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: Susmita Datta. Bart J. A. Mertens (eds.)
سری: Frontiers in Probability and the Statistical Sciences
ISBN (شابک) : 9783319458076, 9783319458090
ناشر: Springer International Publishing
سال نشر: 2017
تعداد صفحات: 294
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Statistical Analysis of Proteomics, Metabolomics, and Lipidomics Data Using Mass Spectrometry 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 تجزیه و تحلیل آماری داده های پروتئومیکس، متابولومیک و لیپیدومیکس با استفاده از طیف سنجی جرمی 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 مروری بر طراحی محاسباتی و آماری و تحلیل دادههای پروتئومیکس، متابولومیک و لیپیدومیکس مبتنی بر طیفسنجی جرمی ارائه میکند. این حجم ارائه شده مقدمه ای بر جنبه های ویژه طراحی و تجزیه و تحلیل آماری با داده های طیف سنجی جرمی برای علوم جدید omic فراهم می کند. این متن جنبه های مشترک طراحی و تجزیه و تحلیل بین و در همه (یا اکثر) اشکال طیف سنجی جرمی را مورد بحث قرار می دهد، در حالی که نمونه های خاصی از کاربرد با رایج ترین اشکال طیف سنجی جرمی را نیز ارائه می دهد. همچنین کاربردهای طیفسنجی جرمی محاسباتی نه تنها در مطالعات بالینی بلکه در تفسیر دادههای omics در مطالعات زیستشناسی گیاهی نیز پوشش داده شده است.
انتظار میرود زمینههای تحقیقاتی Omics با توانایی ایجاد نمایه همزمان بسیاری از ترکیبات، انقلابی در تحقیقات زیست مولکولی ایجاد کنند. در خون، ادرار، بافت یا سایر نمونه های بیولوژیکی بیمار. طیف سنجی جرمی یکی از تکنیک های تحلیلی کلیدی است که در این علوم جدید omic استفاده می شود. طیفسنجی جرمی کروماتوگرافی مایع، دادههای زمان پرواز، و طیفسنجی جرمی تبدیل فوریه تنها مجموعهای از پلتفرمهای اندازهگیری در دسترس تحلیلگران مدرن هستند. بنابراین در پروتئومیکس عملی یا متابولومیکس، محققان نه تنها با انواع داده های جدید با ابعاد بالا – بر خلاف ساختارهای داده آشنا در ژنومیک کلاسیک تر – مواجه می شوند، بلکه با تنوع زیادی بین انواع متمایز اندازه گیری های طیف جرمی که از پلتفرم های مختلف به دست می آیند، مواجه می شوند. ممکن است تجزیه و تحلیل، مقایسه و تفسیر نتایج را پیچیده کند.
This book presents an overview of computational and statistical design and analysis of mass spectrometry-based proteomics, metabolomics, and lipidomics data. This contributed volume provides an introduction to the special aspects of statistical design and analysis with mass spectrometry data for the new omic sciences. The text discusses common aspects of design and analysis between and across all (or most) forms of mass spectrometry, while also providing special examples of application with the most common forms of mass spectrometry. Also covered are applications of computational mass spectrometry not only in clinical study but also in the interpretation of omics data in plant biology studies.
Omics research fields are expected to revolutionize biomolecular research by the ability to simultaneously profile many compounds within either patient blood, urine, tissue, or other biological samples. Mass spectrometry is one of the key analytical techniques used in these new omic sciences. Liquid chromatography mass spectrometry, time-of-flight data, and Fourier transform mass spectrometry are but a selection of the measurement platforms available to the modern analyst. Thus in practical proteomics or metabolomics, researchers will not only be confronted with new high dimensional data types—as opposed to the familiar data structures in more classical genomics—but also with great variation between distinct types of mass spectral measurements derived from different platforms, which may complicate analyses, comparison, and interpretation of results.
Front Matter....Pages i-viii
Transformation, Normalization, and Batch Effect in the Analysis of Mass Spectrometry Data for Omics Studies....Pages 1-21
Automated Alignment of Mass Spectrometry Data Using Functional Geometry....Pages 23-43
The Analysis of Peptide-Centric Mass-Spectrometry Data Utilizing Information About the Expected Isotope Distribution....Pages 45-64
Probabilistic and Likelihood-Based Methods for Protein Identification from MS/MS Data....Pages 65-79
An MCMC-MRF Algorithm for Incorporating Spatial Information in IMS Proteomic Data Processing....Pages 81-99
Mass Spectrometry Analysis Using MALDIquant....Pages 101-124
Model-Based Analysis of Quantitative Proteomics Data with Data Independent Acquisition Mass Spectrometry....Pages 125-140
The Analysis of Human Serum Albumin Proteoforms Using Compositional Framework....Pages 141-155
Variability Assessment of Label-Free LC-MS Experiments for Difference Detection....Pages 157-176
Statistical Approach for Biomarker Discovery Using Label-Free LC-MS Data: An Overview....Pages 177-201
Bayesian Posterior Integration for Classification of Mass Spectrometry Data....Pages 203-211
Logistic Regression Modeling on Mass Spectrometry Data in Proteomics Case-Control Discriminant Studies....Pages 213-238
Robust and Confident Predictor Selection in Metabolomics....Pages 239-257
On the Combination of Omics Data for Prediction of Binary Outcomes....Pages 259-275
Statistical Analysis of Lipidomics Data in a Case-Control Study....Pages 277-295