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(gè)科學(xué)界特別是生命科學(xué)界掀起波瀾�！痘�于深度學(xué)習(xí)的生命科學(xué)》是一本注重實(shí)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)。
　　《基于深度學(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(jì)一個(gè)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(gè)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。

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(gè)科學(xué)界特別是生命科學(xué)界掀起波瀾。本書是一本注重實(shí)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)。
“本書是對科學(xué)界的寶貴貢獻(xiàn)�！�
——Prabhat
NERSC、Lawrence Berkeley國家實(shí)驗(yàn)室數(shù)據(jù)和分析服務(wù)團(tuán)隊(duì)負(fù)責(zé)人

“本書是一本優(yōu)秀的高水平著作，提供了特定技術(shù)的切入點(diǎn)，和對基礎(chǔ)科學(xué)的討論。”
——C.Titus Brown
UC,Davis副教授
深度學(xué)習(xí)算法擅長于識別和利用大型數(shù)據(jù)集中的模式。本書概述了深度學(xué)習(xí)在生命科學(xué)許多領(lǐng)域的應(yīng)用，包括在遺傳學(xué)、藥物發(fā)現(xiàn)以及醫(yī)學(xué)診斷中的應(yīng)用。

前言
近年來，生命科學(xué)和數(shù)據(jù)科學(xué)已經(jīng)融合。機(jī)器人和自動化技術(shù)的進(jìn)步使化學(xué)家和生物學(xué)家能夠生成大量的數(shù)據(jù)。今天的科學(xué)家在一天內(nèi)生成的數(shù)據(jù)比20年前他們的前輩在整個(gè)職業(yè)生涯中所能生成的還多。這種快速生成數(shù)據(jù)的能力也帶來了許多新的科學(xué)挑戰(zhàn)。我們不再處于一個(gè)數(shù)據(jù)可以通過加載到電子表格并通過制作幾個(gè)圖表來處理的時(shí)代。為了從這些數(shù)據(jù)中集中提取科學(xué)知識，我們必須能夠識別和提取其中隱含的不明顯的關(guān)系。
在過去幾年中出現(xiàn)的深度學(xué)習(xí)技術(shù)是識別數(shù)據(jù)模式和關(guān)系的一種強(qiáng)大工具。深度學(xué)習(xí)是一類算法，它徹底改變了解決諸如圖像分析、語言翻譯和語音識別等問題的方法。深度學(xué)習(xí)算法擅長于識別和利用大型數(shù)據(jù)集中的模式。基于這些原因，深度學(xué)習(xí)在生命科學(xué)中有著廣泛的應(yīng)用。本書概述了深度學(xué)習(xí)在生命科學(xué)許多領(lǐng)域的應(yīng)用，包括在遺傳學(xué)、藥物發(fā)現(xiàn)以及醫(yī)學(xué)診斷中的應(yīng)用。我們描述的許多示例都附有代碼，這些代碼提供了對方法的實(shí)際介紹，并為讀者提供了未來研究和探索的起點(diǎn)。
本書約定
在本書中使用如下排版約定：
斜體字（Italic）
表示新的術(shù)語、鏈接、電子郵件地址、文件名和文件擴(kuò)展名。
等寬字體（Constant width）
用于表示代碼行以及段落內(nèi)引用的程序中的元素，如變量、函數(shù)名、數(shù)據(jù)庫、數(shù)據(jù)類型、環(huán)境變量、語句和關(guān)鍵詞。
等寬黑體(Constant width bold)
表示由用戶輸入的命令或其他文本。
等寬斜體（Constant width italic）
表示應(yīng)替換為用戶提供的值或由上下文確定的值來替換的文本。
使用書中的代碼
本書補(bǔ)充材料（代碼示例、練習(xí)等）可從https://github.com/deepchem/DeepLearningLifeSciences 下載。
本書可幫你完成你的工作。一般來說，你可以在你的程序和文檔中使用本書提供的示例代碼。不需要聯(lián)系我們獲得許可，除非你正在編制該代碼的重要部分。例如，使用本書中的幾個(gè)代碼塊編寫程序不需要獲得許可，銷售或發(fā)行O’Reilly 圖書中的示例光盤則需要獲得許可，通過引用本書和書中的示例代碼來回答問題不需要許可，將本書中的大量示例代碼用到你的產(chǎn)品文檔中則需要獲得許可。
我們提倡但不強(qiáng)制要求歸屬權(quán)聲明。引用信息通常包括題目、作者、出版商和ISBN。例如：“Deep Learning for the Life Sciences by Bharath Ramsundar,Peter Eastman, Patrick Walters,and Vijay Pande (O’Reilly).Copyright：2019Bharath Ramsndar，Karl Leswing，Peter Eastman ，and Vijay Pande，978-1-492-03983-9”。
