دانلود کتاب Probability models for DNA sequence evolution

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل‌های احتمالی برای تکامل توالی DNA

سوال اساسی ما این است: با توجه به مجموعه ای از توالی های DNA، چه نیروهای زمینه ای مسئول الگوهای مشاهده شده تغییرپذیری هستند؟ برای نزدیک شدن به این سوال، تعدادی از مدل‌های احتمال را معرفی و تحلیل می‌کنیم: مدل رایت-فیشر، مدل ادغام‌کننده، مدل آلل‌های نامحدود و مدل مکان‌های نامحدود. ما عوارض ناشی از اندازه جمعیت غیر ثابت، نوترکیب، تقسیم جمعیت، و سه شکل انتخاب طبیعی را مطالعه می‌کنیم: انتخاب جهت، انتخاب متعادل، و انتخاب پس‌زمینه. این نتایج نظری زمینه را برای بررسی تست های آماری مختلف برای تشخیص انحرافات از “تکامل خنثی” فراهم می کند. فصل آخر تکامل کل ژنوم ها را با وارونگی های کروموزومی، جابه جایی های متقابل و تکثیر ژنوم مورد مطالعه قرار می دهد.

در سرتاسر کتاب، این نظریه در ارتباط نزدیک با داده‌های بیش از 60 مطالعه تجربی از ادبیات زیست‌شناسی که استفاده از این نتایج را نشان می‌دهد، توسعه می‌یابد. این کتاب برای ریاضیدانان و زیست شناسان نوشته شده است. ما هیچ دانش قبلی از مفاهیم زیست شناسی و فقط دانش اولیه احتمال را فرض نمی کنیم: یک دوره یک ترم کارشناسی و آشنایی با زنجیره های مارکوف و فرآیندهای پواسون.

ریک دورت دکترای خود را دریافت کرد. در تحقیقات عملیاتی از دانشگاه استنفورد در سال 1976. او قبل از آمدن به کرنل در سال 1985 در بخش ریاضیات UCLA تدریس کرد. او نویسنده شش کتاب و 125 مقاله تحقیقاتی است و پدر دانشگاهی بیش از 30 دکترا است. دانش آموزان. علایق فعلی او استفاده از مدل های احتمال در ژنتیک و بوم شناسی و کاهش میانگین و واریانس امتیاز گلف او است.

Probability models for DNA sequence evolution

Our basic question is: Given a collection of DNA sequences, what underlying forces are responsible for the observed patterns of variability? To approach this question we introduce and analyze a number of probability models: the Wright-Fisher model, the coalescent, the infinite alleles model, and the infinite sites model. We study the complications that come from nonconstant population size, recombination, population subdivision, and three forms of natural selection: directional selection, balancing selection, and background selection. These theoretical results set the stage for the investigation of various statistical tests to detect departures from “neutral evolution.” The final chapter studies the evolution of whole genomes by chromosomal inversions, reciprocal translocations, and genome duplication.

Throughout the book, the theory is developed in close connection with data from more than 60 experimental studies from the biology literature that illustrate the use of these results. This book is written for mathematicians and for biologists alike. We assume no previous knowledge of concepts from biology and only a basic knowledge of probability: a one semester undergraduate course and some familiarity with Markov chains and Poisson processes.

Rick Durrett received his Ph.D. in operations research from Stanford University in 1976. He taught in the UCLA mathematics department before coming to Cornell in 1985. He is the author of six books and 125 research papers, and is the academic father of more than 30 Ph.D. students. His current interests are the use of probability models in genetics and ecology, and decreasing the mean and variance of his golf score.