顶部
收藏

生物信息学


作者:
陈铭 吕晖
定价:
156.00元
ISBN:
978-7-04-064131-8
版面字数:
820.00千字
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:
2025-09-17
物料号:
64131-00
读者对象:
高等教育
一级分类:
生物科学
二级分类:
生物信息学

生物信息学是一门新兴的交叉学科,在生命科学领域扮演着越来越重要的角色,是生物类专业本科生的必修专业基础课程。本教材是生物科学“101计划”教材建设项目之一,着重阐述生物信息学的基本概念和关键技术,在教授生物信息学的经典和基础理论、统计方法及人工智能的同时,向读者介绍本领域的各种组学分析、应用前沿和实验基础等。本教材共分为13章,包括生物信息学概述、生物统计学基础、深度学习和人工智能、生物信息资源、序列比对与分析、基因组学、转录组学、转录调控和表观遗传、蛋白质组学和代谢组学、表型组学、系统生物学、生物信息学应用和生物信息学实验基础等。本书可作为各类高等院校生物科学类专业本科生的课程教材,也可供相关专业的研究生和科研人员参考使用。

  • 前辅文
  • 1 生物信息学概述
    • 1.1 生物信息学的基本概念
      • 1.1.1 生物信息学的基本含义
      • 1.1.2 生物信息学的学科特点与发展
    • 1.2 生物信息学的发展历史与趋势
    • 1.3 生物信息学的研究领域
      • 1.3.1 生物学研究领域
      • 1.3.2 生物信息学研究内容
    • 1.4 生物信息学的算法基础
      • 1.4.1 降维算法
      • 1.4.2 聚类算法
      • 1.4.3 分类算法
      • 1.4.4 回归算法
      • 1.4.5 统计学分析
    • 1.5 生物信息学的机遇与挑战
      • 1.5.1 生物信息学的机遇
      • 1.5.2 生物信息学的挑战
      • 1.5.3 结语
  • 2 生物统计学基础
    • 2.1 生物统计简介
      • 2.1.1 总体与样本
      • 2.1.2 数据特征及描述
    • 2.2 参数估计和假设检验
      • 2.2.1 抽样分布
      • 2.2.2 区间估计
      • 2.2.3 假设检验
      • 2.2.4 正态总体均值的检验
      • 2.2.5 方差分析
      • 2.2.6 多重检验校正
      • 2.2.7 卡方检验
      • 2.2.8 非参数检验方法
    • 2.3 统计模型
      • 2.3.1 线性模型
      • 2.3.2 极大似然估计法
      • 2.3.3 Logistic回归模型
      • 2.3.4 泊松回归模型
      • 2.3.5 Cox比例风险模型
      • 2.3.6 线性混合效应模型
      • 2.3.7 隐马尔可夫模型
      • 2.3.8 贝叶斯统计基础
    • 2.4 高维统计方法
      • 2.4.1 正则化方法
      • 2.4.2 变量筛选
      • 2.4.3 LASSO方法的讨论
    • 2.5 统计学习基础
      • 2.5.1 有监督学习
      • 2.5.2 无监督学习
    • 2.6 统计因果推断
      • 2.6.1 辛普森悖论
      • 2.6.2 关联与因果
      • 2.6.3 因果效应的定义与识别
      • 2.6.4 因果效应的估计
      • 2.6.5 工具变量
  • 3 深度学习和人工智能
    • 3.1 从人工智能到深度学习
      • 3.1.1 人工智能
      • 3.1.2 机器学习
      • 3.1.3 深度学习
    • 3.2 深度学习基础
      • 3.2.1 神经网络
      • 3.2.2 基于梯度的优化
      • 3.2.3 改进优化策略
    • 3.3 深度学习常用模型
      • 3.3.1 处理图像数据的深度学习模型
      • 3.3.2 处理序列数据的深度学习模型
      • 3.3.3 生成式深度学习模型
    • 3.4 深度学习进阶模型
      • 3.4.1 扩散模型
      • 3.4.2 Transformer网络
      • 3.4.3 大语言模型
    • 3.5 深度学习应用
      • 3.5.1 序列数据
      • 3.5.2 结构数据
      • 3.5.3 图数据
      • 3.5.4 影像数据
      • 3.5.5 生理数据
      • 3.5.6 视频数据
    • 3.6 深度学习和人工智能的总结与展望
  • 4 生物信息资源
    • 4.1 生物数据库简介
      • 4.1.1 生物数据库分类
      • 4.1.2 生物数据库期刊
    • 4.2 国际主要数据中心
      • 4.2.1 中国国家生物信息中心/国家基因组科学数据中心
      • 4.2.2 美国国家生物技术信息中心
      • 4.2.3 欧洲生物信息学研究所
      • 4.2.4 日本DNA数据库中心
    • 4.3 代表性生物数据库
      • 4.3.1 序列数据库
