Methods for Computational Gene Prediction
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 44.00
-
22 268 Ft (21 208 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 4 454 Ft off)
- Kedvezményes ár 17 815 Ft (16 966 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
22 268 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Cambridge University Press
- Megjelenés dátuma 2007. augusztus 16.
- ISBN 9780521706940
- Kötéstípus Puhakötés
- Terjedelem448 oldal
- Méret 247x175x20 mm
- Súly 888 g
- Nyelv angol
- Illusztrációk 139 b/w illus. 30 tables 263 exercises 0
Kategóriák
Rövid leírás:
A self-contained, rigorous text describing models used to identify genes in genomic DNA sequences.
TöbbHosszú leírás:
Inferring the precise locations and splicing patterns of genes in DNA is a difficult but important task, with broad applications to biomedicine. The mathematical and statistical techniques that have been applied to this problem are surveyed and organized into a logical framework based on the theory of parsing. Both established approaches and methods at the forefront of current research are discussed. Numerous case studies of existing software systems are provided, in addition to detailed examples that work through the actual implementation of effective gene-predictors using hidden Markov models and other machine-learning techniques. Background material on probability theory, discrete mathematics, computer science, and molecular biology is provided, making the book accessible to students and researchers from across the life and computational sciences. This book is ideal for use in a first course in bioinformatics at graduate or advanced undergraduate level, and for anyone wanting to keep pace with this rapidly-advancing field.
"... groundbreaking book..."
Books-On-Line
Tartalomjegyzék:
Foreword Steven Salzberg; 1. Introduction; 2. Mathematical preliminaries; 3. Overview of gene prediction; 4. Gene finder evaluation; 5. A toy Exon finder; 6. Hidden Markov models; 7. Signal and content sensors; 8. Generalized hidden Markov models; 9. Comparative gene finding; 10. Machine Learning methods; 11. Tips and tricks; 12. Advanced topics; Appendix - online resources; References; Index.
Több
