顶部
收藏

植物大数据技术与应用


作者:
李林
定价:
48.00元
ISBN:
978-7-04-060137-4
版面字数:
440.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-06-26
读者对象:
高等教育
一级分类:
农林
二级分类:
农学/植保

植物大数据技术是植物学领域基于生物大数据挖掘的生物信息学前沿领域,是作物智能育种的基础。本书将重点讲述植物领域生物大数据挖掘的前沿理论、发展方向与技能,介绍生物大数据的最新技术方法,特别是作物领域生物大数据挖掘中常用的关键技术及分析流程,包括植物基因组大数据、转录组大数据、蛋白质组大数据、表观组大数据、代谢组大数据、环境适应性大数据、表型组大数据和互作组网络大数据等内容,以及植物大数据的生物信息学基础、植物大数据的储存与管理、植物大数据技术在遗传解析中的应用等内容。本书提供与纸质版教材内容一体化设计的数字课程,包括编者授课的教学课件、配套彩色图片和拓展知识等资源;同时,书中采用“示例”的形式,以科研生物大数据为基础,用真实案例讲解大数据挖掘的代码运行形式,以期达到不仅传授大数据理论知识,而且可以实际操作的授课目的。

本书可作为农学、智慧农业等涉农专业的本科生教材,也适用于综合类和师范类等高校生物信息学相关专业的教学用书,还可作为广大生命科学研究人员的参考用书。

  • 前辅文
  • 第一章 绪论
    • 第一节 大数据时代的到来
    • 第二节 认识植物大数据
    • 第三节 植物大数据概述
      • 一、基因组大数据
      • 二、转录组大数据
      • 三、蛋白质组大数据
      • 四、表观组大数据
      • 五、代谢组大数据
      • 六、植物与环境适应性大数据
      • 七、表型组大数据
      • 八、整合网络大数据
    • 第四节 植物大数据的应用
    • 第五节 植物大数据的未来
  • 第二章 植物大数据的生物信息学基础
    • 第一节 生物信息数据及其产生途径和管理
      • 一、生物信息数据类型及测序技术
      • 二、分子数据库
    • 第二节 生物信息学统计与算法基础
      • 一、贝叶斯统计
      • 二、图论与概率图模型
      • 三、机器学习算法
    • 第三节 序列联配算法
      • 一、打分矩阵
      • 二、序列联配算法
      • 三、BLAST算法
  • 第三章 植物基因组大数据
    • 第一节 基因组组装与注释
      • 一、基因组调查
      • 二、基因组组装与算法基础
      • 三、基于Hi-C和Bionano假染色体定位
      • 四、转座子注释
      • 五、基因组功能元件注释
    • 第二节 比较基因组与进化
      • 一、基于蛋白质序列的比较基因组分析
      • 二、基于基因组序列联配的比较基因组分析
      • 三、基因组多倍化
    • 第三节 群体基因组
      • 一、自然群体的基因组变异类型与检测
      • 二、群体基因组进化分析
      • 三、基因组选择信号的分析
      • 四、全基因组关联分析
      • 五、泛基因组
    • 第四节 植物基因组组装实例
      • 一、数据来源和软件
      • 二、组装流程
      • 三、基因组注释
  • 第四章 植物转录组大数据
    • 第一节 高通量转录组测序技术
      • 一、二代转录组测序技术原理
      • 二、三代全长转录组测序技术原理
      • 三、二代与三代转录组测序技术比较
    • 第二节 转录组大数据的应用
      • 一、转录图谱重构
      • 二、表达定量
      • 三、环状RNA的鉴定
      • 四、小RNA的鉴定和定量
    • 第三节 转录组大数据的生物信息学资源
      • 一、RNA-seq数据资源
      • 二、sRNA数据库
      • 三、基因表达和共表达数据库
      • 四、差异表达分析软件
      • 五、条件特异表达基因识别方法
      • 六、时序转录组数据分析软件
      • 七、转录本表达数据分析软件
      • 八、Unmapped RNA-seq数据分析软件
      • 九、sRNA-seq数据分析软件
    • 第四节 转录组大数据的应用与示例
      • 一、RNA-seq数据应用与示例
      • 二、sRNA-seq数据应用与示例
  • 第五章 植物蛋白质组大数据
    • 第一节 蛋白质组大数据
      • 一、质谱技术
      • 二、蛋白质组检测方法与鉴定技术
      • 三、蛋白质组数据库资源
      • 四、蛋白质组大数据分析
    • 第二节 多肽组大数据
      • 一、多肽组检测方法与鉴定技术
      • 二、多肽组数据库资源
      • 三、多肽组大数据分析
    • 第三节 翻译后修饰蛋白质组大数据
      • 一、磷酸化蛋白质组
      • 二、糖基化蛋白质组
      • 三、乙酰化蛋白质组
      • 四、泛素化蛋白质组
    • 第四节 多肽大数据的应用与示例
      • 一、玉米内源肽的提取和质谱检测
      • 二、个性化多肽基因组数据库的建立
