《生物信息学 计算技术和软件导论》PDF下载

  • 购买积分:12 如何计算积分?
  • 作  者:马占山等编著
  • 出 版 社:北京:科学出版社
  • 出版年份:2017
  • ISBN:9787030426390
  • 页数:313 页
图书介绍:本书综述生物信息学中的关键技术和软件的研究和应用现状,主要包括如下内容:生物信息学的计算和数学基础;单分子测序技术和单细胞测序的生物信息学技术;基因组组装的常用软件及算法、宏基因组学的研究方法、系统发育树和溯祖树;以及偏向于功能方面的转录组、蛋白质组、代谢组的分析方法。

生物信息学基础篇 3

第1章 生物信息学一些前沿领域简介 3

1.1生物信息大数据 3

1.2复杂网络分析概论 11

1.3复杂网络分析实例:以微生物群系医学生态网络为例 15

1.4深度学习、计算智能与人工智能 21

1.5医学生态学 25

1.6 DNA计算机-生物学对计算机科学的回馈 30

第2章 系统发育树与溯祖分析 38

2.1树的概念 38

2.2主要的建树方法 39

2.3模型选择 50

2.4贝叶斯方法 54

2.5溯祖理论 60

2.6物种树估计 64

第3章 群体遗传学数据分析软件简介 70

3.1多功能软件比较 70

3.2理论模型与分析方法的实现方式 72

3.3软件运行方式与编程语言 79

3.4总结与展望 79

第4章 生物信息学中重要统计计算方法和模型 85

4.1计算机模拟技术 85

4.2马尔可夫蒙特卡罗法 93

4.3隐马尔可夫模型 98

4.4贝叶斯统计 105

4.5统计学习 114

4.6高斯图模型 120

生物信息组学技术篇 129

第5章 第三代基因测序组装算法和软件技术 129

5.1第三代基因测序及组装技术简介 129

5.2第三代基因组装算法及软件简介:以DBG20LC和SPARC为例 132

5.3三代基因组装算法和软件比较 139

5.4 DBG20LC和SPARC软件使用简介 140

第6章 基因组第二代测序数据的生物信息学分析 145

6.1基因测序技术简介 145

6.2基因组装技术 149

6.3外显子基因突变检测 154

6.4单细胞测序数据的基因组装 156

第7章 转录组数据的生物信息学分析 160

7.1转录组技术的发展 160

7.2 RNA-seq数据的质量控制 163

7.3基于参考基因组的转录组分析 164

7.4无参考基因组的转录组的从头拼装及拼装质量评估 170

第8章 非编码RNA研究常用数据库及软件 175

8.1非编码RNA概述 175

8.2非编码RNA常用数据库 179

8.3非编码RNA研究常用软件 184

第9章 蛋白质组学研究常用软件简介 210

9.1蛋白质组学简介 210

9.2计算蛋白质组学的应用 215

9.3计算蛋白质组学算法与数据库 230

第10章 新药物发现中的生物信息学软件简介 236

10.1大型药物设计平台 237

10.2分子视图软件 238

10.3化学结构编辑程序 242

10.4分子对接与虚拟筛选软件 245

10.5配体构象搜索软件 250

10.6药效团模拟软件 251

10.7分子动力学模拟软件 254

10.8在线药物设计资源列表 255

10.9小结 257

第11章 宏基因组学概述及生物信息学分析 260

11.1宏基因组学技术简介 260

11.2宏基因组学研究流程 261

11.3宏基因测序数据的生物信息学分析 263

Chapter 12 Bioinformatics for Metabolomics:An Introduction 277

Abstract 277

12.1 Introduction to Metabolomics 277

12.2 Technologies for Metabolomics 280

12.3 Data Formats for Metabolomics 285

12.4 Databases for Metabolomics 287

12.5 General Principles for Metabolomic Data Analysis 292

12.6 From Spectra to Metabolite Lists:Bioinformatics for Metabolite Identification 293

12.7 From Metabolite Lists to Significant Metabolites:Multivariate Statistics 300

12.8 From Significant Metabolites to Pathways:Bioinformatics for MetaboliteInterpretation 306

12.9 Conclusion 310