebola virus-cell system
	4.3 Case study 1: Modeling the 2009 influenza pandemic
		4.3.1 Background
		4.3.2 The SIR model
			Model simulations
		4.3.3 Cumulative number of cases
		4.3.4 Epidemic threshold
		4.3.5 Public health interventions
		4.3.6 2009 H1N1 influenza pandemic
			Estimating parameters
			Taking action
	4.4 Case study 2: Optimizing immunotherapy in prostate cancer
		4.4.1 Background
		4.4.2 Model formulation
		4.4.3 Model implementation
		4.4.4 Parameter estimation
		4.4.5 Vaccination protocols and model predictions
		4.4.6 Sensitivity analysis
		4.4.7 Simulating other treatment strategies
	4.5 Case study 3: Quorum sensing
		4.5.1 Introduction
		4.5.2 Model formulation
		4.5.3 Parameter estimation
		4.5.4 Model simulations
		4.5.5 Sensitivity analysis
			The temporal response
	4.6 Wet lab: hormones and homeostasis-keeping blood glucose concentrations stable
		4.6.1 Overview of activities
		4.6.2 Introduction to blood glucose regulation and its importance
		4.6.3 Developing a model
		4.6.4 Experiment: measuring blood glucose concentrations following glucose ingestion
			Introduction to the procedure
			Experimental procedure
		4.6.5 Analysis
		4.6.6 Thoughts to consider for potential follow-up experiments
5 Technical notes for laboratory activities
	5.1 Introduction
	5.2 Population growth
		Bacterial growth media and tips
		Optional plate counts and converting optical density to numbers of bacteria
		Alternate organisms
	5.3 Enzyme kinetics
		Tips and solution preparation for catechol oxidase
		Notes on data analysis
			5.3.1 Notes on other enzymes or similar experiments
				Predator-prey or the enzyme game
				Other enzymes
	5.4 Blood glucose monitoring
		5.4.1 Tips for glucose monitoring
			Example of a subject consent form
		5.4.2 Other lab activities
Bibliography
Index




نظرات کاربران