      • 三、数据库比对和内源肽鉴定
      • 四、传统肽和非传统肽的生物信息学分析
  • 第六章 植物表观组大数据
    • 第一节 表观基因组
      • 一、DNA甲基化
      • 二、组蛋白修饰
    • 第二节 表观转录组
      • 一、m6A的动态变化
      • 二、m6A的生物学功能
      • 三、m6A修饰的高通量检测技术
    • 第三节 表观组大数据分析示例:DNA甲基化数据分析流程
      • 一、数据质控及预处理
      • 二、比对到参考基因组
      • 三、比对结果处理及筛选
      • 四、甲基化信息的提取
      • 五、结合研究目的进行个性化分析
  • 第七章 植物代谢组大数据
    • 第一节 植物代谢组大数据的获取
      • 一、气相色谱-质谱联用技术
      • 二、高效液相色谱-质谱联用技术
      • 三、核磁共振技术
    • 第二节 植物代谢组大数据的分析
      • 一、原始数据的前处理
      • 二、多变量分析
      • 三、生物学功能的注释
    • 第三节 植物代谢组大数据的应用与示例
      • 一、水稻叶片代谢组数据的高效获取
      • 二、代谢物的鉴定和注释
      • 三、高通量定量代谢物
      • 四、旱胁迫下水稻叶片代谢谱研究
      • 五、利用mGWAS定位水稻代谢相关基因
  • 第八章 植物环境适应性大数据
    • 第一节 植物环境适应性的离子组大数据
      • 一、植物离子组和离子组学的定义及其发展历程
      • 二、植物离子组学的研究方法
      • 三、植物离子组大数据分析与管理
    • 第二节 植物环境适应性的微生物组大数据
      • 一、微生物扩增子分析
      • 二、宏基因组分析
    • 第三节 植物与环境互作大数据应用与示例
      • 一、植物离子组大数据应用与示例
      • 二、微生物组大数据应用与示例
  • 第九章 植物表型组大数据
    • 第一节 表型组大数据概述
      • 一、表型组学的定义
      • 二、表型组学的研究内容
      • 三、植物表型组大数据的特点
    • 第二节 植物表型组大数据的鉴定技术
      • 一、可见光成像
      • 二、高光谱成像
      • 三、红外成像
      • 四、荧光成像
      • 五、激光雷达成像
      • 六、CT成像
    • 第三节 表型组大数据分析方法
      • 一、光谱数据预处理方法
      • 二、建模方法
      • 三、表型大数据分析方法应用与示例
  • 第十章 植物互作组网络大数据
    • 第一节 三维基因组互作
      • 一、三维基因组介绍
      • 二、三维基因组数据分析软件
      • 三、三维基因组应用
    • 第二节 转录组共表达大数据网络
      • 一、转录组共表达网络
      • 二、转录组共表达网络的构建
      • 三、转录组共表达大数据网络应用
    • 第三节 转录调控大数据网络
      • 一、转录因子的介绍
      • 二、转录因子的特性
      • 三、转录因子功能
      • 四、转录因子的调控机制
      • 五、基于技术构建转录因子调控网络
      • 六、转录调控大数据网络应用
    • 第四节 蛋白互作大数据网络
      • 一、酵母双杂交系统的原理和步骤
      • 二、酵母双杂交技术的改进
      • 三、酵母双杂交系统的应用
    • 第五节 互作组网络大数据应用与示例
      • 一、数据来源
      • 二、分析流程
      • 三、蛋白互作网络的功能挖掘
  • 第十一章 植物大数据存储与管理
    • 第一节 植物大数据的采集与传输
      • 一、植物大数据的采集
      • 二、植物大数据的传输
    • 第二节 基于植物大数据的存储
      • 一、大数据的存储方式
      • 二、大数据的存储架构
      • 三、云存储
    • 第三节 基于植物大数据的分析处理
      • 一、植物大数据的分析技术
      • 二、植物大数据的可视化
    • 第四节 常用的植物数据库介绍
    • 第五节 大数据存储与管理技术的应用
      • 一、数据的生产
      • 二、数据的传输
      • 三、数据的存储
      • 四、数据的分析与计算
      • 五、数据的交互可视化
  • 第十二章 植物大数据技术在遗传解析中的应用
    • 第一节 植物进化与作物驯化的大数据解析
      • 一、植物基因组的进化
      • 二、作物起源与驯化
    • 第二节 功能基因挖掘
      • 一、QTL定位
      • 二、全基因组关联分析
    • 第三节 全基因组选择育种
      • 一、全基因组选择育种概述
      • 二、影响全基因组选择准确性的主要因素
      • 三、基因组预测的统计方法
      • 四、基因组预测软件KAML介绍
    • 第四节 植物大数据的综合应用与示例
      • 一、材料和数据
      • 二、竞赛流程和概况
      • 三、未来和展望
  • 参考文献

相关图书