生物信息学_PDF下载[119MB-百度云]刘伟

本书特色

[

本书以生物学问题为导向，以具体的案例来演示如何发现和解决各种生物学问题，并对目前研究中存在的问题和未来的发展方向进行了展望。本书从介绍生物信息学的研究历史和发展现状入手，第2章给出了相关生物学基础的介绍，摈弃繁杂的细节，强调系统性和整体性；第3章介绍了算法方面的相关技术，包括统计分析、机器学习和模型评估方法；从第4章开始，分专题介绍各种组学研究，包括基因组学、转录组学、蛋白质组学、生物网络和系统生物学。*后，作为案例，介绍生物信息学在药物研发中的应用。

]

第1章生物信息学简介1.1 引言1.2 生物信息学的发展历史1.2.1 生物信息学的诞生1.2.2 生物信息学的兴起1.2.3 生物信息学的蓬勃发展1.3 生物信息学的研究内容1.3.1 基因组学研究1.3.2 转录组数据分析1.3.3 蛋白质组学分析1.3.4 生物网络分析1.3.5 系统生物学研究1.3.6 医学相关研究1.4 生物信息学的研究资源1.4.1 研究机构1.4.2 数据库1.4.3 文献资源1.4.4 分析工具1.4.5 编程语言1.5 生物信息学的应用1.5.1 辅助实验设计1.5.2 提供数据分析的工具1.5.3 探索生物规律1.5.4 促进医学研究1.6 生物信息学展望1.6.1 导致重大的科学规律的发现1.6.2 促进不同学科的交融1.6.3 提供对于复杂系统的分析能力1.6.4 展现巨大的应用前景习题参考文献第2章生物学基础2.1 生命概述2.2 生命科学的研究历史2.2.1 描述生物学阶段2.2.2 实验生物学阶段2.2.3 现代生物学阶段2.3 生命的有序结构2.3.1 细胞的定义和功能2.3.2 细胞的基本组分2.3.3 细胞分裂2.4 生命活动的动态运行2.4.1 基因概述2.4.2 中心法则2.4.3 蛋白质解说2.5 生物学研究展望习题参考文献第3章生物信息学算法介绍3.1 生物信息学算法概述3.2 数学统计方法3.2.1 统计假设检验3.2.2 回归与相关3.2.3 隐马尔可夫模型3.3 特征选择与优化方法3.3.1 特征提取算法3.3.2 数据压缩算法3.4 模式分类方法3.4.1 k近邻法3.4.2 贝叶斯分类器3.4.3 决策树方法3.4.4 支持向量机方法3.4.5 人工神经网络3.4.6 遗传算法3.4.7 聚类算法3.4.8 分类器的选择3.5 模型评估方法3.5.1 构建标准数据集3.5.2 评价指标3.6 生物信息学算法展望习题参考文献第4章基因组技术与研究方法4.1 基因组概述4.2 人类基因组计划4.2.1 人类基因组计划的提出4.2.2 人类基因组计划的主要任务4.2.3 大规模测序的基本策略4.2.4 人类基因组计划的完成4.2.5 人类基因组计划对生物信息学的挑战4.3 功能基因组4.3.1 基因组注释4.3.2 进化论和比较基因组学4.4 差异基因组学4.4.1 人类遗传多态性4.4.2 单核苷酸的多态性4.5 基于matlab工具箱的基因序列分析4.5.1 序列比对4.5.2 系统发生树构建4.6 基因组研究展望习题参考文献第5章转录组技术与数据分析5.1 转录组概述5.2 转录组研究的实验技术5.2.1 基因芯片技术5.2.2 基因表达序列分析5.2.3 rna测序技术5.2.4 转录组检测技术比较5.3 生物信息学方法在转录组研究中的应用5.3.1 基因芯片数据标准5.3.2 基因芯片设计5.3.3 数据分析算法5.4 基因芯片数据分析与处理5.4.1 基因表达数据预处理 5.4.2 芯片数据的统计学分析5.4.3 基因芯片的生物学分析5.4.4 芯片数据分析软件5.5 基于matlab工具箱的基因芯片数据分析5.5.1 基因芯片数据来源5.5.2 基因表达谱数据分析5.5.3 芯片数据分析小结5.6 转录组研究展望习题参考文献第6章蛋白质组学技术与数据分析6.1 蛋白质组概述6.2 蛋白质组学的定义6.2.1 蛋白质组学发展历史6.2.2 蛋白质组学研究内容6.3 蛋白质组学实验技术6.3.1 蛋白质分离技术6.3.2 蛋白质鉴定与定量技术6.4 质谱数据分析6.4.1 质谱数据的特点6.4.2 蛋白质鉴定6.4.3 蛋白质定量6.4.4 翻译后修饰6.5 蛋白质组学研究展望参考文献第7章生物分子网络研究7.1 生物网络概述7.2 生物网络分类介绍7.2.1 蛋白质相互作用网络7.2.2 代谢网络7.2.3 信号转导网络7.2.4 基因表达调控网络7.2.5 4种生物网络的比较7.3 生物网络的属性分析7.3.1 单个结点的属性7.3.2 子网络7.3.3 总体属性7.3.4 网络比对7.3.5 网络的动态分析7.4 生物网络的专门分析方法7.4.1 蛋白质相互作用的预测和验证7.4.2 代谢网络的分析方法7.4.3 信号网络的重建7.4.4 基因调控网络的构建7.5 生物网络研究展望习题参考文献第8章系统生物学研究8.1 系统生物学概述8.1.1 系统生物学的定义8.1.2 系统生物学的基本思想8.1.3 系统生物学的研究内容8.1.4 系统生物学的研究方法8.2 生物数据的挖掘与整合8.2.1 生物数据的挖掘8.2.2 不同组学数据的整合8.3 生物系统的建模与仿真8.3.1 系统生物学建模语言8.3.2 生物系统建模过程 8.4 从虚拟细胞到虚拟人8.4.1 虚拟细胞8.4.2 虚拟器官8.4.3 虚拟人体8.5 生物系统的人工合成——合成生物学8.5.1 合成生物学简介8.5.2 合成生物学研究现状8.5.3 合成生物学应用前景8.6 基于matlab工具箱的生物过程模拟8.6.1 研究对象8.6.2 建立信号通路模型8.6.3 模型仿真与结果演示8.6.4 模型参数估计8.6.5 仿真结果分析8.7 系统生物学研究展望习题参考文献第9章生物信息学在药物研发中的应用9.1 新药研发概述9.2 疾病相关的数据库资源9.2.1 疾病相关的基因数据库9.2.2 候选药靶数据库9.2.3 疾病相关的基因芯片数据库9.2.4 其他相关数据库9.3 用于药靶发现的生物信息学方法9.3.1 基因组学方法9.3.2 转录组学方法9.3.3 蛋白质水平研究方法9.3.4 代谢组学方法9.3.5 整合多组学数据的系统生物学方法9.4 潜在药靶的生物信息学验证9.4.1 蛋白质的可药性9.4.2 药物的副作用9.5 以靶标为基础的药物设计9.5.1 先导化合物的筛选和优化9.5.2 药物毒性预测和风险评估9.6 新药研发展望参考文献索引