生物信息学 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

生物信息学 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 生物信息学简介1

1.1 引言2

1.2 生物信息学的发展历史3

1.2.1 生物信息学的诞生3

1.2.2 生物信息学的兴起4

1.2.3 生物信息学的蓬勃发展5

1.3 生物信息学的研究内容5

1.3.1 基因组学研究6

1.3.2 转录组数据分析7

1.3.3 蛋白质组学分析7

1.3.4 生物网络分析8

1.3.5 系统生物学研究9

1.3.6 医学相关研究11

1.4 生物信息学的研究资源11

1.4.1 研究机构11

1.4.2 数据库12

1.4.3 文献资源20

1.4.4 分析工具22

1.4.5 编程语言26

1.5 生物信息学的应用29

1.5.1 辅助实验设计29

1.5.2 提供数据分析的工具29

1.5.3 探索生物规律30

1.5.4 促进医学研究30

1.6 生物信息学展望30

1.6.1 导致重大科学规律的发现30

1.6.2 促进不同学科的交融31

1.6.3 提供对于复杂系统的分析能力31

1.6.4 展现巨大的应用前景31

习题32

参考文献33

第2章 生物学基础34

2.1 生命概述35

2.2 生命科学的研究历史35

2.2.1 描述生物学阶段35

2.2.2 实验生物学阶段35

2.2.3 现代生物学阶段36

2.3 生命的有序结构37

2.3.1 细胞的定义和功能38

2.3.2 细胞的基本组分38

2.3.3 细胞分裂40

2.4 生命活动的动态运行41

2.4.1 基因概述41

2.4.2 中心法则43

2.4.3 蛋白质解说47

2.5 生物学研究展望50

习题51

参考文献51

第3章 生物信息学算法介绍52

3.1 生物信息学算法概述53

3.2 数学统计方法53

3.2.1 假设检验53

3.2.2 相关与回归分析56

3.2.3 隐马尔可夫模型59

3.3 特征选择与优化方法60

3.3.1 特征提取算法60

3.3.2 数据压缩算法62

3.4 模式分类方法67

3.4.1 K近邻法68

3.4.2 贝叶斯分类器70

3.4.3 决策树方法75

3.4.4 随机森林78

3.4.5 支持向量机方法82

3.4.6 人工神经网络84

3.4.7 深度学习85

3.4.8 遗传算法97

3.4.9 聚类算法100

3.4.10 分类器的选择103

3.5 分类模型评估方法104

3.5.1 构建标准数据集104

3.5.2 评价指标104

3.6 生物信息学算法展望106

习题106

参考文献108

第4章 基因组技术与研究方法109

4.1 基因组概述110

4.2 人类基因组计划110

4.2.1 人类基因组计划的提出110

4.2.2 人类基因组计划的主要任务111

4.2.3 大规模测序的基本策略112

4.2.4 人类基因组计划的完成112

4.2.5 人类基因组计划对生物信息学的挑战117

4.3 功能基因组118

4.3.1 基因组注释118

4.3.2 比较基因组学122

4.4 差异基因组学131

4.4.1 人类遗传多态性131

4.4.2 单核苷酸的多态性132

4.5 基于MATLAB工具箱的基因序列分析135

4.5.1 系统发育树构建135

4.6 基因组研究展望138

习题140

参考文献141

第5章 转录组技术与数据分析142

5.1 转录组概述143

5.2 转录组研究的实验技术144

5.2.1 基因芯片技术144

5.2.2 基因表达序列分析147

5.2.3 RNA测序技术148

5.2.4 转录组检测技术比较149

5.3 生物信息学方法在转录组研究中的应用150

5.3.1 基因芯片数据标准151

5.3.2 基因芯片设计151

5.3.3 数据分析算法153

5.4 基因芯片数据分析与处理154

5.4.1 基因表达数据预处理154

5.4.2 芯片数据的统计学分析159

5.4.3 基因芯片的生物学分析166

5.4.4 芯片数据分析软件171

5.5 基于MATLAB工具箱的基因芯片数据分析173

5.5.1 基因芯片数据来源173

5.5.2 基因表达谱数据分析173

5.5.3 芯片数据分析小结179

5.6 转录组研究展望180

习题180

参考文献181

第6章 蛋白质组学技术与数据分析182

6.1 蛋白质组概述183

6.2 蛋白质组学的定义183

6.2.1 蛋白质组学发展历史183

6.2.2 蛋白质组学研究内容185

6.3 蛋白质组学实验技术186

6.3.1 蛋白质分离技术186

6.3.2 蛋白质鉴定与定量技术189

6.4 质谱数据分析196

6.4.1 质谱数据的特点196

6.4.2 蛋白质鉴定198

6.4.3 蛋白质定量207

6.4.4 翻译后修饰217

6.5 蛋白质组学研究展望218

参考文献219

第7章 生物分子网络研究222

7.1 生物网络概述223

7.2 生物网络分类介绍223

7.2.1 蛋白质相互作用网络224

7.2.2 代谢网络226

7.2.3 信号转导网络228

7.2.4 基因表达调控网络230

7.2.5 4种生物网络的比较232

7.3 生物网络的属性分析233

7.3.1 单个结点的属性233

7.3.2 子网络235

7.3.3 总体属性238

7.3.4 网络比对242

7.3.5 网络的动态分析245

7.4 生物网络的专门分析方法248

7.4.1 蛋白质相互作用的预测和验证248

7.4.2 代谢网络的分析方法253

7.4.3 信号网络的重建254

7.4.4 基因调控网络的构建255

7.5 生物网络研究展望258

习题258

参考文献259

第8章 系统生物学研究261

8.1 系统生物学概述262

8.1.1 系统生物学的定义262

8.1.2 系统生物学的基本思想262

8.1.3 系统生物学的研究内容264

8.1.4 系统生物学的研究方法265

8.2 生物数据的挖掘与整合265

8.2.1 生物数据的挖掘265

8.2.2 不同组学数据的整合266

8.3 生物系统的建模与仿真272

8.3.1 系统生物学建模语言272

8.3.2 生物系统建模过程275

8.4 从虚拟细胞到虚拟人279

8.4.1 虚拟细胞279

8.4.2 虚拟器官282

8.4.3 虚拟人体283

8.5 生物系统的人工合成——合成生物学284

8.5.1 合成生物学简介285

8.5.2 合成生物学研究现状286

8.5.3 合成生物学应用前景288

8.6 基于MATLAB工具箱的生物过程模拟289

8.6.1 研究对象289

8.6.2 建立信号通路模型290

8.6.3 模型仿真与结果演示291

8.6.4 模型参数估计293

8.6.5 仿真结果分析294

8.7 系统生物学研究展望295

习题295

参考文献296

第9章 生物信息学在药物研发中的应用298

9.1 新药研发概述299

9.2 疾病相关的数据库资源301

9.2.1 疾病相关的基因数据库301

9.2.2 候选药靶数据库302

9.2.3 疾病相关的基因芯片数据库302

9.2.4 其他相关数据库302

9.3 用于药靶发现的生物信息学方法302

9.3.1 基因组学方法303

9.3.2 转录组学方法304

9.3.3 蛋白质水平研究方法307

9.3.4 代谢组学方法310

9.3.5 整合多组学数据的系统生物学方法310

9.4 潜在药靶的生物信息学验证313

9.4.1 蛋白质的可药性314

9.4.2 药物的副作用315

9.5 以靶标为基础的药物设计315

9.5.1 先导化合物的筛选和优化316

9.5.2 药物毒性预测和风险评估320

9.6 新药研发展望321

参考文献321

索引324