تحلیل آماری و تکاملی شبکه‌های زیستی ۲۰۱۰
Statistical and Evolutionary Analysis of Biological Networks 2010

شبکه‌ها ابزاری بسیار کارآمد برای توصیف طیف گسترده‌ای از انواع داده‌ها در زیست‌شناسی، فیزیک و سایر زمینه‌ها هستند. شبکه‌ها علاوه بر فراهم کردن ابزاری مناسب برای تجسم داده‌های به‌شدت وابسته، امکان تحلیل‌های ریاضی و آماری دقیق را نیز فراهم می‌کنند. در سال‌های اخیر، پیشرفت‌های چشمگیری در تفسیر انواع مختلف داده‌های شبکه‌های زیستی، مانند داده‌های ترانسکریپتومیک، متابولومیک و برهم‌کنش پروتئین‌ها، و همچنین داده‌های اپیدمیولوژیک حاصل شده است. درک سازمان‌دهی، پیچیدگی و پویایی شبکه‌های زیستی و چگونگی تأثیر تکامل و عملکرد شبکه بر آن‌ها از اهمیت ویژه‌ای برخوردار است.

این کتاب به بررسی و کاوش در تئوری‌ها و ابزارهای آماری، ریاضی و تکاملی در راستای درک شبکه‌های زیستی می‌پردازد. کتاب به فصل‌های جامع و خودآموز تقسیم شده است که هر کدام بر نوع مهمی از شبکه‌های زیستی متمرکز است، مفاهیم و نظریه‌ها را توضیح می‌دهد و نشان می‌دهد که چگونه می‌توان از آن‌ها برای به‌دست آوردن بینش در مورد فرآیندها و پرسش‌های مرتبط با زیست‌شناسی استفاده کرد. فصل‌هایی در مورد شبکه‌های متابولیک، ترانسکریپتومیک، برهم‌کنش پروتئین و اپیدمیولوژیک و همچنین فصل‌هایی که به مطالب نظری و مفهومی می‌پردازند، در این کتاب گنجانده شده است. نویسندگان مشارکت‌کننده در این کتاب، فعال، بسیار معتبر و شناخته‌شده در جامعه شبکه هستند.

فصل نمونه: فصل 1: مقدمه‌ای بر تحلیل شبکه (350 کیلوبایت).
فهرست مطالب: مقدمه‌ای بر تحلیل شبکه (M P H Stumpf & C Wiuf)؛ تحلیل تکاملی شبکه‌های برهم‌کنش پروتئین (C Wiuf & O Ratmann)؛ موتیف‌ها در شبکه‌های زیستی (F Schreiber & H SchwAbbermeyer)؛ تحلیل بیزی شبکه‌های زیستی: خوشه‌ها، موتیف‌ها، همبستگی‌های بین‌گونه‌ای (J Berg & M Lnssig)؛ مفاهیم شبکه و مدل‌های اپیدمیولوژیک (R R Kao & I Z Kiss)؛ منشأ تکاملی و پیامدهای خواص طراحی شبکه‌های متابولیک (T Pfeiffer & S Bonhoeffer)؛ برهم‌کنش پروتئین‌ها از دیدگاه تکاملی (F Pazos & A Valencia)؛ مدل‌های صفر آماری برای تحلیل شبکه زیستی (W P Kelly et al.).

مخاطبان: دانشگاهیان، پژوهشگران، دانشجویان تحصیلات تکمیلی و دانشجویان کارشناسی ارشد در بیوانفورماتیک. زیست‌شناسان، ریاضیدانان/آمارشناسان، فیزیکدانان و دانشمندان علوم کامپیوتر.

Networks provide a very useful way to describe a wide range of different data types in biology, physics and elsewhere. Apart from providing a convenient tool to visualize highly dependent data, networks allow stringent mathematical and statistical analysis. In recent years, much progress has been achieved to interpret various types of biological network data such as transcriptomic, metabolomic and protein interaction data as well as epidemiological data. Of particular interest is to understand the organization, complexity and dynamics of biological networks and how these are influenced by network evolution and functionality. This book reviews and explores statistical, mathematical and evolutionary theory and tools in the understanding of biological networks. The book is divided into comprehensive and self-contained chapters, each of which focuses on an important biological network type, explains concepts and theory and illustrates how these can be used to obtain insight into biologically relevant processes and questions. There are chapters covering metabolic, transcriptomic, protein interaction and epidemiological networks as well as chapters that deal with theoretical and conceptual material. The authors, who contribute to the book, are active, highly regarded and well-known in the network community. Sample Chapter(s). Chapter 1: A Network Analysis Primer (350 KB). Contents: A Network Analysis Primer (M P H Stumpf & C Wiuf); Evolutionary Analysis of Protein Interaction Networks (C Wiuf & O Ratmann); Motifs in Biological Networks (F Schreiber & H SchwAbbermeyer); Bayesian Analysis of Biological Networks: Clusters, Motifs, Cross-Species Correlations (J Berg & M Lnssig); Network Concepts and Epidemiological Models (R R Kao & I Z Kiss); Evolutionary Origin and Consequences of Design Properties of Metabolic Networks (T Pfeiffer & S Bonhoeffer); Protein Interactions from an Evolutionary Perspective (F Pazos & A Valencia); Statistical Null Models for Biological Network Analysis (W P Kelly et al.). Readership: Academics, researchers, postgraduates and advanced undergraduates in bioinformatics. Biologists, mathematicians/statisticians, physicists and computer scientists.