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: 1 نویسندگان: Simon M. Lin, Kimberly F. Johnson (eds.) سری: ISBN (شابک) : 9781402071119, 1402071116 ناشر: Springer US سال نشر: 2002 تعداد صفحات: 214 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب روشهای تجزیه و تحلیل داده های ریزآرایه II: مقالاتی از CAMDA ’01: بیوشیمی، عمومی، ژنتیک انسانی، آمار برای علوم زیستی، پزشکی، علوم بهداشتی
در صورت تبدیل فایل کتاب Methods of Microarray Data Analysis II: Papers from CAMDA’ 01 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 روشهای تجزیه و تحلیل داده های ریزآرایه II: مقالاتی از CAMDA ’01 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.
تکنولوژی ریزآرایه یک ابزار آزمایشی اصلی برای اکتشافات ژنومی عملکردی است و در طول این دهه و پس از آن به عنوان یک ابزار اصلی ادامه خواهد داد. انفجار اخیر این فناوری، جامعه علمی را با حجم عظیمی از داده ها تهدید می کند. از آنجا که تجزیه و تحلیل داده های ریزآرایه یک زمینه در حال ظهور است، مدل های تحلیلی بسیار کمی در حال حاضر وجود دارد. روش های تجزیه و تحلیل داده های ریزآرایه II دومین کتاب از این مجموعه پیشگام است که به این حوزه جدید و هیجان انگیز اختصاص یافته است. در یک مرجع، خوانندگان می توانند در مورد به روزترین روش ها، از نرمال سازی داده ها، انتخاب ویژگی ها، و تجزیه و تحلیل تمایزآمیز گرفته تا تکنیک های یادگیری ماشین، بیاموزند.
در حال حاضر، هیچ روش استانداردی برای طراحی و تجزیه و تحلیل آزمایش های ریزآرایه وجود ندارد. روشهای تجزیه و تحلیل دادههای ریزآرایه II بر روی یک مجموعه داده واحد، با استفاده از روش متفاوتی برای تجزیه و تحلیل در هر فصل تمرکز میکند. مثالهای واقعی، نقاط قوت و ضعف هر روش را برای یک موقعیت مشخص نشان میدهند، با هدف کمک به خوانندگان در انتخاب پروتکلهای مناسب و استفاده از آنها برای مجموعه دادههای خود. علاوه بر این، پیوندهای وب به برنامه ها و ابزارهای مورد بحث در چندین فصل ارائه شده است. این کتاب نه تنها برای محققان دانشگاهی و صنعتی، بلکه برای دوره های اصلی بیوانفورماتیک/ژنومیک در دوره های کارشناسی و کارشناسی ارشد مرجع عالی است.
Microarray technology is a major experimental tool for functional genomic explorations, and will continue to be a major tool throughout this decade and beyond. The recent explosion of this technology threatens to overwhelm the scientific community with massive quantities of data. Because microarray data analysis is an emerging field, very few analytical models currently exist. Methods of Microarray Data Analysis II is the second book in this pioneering series dedicated to this exciting new field. In a single reference, readers can learn about the most up-to-date methods, ranging from data normalization, feature selection, and discriminative analysis to machine learning techniques.
Currently, there are no standard procedures for the design and analysis of microarray experiments. Methods of Microarray Data Analysis II focuses on a single data set, using a different method of analysis in each chapter. Real examples expose the strengths and weaknesses of each method for a given situation, aimed at helping readers choose appropriate protocols and utilize them for their own data set. In addition, web links are provided to the programs and tools discussed in several chapters. This book is an excellent reference not only for academic and industrial researchers, but also for core bioinformatics/genomics courses in undergraduate and graduate programs.
Introduction....Pages 1-7
An Introduction to DNA Microarrays....Pages 9-21
Experimental Design for Gene Microarray Experiments and Differential Expression Analysis....Pages 23-41
Microarray Data Processing and Analysis....Pages 43-63
Biology-driven Clustering of Microarray Data....Pages 65-79
Extracting Global Structure from Gene Expression Profiles....Pages 81-90
Supervised Neural Networks for Clustering Conditions in DNA Array Data After Reducing Noise by Clustering Gene Expression Profiles....Pages 91-103
Bayesian Decomposition Analysis of Gene Expression in Yeast Deletion Mutants....Pages 105-122
Using Functional Genomic Units to Corroborate User Experiments with the Rosetta Compendium....Pages 123-137
Fishing Expedition - a Supervised Approach to Extract Patterns from a Compendium of Expression Profiles....Pages 139-149
Modeling Pharmacogenomics of the NCI-60 Anticancer Data Set: Utilizing Kernel Pls to Correlate the Microarray Data to Therapeutic Responses....Pages 151-167
Analysis of Gene Expression Profiles and Drug Activity Patterns by Clustering and Bayesian Network Learning....Pages 169-184
Evaluation of Current Methods of Testing Differential Gene expression and Beyond....Pages 185-194
Extracting Knowledge from Genomic Experiments by Incorporating the Biomedical Literature....Pages 195-209