تکنیک ها و کاربردهای تجزیه و تحلیل انجمن در بیوانفورماتیک

پیشرفت‌ها در فناوری‌های تجربی باعث ایجاد مقادیر عظیمی از داده‌های زیست‌شناسی شده است. این نه تنها منابع ارزشمندی از داده ها را برای کمک به درک تکامل بیولوژیکی و مکانیسم های عملکردی ارائه می دهد، بلکه چالش هایی را برای تجزیه و تحلیل دقیق و موثر داده ها ایجاد می کند.
این کتاب مقدمه ای ضروری برای جنبه های نظری و عملی تجزیه و تحلیل تداعی، از جمله پیش پردازش داده ها، روش ها/الگوریتم های داده کاوی، و ابزارهایی که به طور گسترده برای زیست شناسی محاسباتی استفاده می شوند، ارائه می دهد. این پیشرفت‌های اخیر قابل توجه در این زمینه را پوشش می‌دهد، چه اساسی و چه کاربردی، و به خوانندگان کمک می‌کند تا اصول اولیه و تکنیک‌های نوظهور مورد استفاده برای کشف الگوهای ارتباط جالب در داده‌های زیست‌شناسی متنوع و ناهمگن، مانند همبستگی‌های ساختار-عملکرد، و شبکه‌های پیچیده با تنظیم ژن/پروتئین را درک کنند.

نتایج و رویکردهای اصلی به روشی ساده و همراه با ارجاعات و پیشنهادات کافی برای تحقیقات آتی شرح داده شده است. این تک نگاری با دقت ویرایش شده در نظر گرفته شده است تا به محققان در زمینه های داده کاوی، یادگیری ماشین، هوش مصنوعی و بیوانفورماتیک راهنمای عمیقی برای نقش تجزیه و تحلیل انجمن در زیست شناسی محاسباتی ارائه دهد. همچنین به عنوان یک منبع کلی اطلاعات در مورد تجزیه و تحلیل انجمن، و به عنوان یک کتاب درسی همراه و مطالب خودآموز برای دانشجویان فارغ التحصیل و محققان در علوم کامپیوتر و بیوانفورماتیک بسیار مفید است.

Association Analysis Techniques and Applications in Bioinformatics

Advances in experimental technologies have given rise to tremendous amounts of biology data. This not only offers valuable sources of data to help understand biological evolution and functional mechanisms, but also poses challenges for accurate and effective data analysis.

This book offers an essential introduction to the theoretical and practical aspects of association analysis, including data pre-processing, data mining methods/algorithms, and tools that are widely applied for computational biology. It covers significant recent advances in the field, both foundational and application-oriented, helping readers understand the basic principles and emerging techniques used to discover interesting association patterns in diverse and heterogeneous biology data, such as structure-function correlations, and complex networks with gene/protein regulation.

The main results and approaches are described in an easy-to-follow way and accompanied by sufficientreferences and suggestions for future research. This carefully edited monograph is intended to provide investigators in the fields of data mining, machine learning, artificial intelligence, and bioinformatics with a profound guide to the role of association analysis in computational biology. It is also very useful as a general source of information on association analysis, and as an overall accompanying course book and self-study material for graduate students and researchers in both computer science and bioinformatics.

Product details

• Publisher ‏ : ‎ Springer; 2024th edition (April 26, 2024)
• Language ‏ : ‎ English
• Hardcover ‏ : ‎ 409 pages
• ISBN-10 ‏ : ‎ 9819982502
• ISBN-13 ‏ : ‎ 978-9819982509
• Item Weight ‏ : ‎ 1.66 pounds
• Dimensions ‏ : ‎ 6.14 x 0.94 x 9.21 inches