Machine Learning Methods for Multi-Omics Data Integration
Lingua: inglese
Editore: Springer, 2023
- Rilegato
- Nuovo
Condizione: Nuovo
EUR 294,24
Quantità: 2 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
The advancement of biomedical engineering has enabled the generation of multi-omics data by developing high-throughput technologies, such as next-generation sequencing, mass spectrometry, and microarrays. Large-scale data sets for multiple omics platforms, including genomics, transcriptomics, proteomics, and metabolomics, have become more accessible and cost-effective over time. Integrating multi-omics data has become increasingly important in many research fields, such as bioinformatics, genomics, and systems biology. This integration allows researchers to understand complex interactions between biological molecules and pathways. It enables us to comprehensively understand complex biological systems, leading to new insights into disease mechanisms, drug discovery, and personalized medicine. Still, integrating various heterogeneous data types into a single learning model also comes with challenges. In this regard, learning algorithms have been vital in analyzing and integratingthese large-scale heterogeneous data sets into one learning model. This book overviews the latest multi-omics technologies, machine learning techniques for data integration, and multi-omics databases for validation. It covers different types of learning for supervised and unsupervised learning techniques, including standard classifiers, deep learning, tensor factorization, ensemble learning, and clustering, among others. The book categorizes different levels of integrations, ranging from early, middle, or late-stage among multi-view models. The underlying models target different objectives, such as knowledge discovery, pattern recognition, disease-related biomarkers, and validation tools for multi-omics data.Finally, the book emphasizes practical applications and case studies, making it an essential resource for researchers and practitioners looking to apply machine learning to their multi-omics data sets. The book covers data preprocessing, feature selection, and model evaluation, providing readers with a practical guide to implementing machine learning techniques on various multi-omics data sets. Sprache: Englisch Gewicht in Gramm: 384.…
Codice articolo IB-2755667
- Titolo
- Machine Learning Methods for Multi-Omics Data Integration
- Editore
- Springer
- Anno di pubblicazione
- 2023
- Condizione
- Neu
- Rilegatura
- Gebundene Ausgabe
- Lingua
- inglese
- ISBN 10
- 3031365011
- ISBN 13
- 9783031365010
- Peso dell'articolo
- 384 grammi
The advancement of biomedical engineering has enabled the generation of multi-omics data by developing high-throughput technologies, such as next-generation sequencing, mass spectrometry, and microarrays. Large-scale data sets for multiple omics platforms, including genomics, transcriptomics, proteomics, and metabolomics, have become more accessible and cost-effective over time. Integrating multi-omics data has become increasingly important in many research fields, such as bioinformatics, genomics, and systems biology. This integration allows researchers to understand complex interactions between biological molecules and pathways. It enables us to comprehensively understand complex biological systems, leading to new insights into disease mechanisms, drug discovery, and personalized medicine. Still, integrating various heterogeneous data types into a single learning model also comes with challenges. In this regard, learning algorithms have been vital in analyzing and integrating these large-scale heterogeneous data sets into one learning model.
This book overviews the latest multi-omics technologies, machine learning techniques for data integration, and multi-omics databases for validation. It covers different types of learning for supervised and unsupervised learning techniques, including standard classifiers, deep learning, tensor factorization, ensemble learning, and clustering, among others. The book categorizes different levels of integrations, ranging from early, middle, or late-stage among multi-view models. The underlying models target different objectives, such as knowledge discovery, pattern recognition, disease-related biomarkers, and validation tools for multi-omics data.
Finally, the book emphasizes practical applications and case studies, making it an essential resource for researchers and practitioners looking to apply machine learning to their multi-omics data sets. The book covers data preprocessing, feature selection, and model evaluation, providing readers with a practical guide to implementing machine learning techniques on various multi-omics data sets.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Abedalrhman Alkhateeb earned his Bachelor's degree in Computer Science from the University of Jordan, Amman, Jordan, in 2004, and his MSc and Ph.D. in Computer Science from the University of Windsor, Canada, in 2011 and 2018, respectively. He is currently an Assistant Professor at Princess Sumaya University for Technology in Amman, Jordan. Previously, he served as an Assistant Professor and Mitacs Accelerate Postdoctoral Fellow at the University of Windsor, Canada. His research interests include machine learning, deep learning, bioinformatics, and health informatics.
Abedalrhman Alkhateeb has authored and co-authored more than 50 papers in prestigious journals and conferences. He also organized a workshop titled “MODI: Machine Learning Models for Multi-omics Data Integration” for three consecutive years from 2019 to 2021 in conjunction with ACM Conference on Bioinformatics, Computational Biology, and Health Informatics (ACM BCB). His recent research focuses on the health outcomes of various types of cancers. He has gained industrial experience as a bioinformatician and data analyst in several organizations, including ITOS Oncology Inc. and BlackBerry Limited in Canada, and UAE University in the United Arab Emirates. Luis Rueda received his Bachelor’s degree in computer science from the National University of San Juan, Argentina, in 1993, and his Master’s and Ph.D. degrees in computer science from Carleton University, Canada, in 1998 and 2002, respectively. He is currently a Full Professor in the School of Computer Science at the University of Windsor. His current research interests are mainly focused on devising shallow and deep machine learning and representation learning algorithms at the fundamental level and applications in bioinformatics and cybersecurity to problems in biomedical imaging, transcriptomics, integrative genome-wide data analysis, identification of cancer biomarkers, user authentication, spam review detection and social engineering. Luis Rueda holds four patents on machine learning and cybersecurity and has more than 200 publications and presentations in prestigious journals and conferences in machine learning, computational biology, and cybersecurity. He currently serves as Associate Editor of IEEE/ACM Transactions on Computational Biology and Bioinformatics, and Network Modeling Analysis in Health Informatics and Bioinformatics. He is also a member of the program committees of several conferences in the field. He is also a Senior Member of the IEEE, and a Member of t
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Home-set
Mannheim, Germania
Venditore AbeBooks dal 13 aprile 2026
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 10 a 12 giorni lavorativi | Da 8 a 10 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 49,90 | EUR 75,00 |
Metodi di pagamento
- Assegno
Specializzazione
BuchInformazioni sull’azienda del venditore
Home-set
Germania
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Home-set, Mannheim, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.