生物信息學（第2版）

第1章 生物信息學簡介

1.1 引言

1.2 生物信息學的發(fā)展歷史

1.2.1 生物信息學的誕生

1.2.2 生物信息學的興起

1.2.3 生物信息學的蓬勃發(fā)展

1.3 生物信息學的研究內(nèi)容

1.3.1 基因組學研究

1.3.2 轉(zhuǎn)錄組數(shù)據(jù)分析

1.3.3 蛋白質(zhì)組學分析

1.3.4 生物網(wǎng)絡分析

1.3.5 系統(tǒng)生物學研究

1.3.6 醫(yī)學相關研究

1.4 生物信息學的研究資源

1.4.1 研究機構(gòu)

1.4.2 數(shù)據(jù)庫

1.4.3 文獻資源

1.4.4 分析工具

1.4.5 編程語言

1.5 生物信息學的應用

1.5.1 輔助實驗設計

1.5.2 提供數(shù)據(jù)分析的工具

1.5.3 探索生物規(guī)律

1.5.4 促進醫(yī)學研究

1.6 生物信息學展望

1.6.1 導致重大科學規(guī)律的發(fā)現(xiàn)

1.6.2 促進不同學科的交融

1.6.3 提供對于復雜系統(tǒng)的分析能力

1.6.4 展現(xiàn)巨大的應用前景

習題

參考文獻

第2章 生物學基礎

2.1 生命概述

2.2 生命科學的研究歷史

2.2.1 描述生物學階段

2.2.2 實驗生物學階段

2.2.3 現(xiàn)代生物學階段

2.3 生命的有序結(jié)構(gòu)

2.3.1 細胞的定義和功能

2.3.2 細胞的基本組分

2.3.3 細胞分裂

2.4 生命活動的動態(tài)運行

2.4.1 基因概述

2.4.2 中心法則

2.4.3 蛋白質(zhì)解說

2.5 生物學研究展望

習題

參考文獻

第3章 生物信息學算法介紹

3.1 生物信息學算法概述

3.2 數(shù)學統(tǒng)計方法

3.2.1 假設檢驗

3.2.2 相關與回歸分析

3.2.3 隱馬爾可夫模型

3.3 特征選擇與優(yōu)化方法

3.3.1 特征提取算法

3.3.2 數(shù)據(jù)壓縮算法

3.4 模式分類方法

3.4.1 K近鄰法

3.4.2 貝葉斯分類器

3.4.3 決策樹方法

3.4.4 隨機森林

3.4.5 支持向量機方法

3.4.6 人工神經(jīng)網(wǎng)絡

3.4.7 深度學習

3.4.8 遺傳算法

3.4.9 聚類算法

3.4.10分類器的選擇

3.5 分類模型評估方法

3.5.1 構(gòu)建標準數(shù)據(jù)集

3.5.2 評價指標

3.6 生物信息學算法展望

習題

參考文獻

第4章 基因組技術與研究方法

4.1 基因組概述

4.2 人類基因組計劃

4.2.1 人類基因組計劃的提出

4.2.2 人類基因組計劃的主要任務

4.2.3 大規(guī)模測序的基本策略

4.2.4 人類基因組計劃的完成

4.2.5 人類基因組計劃對生物信息學的挑戰(zhàn)

4.3 功能基因組

4.3.1 基因組注釋

4.3.2 比較基因組學

4.4 差異基因組學

4.4.1 人類遺傳多態(tài)性

4.4.2 單核苷酸的多態(tài)性

4.5 基于MATLAB工具箱的基因序列分析

4.5.1 系統(tǒng)發(fā)育樹構(gòu)建

4.6 基因組研究展望

習題

參考文獻

第5章 轉(zhuǎn)錄組技術與數(shù)據(jù)分析

5.1 轉(zhuǎn)錄組概述

5.2 轉(zhuǎn)錄組研究的實驗技術

5.2.1 基因芯片技術

5.2.2 基因表達序列分析

5.2.3 RNA測序技術

5.2.4 轉(zhuǎn)錄組檢測技術比較

5.3 生物信息學方法在轉(zhuǎn)錄組研究中的應用

5.3.1 基因芯片數(shù)據(jù)標準

5.3.2 基因芯片設計

5.3.3 數(shù)據(jù)分析算法

5.4 基因芯片數(shù)據(jù)分析與處理

5.4.1 基因表達數(shù)據(jù)預處理 

5.4.2 芯片數(shù)據(jù)的統(tǒng)計學分析

5.4.3 基因芯片的生物學分析

5.4.4 芯片數(shù)據(jù)分析軟件

5.5 基于MATLAB工具箱的基因芯片數(shù)據(jù)分析

5.5.1 基因芯片數(shù)據(jù)來源

5.5.2 基因表達譜數(shù)據(jù)分析

5.5.3 芯片數(shù)據(jù)分析小結(jié)

