تحلیل خوشه‌بندی یکپارچه در بیوانفورماتیک ۲۰۱۵
Integrative Cluster Analysis in Bioinformatics 2015

فنـاوری‌های خوشه‌بندی به‌طور فزاینده‌ای در تحلیل مجموعه‌داده‌های زیستی با بازدهی بالا به‌کار گرفته می‌شوند. روش‌های محاسباتی نوین برای تحلیل داده‌های حجیم در قالب توالی‌ها، بیان ژن و پروتئین، مسیرهای پیام‌رسانی و تصاویر، برای درک بیماری‌ها و کشف داروهای آینده، حیاتی هستند.

این کتاب مسیر کامل تحلیل خوشه‌ای، از مبانی زیست‌شناسی مولکولی تا تولید دانش زیستی را به تفصیل شرح می‌دهد. همچنین، آخرین روش‌های خوشه‌بندی و اعتبارسنجی خوشه‌ها را ارائه می‌دهد و به این ترتیب، یک بررسی جامع از تحلیل خوشه‌ای در بیوانفورماتیک، از اصول اولیه تا تکنیک‌ها و کاربردهای پیشرفته را در اختیار خواننده قرار می‌دهد.

ویژگی‌های کلیدی:

* ارائۀ یک بررسی به‌روز از روش‌ها و کاربردهای خوشه‌بندی در حوزۀ بیوانفورماتیک، با تأکید ویژه بر تحلیل بیان ژن
* ارائۀ یک مقدمۀ عالی بر زیست‌شناسی مولکولی با در نظر گرفتن دانشمندان علوم کامپیوتر و محققان مهندسی اطلاعات، با تشریح دانش پایه‌ای زیستی در پسِ کاربردِ تکنیک‌های تحلیل خوشه‌ای در بیوانفورماتیک
* توضیح ساختار و ویژگی‌های انواع مختلف مجموعه‌داده‌های با بازدهی بالا که معمولاً در مطالعات زیستی یافت می‌شوند
* بحث دربارۀ چگونگی استفاده از روش‌های خوشه‌بندی و جانشینان احتمالی آن‌ها برای افزایش سرعت کشف‌های زیستی در آینده
* شامل یک وب‌سایت همراه که مجموعه‌ای منتخب از کدها و پیوندهایی به مجموعه‌داده‌های در دسترس عموم را میزبانی می‌کند

Clustering techniques are increasingly being put to use in the analysis of high-throughput biological datasets. Novel computational techniques to analyse high throughput data in the form of sequences, gene and protein expressions, pathways, and images are becoming vital for understanding diseases and future drug discovery.

This book details the complete pathway of cluster analysis, from the basics of molecular biology to the generation of biological knowledge. The book also presents the latest clustering methods and clustering validation, thereby offering the reader a comprehensive review of clustering analysis in bioinformatics from the fundamentals through to state-of-the-art techniques and applications.

Key Features:

• Offers a contemporary review of clustering methods and applications in the field of bioinformatics, with particular emphasis on gene expression analysis
• Provides an excellent introduction to molecular biology with computer scientists and information engineering researchers in mind, laying out the basic biological knowledge behind the application of clustering analysis techniques in bioinformatics
• Explains the structure and properties of many types of high-throughput datasets commonly found in biological studies
• Discusses how clustering methods and their possible successors would be used to enhance the pace of biological discoveries in the future
• Includes a companion website hosting a selected collection of codes and links to publicly available datasets