电子工业出版社-网上书店

本书以生物学问题为导向，以具体的案例来演示如何发现和解决各种生物学问题，并对目前研究中存在的问题和未来的发展方向进行了展望。本书从介绍生物信息学的研究历史和发展现状入手，第2章给出了相关生物学基础的介绍，摈弃繁杂的细节，强调系统性和整体性；第3章介绍了算法方面的相关技术，包括统计分析、机器学习和模型评估方法；从第4章开始，分专题介绍各种组学研究，包括基因组学、转录组学、蛋白质组学、生物网络和系统生物学。最后，作为案例，介绍生物信息学在药物研发中的应用。

第1章  生物信息学简介
1.1  引言
1.2  生物信息学的发展历史
1.2.1  生物信息学的诞生
1.2.2  生物信息学的兴起
1.2.3  生物信息学的蓬勃发展
1.3  生物信息学的研究内容
1.3.1  基因组学研究
1.3.2  转录组数据分析
1.3.3  蛋白质组学分析
1.3.4  生物网络分析
1.3.5  系统生物学研究
1.3.6  医学相关研究
1.4  生物信息学的研究资源
1.4.1  研究机构
1.4.2  数据库
1.4.3  文献资源
1.4.4  分析工具
1.4.5  编程语言
1.5  生物信息学的应用
1.5.1  辅助实验设计
1.5.2  提供数据分析的工具
1.5.3  探索生物规律
1.5.4  促进医学研究
1.6  生物信息学展望
1.6.1  导致重大的科学规律的发现
1.6.2  促进不同学科的交融
1.6.3  提供对于复杂系统的分析能力
1.6.4  展现巨大的应用前景
习题
参考文献
第2章  生物学基础
2.1  生命概述
2.2  生命科学的研究历史
2.2.1  描述生物学阶段
2.2.2  实验生物学阶段
2.2.3  现代生物学阶段
2.3  生命的有序结构
2.3.1  细胞的定义和功能
2.3.2  细胞的基本组分
2.3.3  细胞分裂
2.4  生命活动的动态运行
2.4.1  基因概述
2.4.2  中心法则
2.4.3  蛋白质解说
2.5  生物学研究展望
习题
参考文献
第3章  生物信息学算法介绍
3.1  生物信息学算法概述
3.2  数学统计方法
3.2.1  统计假设检验
3.2.2  回归与相关
3.2.3  隐马尔可夫模型
3.3  特征选择与优化方法
3.3.1  特征提取算法
3.3.2  数据压缩算法
3.4  模式分类方法
3.4.1  K近邻法
3.4.2  贝叶斯分类器
3.4.3  决策树方法
3.4.4  支持向量机方法
3.4.5  人工神经网络
3.4.6  遗传算法
3.4.7  聚类算法
3.4.8  分类器的选择
3.5  模型评估方法
3.5.1  构建标准数据集
3.5.2  评价指标
3.6  生物信息学算法展望
习题
参考文献
第4章  基因组技术与研究方法
4.1  基因组概述
4.2  人类基因组计划
4.2.1  人类基因组计划的提出
4.2.2  人类基因组计划的主要任务
4.2.3  大规模测序的基本策略
4.2.4  人类基因组计划的完成
4.2.5  人类基因组计划对生物信息学的挑战
4.3  功能基因组
4.3.1  基因组注释
4.3.2  进化论和比较基因组学
4.4  差异基因组学
4.4.1  人类遗传多态性
4.4.2  单核苷酸的多态性
4.5  基于MATLAB工具箱的基因序列分析
4.5.1  序列比对
4.5.2  系统发生树构建
4.6  基因组研究展望
习题
参考文献
第5章  转录组技术与数据分析
5.1  转录组概述
5.2  转录组研究的实验技术
5.2.1  基因芯片技术
5.2.2  基因表达序列分析
