Integrative Cluster Analysis in Bioinformatics

تکنیک‌های خوشه‌بندی به طور فزاینده‌ای در تجزیه و تحلیل مجموعه داده‌های بیولوژیکی با کارایی بالا مورد استفاده قرار می‌گیرند. تکنیک‌های محاسباتی جدید برای تجزیه و تحلیل داده‌های با توان بالا در قالب توالی‌ها، بیان ژن و پروتئین، مسیرها و تصاویر برای درک بیماری‌ها و کشف دارو در آینده حیاتی می‌شوند.

این کتاب مسیر کامل تجزیه و تحلیل خوشه‌ای را شرح می‌دهد. ، از مبانی زیست شناسی مولکولی تا تولید دانش بیولوژیکی. این کتاب همچنین آخرین روش‌های خوشه‌بندی و اعتبارسنجی خوشه‌بندی را ارائه می‌کند، بنابراین مروری جامع از تحلیل خوشه‌بندی در بیوانفورماتیک از مبانی تا تکنیک‌ها و کاربردهای پیشرفته را به خواننده ارائه می‌دهد.

ویژگی‌های کلیدی:

• بررسی معاصر روش‌ها و کاربردهای خوشه‌بندی در زمینه بیوانفورماتیک، با تاکید ویژه بر تجزیه و تحلیل بیان ژن ارائه می‌کند
• مقدمه‌ای عالی برای زیست‌شناسی مولکولی با دانشمندان کامپیوتر و در ذهن محققان مهندسی اطلاعات، دانش بیولوژیکی اساسی در پس کاربرد تکنیک های تجزیه و تحلیل خوشه بندی در بیوانفورماتیک ارائه می شود
• ساختار و ویژگی های بسیاری از انواع مجموعه داده های پرتوان را که معمولاً در مطالعات بیولوژیکی یافت می شوند، توضیح می دهد
• درباره نحوه استفاده از روش‌های خوشه‌بندی و جانشین‌های احتمالی آن‌ها برای افزایش سرعت اکتشافات بیولوژیکی در آینده بحث می‌کند
• شامل یک وب‌سایت همراه که میزبان مجموعه‌ای از کدها و پیوندها به مجموعه داده‌های در دسترس عموم است

Clustering techniques are increasingly being put to use in the analysis of high-throughput biological datasets. Novel computational techniques to analyse high throughput data in the form of sequences, gene and protein expressions, pathways, and images are becoming vital for understanding diseases and future drug discovery.

This book details the complete pathway of cluster analysis, from the basics of molecular biology to the generation of biological knowledge. The book also presents the latest clustering methods and clustering validation, thereby offering the reader a comprehensive review of clustering analysis in bioinformatics from the fundamentals through to state-of-the-art techniques and applications.

Key Features:

• Offers a contemporary review of clustering methods and applications in the field of bioinformatics, with particular emphasis on gene expression analysis
• Provides an excellent introduction to molecular biology with computer scientists and information engineering researchers in mind, laying out the basic biological knowledge behind the application of clustering analysis techniques in bioinformatics
• Explains the structure and properties of many types of high-throughput datasets commonly found in biological studies
• Discusses how clustering methods and their possible successors would be used to enhance the pace of biological discoveries in the future
• Includes a companion website hosting a selected collection of codes and links to publicly available datasets