Statistical Analysis in Proteomics

هدف این مجموعه ارزشمند ارائه مجموعه ای از روش های آماری پرکاربرد در زمینه پروتئومیکس است. اگرچه همپوشانی زیادی بین روش‌های آماری برای زمینه‌های مختلف «omics» وجود دارد، روش‌های تجزیه و تحلیل داده‌های آزمایش‌های پروتئومیکس به سازگاری‌های خاص خود نیاز دارند. برای ارضای این نیاز، تحلیل آماری در پروتئومیکس بر برنامه ریزی آزمایش های پروتئومیکس، پیش پردازش و تجزیه و تحلیل داده ها، ادغام داده های پروتئومیکس با سایر داده های پرتوان و همچنین برخی موضوعات خاص تمرکز دارد. . این فصل‌ها برای مجموعه‌های بسیار موفق روش‌ها در زیست‌شناسی مولکولی نوشته شده‌اند، این فصل‌ها حاوی نوعی از جزئیات و توصیه‌های پیاده‌سازی تخصصی است که انتقال آرام به آزمایشگاه را انجام می‌دهد.

عملی و معتبر، تحلیل آماری در پروتئومیکس به عنوان یک مرجع ایده‌آل برای آماردانان درگیر در برنامه‌ریزی و تجزیه و تحلیل آزمایش‌های پروتئومیکس، مبتدیان و همچنین محققان پیشرفته، و همچنین برای زیست‌شناسان، بیوشیمی‌دانان و محققان پزشکی که می‌خواهند اطلاعات بیشتری کسب کنند، عمل می‌کند. در مورد فرصت های آماری در تجزیه و تحلیل داده های پروتئومیکس.

This valuable collection aims to provide a collection of frequently used statistical methods in the field of proteomics. Although there is a large overlap between statistical methods for the different ‘omics’ fields, methods for analyzing data from proteomics experiments need their own specific adaptations. To satisfy that need, Statistical Analysis in Proteomics focuses on the planning of proteomics experiments, the preprocessing and analysis of the data, the integration of proteomics data with other high-throughput data, as well as some special topics. Written for the highly successful Methods in Molecular Biology series, the chapters contain the kind of detail and expert implementation advice that makes for a smooth transition to the laboratory.

Practical and authoritative, Statistical Analysis in Proteomics serves as an ideal reference for statisticians involved in the planning and analysis of proteomics experiments, beginners as well as advanced researchers, and also for biologists, biochemists, and medical researchers who want to learn more about the statistical opportunities in the analysis of proteomics data.