Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Protein Homology Detection Through Alignment of Markov Random Fields

Jinbo Xu, Sheng Wang, Jianzhu Ma (Taschenbuch, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This work covers sequence-based protein homology detection, a fundamental and challenging bioinformatics problem with a variety of real-world applications. The text first surveys a few popular homology detection methods, such as Position-Specific Scoring Matrix (PSSM) and Hidden Markov Model (HMM) based methods, and then describes a novel Markov Random Fields (MRF) based method developed by the authors. MRF-based methods are much more sensitive than HMM- and PSSM-based methods for remote homolog detection and fold recognition, as MRFs can model long-range residue-residue interaction. The text also describes the installation, usage and result interpretation of programs implementing the MRF-based method.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 43,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
03.03.2015
Sprache
Englisch
EAN
9783319149134
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
SpringerBriefs in Computer Science
Sonderedition
Nein
Autor
Jinbo Xu, Sheng Wang, Jianzhu Ma
Seitenanzahl
51
Auflage
1
Einbandart
Taschenbuch

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!