5.6 轉(zhuǎn)錄組研究展望

習題

參考文獻

第6章 蛋白質(zhì)組學技術與數(shù)據(jù)分析

6.1 蛋白質(zhì)組概述

6.2 蛋白質(zhì)組學的定義

6.2.1 蛋白質(zhì)組學發(fā)展歷史

6.2.2 蛋白質(zhì)組學研究內(nèi)容

6.3 蛋白質(zhì)組學實驗技術

6.3.1 蛋白質(zhì)分離技術

6.3.2 蛋白質(zhì)鑒定與定量技術

6.4 質(zhì)譜數(shù)據(jù)分析

6.4.1 質(zhì)譜數(shù)據(jù)的特點

6.4.2 蛋白質(zhì)鑒定

6.4.3 蛋白質(zhì)定量

6.4.4 翻譯后修飾

6.5 蛋白質(zhì)組學研究展望

參考文獻

第7章 生物分子網(wǎng)絡研究

7.1 生物網(wǎng)絡概述

7.2 生物網(wǎng)絡分類介紹

7.2.1 蛋白質(zhì)相互作用網(wǎng)絡

7.2.2 代謝網(wǎng)絡

7.2.3 信號轉(zhuǎn)導網(wǎng)絡

7.2.4 基因表達調(diào)控網(wǎng)絡

7.2.5 4種生物網(wǎng)絡的比較

7.3 生物網(wǎng)絡的屬性分析

7.3.1 單個結(jié)點的屬性

7.3.2 子網(wǎng)絡

7.3.3 總體屬性

7.3.4 網(wǎng)絡比對

7.3.5 網(wǎng)絡的動態(tài)分析

7.4 生物網(wǎng)絡的專門分析方法

7.4.1 蛋白質(zhì)相互作用的預測和驗證

7.4.2 代謝網(wǎng)絡的分析方法

7.4.3 信號網(wǎng)絡的重建

7.4.4 基因調(diào)控網(wǎng)絡的構(gòu)建

7.5 生物網(wǎng)絡研究展望

習題

參考文獻

第8章 系統(tǒng)生物學研究

8.1 系統(tǒng)生物學概述

8.1.1 系統(tǒng)生物學的定義

8.1.2 系統(tǒng)生物學的基本思想

8.1.3 系統(tǒng)生物學的研究內(nèi)容

8.1.4 系統(tǒng)生物學的研究方法

8.2 生物數(shù)據(jù)的挖掘與整合

8.2.1 生物數(shù)據(jù)的挖掘

8.2.2 不同組學數(shù)據(jù)的整合

8.3 生物系統(tǒng)的建模與仿真

8.3.1 系統(tǒng)生物學建模語言

8.3.2 生物系統(tǒng)建模過程 

8.4 從虛擬細胞到虛擬人

8.4.1 虛擬細胞

8.4.2 虛擬器官

8.4.3 虛擬人體

8.5 生物系統(tǒng)的人工合成——合成生物學

8.5.1 合成生物學簡介

8.5.2 合成生物學研究現(xiàn)狀

8.5.3 合成生物學應用前景

8.6 基于MATLAB工具箱的生物過程模擬

8.6.1 研究對象

8.6.2 建立信號通路模型

8.6.3 模型仿真與結(jié)果演示

8.6.4 模型參數(shù)估計

8.6.5 仿真結(jié)果分析

8.7 系統(tǒng)生物學研究展望

習題

參考文獻

第9章 生物信息學在藥物研發(fā)中的應用

9.1 新藥研發(fā)概述

9.2 疾病相關的數(shù)據(jù)庫資源

9.2.1 疾病相關的基因數(shù)據(jù)庫

9.2.2 候選藥靶數(shù)據(jù)庫

9.2.3 疾病相關的基因芯片數(shù)據(jù)庫

9.2.4 其他相關數(shù)據(jù)庫

9.3 用于藥靶發(fā)現(xiàn)的生物信息學方法

9.3.1 基因組學方法

9.3.2 轉(zhuǎn)錄組學方法

9.3.3 蛋白質(zhì)水平研究方法

9.3.4 代謝組學方法

9.3.5 整合多組學數(shù)據(jù)的系統(tǒng)生物學方法

9.4 潛在藥靶的生物信息學驗證

9.4.1 蛋白質(zhì)的可藥性

9.4.2 藥物的副作用

9.5 以靶標為基礎的藥物設計

9.5.1 先導化合物的篩選和優(yōu)化

9.5.2 藥物毒性預測和風險評估

9.6 新藥研發(fā)展望

參考文獻

索引