목차 일부
지은이 소개 = 4
기술 감수자 소개 = 5
옮긴이 소개 = 7
옮긴이의 말 = 8
들어가 = 16
1장 R을 이용한 생명정보학 시작 = 23
소개 = 24
시작과 라이브러리 설치 = 24
데이터 읽고 쓰기 = 31
데이터 필터링과 세분화 = 35
데이터에 대한 기본적인 통계 작업 = 39
확률 분포 생성 = 42
...
더보기
목차 전체
지은이 소개 = 4
기술 감수자 소개 = 5
옮긴이 소개 = 7
옮긴이의 말 = 8
들어가 = 16
1장 R을 이용한 생명정보학 시작 = 23
소개 = 24
시작과 라이브러리 설치 = 24
데이터 읽고 쓰기 = 31
데이터 필터링과 세분화 = 35
데이터에 대한 기본적인 통계 작업 = 39
확률 분포 생성 = 42
데이터에 대한 통계적 검정 시행 = 44
데이터 시각화 = 47
R에서 PubMed를 이용해 작업 = 51
BioMart로부터 데이터 검색 = 56
2장 Bioconductor 소개 = 61
소개 = 62
Bioconductor로부터 패키지 설치 = 63
R에서 주석 데이터베이스 다루기 = 65
ID 전환 = 68
유전자 KEGG 주석 = 70
유전자 온톨로지(GO) 주석 = 73
GO 농축 = 76
유전자 KEGG 농축 = 81
클라우드에서의 Bioconductor = 83
3장 R을 이용한 서열 분석 = 87
소개 = 88
서열 추출 = 89
FASTA 파일 읽기와 쓰기 = 93
서열 구성의 내용 확인 = 96
짝 서열 정렬 = 101
다중 서열 정렬 = 109
계통 분석과 트리 플로팅 = 112
BLAST 결과 다루기 = 117
서열에서 패턴 확인 = 120
4장 R을 이용한 단백질 구조 분석 = 125
소개 = 126
UniProt에서 서열 추출 = 127
단백질 서열 분석 = 131
단백질 서열 특성 계산 = 135
PDB 파일 다루기 = 138
InterPro 도메인 주석으로 작업 = 140
Ramchandran 플롯의 이해 = 142
유사한 단백질 탐색 = 145
단백질의 이차 구조 특성을 이용한 작업 = 146
단백질 구조의 시각화 = 148
5장 R을 이용한 마이크로어레이 데이터 분석 = 151
소개 = 152
CEL 파일 읽기 = 153
ExpressionSet 객체 만들기 = 155
AffyBatch 객체 다루기 = 158
데이터의 질 확인 = 160
인위적 발현 데이터 생성 = 165
데이터 정규화 = 168
발현 데이터에서 배치 효과 해결 = 172
주성분 분석을 이용한 탐색적 분석 = 176
차별 발현 유전자 확인 = 179
다중 클래스 데이터로 작업 = 183
시계열 데이터 다루기 = 186
마이크로어레이 데이터의 배율 변화 = 189
데이터의 기능적 농축 = 192
마이크로어레이 데이터 군집화 = 196
마이크로어레이 데이터로부터 공발현 네트워크 형성 = 199
유전자 발현 데이터의 시각화 = 202
6장 전장유전체 연관성 탐색(GWAS) 데이터 분석 = 209
소개 = 210
단일 염기 다형성 연관 분석 = 211
단일 염기 다형성에 대한 연관성 탐색 = 215
전체 유전체 단일 염기 다형성 연관 분석 = 219
PLINK 전장유전체 연관 분석 데이터 불러오기 = 223
GWASTools 패키지를 이용해 데이터 다루기 = 226
다른 전장유전체 연관 분석 데이터 형식 다루기 = 230
단일 염기 다형성 주석화와 농축 = 235
Hardy-Weinberg 평형에 대한 데이터 검정 = 238
단위 반복 변이 데이터를 이용한 연관 분석 = 243
전장유전체 연관 분석의 시각화 = 247
7장 질량 스펙트럼 측정 데이터 분석 = 257
소개 = 258
mzXML/mzML 형식의 MS 데이터 읽기 = 259
Burker 형식의 MS 데이터 읽기 = 264
mzXML 형식의 MS 데이터를 MALDIquant 형식으로 전환 = 267
MS 데이터 객체로부터 데이터 요소 추출 = 269
MS 데이터 전처리 = 272
MS 데이터에서 피크 검출 = 276
MS 데이터의 피크 정렬 = 280
MS 데이터에서 펩타이드 확인 = 282
단백질 양적 분석 시행 = 288
MS 데이터에서에서 다중 집단 분석 시행 = 291
MS 데이터 분석의 시각화 = 295
8장 차세대 시퀀싱 데이터 분석 = 301
소개 = 302
SRA 데이터베이스 쿼리 = 304
SRA 데이터베이스로부터 데이터 다운로드 = 307
R에서 FASTQ 파일 읽기 = 309
정렬 데이터 읽기 = 312
차세대 시퀀싱 원 데이터 전처리 = 315
edgeR 패키지를 사용한 RNAseq 데이터 분석 = 320
limma를 사용한 시퀀싱 데이터의 층별 분석 = 323
유전자 온톨로지 용어를 사용한 RNAseq 데이터 농축 = 328
서열 데이터의 KEGG 농축 = 331
메틸화 데이터의 분석 = 334
ChipSeq 데이터 분석 = 338
차세대 시퀀싱 데이터 시각화 = 343
9장 생명정보학에서의 기계 학습 = 347
소개 = 348
k-means와 계층적 군집을 이용한 데이터 군집화 = 350
군집의 시각화 = 354
분류에 대한 지도 학습 = 360
Naïve Bayes를 이용한 확률적 학습 = 365
기계 학습에서 부트스트래핑 = 367
분류기에 대한 교차 타당화 = 370
분류기의 성능 평가 = 373
ROC 커브의 시각화 = 375
어레이 데이터를 이용한 생체지표 확인 = 378
부록 A. R에서 유용한 연산자와 함수 = 381
부록 B. 유용한 R 패키지 = 391
찾아보기 = 396
더보기 닫기