دانلود مقاله و خرید ترجمه:ماتریس همبستگی برای اﻃﻼﻋﺎت ﺑﺎ ﺑُﻌﺪ ﺑﺎﻻ: ضریبRV تعدیل یافته
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده بیوانفورماتیک
  • ماتریس همبستگی برای اﻃﻼﻋﺎت ﺑﺎ ﺑُﻌﺪ ﺑﺎﻻ: ضریبRV تعدیل یافته

    سال انتشار:

    2009


    ترجمه فارسی عنوان مقاله:

    ماتریس همبستگی برای اﻃﻼﻋﺎت ﺑﺎ ﺑُﻌﺪ ﺑﺎﻻ: ضریبRV تعدیل یافته


    عنوان انگلیسی مقاله:

    Matrix correlations for high-dimensional data: the modified RV-coefficient


    منبع:

    BIOINFORMATICS - Vol. 25 no. 3 2009, pages 401–405 doi:10.1093/bioinformatics/btn634


    چکیده انگلیسی:

    Motivation: Modern functional genomics generates high dimensional datasets. It is often convenient to have a single simple number characterizing the relationship between pairs of such high-dimensional datasets in a comprehensive way. Matrix correlations are such numbers and are appealing since they can be interpreted in the same way as Pearson’s correlations familiar to biologists. The high-dimensionality of functional genomics data is, however, problematic for existing matrix correlations. The motivation of this article is 2-fold: (i) we introduce the idea of matrix correlations to the bioinformatics community and (ii) we give an improvement of the most promising matrix correlation coefficient (the RV-coefficient) circumventing the problems of high-dimensional data. Results: The modified RV-coefficient can be used in high dimensional data analysis studies as an easy measure of common information of two datasets. This is shown by theoretical arguments, simulations and applications to two real-life examples from functional genomics, i.e. a transcriptomics and metabolomics example.


    چکیده فارسی:

    انگیزه: ژنومیک تابعی مدرن، مجموعه اﻃﻼﻋﺎتی ﺑﺎ ﺑُﻌﺪ ﺑﺎﻻ ایجاد می نماید. اغلب دارای یک عدد ساده می باشد که ارتباط بین جفت های مجموعه اطلاعات با بعد بالا را به شیوه ای جامع مشخص می نماید. چنین اعداد همبستگی های ماتریس می باشند و به این دلیل جالب می باشند که می توان آنها به شیوه همبستگی های پیرسون که برای زیست شناسان آشناست، تفسیر نمود. با این حال، ابعاد بالای اطلاعات ژنومیک تابعی، برای همبستگی ماتریس موجود مشکل ساز می باشد. انگیزه این مقاله 2 برابر می باشد: (1) ما ایده همبستگی های ماتریس را برای بیو انفورماتیک معرفی می کنیم و (2) ما ضریب همبستگی ماتریس (ضریب RV) را بهبود می بخشیم و مشکلات اطلاعات با بعد بالا را دور می زنیم. نتایج: می توان از ضریبRV تعدیل یافته در مطالعات تجزیه و تحلیل اطلاعات با ابعاد بالا به عنوان سنجشی آسان برای اطلاعات مشترک در دو مجموعه داده استفاده نمود. این امر با استدلال ها، شبیه سازی ها و برنامه های نظری در دو مثال واقعی از ژنومیک تابعی، یعنی مثال ترانسکریپتومیک و متابولومیک نشان داده شده است. دسترس پذیری: فایل های m نرم افزار متلب در روش های ارائه شده را می توان از http://www.bdagroup.nl دریافت نمود.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    تعداد صفحات فایل doc فارسی: 19

    حجم فایل: 195 کیلوبایت


    قیمت: 15000 تومان  13500 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
بیوانفورماتیک
موضوعات