如果你覺得在使用本書的代碼示例過程中超出了合理的使用范圍或上述許可范圍，請通過permissions@oreilly.com 與我們聯(lián)系。
O’Reilly 在線學(xué)習(xí)
40 年來，O’Reilly 一直在提供技術(shù)和商業(yè)培訓(xùn)、知識、見解，以幫助公司取得成功。
我們獨(dú)一無二的專家和創(chuàng)新者團(tuán)隊(duì)會通過書籍、文章、會議和在線學(xué)習(xí)平臺分享他們的知識和專業(yè)知識。O’Reilly 在線學(xué)習(xí)平臺為你提供了按需訪問在線培訓(xùn)課程、深入的學(xué)習(xí)路徑、交互式編碼環(huán)境，以及來自O(shè)’Reilly 和200多家其他出版商的大量文本和視頻。有關(guān)詳細(xì)信息，請?jiān)L問http://oreilly.com網(wǎng)站。
聯(lián)系我們
任何有關(guān)本書的意見或疑問，請按照以下地址聯(lián)系出版社。
美國：
O’Reilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中國：
北京市西城區(qū)西直門南大街2 號成銘大廈C 座807 室（100035）
奧萊利技術(shù)咨詢（北京）有限公司
我們在這本書的網(wǎng)頁中列出了勘誤表、示例和任何附加信息�？梢栽趆ttp://bit.ly/deep-lrng-for-life-science 網(wǎng)站訪問此頁面。
發(fā)表評論或咨詢有關(guān)本書的技術(shù)問題，請發(fā)送電子郵件至bookquestions@oreilly.com。
關(guān)于我們的書籍、課程、會議和新聞的更多信息, 請參閱http://www.oreilly.com。
我們的Facebook：http://facebook.com/oreilly。
我們的Twitter：http://twitter.com/oreillymedia。
我們的YouTube：http://www.youtube.com/oreillymedia。
致謝
我們要感謝O’Reilly 的編輯Nicole Tache，以及技術(shù)審稿人和測試版審稿人對本書的寶貴貢獻(xiàn)。此外，我們還要感謝Karl Leswing 和Zhenqin (Michael)Wu 對書中代碼的貢獻(xiàn)，以及Johnny Israeli 對基因組學(xué)一章的寶貴建議。
Bharath 感謝其家人在他許多個(gè)漫長的周末和夜晚編寫本書時(shí)給予的支持和鼓勵。
Peter 要感謝妻子始終如一的支持以及許多同事的幫助，他從他們那里學(xué)到了很多關(guān)于機(jī)器學(xué)習(xí)的知識。
Pat 要感謝妻子Andrea，以及女兒Alee 和Maddy，感謝她們的愛和支持。他還想感謝過去和現(xiàn)在在Vertex Pharmaceuticals 和Relay Therapeutics 公司的同事們，他從他們那里學(xué)到了很多。
最后，我們要感謝Deepchem 開放源碼社區(qū)在整個(gè)項(xiàng)目中給予的鼓勵和支持。

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(jì)算化學(xué)和生物學(xué)方面的軟件。
Patrick Walters是Relay Therapeutics公司計(jì)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。

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(yàn)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(gè)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(gè)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(jì)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(shí)世界 100
轉(zhuǎn)錄因子的結(jié)合 102
一個(gè)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(jì)數(shù) 132
什么是細(xì)胞系？ 132
細(xì)胞分割 136
計(jì)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(jì)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(xiǎn)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(jì) 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(shí)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(gè)性化醫(yī)療 223
藥物研發(fā) 225
生物學(xué)研究 226
結(jié)論 228