توضیحاتی در مورد کتاب :
کارشناسان برجسته نشان میدهند که چگونه تکنیکهای پیچیده دادهکاوی محاسباتی میتوانند بر کشف و توسعه داروی معاصر تأثیر بگذارند. در عصر توسعه داروهای پس از ژنومی، استخراج و بکارگیری دانش از دادههای شیمیایی، بیولوژیکی و بالینی یکی از بزرگترین چالشهای پیش روی صنعت داروسازی است. داده کاوی دارویی کمک های دانشمندان برجسته دانشگاهی و صنعتی را گرد هم می آورد که هم به اجرای فناوری های داده کاوی جدید و هم به مسائل کاربردی در صنعت می پردازند. این مجموعه جامع و در دسترس، جنبههای مهم نظری و عملی دادهکاوی دارویی را مورد بحث قرار میدهد، با تمرکز بر رویکردهای متنوع برای کشف دارو - از جمله شیمیشناسی، سمزایی، و پیشبینی پاسخ دارویی فردی. پنج بخش اصلی این جلد شامل: مروری کلی بر این رشته، از پایههای آن تا کاربردهای صنعتی معاصر، کاربردهای مبتنی بر شیمیانفورماتیک کاربردهای مبتنی بر بیوانفورماتیک روشهای دادهکاوی در توسعه بالینی الگوریتمها، فناوریها و ابزارهای نرمافزار دادهکاوی، با تأکید بر الگوریتمها و نرمافزارهای پیشرفته در یک مرجع متمرکز، داده کاوی دارویی نقش و امکانات این تکنیک های پیچیده را در کشف و توسعه داروی معاصر نشان می دهد. این برای دوره های تحصیلات تکمیلی که شامل علوم دارویی، شیمی محاسباتی و بیوانفورماتیک هستند، ایده آل است. علاوه بر این، بینش را برای دانشمندان داروسازی، محققین اصلی، دانشمندان اصلی، مدیران تحقیقات و همه دانشمندانی که در زمینه کشف و توسعه دارو و صنایع مرتبط کار میکنند، فراهم میکند.
توضیحاتی در مورد کتاب به زبان اصلی :
Leading experts illustrate how sophisticated computational data mining techniques can impact contemporary drug discovery and developmentIn the era of post-genomic drug development, extracting and applying knowledge from chemical, biological, and clinical data is one of the greatest challenges facing the pharmaceutical industry. Pharmaceutical Data Mining brings together contributions from leading academic and industrial scientists, who address both the implementation of new data mining technologies and application issues in the industry. This accessible, comprehensive collection discusses important theoretical and practical aspects of pharmaceutical data mining, focusing on diverse approaches for drug discovery—including chemogenomics, toxicogenomics, and individual drug response prediction. The five main sections of this volume cover:A general overview of the discipline, from its foundations to contemporary industrial applicationsChemoinformatics-based applicationsBioinformatics-based applicationsData mining methods in clinical developmentData mining algorithms, technologies, and software tools, with emphasis on advanced algorithms and software that are currently used in the industry or represent promising approachesIn one concentrated reference, Pharmaceutical Data Mining reveals the role and possibilities of these sophisticated techniques in contemporary drug discovery and development. It is ideal for graduate-level courses covering pharmaceutical science, computational chemistry, and bioinformatics. In addition, it provides insight to pharmaceutical scientists, principal investigators, principal scientists, research directors, and all scientists working in the field of drug discovery and development and associated industries.