High-Dimensional Data Analysis in Cancer Research

با ظهور فناوری‌های پرتوان، انواع مختلفی از داده‌های با ابعاد بالا در سال‌های اخیر برای درک فرآیندهای بیولوژیکی، به‌ویژه فرآیندهایی که به وقوع بیماری یا مدیریت سرطان مربوط می‌شوند، تولید شده‌اند. با انگیزه این کاربردهای مهم در تحقیقات سرطان، رشد چشمگیری در توسعه روش‌شناسی آماری در تجزیه و تحلیل داده‌های با ابعاد بالا، به ویژه مربوط به
انتخاب مدل رگرسیون، تخمین و پیش‌بینی وجود داشته است.

تحلیل داده‌های با ابعاد بالا در تحقیقات سرطان، ویرایش شده توسط Xiaochun Li و Ronghui Xu، تلاشی جمعی برای نمایش نوآوری‌های آماری برای پاسخگویی به چالش‌ها و فرصت‌هایی است که به‌طور منحصربه‌فرد توسط نیازهای تحلیلی داده‌های با ابعاد بالا ارائه می‌شوند. در تحقیقات سرطان، به ویژه در ژنومیک و پروتئومیکس. تمام فصول موجود در این جلد شامل مطالعات موردی جالبی برای نشان دادن روش تجزیه و تحلیل است.

تجزیه و تحلیل داده های با ابعاد بالا در تحقیقات سرطان یک مرجع ارزشمند برای
محققان، آماردانان است. ، بیوانفورماتیکان، دانشجویان فارغ التحصیل و تحلیلگران داده که در زمینه های تحقیقات سرطان کار می کنند.

With the advent of high-throughput technologies, various types of high-dimensional data have been generated in recent years for the understanding of biological processes, especially processes that relate to disease occurrence or management of cancer. Motivated by these important applications in cancer research, there has been a dramatic growth in the development of statistical methodology in the analysis of high-dimensional data, particularly related to
regression model selection, estimation and prediction.

High-Dimensional Data Analysis in Cancer Research, edited by Xiaochun Li and Ronghui Xu, is a collective effort to showcase statistical innovations for meeting the challenges and opportunities uniquely presented by the analytical needs of high-dimensional data in cancer research, particularly in genomics and proteomics. All the chapters included in this volume contain interesting case studies to demonstrate the analysis methodology.

High-Dimensional Data Analysis in Cancer Research is an invaluable reference for
researchers, statisticians, bioinformaticians, graduate students and data analysts working in the fields of cancer research.