第1章 绪论 1
1.1 序列的相似性、同源性及联配 1
1.2 本书概述 2
1.3 概率与概率论模型 4
1.4 补充读物 9
第2章 二序列联配 10
2.1 引言 10
2.2 计分模型 10
2.3 联配算法 15
2.4 更复杂模型的动态规划 24
2.5 启发式联配算法 27
2.6 线性空间联配 29
2.7 分值的显著性 30
2.8 从联配数据推导计分参数 35
2.9 补充读物 38
第3章 Markov链与隐马模型（HMM） 39
3.1 Markov链 40
3.2 隐马模型 44
3.3 HMM的参数估计 52
3.4 HMM的模型结构 57
3.5 更复杂的Markov链 61
3.6 HMM算法的数值稳定性 65
3.7 补充读物 67
第4章 采用HMM的二序列联配 68
4.1 索引 68
4.2 x和y的对所有路径求和的全概率 73
4.3 次优联配 75
4.4 xi联配上yj的后验概率 78
4.5 用于搜索的成对HMM与FSA之对比 81
4.6 补充读物 84
第5章 用于序列家族的列型HMM 85
5.1 无空位计分矩阵 87
5.2 添加插入与删除状态以获得列型HMM 87
5.3 从多序列联配中导出列型HMM 90
5.4 基于列型HMM的搜索 92
5.5 用于非全局联配的列型HMM变体 96
5.6 对概率估计的深入说明 99
5.7 最优模型的构建 104
5.8 训练序列的加权 107
5.9 补充读物 113
第6章 多序列联配方法 114
6.1 多序列联配的含义 114
6.2 为多序列联配计分 117
6.3 多维动态规划 119
6.4 渐进联配方法 122
6.5 由列型HMM训练的多序列联配 127
6.6 补充读物 135
第7章 构造系统发育树 137
7.1 生命之树 137
7.2 树的背景知识 139
7.3 用成对距离建树 141
7.4 简约法 148
7.5 树的评估：自举法 153
7.6 联配与系统发育的同时处理 154
7.7 补充读物 161
7.8 附录：邻接法定理的证明 162
第8章 系统发育的概率论方法 165
8.1 引言 165
8.2 进化的概率论模型 166
8.3 计算无空位联配的似然 169
8.4 用似然做推断 176
8.5 更现实的进化模型 184
8.6 概率论方法与非概率论方法的比较 192
8.7 补充读物 198
第9章 转换文法 200
9.1 转换文法 200
9.2 正则文法 203
9.3 上下文无关文法 208
9.4 上下文有关文法 212
9.5 随机文法 211
9.6 用于序列建模的随机上下文无关文法 216
9.7 补充读物 221
第10章 RNA结构分析 223
10.1 RNA 223
10.2 RNA二级结构预测 231
10.3 协方差模型：基于SCFG的RNA列型 238
10.4 补充读物 257
第11章 概率论背景 258
11.1 概率分布 258
11.2 熵 261
11.3 推断 268
11.4 抽样 271
11.5 从计数估计概率 276
11.6 EM算法 279
参考文献 283
部分术语汉英对照 301
部分术语英汉对照 305
索引 309