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 Genomic Sequence Analysis for Exon Prediction Using Adaptive Signal Processing Algorithms

دانلود کتاب تجزیه و تحلیل توالی ژنومی برای پیش‌بینی اگزون با استفاده از الگوریتم‌های پردازش سیگنال تطبیقی

Genomic Sequence Analysis for Exon Prediction Using Adaptive Signal Processing Algorithms

مشخصات کتاب

Genomic Sequence Analysis for Exon Prediction Using Adaptive Signal Processing Algorithms

ویرایش: [1 ed.] 
نویسندگان:   
سری:  
ISBN (شابک) : 0367615800, 9780367615802 
ناشر: CRC Press 
سال نشر: 2021 
تعداد صفحات: 192
[203] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 Mb

قیمت کتاب (تومان) : 88,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Genomic Sequence Analysis for Exon Prediction Using Adaptive Signal Processing Algorithms 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 تجزیه و تحلیل توالی ژنومی برای پیش‌بینی اگزون با استفاده از الگوریتم‌های پردازش سیگنال تطبیقی 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 تجزیه و تحلیل توالی ژنومی برای پیش‌بینی اگزون با استفاده از الگوریتم‌های پردازش سیگنال تطبیقی



این کتاب به موضوع بهبود دقت در پیش‌بینی اگزون در توالی‌های DNA با استفاده از تکنیک‌های تطبیقی ​​مختلف بر اساس معیارهای عملکردی مختلف که در تشخیص و درمان بیماری‌ها حیاتی هستند، می‌پردازد. ابتدا، نویسندگان مروری بر مهندسی ژنومیک، ساختار توالی DNA و بلوک‌های سازنده آن، جریان اطلاعات ژنتیکی در سلول، پیش‌بینی ژن همراه با اهمیت آن، و انواع مختلف روش‌های پیش‌بینی ژن ارائه می‌کنند، و پس از آن مروری بر متون آغاز می‌شود. پس زمینه بیولوژیکی تجزیه و تحلیل توالی ژنومی در مرحله بعد، آنها ملاحظات نظری مختلف تکنیک‌های فیلتر تطبیقی ​​مورد استفاده برای تجزیه و تحلیل DNA را با مقدمه‌ای بر فیلترینگ تطبیقی، ویژگی‌های الگوریتم‌های تطبیقی، و نیاز به توسعه پیش‌بینی‌کننده‌های اگزون تطبیقی ​​(AEPs) و ساختار AEP مورد استفاده برای تجزیه و تحلیل DNA پوشش می‌دهند. سپس، آنها رویکرد الگوریتم حداقل میانگین مربعات (LMS) و تحقق‌های مبتنی بر علامت آن را با ضریب نرمال‌سازی برای تجزیه و تحلیل DNA گسترش می‌دهند. آنها همچنین الگوریتم های تطبیقی ​​مبتنی بر لگاریتمی نرمال شده حداقل میانگین لگاریتمی مربع (LMLS) و حداقل تفاوت لگاریتمی لگاریتمی (LLAD) را ارائه می دهند که شامل الگوریتم LMLS نرمال شده (NLMLS)، الگوریتم LLAD نرمال شده (NLLAD) و انواع علامت آنها می شود. این کتاب با مروری بر اهداف به دست آمده به پایان می رسد و دستاوردهای اولیه را با استفاده از تمام تکنیک های پیشنهادی برجسته می کند. این کتاب برای استفاده دقیق از الگوریتم های پردازش سیگنال تطبیقی ​​برای مهندسی ژنتیک، مهندسی زیست پزشکی و بیوانفورماتیک در نظر گرفته شده است و برای دانشجویان کارشناسی و کارشناسی ارشد مفید است. این همچنین به عنوان یک راهنمای عملی برای Ph.D. دانشجویان و محققین و تعدادی جهت تحقیقاتی را برای کار بیشتر ارائه خواهد کرد.

