Cantitate/Preț
Produs
Total produse
Vezi coșul
Bioinformatics Research and Applications de Wei Peng

Bioinformatics Research and Applications: Lecture Notes in Computer Science, cartea 14955

Editat de Wei Peng, Zhipeng Cai, Pavel Skums
en Limba Engleză Paperback – 10 iul 2024

Recomandăm acest volum studenților la masterat și doctorat, cercetătorilor în bioinformatică și practicienilor din industria biotehnologică ce urmăresc implementarea algoritmilor de ultimă oră în fluxuri de lucru reale. Bioinformatics Research and Applications, editat de Wei Peng, Zhipeng Cai și Pavel Skums, reprezintă actele oficiale ale celui de-al 20-lea Simpozion Internațional ISBRA 2024. Această ediție marchează un punct de maturitate pentru disciplina care integrează biologia computațională cu inteligența artificială aplicată.

Observăm o structură riguroasă a celor 93 de lucrări, care progresează de la analiza datelor de secvențiere la nivel de celulă unică (scRNA-seq) până la optimizări hardware critice, precum proiectul RabbitTrim pentru platforme multi-core. Această abordare tehnică completează perspectiva oferită de Intelligent Computing Theories and Application, adăugând o specializare profundă pe zona de biologie moleculară și histopatologie pe care volumul generalist de computație inteligentă o tratează doar tangențial. Totodată, lucrarea se distinge de Research in Computational Molecular Biology prin accentul pus pe aplicațiile clinice imediate, cum ar fi utilizarea FedKD-DTI pentru interacțiunea medicament-țintă prin învățare federată.

Editorul Zhipeng Cai continuă linia de cercetare începută în lucrări precum AI 2017: Advances in Artificial Intelligence, însă aici metodologiile de tip Graph Attention Networks și Knowledge Transfer sunt calibrate specific pentru provocările biologice. Remarcăm prezența unor soluții pentru platforme eterogene CPU-GPU, indicând o orientare clară către eficiența computațională necesară în procesarea volumelor masive de date genomice actuale. Ediția 2024 din seria Lecture Notes in Computer Science reușește să ofere nu doar teorie, ci și instrumente software optimizate pentru cercetarea contemporană.

Citește tot Restrânge

Din seria Lecture Notes in Computer Science

Preț: 92282 lei

Preț vechi: 112540 lei
-18%

Puncte Express: 1384
Paperback (3) de la 63120 lei

Carte tipărită la comandă

Livrare economică 06-20 iulie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9789819751303
ISBN-10: 9819751306
Pagini: 520
Ilustrații: XVI, 501 p. 148 illus., 137 illus. in color.
Dimensiuni: 155 x 235 x 28 mm
Greutate: 0.78 kg
Ediția:2024
Editura: Springer
Colecția Lecture Notes in Computer Science
Seria Lecture Notes in Computer Science

Locul publicării:Singapore, Singapore

De ce să citești această carte

Cercetătorii și inginerii software din domeniul medical vor găsi în acest volum soluții concrete pentru optimizarea alinierii secvențelor genomice și modele avansate de Deep Learning pentru predicția interacțiunilor moleculare. Cartea oferă acces la cele mai noi metodologii validate de experți internaționali la ISBRA 2024, fiind o resursă esențială pentru cei care dezvoltă instrumente de diagnosticare bazate pe AI și histopatologie digitală.

Descriere scurtă

This book constitutes the refereed proceedings of the 20th International Symposium on Bioinformatics Research and Applications, ISBRA 2024, held in Kunming, China, in July 19–21, 2024.
The 93 full papers  included in this book were carefully reviewed and selected from 236 submissions. The symposium provides a forum for the exchange of ideas and results among researchers, developers, and practitioners working on all aspects of bioinformatics and computational biology and their applications.

