生物信息学中的机器学习分析方法_PDF下载[53MB-百度云]王雪松

本书特色

[

《生物信息学中的机器学习分析方法》针对生物信息学领域中海量的生物数据，分别从微阵列数据的分析
和处理、基因调控网络的分析和构建以及蛋白质相互作用网络的分析等角度，
系统介绍机器学习、统计学习及各种智能算法在生物信息学相关领域的应用。
机器学习在生物信息学领域的研究重心集中在观测和探索生物现象，以及建
立统一的形式化的模型对生物学现象加以阐释。《生物信息学中的机器学习分析方法》针对生物信息学领域典
型的癌症诊断模型、基因调控网络构建和蛋白质相互作用网络分析3 个研究
方向展开机器学习数据挖掘方法的分析与研究，为生物信息学方向的初学者
提供了入门知识，也为相关研究人员在相关方向提供了参考信息。

]

目录前言 0 绪论 1 0.1生物信息学的概念 1 0.2生物信息学的研究内容 1 0.3微阵列分析技术 2 0.4基因调控网络 9 0.5蛋白质相互作用网络 11 0.6机器学习方法及应用 12 0.7本书主要内容和安排 15 参考文献 15 第ⅰ篇微阵列数据的分析和处理第 1章基于核方法的多病类 dna微阵列数据集成分类器 21 1.1核机器学习 22 1.2基分类器的选择 24 1.3 dna微阵列数据集成分类器结构框图 29 1.4实例研究 30 1.5本章小结 34 参考文献 34 第 2章基于选择性独立成分分析的 dna微阵列数据集成分类器 36 2.1基于重构样本误差的选择性独立成分分析 37 2.2实例研究 38 2.3本章小结 45 参考文献 45 第 3章基于相关性分析的癌症诊断 47 3.1 k均值聚类 48 3.2基于特征选取的相关系数分析癌症诊断模型 48 3.3实验结果和分析 51 3.4本章小结 53 参考文献 53 第 4章基于线性回归的 dna微阵列数据稀疏特征基因选择 55 4.1特征选择 56 4.2回归分析 56 4.3仿真研究 61 4.4本章小结 64 参考文献 65 第 5章基于贝叶斯理论的 dna甲基化水平数据分型 66 5.1贝叶斯理论概述 67 5.2基于贝叶斯理论的 dna甲基化水平数据分型 70 5.3聚类性能评估 74 5.4仿真研究 75 5.5本章小结 81 参考文献 81 第ⅱ篇基因调控网络的分析和构建第 6章基因表达数据缺失值处理 85 6.1三种基因表达数据缺失值估计方法 86 6.2内部规律与外部联系结合的基因表达数据缺失值估计方法 88 6.3仿真研究 91 6.4本章小结 98 参考文献 98 第 7章基于角度离散化的基因调控网络定性分析 100 7.1三种基因调控网络定性分析方法 101 7.2基于角度离散化的基因调控网络方法 104 7.3仿真研究 107 7.4本章小结