Wang Transcriptome Data Analysis 9781493977093

Варианты приобретения

Цена: 12196.00р.
Кол-во:
Наличие: Поставка под заказ. Есть в наличии на складе поставщика.
Склад Америка: Есть
При оформлении заказа до: 2026-06-01
Ориентировочная дата поставки: Июль
При условии наличия книги у поставщика.

Добавить в корзину

в Мои желания

Автор: Wang
Название: Transcriptome Data Analysis
ISBN: 9781493977093
Издательство: Springer
Классификация:

Медицинское оборудования и методики его эксплуатации

Медицинская генетика

ISBN-10: 1493977091
Обложка/Формат: Hardcover
Страницы: 238
Вес: 0.70 кг.
Дата издания: 2018
Серия: Methods in Molecular Biology
Язык: English
Издание: 1st ed. 2019
Иллюстрации: 42 illustrations, color; 6 illustrations, black and white; x, 390 p. 48 illus., 42 illus. in color.
Размер: 254 x 178 x 16
Читательская аудитория: General (us: trade)
Основная тема: Human Genetics
Подзаголовок: Methods and Protocols
Ссылка на Издательство: Link
Рейтинг:
Поставляется из: Германии
Описание: This detailed volume provides comprehensive practical guidance on transcriptome data analysis for a variety of scientific purposes. Beginning with general protocols, the collection moves on to explore protocols for gene characterization analysis with RNA-seq data as well as protocols on several new applications of transcriptome studies. Written for the highly successful Methods in Molecular Biology series, chapters include introductions to their respective topics, lists of the necessary materials and reagents, step-by-step, readily reproducible laboratory protocols, and tips on troubleshooting and avoiding known pitfalls.

Authoritative and useful, Transcriptome Data Analysis: Methods and Protocols serves as an ideal guide to the expanding purposes of this field of study.

Дополнительное описание: Comparison of Gene Expression Profiles in Non-Model Eukaryotic Organisms with RNA-Seq.- Microarray Data Analysis for Transcriptome Profiling.- Pathway and Network Analysis of Differentially Expressed Genes in Transcriptomes.- QuickRNASeq: Guide for Pipeli

Transcriptome Data Analysis, Wang