Cuprins

.- Exploring Hierarchical Structures of Cell Types in  scRNA-seq Data.
.- Predicting Frequencies of Drug Side Effects Using Graph Attention Networks with Multiple Features.
.- RabbitTrim: highly optimized trimming of Illumina sequencing data on multi-core platforms.
.- A hybrid feature fusion network for predicting HER2 status on H&E-stained histopathology images.
.- scCoRR: a data-driven self-correction framework for labeled scRNA-seq data.
.- KT-AMP: Enhancing Antimicrobial Peptide Functions Prediction through Knowledge Transfer on Protein Language Model.
.- A Multi-Scale Attention Network for Sleep Arousal Detection with Single-Channel ECG.
.- RabbitSAlign: Accelerating Short-Read Alignment for CPU-GPU Heterogeneous Platforms.
.- FedKD-DTI: Drug-Target Interaction Prediction Based on Federated Knowledge Distillation.
.- Accurately Deciphering Novel Cell Type in Spatially Resolved Single-Cell Data through Optimal Transport.
.- Synthesis of Boolean Networks with Weak and Strong Regulators.
.- Patch-based coupled attention network to predict MSI status in colon cancer.
.- Predicting Blood-Brain Barrier Permeability through Multi-View Graph Neural Network with Global-Attention and Pre-trained Transformer.
.- LLMDTA: Improving Cold-Start Prediction in Drug-Target Affinity with Biological LLM.
.- DMSDR: Drug Molecule Synergy-Enhanced Network for Drug Recommendation with Multi-Source Domain Knowledge.
.- A Graph Transformer-Based Method for Predicting LncRNA-Disease Associations Using Matrix Factorization and Automatic Meta-Path Generation.
.- The Dynamic Spatiotemporal Features Based on Rich Club Organization in Autism Spectrum Disorder.
.- Integrated Analysis of Autophagy-Related Genes Identifies Diagnostic Biomarkers and Immune Correlates in Preeclampsia.
.- Multi-Grained Cross-Modal Feature Fusion Network for Diagnosis Prediction.
.- MOL-MOE：Learning Drug Molecular Characterization Based on Mixture of Expert Mechanism.
.- A Multimodal Federated Learning Framework for Modality Incomplete Scenarios in Healthcare.
.- FunBGC: An Intelligent Framework for Fungal Biosynthetic Gene Cluster Identification.
.- An Automatic Recommendation Method  for Single-Cell DNA Variant Callers  Based on Meta-Learning Framework.
.- Incomplete Multimodal Learning with Modality-Aware Feature Interaction for Brain Tumor Segmentation.
.- Multi-Scale Mean Teacher for Unsupervised Cross-Modality Abdominal Segmentation with Limited Annotations.
.- Subgraph-aware dynamic attention network for drug repositioning.
.- Multi-filter based signed graph convolutional networks for predicting interactions on drug networks.
.- CPSORCL: A Cooperative Particle Swarm Optimization Method with Random Contrastive Learning for Interactive Feature Selection.
.- Hypergraph representation learning for cancer drug response prediction.
.- DGCL: a contrastive learning method for predicting cancer driver genes based on graph diffusion.
.- KUMA-MI: A 12-Lead Knowledge-guided Multi-branch Attention Networks for Myocardial Infarction Localization.
.- scAHVC: Single-cell Multi-omics clustering algorithm based on adaptive weighted hyper-laplacian regularization.
.- Early Prediction of SGA-LGA Fetus at the First Trimester Ending through Weighted Voting Ensemble Learning Approach.
.- A Hierarchical Classification Model for Annotating Antibacterial Biocide and Metal Resistance Genes via Fusing Global and Local Semantics.
.- Secure Relative Detection in (Forensic) Database with Homomorphic Encryption.
Noninvasive diagnosis of cancer based on the heterogeneity and fragmentation features of cell-free mitochondrial DNA.
.- A Novel Dual Interactive Network for Parkinson's Disease Diagnosis Based on Multi-modality Magnetic Resonance Imaging.
.- DVMPDC: A deep learning model based on dual-view representation and multi-strategy pooling for predicting synergistic drug combinations.
.- MEMDA: a multi-similarity integration pre-completion algorithm with error correction for predicting microbe-drug associations.
.- ResDeepGS:A deep learning-based method for crop phenotype prediction.
.- Benchmarking Biomedical Relation Knowledge in Large Language Models.