      • 4.3.2 结构数据库
      • 4.3.3 物种特异性数据库
      • 4.3.4 基因型与表型数据库
      • 4.3.5 转录与调控数据库
      • 4.3.6 代谢数据库
      • 4.3.7 互作数据库
      • 4.3.8 其他数据库
    • 4.4 生物数据库发展趋势
      • 4.4.1 生物数据库发展现状
      • 4.4.2 生物数据库发展面临的挑战
      • 4.4.3 生物数据库未来趋势
  • 5 序列比对与分析
    • 5.1 序列特征解析
    • 5.2 序列比对和分析
      • 5.2.1 基于动态规划的双序列比对
      • 5.2.2 序列比对的应用与拓展
    • 5.3 分子进化树构建
    • 5.4 序列比对与分析的总结与展望
  • 6 基因组学
    • 6.1 基因组学概述
      • 6.1.1 基因组学的概念
      • 6.1.2 高通量测序技术
      • 6.1.3 基因组测序新策略
      • 6.1.4 基因组学数据可视化
    • 6.2 基因组的组装、预测和注释
      • 6.2.1 基因组的组装
      • 6.2.2 基因组的结构预测
      • 6.2.3 基因组的功能注释
    • 6.3 序列变异检测原理与技术
      • 6.3.1 序列变异检测的基本原理
      • 6.3.2 单碱基替换变异的检测
      • 6.3.3 短插入缺失的检测
      • 6.3.4 结构变异的检测
    • 6.4 宏基因组学
      • 6.4.1 微生物组概述
      • 6.4.2 微生物组数据及其主流分析方法
      • 6.4.3 微生物组大数据挖掘
      • 6.4.4 宏基因组学在健康和环境领域的应用
      • 6.4.5 宏基因组学的挑战与策略
    • 6.5 基因组学的总结与展望
  • 7 转录组学
    • 7.1 转录组学概述
      • 7.1.1 转录组学的研究对象
      • 7.1.2 转录组学的研究方法
      • 7.1.3 特殊测序建库方法
      • 7.1.4 单细胞和空间转录组学技术
    • 7.2 转录组学数据的基础分析
      • 7.2.1 转录组的组装
      • 7.2.2 转录组的定量
      • 7.2.3 转录组差异表达分析
      • 7.2.4 转录组聚类分析
      • 7.2.5 转录组降维分析
      • 7.2.6 共表达网络分析
      • 7.2.7 转录调控网络分析
      • 7.2.8 基因的功能富集分析
    • 7.3 非编码RNA
      • 7.3.1 长非编码RNA
      • 7.3.2 环状RNA
      • 7.3.3 小非编码RNA
      • 7.3.4 非编码RNA的结构预测
      • 7.3.5 新非编码RNA的预测、发现和鉴定
      • 7.3.6 非编码RNA研究展望
    • 7.4 单细胞转录组学
      • 7.4.1 单细胞转录组数据预处理和质控
      • 7.4.2 数据标准化、校正及整合
      • 7.4.3 降维、聚类和细胞注释
      • 7.4.4 差异细胞比例和差异表达基因分析
      • 7.4.5 细胞发育轨迹推断
      • 7.4.6 基因调控网络
      • 7.4.7 细胞通信分析
      • 7.4.8 单细胞转录组数据分析总结
      • 7.4.9 单细胞转录组应用
      • 7.4.10 空间转录组分析
    • 7.5 转录组学的总结与展望
  • 8 转录调控和表观遗传
    • 8.1 转录调控与表观遗传概述
      • 8.1.1 转录调控的基本概念
      • 8.1.2 表观遗传学的基本概念
    • 8.2 转录调控分析
      • 8.2.1 转录因子结合模体表示方法
      • 8.2.2 转录因子结合模体从头发现
      • 8.2.3 转录因子ChIP-Seq技术原理及数据质量控制
      • 8.2.4 转录因子ChIP-Seq数据分析方法
    • 8.3 DNA甲基化组学数据分析
      • 8.3.1 DNA甲基化修饰概述
      • 8.3.2 DNA甲基化组学数据类型
      • 8.3.3 WGBS数据分析方法
    • 8.4 组蛋白修饰组学数据分析
      • 8.4.1 组蛋白修饰概述
      • 8.4.2 组蛋白修饰组学数据类型
      • 8.4.3 组蛋白修饰ChIP-Seq数据分析方法
    • 8.5 三维基因组学数据分析
      • 8.5.1 三维基因组学数据概述
      • 8.5.2 三维基因组学数据类型
      • 8.5.3 三维基因组学数据分析方法
    • 8.6 表观转录组学数据分析
      • 8.6.1 RNA修饰概述
      • 8.6.2 表观转录组学数据类型
      • 8.6.3 表观转录组学数据分析方法
    • 8.7 转录调控和表观遗传的总结与展望
  • 9 蛋白质组学和代谢组学
    • 9.1 蛋白质组学概述
      • 9.1.1 蛋白质高通量检测技术
