Die Microarray-Technologie hat eine neue Ära der molekularen Klassifizierung eingeläutet, doch die Interpretation von Genexpressionsdaten bleibt eine Herausforderung, da sie von Natur aus "hochdimensional und mit geringer Stichprobengröße" sind. Darüber hinaus werden diese Daten häufig durch die Komplexität der Datenanalyse überwältigt, übermäßig angepasst und verwirrt. Ein geringer Stichprobenumfang und eine große Anzahl von zu analysierenden Variablen stellen bei der Datenanalyse eine große Herausforderung dar, vor allem beim Erlernen der Netzwerkstruktur. Darüber hinaus stellt die Fähigkeit, die Geninteraktionen, die das Tumorwachstum bilden, zu untersuchen, die Forscher der Computerbiologie vor große Schwierigkeiten, da die Gene nicht allein arbeiten, sondern komplexe Interaktionen beinhalten. Dieses Buch zielt darauf ab, ein dynamisches Bayes'sches netzwerkbasiertes Modell vorzuschlagen, um Gensignaturen aus groß angelegten Genexpressionsprofilen zu identifizieren. Das auf einem dynamischen Bayes'schen Netzwerk basierende Modell versucht, die Genregulation zu entdecken, die zum Fortschreiten von Brustkrebs führt.

O Dr. Farzana Kabir Ahmad é professor sénior na School of Computing, Universiti Utara Malaysia, MALAYSIA. Prosseguiu o seu doutoramento em Informática (Bioinformática) pela Universiti Teknologi Malaysia em 2012. Os seus principais interesses de investigação estão em projectos de análise de dados para procurar informação oculta de enormes e complexos conjuntos de dados.