Bewertung:
Das Buch hat gemischte Kritiken erhalten, wobei erhebliche Kritik an seiner Praktikabilität und Funktionalität geübt wurde. Einige Nutzer finden es informativ, während andere es für schlecht ausgeführt halten, insbesondere für Anfänger.
Vorteile:Einige Rezensenten empfanden das Buch als informativ und nützlich für das Verständnis bestimmter Konzepte.
Nachteile:Viele Nutzer fanden, dass es dem Buch an praktischer Anwendung mangelt und merkten an, dass der darin enthaltene Code oft nicht funktioniert. Es wurde auf veraltete R-Bibliotheken, Fehler im Code und allgemeine Schwierigkeiten bei der Verwendung des Buches für die praktische Bioinformatik hingewiesen.
(basierend auf 3 Leserbewertungen)
R Bioinformatics Cookbook
Über 60 Rezepte zur Modellierung und Verarbeitung realer biologischer Daten mit modernen Bibliotheken aus dem R-Ökosystem.
Hauptmerkmale:
⬤ Anwendung moderner R-Pakete zur Verarbeitung biologischer Daten anhand von Beispielen aus der Praxis.
⬤ Biologische Daten mit fortschrittlichen Visualisierungen darstellen, die für Forschung und Publikationen geeignet sind.
⬤ Bewältigen Sie reale Probleme in der Bioinformatik wie Sequenzierung der nächsten Generation, Metagenomik und Automatisierung von Analysen.
Buchbeschreibung:
Der effektive Umgang mit biologischen Daten erfordert ein fundiertes Wissen über Techniken des maschinellen Lernens und rechnerische Fähigkeiten sowie ein Verständnis für die Verwendung von Tools wie edgeR und DESeq. Mit dem R Bioinformatics Cookbook werden Sie all dies und mehr erforschen, indem Sie häufige und nicht so häufige Herausforderungen im Bereich der Bioinformatik anhand von Beispielen aus der Praxis angehen.
Dieses Buch zeigt Ihnen anhand eines rezeptbasierten Ansatzes, wie Sie praktische Forschung und Analysen in der Computerbiologie mit R durchführen können. Sie lernen, wie Sie Ihre Daten mit den neuesten Tools in Bioconductor, ggplot und tidyverse effektiv analysieren können. Das Buch führt Sie durch die wesentlichen Werkzeuge in Bioconductor, um Ihnen zu helfen, Protokolle in RNAseq, Phylogenetik, Genomik und Sequenzanalyse zu verstehen und auszuführen. Im Laufe des Buches erfahren Sie, wie Techniken des maschinellen Lernens im Bereich der Bioinformatik eingesetzt werden können. Sie werden nach und nach Schlüsselkompetenzen entwickeln, wie z. B. das Erstellen von wiederverwendbaren Arbeitsabläufen in R Markdown und Paketen für die Wiederverwendung von Code.
Am Ende dieses Buches werden Sie ein solides Verständnis der wichtigsten und am häufigsten verwendeten Techniken in der bioinformatischen Analyse und der Werkzeuge, die Sie für die Arbeit mit realen biologischen Daten benötigen, erworben haben.
Was Sie lernen werden:
⬤ Bioconductor anwenden, um differentielle Expressionen in RNAseq-Daten zu bestimmen.
⬤ SAMtools ausführen und Pipelines entwickeln, um Einzelnukleotid-Polymorphismen (SNPs) und Indels zu finden.
⬤ ggplot verwenden, um eine Reihe von Visualisierungen zu erstellen und zu annotieren.
⬤ Abfrage externer Datenbanken mit Ensembl, um Informationen zur funktionellen Genomik zu finden.
⬤ Führen Sie mit DECIPHER ein groß angelegtes Multiple Sequence Alignment durch, um vergleichende Genomik zu betreiben.
⬤ Verwenden Sie d3.js und Plotly, um dynamische und interaktive Webgrafiken zu erstellen.
⬤ Verwenden Sie k-nearest neighbors, Support Vector Machines und Random Forests, um Gruppen zu finden und Daten zu klassifizieren.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Bioinformatiker, Datenanalysten, Forscher und R-Entwickler, die anhand eines rezeptbasierten Ansatzes mittlere bis fortgeschrittene biologische und bioinformatische Probleme angehen wollen. Arbeitskenntnisse der Programmiersprache R und Grundkenntnisse der Bioinformatik werden vorausgesetzt.
| ISBN: | 9781789950694 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 316 |
Derzeit verfügbar, auf Lager.
