R Bioinformatics Cookbook

Opinie czytelników

Książka zebrała mieszane recenzje, ze znaczną krytyką dotyczącą jej praktyczności i funkcjonalności. Niektórzy użytkownicy uważają ją za pouczającą, podczas gdy inni uważają ją za słabo wykonaną, szczególnie dla początkujących.

Niektórzy recenzenci uznali książkę za pouczającą i przydatną w zrozumieniu pewnych pojęć.

Wielu użytkowników uznało książkę za pozbawioną praktycznego zastosowania i zauważyło, że kod w niej zawarty często nie działa. Wspomniano o przestarzałych bibliotekach R, błędach w kodzie i ogólnych trudnościach w korzystaniu z książki w praktycznej bioinformatyce.

(na podstawie 3 opinii czytelników)

Zawartość książki:

Ponad 60 przepisów na modelowanie i obsługę rzeczywistych danych biologicznych przy użyciu nowoczesnych bibliotek z ekosystemu R

Kluczowe cechy:

⬤ Zastosowanie nowoczesnych pakietów R do obsługi danych biologicznych na rzeczywistych przykładach.

⬤ Przedstawianie danych biologicznych za pomocą zaawansowanych wizualizacji odpowiednich do badań i publikacji.

⬤ radzenie sobie z rzeczywistymi problemami w bioinformatyce, takimi jak sekwencjonowanie nowej generacji, metagenomika i automatyzacja analiz.

Opis książki:

Efektywna obsługa danych biologicznych wymaga dogłębnej znajomości technik uczenia maszynowego i umiejętności obliczeniowych, a także zrozumienia, jak korzystać z narzędzi takich jak edgeR i DESeq. Dzięki książce kucharskiej R Bioinformatics Cookbook odkryjesz to wszystko i wiele więcej, radząc sobie z powszechnymi i nie tak powszechnymi wyzwaniami w dziedzinie bioinformatyki na rzeczywistych przykładach.

Ta książka wykorzystuje podejście oparte na przepisach, aby pokazać, jak wykonywać praktyczne badania i analizy w biologii obliczeniowej za pomocą R. Dowiesz się, jak skutecznie analizować swoje dane za pomocą najnowszych narzędzi w Bioconductor, ggplot i tidyverse. Książka poprowadzi Cię przez podstawowe narzędzia Bioconductor, które pomogą Ci zrozumieć i przeprowadzić protokoły w RNAseq, filogenetyce, genomice i analizie sekwencji. W miarę postępów w nauce, będziesz na bieżąco z tym, jak techniki uczenia maszynowego mogą być wykorzystywane w domenie bioinformatyki. Stopniowo będziesz rozwijać kluczowe umiejętności obliczeniowe, takie jak tworzenie przepływów pracy wielokrotnego użytku w R Markdown i pakietów do ponownego wykorzystania kodu.

Pod koniec tej książki zdobędziesz solidne zrozumienie najważniejszych i szeroko stosowanych technik w analizie bioinformatycznej oraz narzędzi potrzebnych do pracy z rzeczywistymi danymi biologicznymi.

Czego się nauczysz:

⬤ Wykorzystywać Bioconductor do określania ekspresji różnicowej w danych RNAseq.

⬤ Uruchamiać SAMtools i opracowywać potoki do znajdowania polimorfizmów pojedynczych nukleotydów (SNP) i Indels.

⬤ Używanie ggplot do tworzenia i opisywania szeregu wizualizacji.

⬤ Przeszukiwanie zewnętrznych baz danych za pomocą Ensembl w celu znalezienia informacji z zakresu genomiki funkcjonalnej.

⬤ Wykonywanie wielkoskalowego dopasowania wielu sekwencji za pomocą DECIPHER w celu wykonania genomiki porównawczej.

⬤ Wykorzystanie d3.js i Plotly do tworzenia dynamicznych i interaktywnych grafik internetowych.

⬤ Wykorzystanie k-najbliższych sąsiadów, maszyn wektorów nośnych i lasów losowych do znajdowania grup i klasyfikowania danych.

Dla kogo jest ta książka:

Ta książka jest przeznaczona dla bioinformatyków, analityków danych, naukowców i programistów R, którzy chcą rozwiązywać średnio zaawansowane i zaawansowane problemy biologiczne i bioinformatyczne, ucząc się poprzez podejście oparte na przepisach. Warunkiem wstępnym jest praktyczna znajomość języka programowania R i podstawowa wiedza z zakresu bioinformatyki.