ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Phenotypes and genotypes: the search for influential genes

دانلود کتاب فنوتیپ ها و ژنوتیپ ها: جستجوی ژن های تأثیرگذار

Phenotypes and genotypes: the search for influential genes

مشخصات کتاب

Phenotypes and genotypes: the search for influential genes

ویرایش:  
نویسندگان: , , ,   
سری: Computational biology volume 18 
ISBN (شابک) : 9781447153092, 144715309X 
ناشر: Springer London 
سال نشر: 2016 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 36,000



کلمات کلیدی مربوط به کتاب فنوتیپ ها و ژنوتیپ ها: جستجوی ژن های تأثیرگذار: ژنوتیپ، ژنوتیپ، فنوتیپ، فنوتیپ، ژنوتیپ، فنوتیپ



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Phenotypes and genotypes: the search for influential genes 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 فنوتیپ ها و ژنوتیپ ها: جستجوی ژن های تأثیرگذار 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.


توضیحاتی در مورد کتاب فنوتیپ ها و ژنوتیپ ها: جستجوی ژن های تأثیرگذار

این متن به موقع یک راهنمای جامع برای ارتباط ژنتیکی ارائه می دهد، یک زمینه جدید و به سرعت در حال گسترش است که هدف آن روشن کردن چگونگی تأثیر کد ژنتیکی ما (ژنوتیپ ها) بر ویژگی هایی است که ما داریم (فنوتیپ ها). این کتاب بررسی مفصلی از روش‌های نقشه‌برداری ژن مورد استفاده در ارتباط با تلاقی‌های تجربی و همچنین مطالعات ارتباط گسترده ژنوم را ارائه می‌کند. بر روی روش‌های انتخاب مدل برای تجزیه و تحلیل داده‌های اسکن‌های ژنوم در مقیاس بزرگ بر اساس اصلاحات طراحی شده خاص معیار اطلاعات بیزی تأکید می‌شود. موضوعات و ویژگی‌ها: مقدمه‌ای کامل بر پیشینه نظری مطالعات ارتباط ژنتیکی (هم ژنتیکی و هم آماری) ارائه می‌کند. آخرین پیشرفت‌ها در این زمینه را مرور می‌کند، مزایا و کاستی‌های رایج‌ترین روش‌های فعلی را برجسته می‌کند. ویژگی‌های روش‌ها برای نقشه‌برداری را نشان می‌دهد. مکان های کمی ویژگی با استفاده از شبیه سازی های کامپیوتری و تجزیه و تحلیل داده های واقعی در مورد چالش های باز که در آینده باید حل شوند بحث می کند شامل یک پیوست آماری گسترده به عنوان مرجع برای کسانی که کاملاً با مبانی آمار آشنا نیستند این کار مهم برای خواندن ضروری است. محققان و دانشجویان تحصیلات تکمیلی که مایل به ورود به حوزه ژنتیک آماری هستند و/یا علاقه مند به مسائل آماری مربوط به تجزیه و تحلیل داده های با ابعاد بالا هستند. هیچ دانش پیش زمینه قبلی از ژنتیک مورد نیاز نیست، اگرچه برخی از مهارت های پایه ریاضی و علوم کامپیوتر فرض می شود. دکتر فلوریان فروملت محقق مرکز آمار پزشکی، انفورماتیک و سیستم های هوشمند در دانشگاه پزشکی وین، اتریش است. دکتر Małgorzata Bogdan دانشیار موسسه ریاضیات در دانشگاه Wrocław، لهستان است. دکتر دیوید رمزی، مدرس ارشد در گروه تحقیقات عملیاتی در دانشگاه صنعتی Wrocław، لهستان است.


توضیحاتی درمورد کتاب به خارجی

This timely text presents a comprehensive guide to genetic association, a new and rapidly expanding field that aims to elucidate how our genetic code (genotypes) influences the traits we possess (phenotypes). The book provides a detailed review of methods of gene mapping used in association with experimental crosses, as well as genome-wide association studies. Emphasis is placed on model selection procedures for analyzing data from large-scale genome scans based on specifically designed modifications of the Bayesian information criterion. Topics and features: Presents a thorough introduction to the theoretical background to studies of genetic association (both genetic and statistical) Reviews the latest advances in the field, highlighting the advantages and shortcomings of the currently most commonly used methods Illustrates the properties of methods for mapping quantitative trait loci using computer simulations and the analysis of real data Discusses open challenges that remain to be solved in the future Includes an extensive statistical appendix as a reference for those who are not totally familiar with the fundamentals of statistics This important work is essential reading for researchers and graduate students wishing to enter the field of statistical genetics and/or interested in statistical issues related to the analysis of high-dimensional data. No prior background knowledge of genetics is required, although some basic mathematical and computer science skills are assumed. Dr. Florian Frommlet is a researcher in the Center for Medical Statistics, Informatics, and Intelligent Systems at the Medical University of Vienna, Austria. Dr. Małgorzata Bogdan is an Associate Professor in the Institute of Mathematics at Wrocław University, Poland. Dr. David Ramsey is a Senior Lecturer in the Department of Operations Research at Wrocław University of Technology, Poland.