ویژگی ها

</ p>

  • نمای کلی از مهندسی ژنومیک، ساختار توالی DNA و بلوک‌های سازنده آن، جریان اطلاعات ژنتیکی در سلول، پیش‌بینی ژن به همراه اهمیت آن، و انواع مختلف پیش‌بینی ژن را ارائه می‌کند. روش‌ها
  • مباحث نظری مختلف تکنیک‌های فیلتر تطبیقی ​​مورد استفاده برای تجزیه و تحلیل DNA را پوشش می‌دهد، مقدمه فیلترینگ تطبیقی، خواص الگوریتم های تطبیقی، نیاز به توسعه پیش بینی کننده های اگزون تطبیقی ​​(AEPs) و ساختار AEP مورد استفاده برای تجزیه و تحلیل DNA
  • رویکرد الگوریتم LMS و تحقق‌های مبتنی بر علامت آن را با فاکتور نرمال‌سازی برای تجزیه و تحلیل DNA گسترش می‌دهد
  • تحققات مبتنی بر لگاریتمی نرمال شده الگوریتم‌های تطبیقی ​​LMLS و LLAD را ارائه می‌دهد که شامل الگوریتم LMLS نرمال‌شده (NLMLS)، الگوریتم LLAD نرمال‌شده (NLLAD) و انواع علامت‌دار آنها می‌شود. /span>
  • نمای کلی از اهداف به دست آمده را ارائه می‌کند و دستاوردهای اولیه را با استفاده از تمام تکنیک‌های پیشنهادی برجسته می‌کند.

دکتر دکتر ضیاء الرحمن، استاد گروه الکترونیک و مهندسی ارتباطات در بنیاد آموزشی Koneru Lakshmaiah (دانشگاه K. L.)، Guntur، هند است. علایق تحقیقاتی فعلی او شامل پردازش سیگنال تطبیقی، پردازش سیگنال زیست پزشکی، مهندسی ژنتیک، تصویربرداری پزشکی، پردازش سیگنال آرایه، تله متری پزشکی و نانوفوتونیکس است.

دکتر Srinivasareddy Putluri در حال حاضر یک مهندس نرم افزار در Tata Consultancy Services Ltd.، حیدرآباد است. او دکترای خود را دریافت کرد. مدرک (پردازش سیگنال ژنومی با استفاده از الگوریتم‌های پردازش سیگنال تطبیقی) از گروه الکترونیک و مهندسی ارتباطات در بنیاد آموزشی Koneru Lakshmaiah (دانشگاه K. L.)، Guntur، هند. علایق تحقیقاتی او شامل پردازش سیگنال ژنومی و پردازش سیگنال تطبیقی ​​است. وی 15 مقاله پژوهشی در مجلات و مقالات مختلف منتشر کرده است. او در حال حاضر منتقد ناشران مانند IEEE Access و IGI است.


توضیحاتی درمورد کتاب به خارجی

This book addresses the issue of improving the accuracy in exon prediction in DNA sequences using various adaptive techniques based on different performance measures that are crucial in disease diagnosis and therapy. First, the authors present an overview of genomics engineering, structure of DNA sequence and its building blocks, genetic information flow in a cell, gene prediction along with its significance, and various types of gene prediction methods, followed by a review of literature starting with the biological background of genomic sequence analysis. Next, they cover various theoretical considerations of adaptive filtering techniques used for DNA analysis, with an introduction to adaptive filtering, properties of adaptive algorithms, and the need for development of adaptive exon predictors (AEPs) and structure of AEP used for DNA analysis. Then, they extend the approach of least mean squares (LMS) algorithm and its sign-based realizations with normalization factor for DNA analysis. They also present the normalized logarithmic-based realizations of least mean logarithmic squares (LMLS) and least logarithmic absolute difference (LLAD) adaptive algorithms that include normalized LMLS (NLMLS) algorithm, normalized LLAD (NLLAD) algorithm, and their signed variants. This book ends with an overview of the goals achieved and highlights the primary achievements using all proposed techniques. This book is intended to provide rigorous use of adaptive signal processing algorithms for genetic engineering, biomedical engineering, and bioinformatics and is useful for undergraduate and postgraduate students. This will also serve as a practical guide for Ph.D. students and researchers and will provide a number of research directions for further work.

