基于深度學(xué)習(xí)的生命科學(xué)

定　價：￥68.00

作　者：	Bharath Ramsundar,Peter Eastman,Patrick Walters,Vijay Pande
出版社：	中國電力出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥68.00)

ISBN：	9787519845940	出版時間：	2020-06-01	包裝：
開本：	16開	頁數(shù)：	228	字?jǐn)?shù)：

內(nèi)容簡介

　　深度學(xué)習(xí)在許多領(lǐng)域已經(jīng)取得了令人矚目的成就。而今，它正在整個科學(xué)界特別是生命科學(xué)界掀起波瀾?！痘谏疃葘W(xué)習(xí)的生命科學(xué)》是一本注重實際操作的書，為開發(fā)者和科學(xué)研究者講述了如何在基因組學(xué)、化學(xué)、生物物理學(xué)、顯微鏡學(xué)、醫(yī)學(xué)分析及其他領(lǐng)域中應(yīng)用深度學(xué)習(xí)?！痘谏疃葘W(xué)習(xí)的生命科學(xué)》介紹了一些深度網(wǎng)絡(luò)原型，非常適合那些準(zhǔn)備將自己的技能應(yīng)用于諸如生物學(xué)、遺傳學(xué)和藥物發(fā)現(xiàn)等科學(xué)應(yīng)用的開發(fā)人員和科學(xué)家。你將跟隨設(shè)計一個將物理、化學(xué)、生物學(xué)和醫(yī)學(xué)聯(lián)系在一起的新療法問題的案例研究，該案例代表了科學(xué)研究中的一個具挑戰(zhàn)性的問題。通過該書，你將學(xué)到：學(xué)習(xí)在分子數(shù)據(jù)上執(zhí)行機(jī)器學(xué)習(xí)的基礎(chǔ)知識。理解為什么深度學(xué)習(xí)是研究遺傳學(xué)和基因組學(xué)的有力工具。應(yīng)用深度學(xué)習(xí)理解生物物理系統(tǒng)。通過DeepChem獲得機(jī)器學(xué)習(xí)的簡單認(rèn)識。使用深度學(xué)習(xí)分析顯微圖像。使用深度學(xué)習(xí)技術(shù)分析醫(yī)學(xué)掃描圖像。了解變分自編碼器和生成對抗網(wǎng)絡(luò)。解釋你的模型在做什么以及它是如何工作的。

作者簡介

　　Bharath Ramsundar是Computable的聯(lián)合創(chuàng)始人和首席技術(shù)官。 Peter Eastman在Stanford University開發(fā)了計算化學(xué)和生物學(xué)方面的軟件。 Patrick Walters是Relay Therapeutics公司計算與信息學(xué)小組的負(fù)責(zé)人。 Vijay Pande是Andreessen Horowitz公司的合伙人。

