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: Rongling Wu. Min Lin
سری:
ISBN (شابک) : 1584888288, 9781584888291
ناشر: Chapman and Hall/CRC
سال نشر: 2008
تعداد صفحات: 365
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Statistical and Computational Pharmacogenomics (Interdisciplinary Statistics) 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 فارماکوژنومیک آماری و محاسباتی (آمار بین رشته ای) 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.
با توجه به انباشت فوق العاده داده ها برای نشانگرهای ژنتیکی، فارماکوژنومیک، مطالعه عملکردها و فعل و انفعالات همه ژن ها در تنوع کلی پاسخ دارویی، یکی از داغ ترین حوزه های تحقیقاتی در علم زیست پزشکی است. فارماکوژنومیکس آماری و محاسباتی، پیشرفتهای اخیر در روششناسی آماری را با تعدادی مثال کار شده با جزئیات ارائه میکند که چگونگی اعمال این روشها را مشخص میکند. این جلد جامع ابزارهای کلیدی مورد نیاز برای درک و مدلسازی تنوع ژنتیکی برای پاسخ به دارو را فراهم میکند و آماردانان را با درک کامل این زمینه پیچیده و چگونگی استفاده از مهارتهای محاسباتی مجهز میکند.
Due to the tremendous accumulation of data for genetic markers, pharmacogenomics, the study of the functions and interactions of all genes in the overall variability of drug response, is one of the hottest areas of research in biomedical science. Statistical and Computational Pharmacogenomics presents recent developments in statistical methodology with a number of detailed worked examples that outline how these methods can be applied. This comprehensive volume provides key tools needed to understand and model the genetic variation for drug response and equips statisticians with a thorough understanding of this complex field and how computational skills can be employed.