生物信息学 第2版PDF电子书下载

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