فهرست مطالب

Preface......Page 6
Contents......Page 8
Acronyms......Page 12
1 Introduction......Page 14
 References......Page 21
  2.1.1 Phenotypes and Genotypes......Page 22
  2.1.3 Genetic Distance......Page 25
  2.1.4 The Haldane Mapping Function......Page 26
  2.1.5 Interference and Other Mapping Functions......Page 27
  2.1.6 Markers and Genetic Maps......Page 29
  2.2.1 Crossing Experiments......Page 30
  2.2.2 The Basics of QTL Mapping......Page 34
  2.2.3 Association Studies......Page 36
  2.2.4 Other Types of Study......Page 40
 References......Page 42
 3.1 Overview......Page 44
 3.2 Multiple Testing......Page 45
  3.2.1 Classical Procedures Controlling FWER......Page 46
  3.2.2 Permutation Tests and Resampling Procedures......Page 50
  3.2.3 Controlling the False Discovery Rate......Page 54
  3.2.4 Multiple Testing Under Sparsity. Minimizing  the Bayesian Risk in Multiple Testing Procedures......Page 55
 3.3 Model Selection......Page 64
  3.3.1 The Likelihood Function......Page 65
  3.3.2 Information Theoretical Approach......Page 68
  3.3.3 Bayesian Model Selection and the Bayesian Information Criterion......Page 70
  3.3.4 Modifications of BIC for High-Dimensional Data Under Sparsity......Page 72
  3.3.5 Further Approaches to Model Selection......Page 74
 References......Page 82
  4.1.1 Single Marker Tests......Page 86
  4.1.2 Power of a Test Based on a Single Marker as a Function of the Distance Between the Marker and a QTL......Page 87
  4.1.3 Genome Wide Search with Tests Based on Single Markers......Page 89
  4.2.1 Interval Mapping based on the mixture model......Page 92
  4.2.2 Regression Interval Mapping......Page 94
  4.2.3 Nonparametric Version of Interval Mapping......Page 95
  4.2.5 Overestimation of Genetic Effects......Page 96
  4.3.1 QTL mapping with mBIC......Page 97
  4.3.2 Robust Version of mBIC......Page 100
  4.3.3 Version of mBIC Based on Rank Regression......Page 102
  4.3.4 Extensions to Generalized Linear Models......Page 103
  4.3.5 mBIC for Dense Markers and Interval Mapping......Page 105
 4.4 Logic Regression......Page 110
 4.6 Closing Remarks......Page 114
 References......Page 115
 5.1 Overview......Page 118
  5.2.1 Genotype Calling......Page 120
  5.2.2 Imputation......Page 123
  5.3.1 Case-Control Studies......Page 124
  5.3.2 Quantitative Traits......Page 128
  5.3.3 Covariates and Population Stratification......Page 131
  5.3.4 Multiple Testing Correction......Page 134
  5.3.5 Rare SNPs......Page 135
  5.4.1 Motivation......Page 137
  5.4.2 HYPERLASSO......Page 142
  5.4.3 GWASelect......Page 145
  5.4.4 MOSGWA......Page 146
  5.4.5 Comparison of Methods......Page 148
  5.4.6 Mixed Models......Page 151
 5.5 Admixture Mapping......Page 153
  5.6.1 Analyzing Gene--Gene Interaction via ANOVA......Page 157
  5.6.2 Multifactor Dimensionality Reduction......Page 160
  5.6.3 Logic Regression in GWAS......Page 162
 5.7 Other Recent Advances and the Outlook for GWAS......Page 164
 References......Page 169
 6.1 Normal Distribution......Page 175
  6.2.1 Chi-Square Distribution......Page 177
  6.2.2 Student\'s t-Distribution......Page 178
  6.2.3 F-distribution......Page 179
  6.3.2 Inverse Gamma Distribution......Page 180
  6.4.1 Asymmetric Double Exponential (ADE) Distribution......Page 181
  6.5.2 Poisson Distribution......Page 182
  6.5.4 Generalized Poisson Distribution......Page 183
 Reference......Page 184
  7.1.1 Statistical Bias......Page 185
  7.1.3 Efficiency of Estimators......Page 186
  7.1.4 Method of Moments......Page 187
  7.1.5 Maximum Likelihood Estimation......Page 188
  7.2.2 Pearson Correlation Coefficient......Page 189
 Reference......Page 190
 8.1 Basic Ideas of Statistical Testing: The Z-test......Page 191
  8.2.1 One Sample t-Test......Page 194
  8.2.2 Two Sample t-Test......Page 195
  8.2.4 Robustness of t-Tests......Page 196
  8.3.1 One-Way Analysis of Variance......Page 197
  8.3.2 Two-Way ANOVA. Interactions......Page 198
  8.3.3 Two-Way ANOVA with No Interactions......Page 201
  8.3.5 Multiple Regression......Page 202
 8.4 General Linear Models......Page 204
  8.4.1 Cockerham\'s Model......Page 205
 8.5 Generalized Linear Models......Page 206
 8.6 Linear Mixed Models......Page 209
 8.7 Nonparametric Tests......Page 212
  8.7.2 Rank Regression......Page 214
  8.8.1 Chi-Square Goodness-of-Fit Test......Page 215
  8.8.2 Chi-Square Test of Independence......Page 216
  8.8.3 Fisher\'s Exact Test......Page 217
 References......Page 218
 9.1 Bayes Rule......Page 219
 9.3 Markov Chain Monte Carlo......Page 220
  9.3.1 Gibbs Sampler......Page 221
  9.3.3 Hierarchical Models......Page 222
  9.3.4 Parametric Empirical Bayes......Page 223
 References......Page 224
 10.1 Principal Component Analysis......Page 226
 10.2 The EM Algorithm......Page 227
 References......Page 228
Index......Page 229




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی