Big Data în toxicologia predictivă

Big Data în toxicologia predictivă (Daniel Neagu)

Titlul original:

Big Data in Predictive Toxicology

Conținutul cărții:

Ritmul în care sunt generate datele toxicologice devine din ce în ce mai rapid, iar volumul de date generate crește dramatic. Acest lucru se datorează, în parte, progreselor înregistrate în soluțiile software și în abordările chimioformatice care sporesc disponibilitatea datelor deschise provenite din resurse de screening chimic, biologic și toxicologic și de mare capacitate. Cu toate acestea, ritmul și capacitatea amplificate de generare a datelor obținute prin aceste tehnici noi prezintă provocări pentru organizarea și analiza datelor rezultate.

Big Data in Predictive Toxicology discută aceste provocări, precum și oportunitățile oferite de noile tehnici întâlnite în știința datelor. Acesta abordează natura datelor mari toxicologice, stocarea, analiza și interpretarea acestora. De asemenea, detaliază modul în care aceste date pot fi aplicate în predicția toxicității, modelarea și evaluarea riscurilor.

Acest titlu este deosebit de relevant pentru cercetătorii și absolvenții de studii superioare care lucrează și studiază în domeniile metodelor computaționale, chimiei aplicate și fizice, chimico-informaticii, științelor biologice, toxicologiei predictive și evaluării siguranței și a riscurilor.

Alte date despre carte:

ISBN:9781782622987
Autor:
Editura:
Legare:Copertă dură
Anul publicării:2019
Numărul de pagini:394

Cumpărare:

Disponibil în prezent, pe stoc.

Alte cărți ale autorului:

Big Data în toxicologia predictivă - Big Data in Predictive Toxicology
Ritmul în care sunt generate datele toxicologice devine din ce în ce mai...
Big Data în toxicologia predictivă - Big Data in Predictive Toxicology

Lucrările autorului au fost publicate de următorii editori:

© Book1 Group - toate drepturile rezervate.
Conținutul acestui site nu poate fi copiat sau utilizat, nici parțial, nici integral, fără permisiunea scrisă a proprietarului.
Ultima modificare: 2024.11.08 07:02 (GMT)