| Título : |
Statistical Analysis of Proteomics, Metabolomics, and Lipidomics Data Using Mass Spectrometry |
| Tipo de documento: |
documento electrónico |
| Autores: |
Datta, Susmita, ; Mertens, Bart J. A., |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
VIII, 295 p. 106 ilustraciones, 83 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-319-45809-0 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Biometría Bioinformática Química analítica Informática Estadistica matematica Bioestadística Biología Computacional y de Sistemas Probabilidad y Estadística en Informática |
| Índice Dewey: |
570.15195 |
| Resumen: |
Este libro presenta una descripción general del diseño y análisis computacional y estadístico de datos de proteómica, metabolómica y lipidómica basados en espectrometría de masas. Este volumen contribuido proporciona una introducción a los aspectos especiales del diseño y análisis estadístico con datos de espectrometría de masas para las nuevas ciencias ómicas. El texto analiza aspectos comunes de diseño y análisis entre todas (o la mayoría) de las formas de espectrometría de masas, al tiempo que proporciona ejemplos especiales de aplicación con las formas más comunes de espectrometría de masas. También se cubren las aplicaciones de la espectrometría de masas computacional no solo en estudios clínicos sino también en la interpretación de datos ómicos en estudios de biología vegetal. Se espera que los campos de investigación ómica revolucionen la investigación biomolecular gracias a la capacidad de perfilar simultáneamente muchos compuestos en la sangre, orina, tejido u otras muestras biológicas del paciente. La espectrometría de masas es una de las técnicas analíticas clave utilizadas en estas nuevas ciencias ómicas. La espectrometría de masas por cromatografía líquida, los datos de tiempo de vuelo y la espectrometría de masas por transformada de Fourier son solo una selección de las plataformas de medición disponibles para el analista moderno. Así, en la proteómica o metabolómica práctica, los investigadores no sólo se enfrentarán a nuevos tipos de datos de alta dimensión (a diferencia de las estructuras de datos familiares de la genómica más clásica), sino también a una gran variación entre distintos tipos de mediciones espectrales de masas derivadas de diferentes plataformas, que puede complicar los análisis, la comparación y la interpretación de los resultados. Susmita Datta recibió su doctorado en estadística de la Universidad de Georgia. Es profesora titular en el Departamento de Bioestadística de la Universidad de Florida. Antes de unirse a la Universidad de Florida, fue profesora y académica universitaria distinguida en la Universidad de Louisville. Es miembro de la Asociación Estadounidense para el Avance de la Ciencia, la Asociación Estadounidense de Estadística y miembro electo del Instituto Internacional de Estadística. Fue presidenta del Caucus for Women in Statistics y apoya activamente la investigación y la educación de mujeres en campos STEM. Bart Mertens recibió su doctorado en ciencias estadísticas del Departamento de Ciencias Estadísticas de la University College London, sobre métodos de análisis estadístico para datos de espectrometría. Actualmente es profesor asociado en el Departamento de Estadística Médica y Bioinformática del Centro Médico de la Universidad de Leiden, donde lleva más de 10 años trabajando tanto en investigación como en consultoría para metodología de análisis estadístico con datos proteómicos de espectrometría de masas. |
| Nota de contenido: |
Transformation, normalization and batch effect in the analysis of mass spectrometry data for omics studies -- Automated Alignment of Mass Spectrometry Data Using Functional Geometry -- The analysis of peptide-centric mass spectrometry data utilizing information about the expected isotope distribution -- Probabilistic and likelihood-based methods for protein identification from MS/MS data -- An MCMC-MRF Algorithm for Incorporating Spatial Information in IMS Data Processing -- Mass Spectrometry Analysis Using MALDIquant -- Model-based analysis of quantitative proteomics data with data independent acquisition mass spectrometry -- The analysis of human serum albumin proteoforms using compositional framework -- Variability Assessment of Label-Free LC-MS Experiments for Difference Detection -- Statistical approach for biomarker discovery using label-free LC-MS data - an overview -- Bayesian posterior integration for classification ofmass spectrometry data -- Logistic regression modeling on mass spectrometry data in proteomics case-control discriminant studies -- Robust and confident predictor selection in metabolomics -- On the combination of omics data for prediction of binary Outcomes -- Statistical analysis of lipidomics data in a case-control study. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Statistical Analysis of Proteomics, Metabolomics, and Lipidomics Data Using Mass Spectrometry [documento electrónico] / Datta, Susmita, ; Mertens, Bart J. A., . - 1 ed. . - [s.l.] : Springer, 2017 . - VIII, 295 p. 106 ilustraciones, 83 ilustraciones en color. ISBN : 978-3-319-45809-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Biometría Bioinformática Química analítica Informática Estadistica matematica Bioestadística Biología Computacional y de Sistemas Probabilidad y Estadística en Informática |
