Machine Learning in Bioinformatics (Yanqing Zhang).

"Machine Learning in Bioinformatics" - это вводное руководство по методам машинного обучения и их применению к задачам в биоинформатике. Методы машинного обучения все чаще используются для решения проблем в вычислительной биологии и биоинформатике. Новые вычислительные техники для анализа данных высокой пропускной способности в форме последовательностей, экспрессии генов и белков, путей и изображений становятся жизненно важными для понимания болезней и будущего поиска лекарств. Методы машинного обучения, такие как модели Маркова, метод опорных векторов, нейронные сети и графические модели, успешно используются для анализа данных в жизненных науках благодаря их способности обрабатывать случайность и неопределенность шума данных и обобщать результаты. От международно признанной группы выдающихся исследователей в этой области, "Machine Learning in Bioinformatics" собирает последние подходы в методах машинного обучения и их применении в решении современных проблем в биоинформатике. В книге рассматриваются следующие темы: выбор признаков для геномных и протеомных данных; сравнение методов выбора переменных в выборе генов и классификации данных микрочипов; нечеткий поиск генов; предсказание свойств аминокислот на уровне остатков в белках на основе последовательностей; вероятностные методы для дальнейших функций в биопоследовательностях и многое другое. "Machine Learning in Bioinformatics" является незаменимым ресурсом для компьютерных ученых, инженеров, биологов, математиков, исследователей, клиницистов, врачей и специалистов по медицинской информатике. Она также является ценным учебником для курсов по компьютерным наукам, инженерии и биологии на старших курсах бакалавриата и на уровне магистратуры.

This book provides an introduction on machine learning techniques and their applicability in bioinformatics and molecular biology. Modern machine learning tools, available for biological data based on sequencies and genomes, offer great potential for the analysis and classification of important information. Among the multiple scientific branches including probability theory, evolutionary biology, medical applications, and neuroscience, this book covers specific content regarding the general capabilities and uniqueness of machine learning to assist discoveries in biomedicine.