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
دسته بندی: ریاضیات محاسباتی ویرایش: 1 نویسندگان: Sanjoy Das, Doina Caragea, Stephen M. Welch, William H. Hsu سری: ISBN (شابک) : 1605666858, 9781605666853 ناشر: Medical Information Science Reference سال نشر: 2009 تعداد صفحات: 741 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Handbook of Research on Computational Methodologies in Gene Regulatory Networks (Handbook of Research On...) 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 راهنمای تحقیق در مورد روشهای محاسباتی در شبکههای تنظیمکننده ژن (راهنمای تحقیق در مورد...) 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.
پیشرفتهای اخیر در فنآوری توالییابی ژن، اکنون بر تعامل پیچیده بین ژنهایی که رفتار فنوتیپی مشخصه هر ارگانیسم را برمیانگیزد، روشن میکند. به منظور میانجیگری سیگنال های داخلی و خارجی، وظیفه دلهره آور طبقه بندی ژن های موجودات زنده به مسیرهای پیام رسانی پیچیده باید تکمیل شود. کتاب راهنمای تحقیق در مورد روشهای محاسباتی در شبکههای تنظیمکننده ژن بر روشهایی متمرکز است که به طور گسترده در مدلسازی شبکههای ژنی از جمله کشف ساختار، یادگیری و بهینهسازی استفاده میشوند. این کتاب راهنمای پژوهشی ابتکاری، مروری کامل بر رویکردهای هوش محاسباتی برای یادگیری و بهینهسازی و نحوه استفاده از آنها در شبکههای تنظیم ژن ارائه میکند.
Recent advances in gene sequencing technology are now shedding light on the complex interplay between genes that elicit phenotypic behavior characteristic of any given organism. In order to mediate internal and external signals, the daunting task of classifying an organisms genes into complex signaling pathways needs to be completed. The Handbook of Research on Computational Methodologies in Gene Regulatory Networks focuses on methods widely used in modeling gene networks including structure discovery, learning, and optimization. This innovative Handbook of Research presents a complete overview of computational intelligence approaches for learning and optimization and how they can be used in gene regulatory networks.
Title\n......Page 2
List of Reviewers......Page 4
List of Contributors......Page 5
Table of Contents......Page 7
Detailed Table of Contents......Page 12
Preface......Page 23
Acknowledgment......Page 30
What are Gene Regulatory\nNetworks?......Page 32
Introduction to GRNs......Page 59
Bayesian Networks for\nModeling and Inferring Gene\nRegulatory Networks......Page 88
Inferring Gene Regulatory\nNetworks from Genetical\nGenomics Data......Page 110
Inferring Genetic Regulatory\nInteractions with Bayesian\nLogic-Based Model......Page 139
A Bayes Regularized Ordinary\nDifferential Equation Model\nfor the Inference of Gene\nRegulatory Networks......Page 170
Computational Approaches\nfor Modeling Intrinsic Noise\nand Delays in Genetic\nRegulatory Networks......Page 200
Modeling Gene Regulatory\nNetworks with Delayed\nStochastic Dynamics......Page 229
Nonlinear Stochastic\nDifferential Equations Method\nfor Reverse Engineering of\nGene Regulatory Network......Page 250
Modelling Gene Regulatory\nNetworks Using Computational\nIntelligence Techniques......Page 275
A Synthesis Method of\nGene Regulatory Networks\nbased on Gene Expression\nby Network Learning......Page 297
Structural Learning of Genetic\nRegulatory Networks Based\non Prior Biological Knowledge\nand Microarray Gene\nExpression Measurements......Page 320
Problems for Structure\nLearning......Page 341
Complexity of the BN\nand the PBN Models of\nGRNs and Mappings for\nComplexity Reduction......Page 365
Abstraction Methods\nfor Analysis of Gene\nRegulatory Networks......Page 383
Improved Model Checking\nTechniques for State\nSpace Analysis of Gene\nRegulatory Networks......Page 417
Determining the Properties\nof Gene Regulatory Networks\nfrom Expression Data......Page 436
Generalized Boolean Networks......Page 460
A Linear Programming\nFramework for Inferring\nGene Regulatory Networks by\nIntegrating Heterogeneous Data......Page 481
Integrating Various Data\nSources for Improved Quality\nin Reverse Engineering of\nGene Regulatory Networks......Page 507
Dynamic Links and Evolutionary\nHistory in Simulated Gene\nRegulatory Networks......Page 529
A Model for a Heterogeneous\nGenetic Network......Page 554
Planning Interventions for\nGene Regulatory Networks\nas Partially Observable\nMarkov Decision Processes......Page 577
Mathematical Modeling of the λ Switch......Page 604
Petri Nets and GRN Models......Page 635
Compilation of References......Page 669
About the Contributors......Page 719
Index......Page 734