Bioinformatik
Grundlagen, Algorithmen, Anwendungen
3rd Edition
Published on 10. June 2015
Book
Hardback
634 pages
978-3-527-33820-7 (ISBN)
Description
Jetzt in dritter Auflage komplett überarbeitet und im Bereich des maschinellen Lernens stark erweitert. Ein perfekte Einführung für alle Studenten der Lebenswissenschaften oder Informatik, die einen Einblick in die gängigen Methoden der Bioinformatik benötigen.
Reviews / Votes
"Das derzeit wohl umfassendste deutschsprachige Lehrbuch der Bioinformatik"Trillum Diagnostik (01.07.2017)
"Sehr empfehlenswert."
CLB (Chemie, Leben, Biotechnik) (66. Jahrg. Heft 7-8 2015)
More details
Edition
3. vollst. überarb. u. erw. Auflage
Language
German
Place of publication
Berlin
Germany
Publishing group
Wiley-VCH
Target group
Professional and scholarly
Illustrations
30
150 s/w Abbildungen, 30 s/w Tabellen
Dimensions
Height: 24.4 cm
Width: 17 cm
Thickness: 4.2 cm
Weight
1272 gr
ISBN-13
978-3-527-33820-7 (9783527338207)
Schweitzer Classification
Other editions
New editions
Book
08/2022
4th Edition
Wiley-VCH
€79.90
Available immediately
Previous edition
Book
10/2009
2nd Edition
Wiley-VCH
€74.90
Article exhausted; check for reprint
Person
Rainer Merkl leitet seit 2004 am Lehrstuhl Biochemie II der Universität Regensburg eine Arbeitsgruppe, die sich der Evolution und der Funktion von Proteinen widmet. Er ist Dipl. Ing. (FH) und Dipl. Inf., wurde in Göttingen im Fach Genetik promoviert und hat sich in Regensburg im Fach Bioinformatik habilitiert. Rainer Merkl war am Max Planck Institut für Biochemie, Martinsried und der Universität Göttingen tätig. Er hat zu 60 Publikationen beigetragen. Er bildet in Regensburg als außerplanmäßiger Professor für Bioinformatik Biologen und Biochemiker und an der Fernuniversität Hagen Informatiker im Fach Bioinformatik aus.
Content
GRUNDLAGEN - BIOLOGIE UND DATENBANKEN
Biologische Grundlagen
Sequenzen und ihre Funktion
Datenbanken
LERNEN, OPTIMIEREN UND ENTSCHEIDEN
Grundbegriffe der Stochastik
Bayessche Entscheidungstheorie und Klassifikatoren
Klassische Cluster- und Klassifikationsverfahren
Neuronale Netze
Genetische Algorithmen
ALGORITHMEN UND MODELLE DER BIOINFORMATIK
Paarweiser Sequenzvergleich
Sequenz-Motive
Scoring-Schemata
FASTA und die BLAST-Suite
Multiple Sequenzalignments und Anwendungen
Grundlagen phylogenetischer Analysen
Markov-Ketten und Hidden-Markov-Modelle
Profil-HMMs
Support-Vektor Maschinen
Vorhersage der Sekundärstruktur
Vergleich von Protein-3D-Strukturen
Vorhersage der Protein-3D-Struktur
Analyse integraler Membranproteine
Entschlüsselung von Genomen
Auswertung von Genexpressionsdaten
Analyse von Protein-Protein-Interaktionen
Big Data: Herausforderungen und neue Möglichkeiten
Zum Schluss
Biologische Grundlagen
Sequenzen und ihre Funktion
Datenbanken
LERNEN, OPTIMIEREN UND ENTSCHEIDEN
Grundbegriffe der Stochastik
Bayessche Entscheidungstheorie und Klassifikatoren
Klassische Cluster- und Klassifikationsverfahren
Neuronale Netze
Genetische Algorithmen
ALGORITHMEN UND MODELLE DER BIOINFORMATIK
Paarweiser Sequenzvergleich
Sequenz-Motive
Scoring-Schemata
FASTA und die BLAST-Suite
Multiple Sequenzalignments und Anwendungen
Grundlagen phylogenetischer Analysen
Markov-Ketten und Hidden-Markov-Modelle
Profil-HMMs
Support-Vektor Maschinen
Vorhersage der Sekundärstruktur
Vergleich von Protein-3D-Strukturen
Vorhersage der Protein-3D-Struktur
Analyse integraler Membranproteine
Entschlüsselung von Genomen
Auswertung von Genexpressionsdaten
Analyse von Protein-Protein-Interaktionen
Big Data: Herausforderungen und neue Möglichkeiten
Zum Schluss