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: George Mias
سری:
ISBN (شابک) : 9783319723778
ناشر: Springer
سال نشر: 2018
تعداد صفحات: 394
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 مگابایت
در صورت تبدیل فایل کتاب Mathematica for Bioinformatics. A Wolfram Language Approach to Omics 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 Mathematica برای بیوانفورماتیک. رویکرد زبان Wolfram به Omics 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.
این کتاب مقدمه ای جامع برای استفاده از Mathematica و زبان Wolfram برای بیوانفورماتیک ارائه می دهد. فصلها به تدریج از مفاهیم اولیه و معرفی زبان Wolfram و پارادایمهای کدگذاری در Mathematica تا نمونههای کار شده با جزئیات که از برنامههای تحقیقاتی معمولی با استفاده از کد زبان Wolfram مشتق شدهاند، ساخته میشوند. نمونههای کدگذاری از تجزیه و تحلیل توالی پایه، دسترسی به پایگاههای داده ژنومی، بیان ژن دیفرانسیل، و پیادهسازیهای یادگیری ماشین تا تحلیل سریهای زمانی آزمایشهای omics طولی، ادغام چند omics و ساخت ابزارهای بیوانفورماتیک تعاملی پویا با استفاده از زبان Wolfram را شامل میشود. این موضوعات به نیازهای روزانه بیوانفورماتیک مخاطبان گسترده ای می پردازد: کاربران تجربی که به دنبال درک و تجسم داده های خود هستند، بیوانفورماتیکان مبتدی که تخصص کدنویسی را در ارائه راه حل های تحقیقاتی بیولوژیکی کسب می کنند، و تمرین بیوانفورماتیکان متخصصی که روی omics کار می کنند و می خواهند مجموعه ابزار خود را برای گنجاندن Wolfram گسترش دهند. زبان.
This book offers a comprehensive introduction to using Mathematica and the Wolfram Language for Bioinformatics. The chapters build gradually from basic concepts and the introduction of the Wolfram Language and coding paradigms in Mathematica, to detailed worked examples derived from typical research applications using Wolfram Language code. The coding examples range from basic sequence analysis, accessing genomic databases, differential gene expression, and machine learning implementations to time series analysis of longitudinal omics experiments, multi-omics integration and building dynamic interactive bioinformatics tools using the Wolfram Language. The topics address the daily bioinformatics needs of a broad audience: experimental users looking to understand and visualize their data, beginner bioinformaticians acquiring coding expertise in providing biological research solutions, and practicing expert bioinformaticians working on omics who wish to expand their toolset to include the Wolfram Language.