5.2.3  RNA测序技术
5.2.4  转录组检测技术比较
5.3  生物信息学方法在转录组研究中的应用
5.3.1  基因芯片数据标准
5.3.2  基因芯片设计
5.3.3  数据分析算法
5.4  基因芯片数据分析与处理
5.4.1  基因表达数据预处理 
5.4.2  芯片数据的统计学分析
5.4.3  基因芯片的生物学分析
5.4.4  芯片数据分析软件
5.5  基于MATLAB工具箱的基因芯片数据分析
5.5.1  基因芯片数据来源
5.5.2  基因表达谱数据分析
5.5.3  芯片数据分析小结
5.6  转录组研究展望
习题
参考文献
第6章  蛋白质组学技术与数据分析
6.1  蛋白质组概述
6.2  蛋白质组学的定义
6.2.1  蛋白质组学发展历史
6.2.2  蛋白质组学研究内容
6.3  蛋白质组学实验技术
6.3.1  蛋白质分离技术
6.3.2  蛋白质鉴定与定量技术
6.4  质谱数据分析
6.4.1  质谱数据的特点
6.4.2  蛋白质鉴定
6.4.3  蛋白质定量
6.4.4  翻译后修饰
6.5  蛋白质组学研究展望
参考文献
第7章  生物分子网络研究
7.1  生物网络概述
7.2  生物网络分类介绍
7.2.1  蛋白质相互作用网络
7.2.2  代谢网络
7.2.3  信号转导网络
7.2.4  基因表达调控网络
7.2.5  4种生物网络的比较
7.3  生物网络的属性分析
7.3.1  单个结点的属性
7.3.2  子网络
7.3.3  总体属性
7.3.4  网络比对
7.3.5  网络的动态分析
7.4  生物网络的专门分析方法
7.4.1  蛋白质相互作用的预测和验证
7.4.2  代谢网络的分析方法
7.4.3  信号网络的重建
7.4.4  基因调控网络的构建
7.5  生物网络研究展望
习题
参考文献
第8章  系统生物学研究
8.1  系统生物学概述
8.1.1  系统生物学的定义
8.1.2  系统生物学的基本思想
8.1.3  系统生物学的研究内容
8.1.4  系统生物学的研究方法
8.2  生物数据的挖掘与整合
8.2.1  生物数据的挖掘
8.2.2  不同组学数据的整合
8.3  生物系统的建模与仿真
8.3.1  系统生物学建模语言
8.3.2  生物系统建模过程 
8.4  从虚拟细胞到虚拟人
8.4.1  虚拟细胞
8.4.2  虚拟器官
8.4.3  虚拟人体
8.5  生物系统的人工合成——合成生物学
8.5.1  合成生物学简介
8.5.2  合成生物学研究现状
8.5.3  合成生物学应用前景
8.6  基于MATLAB工具箱的生物过程模拟
8.6.1  研究对象
8.6.2  建立信号通路模型
8.6.3  模型仿真与结果演示
8.6.4  模型参数估计
8.6.5  仿真结果分析
8.7  系统生物学研究展望
习题
参考文献
第9章  生物信息学在药物研发中的应用
9.1  新药研发概述
9.2  疾病相关的数据库资源
9.2.1  疾病相关的基因数据库
9.2.2  候选药靶数据库
9.2.3  疾病相关的基因芯片数据库
9.2.4  其他相关数据库
9.3  用于药靶发现的生物信息学方法
9.3.1  基因组学方法
9.3.2  转录组学方法
9.3.3  蛋白质水平研究方法
9.3.4  代谢组学方法
9.3.5  整合多组学数据的系统生物学方法
9.4  潜在药靶的生物信息学验证
9.4.1  蛋白质的可药性
9.4.2  药物的副作用
9.5  以靶标为基础的药物设计
9.5.1  先导化合物的筛选和优化
9.5.2  药物毒性预测和风险评估
9.6  新药研发展望
参考文献
索引