| Índice Dewey: |
570.15195 |
| Resumen: |
Este libro presenta una descripción general del diseño y análisis computacional y estadístico de datos de proteómica, metabolómica y lipidómica basados en espectrometría de masas. Este volumen contribuido proporciona una introducción a los aspectos especiales del diseño y análisis estadístico con datos de espectrometría de masas para las nuevas ciencias ómicas. El texto analiza aspectos comunes de diseño y análisis entre todas (o la mayoría) de las formas de espectrometría de masas, al tiempo que proporciona ejemplos especiales de aplicación con las formas más comunes de espectrometría de masas. También se cubren las aplicaciones de la espectrometría de masas computacional no solo en estudios clínicos sino también en la interpretación de datos ómicos en estudios de biología vegetal. Se espera que los campos de investigación ómica revolucionen la investigación biomolecular gracias a la capacidad de perfilar simultáneamente muchos compuestos en la sangre, orina, tejido u otras muestras biológicas del paciente. La espectrometría de masas es una de las técnicas analíticas clave utilizadas en estas nuevas ciencias ómicas. La espectrometría de masas por cromatografía líquida, los datos de tiempo de vuelo y la espectrometría de masas por transformada de Fourier son solo una selección de las plataformas de medición disponibles para el analista moderno. Así, en la proteómica o metabolómica práctica, los investigadores no sólo se enfrentarán a nuevos tipos de datos de alta dimensión (a diferencia de las estructuras de datos familiares de la genómica más clásica), sino también a una gran variación entre distintos tipos de mediciones espectrales de masas derivadas de diferentes plataformas, que puede complicar los análisis, la comparación y la interpretación de los resultados. Susmita Datta recibió su doctorado en estadística de la Universidad de Georgia. Es profesora titular en el Departamento de Bioestadística de la Universidad de Florida. Antes de unirse a la Universidad de Florida, fue profesora y académica universitaria distinguida en la Universidad de Louisville. Es miembro de la Asociación Estadounidense para el Avance de la Ciencia, la Asociación Estadounidense de Estadística y miembro electo del Instituto Internacional de Estadística. Fue presidenta del Caucus for Women in Statistics y apoya activamente la investigación y la educación de mujeres en campos STEM. Bart Mertens recibió su doctorado en ciencias estadísticas del Departamento de Ciencias Estadísticas de la University College London, sobre métodos de análisis estadístico para datos de espectrometría. Actualmente es profesor asociado en el Departamento de Estadística Médica y Bioinformática del Centro Médico de la Universidad de Leiden, donde lleva más de 10 años trabajando tanto en investigación como en consultoría para metodología de análisis estadístico con datos proteómicos de espectrometría de masas. |
| Nota de contenido: |
Transformation, normalization and batch effect in the analysis of mass spectrometry data for omics studies -- Automated Alignment of Mass Spectrometry Data Using Functional Geometry -- The analysis of peptide-centric mass spectrometry data utilizing information about the expected isotope distribution -- Probabilistic and likelihood-based methods for protein identification from MS/MS data -- An MCMC-MRF Algorithm for Incorporating Spatial Information in IMS Data Processing -- Mass Spectrometry Analysis Using MALDIquant -- Model-based analysis of quantitative proteomics data with data independent acquisition mass spectrometry -- The analysis of human serum albumin proteoforms using compositional framework -- Variability Assessment of Label-Free LC-MS Experiments for Difference Detection -- Statistical approach for biomarker discovery using label-free LC-MS data - an overview -- Bayesian posterior integration for classification ofmass spectrometry data -- Logistic regression modeling on mass spectrometry data in proteomics case-control discriminant studies -- Robust and confident predictor selection in metabolomics -- On the combination of omics data for prediction of binary Outcomes -- Statistical analysis of lipidomics data in a case-control study. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Statistical Analysis of Proteomics, Metabolomics, and Lipidomics Data Using Mass Spectrometry
