Buch, Englisch, 281 Seiten, Format (B × H): 167 mm x 241 mm, Gewicht: 1340 g
ISBN: 978-0-387-47508-0
Verlag: Springer Us
This book presents state-of-the-art analytical methods from statistics and data mining for the analysis of high-throughput data from genomics and proteomics. It adopts an approach focusing on concepts and applications and presents key analytical techniques for the analysis of genomics and proteomics data by detailing their underlying principles, merits and limitations.
Zielgruppe
Research
Autoren/Hrsg.
Fachgebiete
- Mathematik | Informatik EDV | Informatik Angewandte Informatik Bioinformatik
- Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Vorklinische Medizin: Grundlagenfächer Humangenetik
- Technische Wissenschaften Technik Allgemein Computeranwendungen in der Technik
- Naturwissenschaften Biowissenschaften Botanik Pflanzenreproduktion, Verbreitung, Genetik
- Mathematik | Informatik EDV | Informatik Angewandte Informatik Computeranwendungen in Wissenschaft & Technologie
- Naturwissenschaften Biowissenschaften Molekularbiologie
- Technische Wissenschaften Verfahrenstechnik | Chemieingenieurwesen | Biotechnologie Biotechnologie Industrielle Biotechnologie
- Naturwissenschaften Biowissenschaften Angewandte Biologie Bioinformatik
- Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Klinische und Innere Medizin Onkologie, Krebsforschung
- Naturwissenschaften Biowissenschaften Biochemie (nichtmedizinisch)
- Interdisziplinäres Wissenschaften Wissenschaften: Forschung und Information Datenanalyse, Datenverarbeitung
- Naturwissenschaften Biowissenschaften Tierkunde / Zoologie Tiergenetik, Reproduktion
- Naturwissenschaften Biowissenschaften Biowissenschaften Genetik und Genomik (nichtmedizinisch)
Weitere Infos & Material
to Genomic and Proteomic Data Analysis.- Design Principles for Microarray Investigations.- Pre-Processing DNA Microarray Data.- Pre-Processing Mass Spectrometry Data.- Visualization in Genomics and Proteomics.- Clustering — Class Discovery in the Post-Genomic Era.- Feature Selection and Dimensionality Reduction in Genomics and Proteomics.- Resampling Strategies for Model Assessment and Selection.- Classification of Genomic and Proteomic Data Using Support Vector Machines.- Networks in Cell Biology.- Identifying Important Explanatory Variables for Time-Varying Outcomes.- Text Mining in Genomics and Proteomics.