圖書目錄

目錄
前言 1
第1 章為什么是生命科學(xué)？ 7
為什么是深度學(xué)習(xí)？ 7
當(dāng)代生命科學(xué)是關(guān)于數(shù)據(jù)的 8
你能學(xué)到什么？ 9
第2 章深度學(xué)習(xí)概論 15
線性模型 16
多層感知器 18
訓(xùn)練模型 22
驗證 24
正則化 25
超參數(shù)優(yōu)化 26
其他類型的模型 28
卷積神經(jīng)網(wǎng)絡(luò) 28
遞歸神經(jīng)網(wǎng)絡(luò) 29
延伸閱讀 31
第3 章基于DeepChem 的機(jī)器學(xué)習(xí) 33
DeepChem 數(shù)據(jù)集 34
訓(xùn)練一個預(yù)測分子毒性的模型 36
案例研究：訓(xùn)練MNIST 模型 44
MNIST 數(shù)字識別數(shù)據(jù)集 45
MNIST 的卷積結(jié)構(gòu) 46
softmax 和SoftMaxCrossEntropy 50
結(jié)論 51
第4 章分子的機(jī)器學(xué)習(xí) 53
什么是分子？ 54
什么是分子鍵？ 56
分子圖 58
分子構(gòu)型 59
分子的手性60
分子的特征表示 62
SMILES 字符串和RDKit 62
擴(kuò)展– 連接指紋 62
分子描述符63
圖卷積 64
訓(xùn)練一個模型來預(yù)測溶解度 65
MoleculeNet 67
SMARTS 字符串 67
結(jié)論 70
第5 章生物物理的機(jī)器學(xué)習(xí) 71
蛋白質(zhì)結(jié)構(gòu) 73
蛋白質(zhì)序列75
不能用計算方法預(yù)測3D 蛋白質(zhì)結(jié)構(gòu)嗎？ 77
蛋白質(zhì)結(jié)合簡介 78
生物物理數(shù)據(jù)的特征化 79
網(wǎng)格特征化80
原子特征化84
PDBBind 案例研究 85
PDBBind 數(shù)據(jù)集 85
特征化PDBBind 數(shù)據(jù)集 89
結(jié)論 93
第6 章基因組學(xué)的深度學(xué)習(xí) 97
DNA、RNA 和蛋白質(zhì) 98
現(xiàn)在是現(xiàn)實世界 100
轉(zhuǎn)錄因子的結(jié)合 102
一個用于TF 結(jié)合的卷積模型 103
染色質(zhì)可接近性 106
RNA 干擾 109
結(jié)論 112
第7 章顯微鏡檢查的機(jī)器學(xué)習(xí) 115
顯微學(xué)簡介 117
現(xiàn)代光學(xué)顯微技術(shù) 118
衍射極限 120
電子和原子力顯微技術(shù) 122
超分辨顯微技術(shù) 124
深度學(xué)習(xí)和衍射極限? 126
制備生物顯微鏡樣本 126
染色 126
樣本固定 128
切片樣本 128
熒光顯微技術(shù) 129
樣本制備工件 131
深度學(xué)習(xí)應(yīng)用 132
細(xì)胞計數(shù) 132
什么是細(xì)胞系？ 132
細(xì)胞分割 136
計算分析 141
結(jié)論 141
第8 章醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí) 143
計算機(jī)輔助診斷 143
貝葉斯網(wǎng)絡(luò)的概率診斷 145
電子健康記錄數(shù)據(jù) 146
ICD-10 編碼 147
那么無監(jiān)督學(xué)習(xí)呢？ 148
患者EHR 大型數(shù)據(jù)庫存在危險嗎？ 149
用于放射學(xué)的深度學(xué)習(xí) 150
x 線掃描和CT 掃描 153
組織學(xué) 155
核磁共振掃描 156
學(xué)習(xí)模型作為一種治療方法 157
糖尿病視網(wǎng)膜病變 158
結(jié)論 162
道德考慮 162
失業(yè) 163
小結(jié) 164
第9 章生成模型 165
變分自編碼 165
生成對抗網(wǎng)絡(luò) 167
生成模型在生命科學(xué)中的應(yīng)用 169
為先導(dǎo)化合物提供新思路 169
蛋白質(zhì)的設(shè)計 170
用于科學(xué)發(fā)現(xiàn)的工具 170
生成建模的未來 170
使用生成模型 171
分析生成模型的輸出 173
結(jié)論 176
第10 章深層模型的解釋 179
解釋預(yù)測 180
優(yōu)化輸入 183
預(yù)測的不確定性 187
可解釋性、可擴(kuò)展性和實際后果 191
結(jié)論 192
第11 章虛擬篩選工作流示例 193
為預(yù)測建模準(zhǔn)備數(shù)據(jù)集 194
訓(xùn)練預(yù)測模型 201
為模型預(yù)測準(zhǔn)備數(shù)據(jù)集 207
應(yīng)用預(yù)測模型 211
結(jié)論 219
第12 章前景和展望 221
醫(yī)學(xué)診斷 221
個性化醫(yī)療 223
藥物研發(fā) 225
生物學(xué)研究 226
結(jié)論 228