Balamurugan Rengeswaran / N Annadasampalayam Mathaiyan / Premalatha Kandasamy
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
L’estrazione di informazioni significative dai dati relativi all’espressione genica rappresenta una grande sfida per la comunità dei ricercatori nel campo dell’informatica e per i biologi. È possibile determinare i modelli comportamentali dei geni, come la natura della loro interazione, la somiglianza del loro comportamento e così via, attraverso l’analisi dei dati relativi all’espressione genica. Per identificare i vari modelli dai dati relativi all’espressione genica, sono essenziali le tecniche di data mining. Le principali tecniche di data mining che possono essere applicate all’analisi dei dati relativi all’espressione genica includono il clustering, la classificazione, il data mining delle regole di associazione, ecc. Il clustering è un’importante tecnica di data mining per l’analisi dei dati relativi all’espressione genica. Tuttavia, il clustering presenta alcuni svantaggi. Per superare i problemi associati al clustering, è stato introdotto il biclustering.
