Statistics and Data Analysis for Microarrays Using R and Biocond...

《使用R和Bioconductor的微阵列统计与数据分析》是一本详细讲述使用开源软件R和Bioconductor环境对微阵列数据进行统计和数据分析的第二版书籍。这本书提供了对微阵列技术的清晰和严格描述，讲述了强大的分析技术和算法，用于挖掘和解释生物学信息。书中省略了繁琐的细节、沉重的形式主义和难以理解的符号，采用了一种基于实践和示例的方法，解释了R和微阵列技术的基础知识，以及如何选择和应用适当的数据分析工具来解决特定问题。 第二版完全更新，并且其内容是第一版的两倍大小。这次修订版用开源的R和Bioconductor环境取代了商业软件。新增了十四章内容，涵盖了细胞的基本机制、DNA微阵列的可靠性和可重复性问题、R中的基本统计和线性模型、实验设计、多重比较、质量控制、数据预处理和规范化、基因本体分析、途径分析以及机器学习技术等主题。书中通过玩具例子和真实数据来说明方法，并且所有R代码都可以在配套的光盘上找到。 本书的第一部分提供了一个微阵列的概述以及数据分析的统计元素，这些元素是构建任何数据分析的基础。第二部分介绍了在微阵列数据分析中最常用的技术。书中的内容包括了所有必要的先决条件，从而引导读者从非常基础的概念到在R和Bioconductor中的高级分析技术。 《使用R和Bioconductor的微阵列统计与数据分析》第二版是“Chapman & Hall/CRC数学与计算生物学系列”的一部分，该系列旨在捕捉数学与计算生物学及医学新发展的全部谱系，并通过出版一系列广泛的教科书、参考书和手册，鼓励将数学、统计学和计算方法与生物学结合起来。 在具体的技术知识点方面，本书重点讨论了以下方面： 1. 微阵列技术基础：书中介绍了微阵列的工作原理、类型以及生物学和医学研究中的应用。 2. R语言基础：作为统计分析的工具，书中讲解了R语言的基础语法，这包括变量的定义、数据结构的操作、函数的使用、数据的输入与输出等。 3. 基于R的统计分析：对基础统计概念的解释，例如均值、中位数、标准差等，并介绍了在R中如何使用这些统计方法。 4. 微阵列数据预处理和规范化：为了确保数据分析的准确性，书中详细阐述了数据预处理的步骤，包括如何识别和处理异常值、缺失值，以及如何将数据规范化到共同的尺度上。 5. 实验设计：在第二版中，专门讨论了实验设计对于微阵列研究的重要性，并提供了如何用R进行实验设计的方法。 6. 多重比较问题：在进行基因表达研究时，通常会面临多重比较的问题。本书讲解了多重比较问题的原理，以及如何使用R中的方法来解决这一问题。 7. 基因本体（Gene Ontology）分析：通过R和Bioconductor进行基因本体分析，以了解基因功能的分类和相关的生物学过程。 8. 途径分析：在研究中识别和分析基因途径，利用R和Bioconductor提供的方法，书中介绍了如何进行基因网络和途径分析。 9. 机器学习技术：在微阵列数据分析中，机器学习是一种强大的方法。书中讲解了如何应用机器学习技术来挖掘数据中的模式。 10. 质量控制：数据质量和数据收集的质量控制是数据分析中的重要一环。书中讨论了在微阵列实验中如何进行质量控制和评估。 11. R和Bioconductor代码的实用教程：为了确保读者能够将理论应用于实践，本书提供了一系列R代码示例和真实数据集的分析，帮助读者在实际工作中使用R和Bioconductor进行数据分析。 该书适合计算机科学和生物信息学领域的研究人员、学者、学生及从业者，无论他们的数学和编程经验如何，都能通过本书学会使用R和Bioconductor进行微阵列数据的统计分析。