第1章 生物信息學(xué)簡(jiǎn)介 1.1 引言 1.2 生物信息學(xué)的發(fā)展歷史 1.2.1 生物信息學(xué)的誕生 1.2.2 生物信息學(xué)的興起 1.2.3 生物信息學(xué)的蓬勃發(fā)展 1.3 生物信息學(xué)的研究?jī)?nèi)容 1.3.1 基因組學(xué)研究 1.3.2 轉(zhuǎn)錄組數(shù)據(jù)分析 1.3.3 蛋白質(zhì)組學(xué)分析 1.3.4 生物網(wǎng)絡(luò)分析 1.3.5 系統(tǒng)生物學(xué)研究 1.3.6 醫(yī)學(xué)相關(guān)研究 1.4 生物信息學(xué)的研究資源 1.4.1 研究機(jī)構(gòu) 1.4.2 數(shù)據(jù)庫(kù) 1.4.3 文獻(xiàn)資源 1.4.4 分析工具 1.4.5 編程語(yǔ)言 1.5 生物信息學(xué)的應(yīng)用 1.5.1 輔助實(shí)驗(yàn)設(shè)計(jì) 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(jìn)醫(yī)學(xué)研究 1.6 生物信息學(xué)展望 1.6.1 導(dǎo)致重大科學(xué)規(guī)律的發(fā)現(xiàn) 1.6.2 促進(jìn)不同學(xué)科的交融 1.6.3 提供對(duì)于復(fù)雜系統(tǒng)的分析能力 1.6.4 展現(xiàn)巨大的應(yīng)用前景 習(xí)題 參考文獻(xiàn) 第2章 生物學(xué)基礎(chǔ) 2.1 生命概述 2.2 生命科學(xué)的研究歷史 2.2.1 描述生物學(xué)階段 2.2.2 實(shí)驗(yàn)生物學(xué)階段 2.2.3 現(xiàn)代生物學(xué)階段 2.3 生命的有序結(jié)構(gòu) 2.3.1 細(xì)胞的定義和功能 2.3.2 細(xì)胞的基本組分 2.3.3 細(xì)胞分裂 2.4 生命活動(dòng)的動(dòng)態(tài)運(yùn)行 2.4.1 基因概述 2.4.2 中心法則 2.4.3 蛋白質(zhì)解說(shuō) 2.5 生物學(xué)研究展望 習(xí)題 參考文獻(xiàn) 第3章 生物信息學(xué)算法介紹 3.1 生物信息學(xué)算法概述 3.2 數(shù)學(xué)統(tǒng)計(jì)方法 3.2.1 假設(shè)檢驗(yàn) 3.2.2 相關(guān)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(lèi)方法 3.4.1 K近鄰法 3.4.2 貝葉斯分類(lèi)器 3.4.3 決策樹(shù)方法 3.4.4 隨機(jī)森林 3.4.5 支持向量機(jī)方法 3.4.6 人工神經(jīng)網(wǎng)絡(luò) 3.4.7 深度學(xué)習(xí) 3.4.8 遺傳算法 3.4.9 聚類(lèi)算法 3.4.10分類(lèi)器的選擇 3.5 分類(lèi)模型評(píng)估方法 3.5.1 構(gòu)建標(biāo)準(zhǔn)數(shù)據(jù)集 3.5.2 評(píng)價(jià)指標(biāo) 3.6 生物信息學(xué)算法展望 習(xí)題 參考文獻(xiàn) 第4章 基因組技術(shù)與研究方法 4.1 基因組概述 4.2 人類(lèi)基因組計(jì)劃 4.2.1 人類(lèi)基因組計(jì)劃的提出 4.2.2 人類(lèi)基因組計(jì)劃的主要任務(wù) 4.2.3 大規(guī)模測(cè)序的基本策略 4.2.4 人類(lèi)基因組計(jì)劃的完成 4.2.5 人類(lèi)基因組計(jì)劃對(duì)生物信息學(xué)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(xué) 4.4 差異基因組學(xué) 4.4.1 人類(lèi)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(shù)構(gòu)建 4.6 基因組研究展望 習(xí)題 參考文獻(xiàn) 第5章 轉(zhuǎn)錄組技術(shù)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(shí)驗(yàn)技術(shù) 5.2.1 基因芯片技術(shù) 5.2.2 基因表達(dá)序列分析 5.2.3 RNA測(cè)序技術(shù) 5.2.4 轉(zhuǎn)錄組檢測(cè)技術(shù)比較 5.3 生物信息學(xué)方法在轉(zhuǎn)錄組研究中的應(yīng)用 5.3.1 基因芯片數(shù)據(jù)標(biāo)準(zhǔn) 5.3.2 基因芯片設(shè)計(jì) 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(dá)數(shù)據(jù)預(yù)處理 5.4.2 芯片數(shù)據(jù)的統(tǒng)計(jì)學(xué)分析 5.4.3 基因芯片的生物學(xué)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(lái)源 5.5.2 基因表達(dá)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(xí)題 參考文獻(xiàn) 第6章 蛋白質(zhì)組學(xué)技術(shù)與數(shù)據(jù)分析 6.1 蛋白質(zhì)組概述 6.2 蛋白質(zhì)組學(xué)的定義 6.2.1 蛋白質(zhì)組學(xué)發(fā)展歷史 6.2.2 蛋白質(zhì)組學(xué)研究?jī)?nèi)容 6.3 蛋白質(zhì)組學(xué)實(shí)驗(yàn)技術(shù) 6.3.1 蛋白質(zhì)分離技術(shù) 6.3.2 蛋白質(zhì)鑒定與定量技術(shù) 6.4 質(zhì)譜數(shù)據(jù)分析 6.4.1 質(zhì)譜數(shù)據(jù)的特點(diǎn) 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(xué)研究展望 參考文獻(xiàn) 第7章 生物分子網(wǎng)絡(luò)研究 7.1 生物網(wǎng)絡(luò)概述 7.2 生物網(wǎng)絡(luò)分類(lèi)介紹 7.2.1 蛋白質(zhì)相互作用網(wǎng)絡(luò) 7.2.2 代謝網(wǎng)絡(luò) 7.2.3 信號(hào)轉(zhuǎn)導(dǎo)網(wǎng)絡(luò) 7.2.4 基因表達(dá)調(diào)控網(wǎng)絡(luò) 7.2.5 4種生物網(wǎng)絡(luò)的比較 7.3 生物網(wǎng)絡(luò)的屬性分析 7.3.1 單個(gè)結(jié)點(diǎn)的屬性 7.3.2 子網(wǎng)絡(luò) 7.3.3 總體屬性 7.3.4 網(wǎng)絡(luò)比對(duì) 7.3.5 網(wǎng)絡(luò)的動(dòng)態(tài)分析 7.4 生物網(wǎng)絡(luò)的專(zhuān)門(mén)分析方法 7.4.1 蛋白質(zhì)相互作用的預(yù)測(cè)和驗(yàn)證 7.4.2 代謝網(wǎng)絡(luò)的分析方法 7.4.3 信號(hào)網(wǎng)絡(luò)的重建 7.4.4 基因調(diào)控網(wǎng)絡(luò)的構(gòu)建 7.5 生物網(wǎng)絡(luò)研究展望 習(xí)題 參考文獻(xiàn) 第8章 系統(tǒng)生物學(xué)研究 8.1 系統(tǒng)生物學(xué)概述 8.1.1 系統(tǒng)生物學(xué)的定義 8.1.2 系統(tǒng)生物學(xué)的基本思想 8.1.3 系統(tǒng)生物學(xué)的研究?jī)?nèi)容 8.1.4 系統(tǒng)生物學(xué)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(xué)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(xué)建模語(yǔ)言 8.3.2 生物系統(tǒng)建模過(guò)程 8.4 從虛擬細(xì)胞到虛擬人 8.4.1 虛擬細(xì)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(xué) 8.5.1 合成生物學(xué)簡(jiǎn)介 8.5.2 合成生物學(xué)研究現(xiàn)狀 8.5.3 合成生物學(xué)應(yīng)用前景 8.6 基于MATLAB工具箱的生物過(guò)程模擬 8.6.1 研究對(duì)象 8.6.2 建立信號(hào)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(jì) 8.6.5 仿真結(jié)果分析 8.7 系統(tǒng)生物學(xué)研究展望 習(xí)題 參考文獻(xiàn) 第9章 生物信息學(xué)在藥物研發(fā)中的應(yīng)用 9.1 新藥研發(fā)概述 9.2 疾病相關(guān)的數(shù)據(jù)庫(kù)資源 9.2.1 疾病相關(guān)的基因數(shù)據(jù)庫(kù) 9.2.2 候選藥靶數(shù)據(jù)庫(kù) 9.2.3 疾病相關(guān)的基因芯片數(shù)據(jù)庫(kù) 9.2.4 其他相關(guān)數(shù)據(jù)庫(kù) 9.3 用于藥靶發(fā)現(xiàn)的生物信息學(xué)方法 9.3.1 基因組學(xué)方法 9.3.2 轉(zhuǎn)錄組學(xué)方法 9.3.3 蛋白質(zhì)水平研究方法 9.3.4 代謝組學(xué)方法 9.3.5 整合多組學(xué)數(shù)據(jù)的系統(tǒng)生物學(xué)方法 9.4 潛在藥靶的生物信息學(xué)驗(yàn)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(biāo)為基礎(chǔ)的藥物設(shè)計(jì) 9.5.1 先導(dǎo)化合物的篩選和優(yōu)化 9.5.2 藥物毒性預(yù)測(cè)和風(fēng)險(xiǎn)評(píng)估 9.6 新藥研發(fā)展望 參考文獻(xiàn) 索引