前言
生物信息学是随着生命科学，特别是分子生物学研究的深入和大规模生物工程技术的快速发展而逐步兴起和繁荣的一门交叉学科。生物信息学研究的起源可以追溯到孟德尔豌豆杂交实验的数据统计。之后，随着生物技术的发展，生物学研究中产生了复杂的影像数据（例如电子显微镜）和波谱数据（例如核磁共振）等，需要利用复杂的计算方法，根据其物理化学原理和数学模型，复原其中包含的生物信息。而真正促使生物信息学正式诞生的则是基因组测序研究的大规模开展，其标志性事件是“人类基因组计划”。大规模测序数据的产出，使研究人员认识到，生物数据的存储、处理和共享等工作已不再是简单的辅助，而需要一个专门的学科，充分结合生物技术、信息科学与计算方法，去挖掘海量生物数据中蕴含的知识宝藏。
由于生命科学的快速发展，新的观点、理论和原理不断涌现，各种技术方法和手段层出不穷，呈现螺旋式上升的趋势。在此背景下，生物信息学的研究内容也在不断扩展。从早期以基因组序列分析为主，到各种组学数据的分析和处理，再到系统生物学层面的分子网络建模与分析，生物信息学需要解决越来越复杂的系统性问题。从发展的眼光来看，我们认为，生物信息学至少包括如下3个层次的研究内容。
① 实验数据的分析，目的是从观测数据中最大限度地还原和提取有效的生物信息，其中包括各种组学研究的数据分析；
② 对基于序列、相互作用等已经整理的数据进行规律发现，解读生命运行的规律，例如基因模体的发现、蛋白质亚细胞定位的预测等；
③ 利用尽可能多的观测数据，建立不同层次的生物系统模型，开展生物系统仿真和设计的理论研究。
作为一门典型的交叉学科，每个相关学科方向的研究人员都可以从本学科的角度介入生物信息学研究。例如，生物实验人员可以将实验设计、实验数据处理的操作规程、实验参数优化等问题作为其生物信息学研究方向；模式识别和机器学习方面的研究人员可以将很多问题归结为特征提取、模型训练和评估的研究；计算机方面的研究人员可以将建设高质量数据库，开发高效、易操作的软件，利用高性能计算技术完成高复杂度的生物信息计算等问题作为其研究重点；物理学、化学方面的研究为生物实验提供了丰富的手段，同时也提出了很多待解决的理论和应用问题，这个方向的研究人员可以从实验原理分析和仪器优化设计的角度来介入生物信息学研究；而系统建模、分析和设计作为控制学科的基本研究内容，也可以用于模拟生物系统行为，适合作为该方向研究人员对生物信息学的介入点。可以说，生物信息学为不同学科的人才搭建了充分展示的舞台，以其开放性和前沿性提供了丰富的待研究问题和产生重大突破的可能。
可以发现，生物信息学的研究内容非常丰富，而且其进展快速，不断有新的研究问题和方法涌现。这种特点使得生物信息学的教材内容比较难以组织。但是我们认为，生物信息学的根源是生物学，其所有的问题都来源于生物学研究的需要，其所有的成果也必须经由生物学的检验才能体现其价值。生物信息学的核心是用数学的语言来描述生物学问题，用计算机方法和信息技术来解决问题。因此，本书没有将现有的生物信息学数据库、工具作为介绍重点，而是以生物学问题为导向，依次介绍了生物信息学在基因组、转录组、蛋白质组、生物网络和系统生物学中的应用，以具体的案例来演示如何发现和解决各种生物学问题，并对目前研究中存在的问题和未来的发展方向进行展望。或许哪一天，某一个数据库不再更新，某一个工具不再适用，但是生物信息学的研究思路不会改变，那就是从生物中来，到生物中去。只有深入地思考生物学问题，掌握计算机和信息技术的利器，把握科学研究的一般规律，才能一直处于生命科学的前沿阵地。
本书总体编排如下： 第1章介绍生物信息学的研究历史和发展现状；第2章讨论相关生物学基础，侧重于介绍生物信息学相关的分子生物学内容；第3章介绍算法方面的相关技术，包括统计分析、机器学习和模型评估方法；从第4章开始，分专题介绍各种组学研究，包括基因组学、转录组学、蛋白质组学、生物网络和系统生物学。最后以案例方式介绍生物信息学在药物研发中的应用。本书没有涵盖代谢组学和糖组学方面的内容。
本书是生物信息学相关专业的研究生教材，也可以作为生物信息学相关研究人员的参考书。感谢国防科技大学和北京蛋白质组中心的生物信息学研究课题组为本书编写提供的帮助，希望本书对于系统了解生物信息学技术能够有所助益，欢迎学术同仁不吝赐教。

刘伟  张纪阳  谢红卫2013年1月19日

本书配套资源下载

对不起，暂无音视频资源！