
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
با کتابخانههای مدرن و کتابخانههای نسل بعدِ توالییابی (Next-Generation Sequencing) از اکوسیستم قدرتمند پایتون آشنا شوید تا پژوهشهای پیشرفته را انجام دهید و حجم زیادی از دادههای زیستی را تحلیل کنید.
نکات برجسته
- انجام تحلیلهای پیچیده بیوانفورماتیک با کمک مهمترین کتابخانهها و کاربردهای پایتون
- پیادهسازی توالییابی نسل بعد، متاژنومیکس (metagenomics)، خودکارسازی تحلیلها، ژنتیک جمعیت، و موارد بسیار دیگر
- بررسی تکنیکهای متنوع آماری و یادگیری ماشین برای تحلیل دادههای بیوانفورماتیک
شرح کتاب
بیوانفورماتیک یک حوزه فعال پژوهشی است که از طیفی از محاسبات ساده تا پیشرفته برای استخراج اطلاعات ارزشمند از دادههای زیستی استفاده میکند. این کتاب به شما نشان میدهد چگونه این کارها را با پایتون مدیریت کنید.
ویرایش سومِ بهروزشدهی «بیوانفورماتیک با پایتون» از یک مرور سریع درباره ابزارها و کتابخانههای مختلف در اکوسیستم پایتون آغاز میشود؛ ابزارهایی که به شما کمک میکنند مجموعهدادههای زیستی را تبدیل، تحلیل و مصورسازی کنید. سپس سراغ تکنیکهای کلیدی برای توالییابی نسل بعد، تحلیل تکسلولی، ژنومیکس، متاژنومیکس، ژنتیک جمعیت، فیلوژنتیک (phylogenetics) و پروتئومیکس (proteomics) میروید و همه اینها را با مثالهای واقعی یاد میگیرید.
همچنین یاد میگیرید با سامانههای مهمِ پایپلاین (pipeline) کار کنید؛ مثل سرورهای Galaxy و Snakemake. در ادامه، ماژولهای مختلف پایتون را برای برنامهنویسی عملکردی (functional) و ناهمزمان (asynchronous) بررسی میکنید. این کتاب به شما کمک میکند موضوعاتی مانند کشف SNP با رویکردهای آماری را در چارچوبهای محاسباتیِ توانبالا (High-Performance Computing) و با استفاده از Dask و Spark کاوش کنید. علاوه بر این، کاربرد الگوریتمهای یادگیری ماشین در بیوانفورماتیک را هم خواهید آموخت.
در پایان این کتاب بیوانفورماتیکِ پایتونی، دانشی خواهید داشت که برای پیادهسازی تازهترین تکنیکها و چارچوبهای برنامهنویسی لازم است؛ دانشی که به شما قدرت میدهد با دادههای بیوانفورماتیک در هر مقیاسی مواجه شوید.
آنچه خواهید آموخت
- آشنایی کامل با کتابخانههای پردازش داده مثل NumPy، pandas، arrow و zarr در چارچوب تحلیلهای بیوانفورماتیک
- تعامل با پایگاههای داده ژنومی
- حل مسائل واقعی در زمینههای ژنتیک جمعیت، فیلوژنتیک و پروتئومیکس
- ساخت پایپلاینهای بیوانفورماتیک با استفاده از سرور Galaxy و Snakemake
- کار با functools و itertools برای برنامهنویسی عملکردی
- انجام پردازش موازی با Dask روی دادههای زیستی
- بررسی تکنیکهای تحلیل مؤلفههای اصلی (PCA) با scikit-learn
این کتاب مناسب چه کسانی است
این کتاب برای تحلیلگران بیوانفورماتیک، دانشمندان داده، زیستمحاسباتیها، پژوهشگران و توسعهدهندگان پایتون است که میخواهند مسائل زیستی و بیوانفورماتیکیِ سطح متوسط تا پیشرفته را حل کنند. داشتن دانش کاری از زبان برنامهنویسی پایتون انتظار میرود. همچنین داشتن آشنایی پایه با زیستشناسی مفید خواهد بود.
فهرست مطالب
- پایتون و اکوسیستم نرمافزارهای پیرامونی
- استفاده از کتابخانههای پردازش داده: numpy، pandas، arrow و zarr
- پردازش پیشرفته دادههای NGS در نسل بعدِ توالییابی
- کار با ژنومها
- ژنتیک جمعیت
- فیلوژنتیک
- استفاده از بانک داده ساختار پروتئینی (Protein Data Bank)
- پایپلاینهای بیوانفورماتیک
- یادگیری ماشین برای بیوانفورماتیک
- پردازش موازی با Dask
- برنامهنویسی عملکردی و ناهمزمان
Discover modern, next-generation sequencing libraries from the powerful Python ecosystem to perform cutting-edge research and analyze large amounts of biological dataKey Features Perform complex bioinformatics analysis using the most essential Python libraries and applications Implement next-generation sequencing, metagenomics, automating analysis, population genetics, and much more Explore various statistical and machine learning techniques for bioinformatics data analysis Book Description Bioinformatics is an active research field that uses a range of simple-to-advanced computations to extract valuable information from biological data, and this book will show you how to manage these tasks using Python.This updated third edition of the Bioinformatics with Python Cookbook begins with a quick overview of the various tools and libraries in the Python ecosystem that will help you convert, analyze, and visualize biological datasets. Next, you'll cover key techniques for next-generation sequencing, single-cell analysis, genomics, metagenomics, population genetics, phylogenetics, and proteomics with the help of real-world examples. You'll learn how to work with important pipeline systems, such as Galaxy servers and Snakemake, and understand the various modules in Python for functional and asynchronous programming. This book will also help you explore topics such as SNP discovery using statistical approaches under high-performance computing frameworks, including Dask and Spark. In addition to this, you'll explore the application of machine learning algorithms in bioinformatics.By the end of this bioinformatics Python book, you'll be equipped with the knowledge you need to implement the latest programming techniques and frameworks, empowering you to deal with bioinformatics data on every scale.What you will learn Become well-versed with data processing libraries such as NumPy, pandas, arrow, and zarr in the context of bioinformatic analysis Interact with genomic databases Solve real-world problems in the fields of population genetics, phylogenetics, and proteomics Build bioinformatics pipelines using a Galaxy server and Snakemake Work with functools and itertools for functional programming Perform parallel processing with Dask on biological data Explore principal component analysis (PCA) techniques with scikit-learn Who this book is for This book is for bioinformatics analysts, data scientists, computational biologists, researchers, and Python developers who want to address intermediate-to-advanced biological and bioinformatics problems. Working knowledge of the Python programming language is expected. Basic knowledge of biology will also be helpful.Table of Contents Python and the Surrounding Software Ecology Using Data Processing Libraries: numpy, pandas, arrow, and zarr Next Generation Sequencing Advanced NGS Data Processing Working with Genomes Population Genetics Phylogenetics Using the Protein Data Bank Bioinformatics Pipelines Machine Learning for Bioinformatics Parallel Processing with Dask Functional and Asynchronous Programming