      • 9.1.2 蛋白质翻译后修饰
      • 9.1.3 蛋白质组数据分析流程
      • 9.1.4 蛋白质组数据与软件资源
    • 9.2 蛋白质结构分析
      • 9.2.1 蛋白质结构概述
      • 9.2.2 蛋白质结构预测
      • 9.2.3 功能蛋白质的从头设计
    • 9.3 蛋白质分子动力学模拟
      • 9.3.1 分子动力学模拟发展简史
      • 9.3.2 分子动力学基本原理
      • 9.3.3 蛋白质分子动力学模拟过程
      • 9.3.4 高级算法和最新进展
      • 9.3.5 主流分子动力学软件和力场介绍
    • 9.4 蛋白质功能预测与分析
      • 9.4.1 蛋白质功能概述
      • 9.4.2 基于序列的蛋白质功能分析
      • 9.4.3 基于结构的蛋白质功能分析
      • 9.4.4 基于网络的蛋白质功能分析
    • 9.5 代谢组学
      • 9.5.1 代谢组学概述
      • 9.5.2 代谢组学数据处理
      • 9.5.3 代谢组学下游分析
      • 9.5.4 代谢组学应用实例
    • 9.6 蛋白质组学和代谢组学的总结与展望
      • 9.6.1 蛋白质组学和代谢组学的最新进展及发展趋势
      • 9.6.2 蛋白质结构与功能预测的最新进展及发展趋势
  • 10 表型组学
    • 10.1 表型组学概述
      • 10.1.1 表型与表型组
      • 10.1.2 表型组学研究领域
      • 10.1.3 表型组学的发展历程
    • 10.2 表型组学数据
      • 10.2.1 表型组学的数据来源
      • 10.2.2 表型组学的数据特点
      • 10.2.3 表型组学的数据编码系统
      • 10.2.4 表型组数据的标准物质
    • 10.3 表型组学的数据分析
      • 10.3.1 表型组数据的预处理与质量控制
      • 10.3.2 表型组数据的常用分析方法
    • 10.4 表型组学的应用
      • 10.4.1 细胞与类器官表型组的应用
      • 10.4.2 人类表型组的应用
      • 10.4.3 植物表型组的应用
      • 10.4.4 动物表型组的应用
    • 10.5 表型组学的总结与展望
  • 11 系统生物学
    • 11.1 系统生物学概述
    • 11.2 生物网络类型及数据资源
      • 11.2.1 网络基本概念
      • 11.2.2 常见生物网络及数据库
      • 11.2.3 生物网络的可视化原理和工具
    • 11.3 生物分子网络及特征
      • 11.3.1 网络的拓扑属性
      • 11.3.2 无标度网络
      • 11.3.3 生物分子网络的模块性和层次性
    • 11.4 生物网络的构建
      • 11.4.1 生物网络重构的基本概念和过程
      • 11.4.2 主要类型生物网络的重构过程
      • 11.4.3 生物网络重构的工具
    • 11.5 生物系统建模
      • 11.5.1 生物系统建模的基础
      • 11.5.2 生物系统建模的方法
      • 11.5.3 系统生物学标准化方法
      • 11.5.4 生物系统建模工具
    • 11.6 系统生物学的总结与展望
  • 12 生物信息学应用
    • 12.1 精准医学
      • 12.1.1 精准医学概述
      • 12.1.2 疾病的遗传关联研究
      • 12.1.3 疾病的免疫调控解析
    • 12.2 智能药学
      • 12.2.1 智能药学概述
      • 12.2.2 药物靶点发现
      • 12.2.3 系统药物设计
      • 12.2.4 智能药物设计
      • 12.2.5 生物信息学在膜靶向药物研究中的应用
      • 12.2.6 智能药学的展望
    • 12.3 智能育种
      • 12.3.1 智慧农业与智能育种
      • 12.3.2 种质资源的精准鉴定
      • 12.3.3 动植物进化与驯化规律的解析
      • 12.3.4 复杂性状相关基因的挖掘
      • 12.3.5 动植物基因组编辑技术的创新
      • 12.3.6 动植物育种技术的创新
      • 12.3.7 智能育种的展望
  • 13 生物信息学实验基础
    • 13.1 生物信息学实验概述
    • 13.2 Linux系统及常用编程语言简介
      • 13.2.1 Linux操作系统
      • 13.2.2 Shell脚本编程
      • 13.2.3 R编程语言
      • 13.2.4 Python编程语言
    • 13.3 数据分析流程搭建
      • 13.3.1 生物信息分析流程搭建简介
      • 13.3.2 基于Shell的分析流程搭建
    • 13.4 数据库开发基础
      • 13.4.1 数据库概述
      • 13.4.2 关系型数据库介绍
      • 13.4.3 非关系型数据库介绍
      • 13.4.4 生物信息学数据库应用开发
  • 名词索引

相关图书