Gene Expression Data Analysis - Barah, Pankaj; Bhattacharyya, Dhruba Kumar; Kalita, Jugal Kumar; - Prospero Internetes Könyváruház

Gene Expression Data Analysis: A Statistical and Machine Learning Perspective
 
A termék adatai:

ISBN13:9781032055756
ISBN10:1032055758
Kötéstípus:Puhakötés
Terjedelem:378 oldal
Méret:234x156 mm
Súly:453 g
Nyelv:angol
Illusztrációk: 70 Illustrations, black & white; 2 Halftones, black & white; 68 Line drawings, black & white; 42 Tables, black & white
684
Témakör:

Valószínűségelmélet és matematikai statisztika

A biológia általános kérdései

Biotechnológia

Villamosmérnöki tudományok, híradástechnika, műszeripar

A számítástudomány elmélete, a számítástechnika általában

Operációs rendszerek és grafikus felhasználói felületek

Adatbázis kezelő szoftverek

Kiegészítő eszközök

Környezetmérnöki tudományok

További könyvek az életmód területén

Közgazdaságtan

Valószínűségelmélet és matematikai statisztika (karitatív célú kampány)

A biológia általános kérdései (karitatív célú kampány)

Biotechnológia (karitatív célú kampány)

Villamosmérnöki tudományok, híradástechnika, műszeripar (karitatív célú kampány)

A számítástudomány elmélete, a számítástechnika általában (karitatív célú kampány)

Operációs rendszerek és grafikus felhasználói felületek (karitatív célú kampány)

Adatbázis kezelő szoftverek (karitatív célú kampány)

Kiegészítő eszközök (karitatív célú kampány)

Környezetmérnöki tudományok (karitatív célú kampány)

További könyvek az életmód területén (karitatív célú kampány)

Közgazdaságtan (karitatív célú kampány)

Gene Expression Data Analysis

A Statistical and Machine Learning Perspective
 
Kiadás sorszáma: 1
Kiadó: Chapman and Hall
Megjelenés dátuma:
 
Normál ár:

Kiadói listaár:
GBP 57.99
Becsült forint ár:
30 444 Ft (28 995 Ft + 5% áfa)
Miért becsült?
 
Az Ön ára:

24 356 (23 196 Ft + 5% áfa )
Kedvezmény(ek): 20% (kb. 6 089 Ft)
A kedvezmény érvényes eddig: 2024. december 31.
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
Kattintson ide a feliratkozáshoz
 
Beszerezhetőség:

Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Nem tudnak pontosabbat?
 
  példányt

 
Rövid leírás:

The book introduces phenomenal growth of data generated by increasing numbers of genome sequencing projects and other throughput technology-led experimental efforts. It provides information about various sources of gene expression data, and pre-processing, analysis, and validation of such data.

Hosszú leírás:

Development of high-throughput technologies in molecular biology during the last two decades has contributed to the production of tremendous amounts of data. Microarray and RNA sequencing are two such widely used high-throughput technologies for simultaneously monitoring the expression patterns of thousands of genes. Data produced from such experiments are voluminous (both in dimensionality and numbers of instances) and evolving in nature. Analysis of huge amounts of data toward the identification of interesting patterns that are relevant for a given biological question requires high-performance computational infrastructure as well as efficient machine learning algorithms. Cross-communication of ideas between biologists and computer scientists remains a big challenge.



Gene Expression Data Analysis: A Statistical and Machine Learning Perspective has been written with a multidisciplinary audience in mind. The book discusses gene expression data analysis from molecular biology, machine learning, and statistical perspectives. Readers will be able to acquire both theoretical and practical knowledge of methods for identifying novel patterns of high biological significance. To measure the effectiveness of such algorithms, we discuss statistical and biological performance metrics that can be used in real life or in a simulated environment. This book discusses a large number of benchmark algorithms, tools, systems, and repositories that are commonly used in analyzing gene expression data and validating results. This book will benefit students, researchers, and practitioners in biology, medicine, and computer science by enabling them to acquire in-depth knowledge in statistical and machine-learning-based methods for analyzing gene expression data.



Key Features:


?




  • An introduction to the Central Dogma of molecular biology and information flow in biological systems



  • A systematic overview of the methods for generating gene expression data



  • Background knowledge on statistical modeling and machine learning techniques



  • Detailed methodology of analyzing gene expression data with an example case study



  • Clustering methods for finding co-expression patterns from microarray, bulkRNA, and scRNA data



  • A large number of practical tools, systems, and repositories that are useful for computational biologists to create, analyze, and validate biologically relevant gene expression patterns



  • Suitable for multidisciplinary researchers and practitioners in computer science and biological sciences
Tartalomjegyzék:

Preface. Acknowledgements. Abstract. Authors. Introduction. Information Flow in Biological Systems. Gene Expression Data Generation. Statistical Foundations and Machine Learning. Co-expression Analysis. Differential Expression Analysis. Tools and Systems. Concluding Remarks and Research Challenges. Index. Glossary.