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
ویرایش: نویسندگان: Via. Allegra, Rother. Kristian, Tramontano. Anna سری: Chapman & Hall/CRC mathematical and computational biology series (Unnumbered) ISBN (شابک) : 9781439880937, 143988093X ناشر: CRC Press سال نشر: 2014 تعداد صفحات: 556 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Managing Your Biological Data with Python 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 مدیریت اطلاعات بیولوژیکی شما با پایتون 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.
کنترل داده های خود را در دست بگیرید و از پایتون با اطمینان استفاده کنید بدون نیاز به تجربه برنامه نویسی قبلی، مدیریت داده های بیولوژیکی شما با پایتون به زیست شناسان و سایر دانشمندان علوم زیستی این امکان را می دهد تا با استفاده از زبان پایتون به تنهایی با داده های بیولوژیکی کار کنند. این کتاب نه تنها به آنها می آموزد که چگونه برنامه ریزی کنند، بلکه چگونه داده های خود را مدیریت کنند. این نشان می دهد که چگونه می توان داده ها را از فایل ها در قالب های مختلف خواند، داده ها را تجزیه و تحلیل و دستکاری کرد و نتایج را روی یک فایل یا صفحه رایانه نوشت. قسمت اول متن زبان پایتون را معرفی می کند و به خوانندگان می آموزد که چگونه اولین برنامه های خود را بنویسند. بخش دوم عناصر اساسی زبان را ارائه میکند و خوانندگان را قادر میسازد تا برنامههای کوچک را مستقل بنویسند. بخش سوم نحوه ایجاد برنامه های بزرگتر را با استفاده از تکنیک هایی برای نوشتن کدهای منظم، کارآمد و بدون خطا توضیح می دهد. بخش چهارم در مورد تجسم داده ها نشان می دهد که چگونه داده ها را رسم کنید و یک شکل برای ارائه مقاله یا اسلاید ترسیم کنید. بخش پنجم کتابخانه برنامه نویسی Biopython را برای خواندن و نوشتن چندین فرمت فایل بیولوژیکی، پرس و جو از پایگاه داده آنلاین NCBI و بازیابی سوابق بیولوژیکی از وب پوشش می دهد. بخش آخر یک کتاب آشپزی از 20 "دستورالعمل" برنامه نویسی خاص را ارائه می دهد که از پیش بینی ساختار ثانویه و تجزیه و تحلیل تراز توالی چندگانه تا روی هم قرار دادن ساختارهای سه بعدی پروتئین را شامل می شود. این کتاب با تطبیق موضوعات برنامه نویسی با نیازهای روزمره زیست شناسان، به آنها کمک می کند تا به راحتی داده ها را تجزیه و تحلیل کنند و در نهایت به اکتشافات بهتری دست یابند. هدف هر کد موجود در متن حل مسائل واقعی بیولوژیکی است.
Take Control of Your Data and Use Python with Confidence Requiring no prior programming experience, Managing Your Biological Data with Python empowers biologists and other life scientists to work with biological data on their own using the Python language. The book teaches them not only how to program but also how to manage their data. It shows how to read data from files in different formats, analyze and manipulate the data, and write the results to a file or computer screen. The first part of the text introduces the Python language and teaches readers how to write their first programs. The second part presents the basic elements of the language, enabling readers to write small programs independently. The third part explains how to create bigger programs using techniques to write well-organized, efficient, and error-free code. The fourth part on data visualization shows how to plot data and draw a figure for an article or slide presentation. The fifth part covers the Biopython programming library for reading and writing several biological file formats, querying the NCBI online databases, and retrieving biological records from the web. The last part provides a cookbook of 20 specific programming "recipes," ranging from secondary structure prediction and multiple sequence alignment analyses to superimposing protein three-dimensional structures. Tailoring the programming topics to the everyday needs of biologists, the book helps them easily analyze data and ultimately make better discoveries. Every piece of code in the text is aimed at solving real biological problems.
