目錄
生物信息學(xué)基礎(chǔ)篇
第1章 生物信息學(xué)一些前沿領(lǐng)域簡介 3
1.1 生物信息大數(shù)據(jù) 3
1.2 復(fù)雜網(wǎng)絡(luò)分析概論 11
1.3 復(fù)雜網(wǎng)絡(luò)分析實例:以微生物群系醫(yī)學(xué)生態(tài)網(wǎng)絡(luò)為例 15
1.4 深度學(xué)習(xí)、計算智能與人工智能 21
1.5 醫(yī)學(xué)生態(tài)學(xué) 25
1.6 DNA計算機(jī)-生物學(xué)對計算機(jī)科學(xué)的回饋 30
第2章 系統(tǒng)發(fā)育樹與溯祖分析 38
2.1 樹的概念 38
2.2 主要的建樹方法 39
2.3 模型選擇 50
2.4 貝葉斯方法 54
2.5 溯祖理論 60
2.6 物種樹估計 64
第3章 群體遺傳學(xué)數(shù)據(jù)分析軟件簡介 70
3.1 多功能軟件比較 70
3.2 理論模型與分析方法的實現(xiàn)方式 72
3.3 軟件運(yùn)行方式與編程語言 79
3.4 總結(jié)與展望 79
第4章 生物信息學(xué)中重要統(tǒng)計計算方法和模型 85
4.1 計算機(jī)模擬技術(shù) 85
4.2 馬爾可夫蒙特卡羅法 93
4.3 隱馬爾可夫模型 98
4.4 貝葉斯統(tǒng)計 105
4.5 統(tǒng)計學(xué)習(xí) 114
4.6 高斯圖模型 120
生物信息組學(xué)技術(shù)篇
第5章 第三代基因測序組裝算法和軟件技術(shù) 129
5.1 第三代基因測序及組裝技術(shù)簡介 129
5.2 第三代基因組裝算法及軟件簡介:以DBG20LC和SPARC為例 132
5.3 三代基因組裝算法和軟件比較 139
5.4 DBG20LC和SPARC軟件使用簡介 140
第6章 基因組第二代測序數(shù)據(jù)的生物信息學(xué)分析 145
6.1 基因測序技術(shù)簡介 145
6.2 基因組裝技術(shù) 149
6.3 外顯子基因突變檢測 154
6.4 單細(xì)胞測序數(shù)據(jù)的基因組裝 156
第7章 轉(zhuǎn)錄組數(shù)據(jù)的生物信息學(xué)分析 160
7.1 轉(zhuǎn)錄組技術(shù)的發(fā)展 160
7.2 RNA-seq數(shù)據(jù)的質(zhì)量控制 163
7.3 基于參考基因組的轉(zhuǎn)錄組分析 164
7.4 無參考基因組的轉(zhuǎn)錄組的從頭拼裝及拼裝質(zhì)量評估 170
第8章 非編碼RNA研究常用數(shù)據(jù)庫及軟件 175
8.1 非編碼RNA概述 175
8.2 非編碼RNA常用數(shù)據(jù)庫 179
8.3 非編碼RNA研究常用軟件 184
第9章 蛋白質(zhì)組學(xué)研究常用軟件簡介 210
9.1 蛋白質(zhì)組學(xué)簡介 210
9.2 計算蛋白質(zhì)組學(xué)的應(yīng)用 215
9.3 計算蛋白質(zhì)組學(xué)算法與數(shù)據(jù)庫 230
第10章 新藥物發(fā)現(xiàn)中的生物信息學(xué)軟件簡介 236
10.1 大型藥物設(shè)計平臺 237
10.2 分子視圖軟件 238
10.3 化學(xué)結(jié)構(gòu)編輯程序 242
10.4 分子對接與虛擬篩選軟件 245
10.5 配體構(gòu)象搜索軟件 250
10.6 藥效團(tuán)模擬軟件 251
10.7 分子動力學(xué)模擬軟件 254
10.8 在線藥物設(shè)計資源列表 255
10.9 小結(jié) 257
第11章 宏基因組學(xué)概述及生物信息學(xué)分析 260
11.1 宏基因組學(xué)技術(shù)簡介 260
11.2 宏基因組學(xué)研究流程 261
Chapter 12 Bioinformatics for Metabolomics:An Introduction 277
Abstract 277
12.1 Introduction to Metabolomics 277
12.2 Technologies for Metabolomics 280
12.3 Data Formats for Metabolomics 285
12.4 Databases for Metabolomics 287
12.5 General Principles for Metabolomic Data Analysis 292
12.6 From Spectra to Metabolite Lists:Bioinformatics for Metabolite Identification 293
12.7 From Metabolite Lists to Significant Metabolites:Multivariate Statistics 300
12.8 From Significant Metabolites to Pathways:Bioinformatics for Metabolite Interpretation 306
12.9 Conclusion 310