Features

  • Presents an overview of genomics engineering, structure of DNA sequence and its building blocks, genetic information flow in a cell, gene prediction along with its significance, and various types of gene prediction methods
  • Covers various theoretical considerations of adaptive filtering techniques used for DNA analysis, introduction to adaptive filtering, properties of adaptive algorithms, need for development of adaptive exon predictors (AEPs), and structure of AEP used for DNA analysis
  • Extends the approach of LMS algorithm and its sign-based realizations with normalization factor for DNA analysis
  • Presents the normalized logarithmic-based realizations of LMLS and LLAD adaptive algorithms that include normalized LMLS (NLMLS) algorithm, normalized LLAD (NLLAD) algorithm, and their signed variants
  • Provides an overview of the goals achieved and highlights the primary achievements using all proposed techniques

Dr. Md. Zia Ur Rahman is a professor in the Department of Electronics and Communication Engineering at Koneru Lakshmaiah Educational Foundation (K. L. University), Guntur, India. His current research interests include adaptive signal processing, biomedical signal processing, genetic engineering, medical imaging, array signal processing, medical telemetry, and nanophotonics.

Dr. Srinivasareddy Putluri is currently a Software Engineer at Tata Consultancy Services Ltd., Hyderabad. He received his Ph.D. degree (Genomic Signal Processing using Adaptive Signal Processing algorithms) from the Department of Electronics and Communication Engineering at Koneru Lakshmaiah Educational Foundation (K. L. University), Guntur, India. His research interests include genomic signal processing and adaptive signal processing. He has published 15 research papers in various journals and proceedings. He is currently a reviewer of publishers like the IEEE Access and IGI.