Content: Getting Started The Python Shell In This Chapter You Will Learn Story: Calculating the DELTAG of ATP Hydrolysis What Do the Commands Mean? Examples Testing Yourself Your First Python Program In This Chapter You Will Learn Story: How to Calculate the Frequency of Amino Acids from Insulin What Do the Commands Mean? Examples Testing Yourself Data Management Analyzing a Data Column In This Chapter You Will Learn Story: Dendritic Lengths What Do the Commands Mean? Examples Testing Yourself Parsing Data Records In This Chapter You Will Learn Story: Integrating Mass Spectrometry Data into Metabolic Pathways What Do the Commands Mean? Examples Testing Yourself Searching Data In This Chapter You Will Learn Story: Translating an RNA Sequence into the Corresponding Protein Sequence What Do the Commands Mean? Examples Testing Yourself Filtering Data In This Chapter You Will Learn Story: Working with RNA-Seq Output Data What Do the Commands Mean? Examples Testing Yourself Managing Tabular Data In This Chapter You Will Learn Story: Determining Protein Concentrations What Do the Commands Mean? Examples Testing Yourself Sorting Data In This Chapter You Will Learn Story: Sort a Data Table What Do the Commands Mean? Examples Testing Yourself Pattern Matching and Text Mining In This Chapter You Will Learn Story: Search a Phosphorylation Motif in a Protein Sequence What Do the Commands Mean? Examples Testing Yourself Modular Programming Divide a Program into Functions In This Chapter You Will Learn Story: Working with Three-Dimensional Coordinate Files What Do the Commands Mean? Examples Testing Yourself Managing Complexity with Classes In This Chapter You Will Learn Story: Mendelian Inheritance What Do the Commands Mean? Examples Testing Yourself Debugging In This Chapter You Will Learn Story: When Your Program Does Not Work What Do the Commands Mean? Examples Testing Yourself Using External Modules: The Python Interface to R In This Chapter You Will Learn Story: Reading Numbers from a File and Calculating Their Mean Value Using R with Python What Do the Commands Mean? Examples Testing Yourself Building Program Pipelines In This Chapter You Will Learn Story: Building an NGS Pipeline What Do the Commands Mean? Examples Testing Yourself Writing Good Programs In This Chapter You Will Learn Problem Description: Uncertainty What Do the Commands Mean? Examples Testing Yourself Data Visualization Creating Scientific Diagrams In This Chapter You Will Learn Story: Nucleotide Frequencies in the Ribosome What Do the Commands Mean? Examples Testing Yourself Creating Molecule Images with PyMOL In This Chapter You Will Learn Story: The Zinc Finger Seven Steps to Create a High-Resolution Image Examples Testing Yourself Manipulating Images In This Chapter You Will Learn Story: Plot a Plasmid What Do the Commands Mean? Examples Testing Yourself Biopython Working with Sequence Data In This Chapter You Will Learn Story: How to Translate a DNA Coding Sequence into the Corresponding Protein Sequence and Write It to a FASTA File What Do the Commands Mean? Examples Testing Yourself Retrieving Data from Web Resources In This Chapter You Will Learn Story: Searching Publications by Keywords in PubMed, Downloading the Corresponding Records, and Writing Papers Published in a Given Year to a File What Do the Commands Mean? Examples Testing Yourself Working with 3D Structure Data In This Chapter You Will Learn Story: Extracting Atom Names and Three-Dimensional Coordinates from a PDB File What Do the Commands Mean? Examples Testing Yourself Cookbook Recipe 1: The PyCogent Library Recipe 2: Reversing and Randomizing a Sequence Recipe 3: Creating a Random Sequence with Probabilities Recipe 4: Parsing Multiple Sequence Alignments Using Biopython Recipe 5: Calculating a Consensus Sequence from a Multiple Sequence Alignment Recipe 6: Calculating the Distance between Phylogenetic Tree Nodes Recipe 7: Codon Frequencies in a Nucleotide Sequence Recipe 8: Parsing RNA 2D Structures in the Vienna Format Recipe 9: Parsing BLAST XML Output Recipe 10: Parsing SBML Files Recipe 11: Running BLAST Recipe 12: Accessing, Downloading, and Reading Web Pages in Python Recipe 13: Parsing HTML Files Recipe 14: Split a PDB File into PDB Chain Files Recipe 15: Find the Two Closest Calpha Atoms in a PDB Structure Recipe 16: Extract the Interface between Two PDB Chains Recipe 17: Building Homology Models Using Modeller Recipe 18: RNA 3D Homology Modeling with ModeRNA Recipe 19: Calculating RNA Base Pairs from a 3D Structure Recipe 20: A Real Case of Structural Superimposition: The Serine Protease Catalytic Triad Appendix A: Command Overview Appendix B: Python Resources Appendix C: Record Samples Appendix D: Handling Directories and Programs with UNIX