توضیحاتی در مورد کتاب RNA-seq Data Analysis: A Practical Approach
نام کتاب : RNA-seq Data Analysis: A Practical Approach
عنوان ترجمه شده به فارسی : تجزیه و تحلیل داده RNA-seq: یک رویکرد عملی
سری : Chapman & Hall/CRC mathematical and computational biology series (Unnumbered)
نویسندگان : Eija Korpelainen, Jarno Tuimala, Panu Somervuo, Mikael Huss, Garry Wong
ناشر : CRC Press Taylor & Francis Group
سال نشر : 2014
تعداد صفحات : 322
ISBN (شابک) : 9781466595019 , 9781466595002
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 11 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
RNA-seq اطلاعات بی سابقه ای در مورد رونوشت ارائه می دهد، اما استفاده از این اطلاعات با ابزارهای بیوانفورماتیک معمولاً یک گلوگاه است. این راهنمای مستقل محققان را قادر میسازد تا بیان دیفرانسیل را در سطح ژن، اگزون و رونوشت بررسی کنند و ژنها، رونوشتها و کل رونوشتهای جدید را کشف کنند. هر فصل با پیشزمینه نظری شروع میشود و سپس توضیحات مربوط به ابزارهای تحلیل ارائه میشود. این کتاب همچنین نمونه هایی را با استفاده از ابزارهای خط فرمان و محیط آماری R ارائه می دهد. برای دانشمندان غیربرنامهنویسی، همین مثالها با استفاده از نرمافزار منبع باز با رابط کاربری گرافیکی پوشش داده میشوند"--ارائه شده توسط ناشر. بیشتر بخوانید...< /span>
فهرست مطالب :
Content: IntroductionIntroduction to RNA-seq data analysisQuality control and preprocessingAligning reads to reference and visualizing them in genomic contextTranscriptome assemblyAnnotation-based quality control and quantitation of gene expressionRNA-seq analysis framework in R and BioconductorDifferential expression analysisAnalysis of differential exon usageAnnotating the resultsVisualizationSmall non-coding RNAsComputational analysis of small noncoding RNA sequencing data
توضیحاتی در مورد کتاب به زبان اصلی :
''RNA-seq offers unprecedented information about transcriptome, but harnessing this information with bioinformatics tools is typically a bottleneck. This self-contained guide enables researchers to examine differential expression at gene, exon, and transcript level and to discover novel genes, transcripts, and whole transcriptomes. Each chapter starts with theoretical background, followed by descriptions of relevant analysis tools. The book also provides examples using command line tools and the R statistical environment. For non-programming scientists, the same examples are covered using open source software with a graphical user interface''--Provided by publisher. Read more...