فهرست مطالب

Cover
Half Title
Title Page
Copyright Page
Table of Contents
Authors
Chapter 1 Introduction
	1.1 Genomics Engineering
	1.2 DNA Sequence Structure
	1.3 Motivation for the Work
	1.4 Objectives
	1.5 Molecular Basis for Genomic Information
		1.5.1 Understanding the Genome
		1.5.2 Building Blocks of DNA
	1.6 Gene Prediction
		1.6.1 Significance of Gene Prediction
	1.7 Types of Gene Prediction Approaches
		1.7.1 Extrinsic Gene Prediction
		1.7.2 Ab Initio Gene Prediction
		1.7.3 Comparative Gene Prediction
	1.8 DNA Representations for Genomic Sequence Analysis
		1.9 Types of DNA Representations
		1.9.1 Voss Mapping
		1.9.2 Z-Curve Representation
		1.9.3 Tetrahedron
		1.9.4 Complex
		1.9.5 Quaternion
		1.9.6 Electron-Ion Interaction Potential
		1.9.7 Inter-nucleotide Distance
		1.9.8 Maximum Likelihood Estimate
		1.8.1 Desirable Properties
	1.10 Organization of Book
Chapter 2 Literature Review
	2.1 Biological Background of Genomic Sequence Analysis
	2.2 The Gene and Early Development of Genetics
	2.3 Origin of Three-Base Periodicities in Genomic Sequences
	2.4 DSP-Based Techniques for DNA Analysis
		2.4.1 Application of Discrete Fourier Transform
		2.4.2 Spectral Content (SC) Measure
		2.4.3 Optimized Spectral Content (SC) Measure
		2.4.4 Spectral Rotation (SR) Measure
		2.4.5 Fourier Product Spectrum (FPS) Method
		2.4.6 Digital Filters for Genomic Analysis
		2.4.7 Autoregressive Models
	2.5 Adaptive Algorithms for DNA Analysis
	2.6 Conclusions
Chapter 3 Sign LMS Based Realization of Adaptive Filtering Techniques for Exon Prediction
	3.1 Introduction
	3.2 Theoretical Considerations of Adaptive Filtering Techniques in DNA Analysis
		3.2.1 Adaptive Filter
		3.2.2 Properties of Adaptive Algorithms
		3.2.3 Need for Development of Adaptive Exon Predictors
	3.3 Structure of Adaptive Exon Predictor for DNA Analysis
	3.4 LMS Algorithm
	3.5 LMF Algorithm
	3.6 Variable Step Size LMS (VSLMS) Algorithm
	3.7 Least Mean Logarithmic Squares (LMLS) Algorithm
	3.8 Least Logarithmic Absolute Difference (LLAD) Algorithm
	3.9 Simplified Algorithms Based on Signum Function
		3.9.1 Sign-Based LMS Algorithms
	3.10 Extension to Sign-Based Realizations of LMS-Based Variants
		3.10.1 Sign-Based Least Mean Fourth (LMF) Algorithms
		3.10.2 Sign-Based Variable Step Size LMS (VSLMS) Algorithms
		3.10.3 Sign-Based Least Mean Logarithmic Squares (LMLS) Algorithms
		3.10.4 Sign-Based Least Logarithmic Absolute Difference (LLAD) Algorithms
	3.11 Computational Complexity Issues
	3.12 Convergence Analysis
	3.13 Results and Discussion for LMS-Based Variants
		3.13.1 Gene Datasets from the NCBI Gene Databank for Gene Sequence Analysis
		3.13.2 Analysis of Gene Datasets of NCBI Gene Databank
			3.13.2.1 Nucleotide Densities of Monomers and Dimers in Gene Dataset
		3.13.3 Performance Measures of Exon Prediction
		3.13.4 Exon Prediction Results
	3.14 Conclusions
Chapter 4 Normalization-Based Realization of Adaptive Filtering Techniques for Exon Prediction
	4.1 Introduction
	4.2 Normalized Adaptive Algorithms
	4.3 Normalized LMS (NLMS) Algorithm
	4.4 Error-Normalized LMS (ENLMS) Algorithm
	4.5 Normalized Least Mean Fourth (NLMF) Algorithm
	4.6 Variable Step Size Normalized LMS (VNLMS) Algorithm
	4.7 Extension to Sign-Based Realizations of Normalized Algorithms
		4.7.1 Sign-Based Normalized LMS (NLMS) Algorithms
		4.7.2 Sign-Based Error-Normalized LMS (ENLMS) Algorithms
		4.7.3 Sign-Based Normalized LMF (NLMF) Algorithms
		4.7.4 Sign-Based Variable Step Size NLMS (VNLMS) Algorithms
	4.8 Computational Complexity Issues
	4.9 Convergence Analysis
	4.10 Results and Discussion for Normalization-Based Variants
		4.10.1 Exon Prediction Results
	4.11 Conclusions
Chapter 5 Logarithmic-Based Realization of Adaptive Filtering Techniques for Exon Prediction
	5.1 Introduction
	5.2 Logarithmic Adaptive Algorithms
	5.3 Normalized LMLS (NLMLS) Algorithm
	5.4 Error-Normalized LMLS (ENLMLS) Algorithm
	5.5 Normalized LLAD (NLLAD) Algorithm
	5.6 Error-Normalized LLAD (ENLLAD) Algorithm
	5.7 Extension to Sign-Based Realizations of Logarithmic Normalized Algorithms
		5.7.1 Extension to Sign-Based Realizations of NLMLS-Based Variants
		5.7.2 Extension to Sign-Based Realizations of ENLMLS-Based Variants
		5.7.3 Extension to Sign-Based Realizations of NLLAD-Based Variants
		5.7.4 Extension to Sign-Based Realizations of ENLLAD-Based Variants
	5.8 Computational Complexity Issues
	5.9 Convergence Analysis
	5.10 Results and Discussion for Logarithmic Normalized Variants
		5.10.1 Exon Prediction Results
	5.11 Conclusions
Chapter 6 Conclusion and Future Perspective
	6.1 Summary and Conclusions
	6.2 Recommendations for Future Research
References
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد