Statistical analysis of next generation sequencing data

توالی‌یابی نسل بعدی (NGS) جدیدترین فناوری با توان بالا است که تحقیقات ژنومی را متحول می‌کند. NGS مجموعه داده های ژنومی عظیمی را تولید می کند که نقشی کلیدی در پدیده کلان داده ای که امروزه ما را احاطه کرده است، ایفا می کند. برای استخراج سیگنال‌ها از داده‌های NGS با ابعاد بالا و استنباط‌ها و پیش‌بینی‌های آماری معتبر، به تکنیک‌های جدید تحلیلی و آماری داده‌ها نیاز است. این کتاب شامل 20 فصل است که توسط آماردانان برجسته که با داده های NGS کار می کنند نوشته شده است. موضوعات از پیش پردازش اولیه و تجزیه و تحلیل با داده های NGS تا کاربردهای پیچیده ژنومی مانند تنوع تعداد کپی و تشخیص بیان ایزوفرم را شامل می شود. آماردانان پژوهشی که می خواهند در مورد این منطقه در حال رشد و هیجان انگیز بیاموزند، این کتاب را مفید خواهند یافت. علاوه بر این، بسیاری از فصل‌های این کتاب را می‌توان در کلاس‌های سطح فارغ‌التحصیل در بیوانفورماتیک آماری برای آموزش آمارشناسان زیستی آینده که انتظار می‌رود با داده‌های ژنومی در تحقیقات اولیه زیست‌پزشکی، آزمایش‌های بالینی ژنومی و پزشکی شخصی‌سازی شده سروکار داشته باشند، گنجانده شود.

درباره ویراستاران:

Somnath Datta استاد و معاون رئیس بیوانفورماتیک و آمار زیستی در دانشگاه لوئیزویل است. او عضو انجمن آمار آمریکا، عضو موسسه آمار ریاضی و عضو منتخب موسسه آمار بین المللی است. او در زمینه های تحقیقاتی متعددی در آمار، آمار زیستی و بیوانفورماتیک مشارکت داشته است.

دن نتلتون پروفسور و لارنس اچ بیکر، رئیس بخش آمار بیولوژیکی در بخش آمار در ایالت آیووا است. دانشگاه. او عضو انجمن آمار آمریکا است و تحقیقاتی را در مورد موضوعات مختلف در آمار، زیست شناسی و بیوانفورماتیک منتشر کرده است.

Next Generation Sequencing (NGS) is the latest high throughput technology to revolutionize genomic research. NGS generates massive genomic datasets that play a key role in the big data phenomenon that surrounds us today. To extract signals from high-dimensional NGS data and make valid statistical inferences and predictions, novel data analytic and statistical techniques are needed. This book contains 20 chapters written by prominent statisticians working with NGS data. The topics range from basic preprocessing and analysis with NGS data to more complex genomic applications such as copy number variation and isoform expression detection. Research statisticians who want to learn about this growing and exciting area will find this book useful. In addition, many chapters from this book could be included in graduate-level classes in statistical bioinformatics for training future biostatisticians who will be expected to deal with genomic data in basic biomedical research, genomic clinical trials and personalized medicine.

About the editors:

Somnath Datta is Professor and Vice Chair of Bioinformatics and Biostatistics at the University of Louisville. He is Fellow of the American Statistical Association, Fellow of the Institute of Mathematical Statistics and Elected Member of the International Statistical Institute. He has contributed to numerous research areas in Statistics, Biostatistics and Bioinformatics.

Dan Nettleton is Professor and Laurence H. Baker Endowed Chair of Biological Statistics in the Department of Statistics at Iowa State University.  He is Fellow of the American Statistical Association and has published research on a variety of topics in statistics, biology and bioinformatics.