Computational Methods for Next Generation Sequencing Data Analysis

خوانندگان را با تکنیک‌های الگوریتمی اصلی برای تحلیل داده‌های توالی‌یابی نسل بعدی (NGS) آشنا می‌کند و طیف وسیعی از تکنیک‌ها و کاربردهای محاسباتی را مورد بحث قرار می‌دهد 

این کتاب بررسی عمیقی از برخی از پیشرفت‌های اخیر در NGS ارائه می‌کند و چالش‌های ریاضی و محاسباتی در زمینه‌های کاربردی مختلف فناوری‌های NGS را مورد بحث قرار می‌دهد. 18 فصل ارائه شده در این کتاب توسط کارشناسان بیوانفورماتیک نوشته شده است و نشان دهنده آخرین کار در آزمایشگاه های پیشرو است که فعالانه در زمینه رشد سریع NGS مشارکت دارند. این کتاب به چهار بخش تقسیم می‌شود: 

بخش اول بر روی زیرساخت‌های محاسباتی و تجربی برای تجزیه و تحلیل NGS، از جمله فصل‌هایی در مورد محاسبات ابری، خطوط لوله مدولار برای بازسازی مسیر متابولیک، استراتژی‌های ادغام برای توالی‌یابی ویروسی عظیم، و پروتکل‌های توالی‌یابی وفاداری.

بخش دوم بر تجزیه و تحلیل داده‌های توالی‌یابی DNA متمرکز است، مسئله داربست کلاسیک، تشخیص انواع ژنومی، از جمله درج‌ها و حذف‌ها، و تجزیه و تحلیل داده‌های توالی‌یابی متیلاسیون DNA را پوشش می‌دهد.

بخش سوم به تجزیه و تحلیل داده های RNA-seq اختصاص دارد. این بخش الگوریتم‌ها را مورد بحث قرار می‌دهد و ابزارهای نرم‌افزاری را برای مونتاژ رونوشت به همراه روش‌هایی برای تشخیص اسپلایسینگ جایگزین و ابزارهایی برای کمی‌سازی رونوشت و تحلیل بیان دیفرانسیل مقایسه می‌کند.

بخش چهارم به بررسی ابزارهای محاسباتی برای کاربردهای NGS در میکروبیومیک می‌پردازد، از جمله بحث در مورد تصحیح خطای خواندن NGS از جمعیت‌های ویروسی، روش‌هایی برای بازسازی شبه گونه‌های ویروسی، و بررسی روش‌های پیشرفته و پیشرفته. روندهای آینده در تجزیه و تحلیل میکروبیوم.

روش های محاسباتی برای تجزیه و تحلیل داده های توالی نسل بعدی:

• تکنیک های محاسباتی مانند روش های جدید بهینه سازی ترکیبی، داده ها را بررسی می کند. ساختارها، محاسبات با کارایی بالا، یادگیری ماشین و الگوریتم‌های استنتاج
• چالش‌های ریاضی و محاسباتی در فناوری‌های NGS را مورد بحث قرار می‌دهد
• تصحیح خطای NGS، مونتاژ رونویسی ژنوم جدید، تشخیص نوع از NGS را پوشش می‌دهد. Reads, and more

این متن مرجعی برای متخصصان زیست پزشکی است که علاقه مند به گسترش دانش خود در مورد تکنیک های محاسباتی برای تجزیه و تحلیل داده های NGS هستند. این کتاب همچنین برای دانشجویان تحصیلات تکمیلی و فوق لیسانس در بیوانفورماتیک مفید است.

Introduces readers to core algorithmic techniques for next-generation sequencing (NGS) data analysis and discusses a wide range of computational techniques and applications 

This book provides an in-depth survey of some of the recent developments in NGS and discusses mathematical and computational challenges in various application areas of NGS technologies. The 18 chapters featured in this book have been authored by bioinformatics experts and represent the latest work in leading labs actively contributing to the fast-growing field of NGS. The book is divided into four parts: 

Part I focuses on computing and experimental infrastructure for NGS analysis, including chapters on cloud computing, modular pipelines for metabolic pathway reconstruction, pooling strategies for massive viral sequencing, and high-fidelity sequencing protocols.

Part II concentrates on analysis of DNA sequencing data, covering the classic scaffolding problem, detection of genomic variants, including insertions and deletions, and analysis of DNA methylation sequencing data. 

Part III is devoted to analysis of RNA-seq data. This part discusses algorithms and compares software tools for transcriptome assembly along with methods for detection of alternative splicing and tools for transcriptome quantification and differential expression analysis. 

Part IV explores computational tools for NGS applications in microbiomics, including a discussion on error correction of NGS reads from viral populations, methods for viral quasispecies reconstruction, and a survey of state-of-the-art methods and future trends in microbiome analysis.

Computational Methods for Next Generation Sequencing Data Analysis:

• Reviews computational techniques such as new combinatorial optimization methods, data structures, high performance computing, machine learning, and inference algorithms
• Discusses the mathematical and computational challenges in NGS technologies
• Covers NGS error correction, de novo genome transcriptome assembly, variant detection from NGS reads, and more

This text is a reference for biomedical professionals interested in expanding their knowledge of computational techniques for NGS data analysis. The book is also useful for graduate and post-graduate students in bioinformatics.