A 生物学研究新面貌 1
B 生物信息学的定义 4
C 物理学要素 8
D 数据与数据库 12
E 数据类别 19
E1 数据类别 19
E2 生物信息学中呈现数据的最佳做法 23
F 计算 25
G 概率与统计 33
G1 概率和概率分布 33
G2 条件概率和贝叶斯法则 38
G3 基本的统计学检验 41
H 模型与数学技术 45
H1 系统特征 45
H2 图论及其应用 47
H3 常微分方程与代数 52
H4 高级建模技术 55
H5 形状、变形与生长 57
I 人工智能与机器学习 58
I1 人工智能与机器学习概论 58
I2 人工智能与机器学习的统计学方法 59
I3 人工智能与机器学习的计算方法 65
J 基因组与其他序列 70
J1 数据库与数据源 70
J2 基因组注释 88
J3 序列分析 94
J4 序列家族、序列比对与系统发育 109
J5 结构域家族与数据库 117
K 转录组学 123
K1 转录谱 123
K2 转录分析的统计学问题 126
K3 分析差异表达基因 128
K4 多元技术和网络推理 133
K5 数据标准和实验设计 137
L 蛋白质与蛋白质组学 139
L1 蛋白质组学技术 139
L2 互作蛋白质组学 147
L3 相互作用数据库和网络 150
L4 结构生物信息学 153
L5 结构分类 168
L6 结构预测与建模 171
L7 分子动力学与药物设计 181
M 代谢物组学 186
N 超分子结构 189
N1 超分子结构 189
N2 组织与生物体尺度结构 191
O 生化动力学 193
O1 代谢网络研究 193
O2 微积分和代数学的应用 199
P 生理学 202
P1 生理学 202
P2 整合生物学与植物模拟 205
P3 整合生物学——总结 207
Q 图像分析 209
Q1 什么是图像分析? 209
Q2 图像分析如何应用到生物科学研究中? 213
Q3 图像增强 217
Q4 特征检测 220
Q5 数据析取 223
R 文本分析 226
进一步阅读 230
索引 238