Machine Learning for Microbial Phenotype Prediction

80,24 €*

Nach dem Kauf zum Download bereit Ein Downloadlink ist wenige Minuten nach dem Kauf im eigenen Benutzerprofil verfügbar.

ISBN/EAN: 9783658143190
This thesis presents a scalable, generic methodology for microbial phenotype prediction based on supervised machine learning, several models for biological and ecological traits of high relevance, and the deployment in metagenomic datasets. The results suggest that the presented prediction tool can be used to automatically annotate phenotypes in near-complete microbial genome sequences, as generated in large numbers in current metagenomic studies. Unraveling relationships between a living organism's genetic information and its observable traits is a central biological problem. Phenotype prediction facilitated by machine learning techniques will be a major step forward to creating biological knowledge from big data.

Roman Feldbauer is currently employed at the Austrian Research Institute for Artificial Intelligence (OFAI) and PhD student at the University of Vienna. His research interests are machine learning, data science, bioinformatics, comparative genomics and neuroscience. In one of his current projects he investigates large biological databases in regard to the 'curse of dimensionality'.
Autor: Roman Feldbauer
EAN: 9783658143190
eBook Format: PDF
Sprache: Englisch
Produktart: eBook
Veröffentlichungsdatum: 15.06.2016
Kategorie:
Schlagworte: bioinformatics classification genotype metagenomics microorganisms

0 von 0 Bewertungen

Geben Sie eine Bewertung ab!

Teilen Sie Ihre Erfahrungen mit dem Produkt mit anderen Kunden.


shop display image

Möchten Sie lieber vor Ort einkaufen?

Haben Sie weiterführende Fragen zu diesem Buch oder anderen Produkten? Oder möchten Sie einfach doch lieber in der Buchhandlung stöbern? Wir sind gern persönlich für Sie da und beraten Sie auch telefonisch.

Bergische Buchhandlung R. Schmitz
Wetterauer Str. 6
42897 Remscheid-Lennep
Telefon: 02191/668255

Mo – Fr10:00 – 18:00 UhrSa09:00 – 13:00 Uhr