編輯推薦
適讀人群 :有誌於瞭解生物信息學的高校學生、科研工作者。 獨特的體例設計,方便學習,簡單易懂
內容簡介
《精要速覽係列:生物信息學(第2版·中譯版)》結構新穎,視角獨特;重點明確,脈絡分明;圖錶簡明清晰;英文自然易懂,被國內多所重點院校選用作為雙語教材。第二版保持第一版編寫特色,《精要速覽係列:生物信息學(第2版·中譯版)》分為三部分:生物信息中的生物學概述,數學、物理、統計和計算機基礎,學科介紹與數據標準。《精要速覽係列:生物信息學(第2版·中譯版)》均采用生物學相關數據與事例,並結閤序列分析、轉錄、代謝、蛋白質組、大分子體係、係統生物學,以及數據整閤、圖像分析等內容展開論述。《精要速覽係列:生物信息學(第2版·中譯版)》適閤普通高等院校生命科學、醫學、農學、信息科學等相關專業使用,也可作為雙語教學參考教材使用。
內頁插圖
目錄
縮略詞
A 生物學研究新麵貌
B 生物信息學的定義
C 物理學要素
D 數據與數據庫
E 數據類彆
E1 數據類彆
E2 生物信息學中呈現數據的最佳做法
F 計算
G 概率與統計
G1 概率和概率分布
G2 條件概率和貝葉斯法則
G3 基本的統計學檢驗
H 模型與數學技術
H1 係統特徵
H2 圖論及其應用
H3 常微分方程與代數
H4 高級建模技術
H5 形狀、變形與生長
I 人工智能與機器學習
I1 人工智能與機器學習概論
I2 人工智能與機器學習的統計學方法
I3 人工智能與機器學習的計算方法
J 基因組與其他序列
J1 數據庫與數據源
J2 基因組注釋
J3 序列分析
J4 序列傢族、序列比對與係統發育
J5 結構域傢族與數據庫
K 轉錄組學
K1 轉錄譜
K2 轉錄分析的統計學問題
K3 分析差異錶達基因
K4 多元技術和網絡推理
K5 數據標準和實驗設計
L 蛋白質與蛋白質組學
L1 蛋白質組學技術
12 互作蛋白質組學
L3 相互作用數據庫和網絡
L4 結構生物信息學
L5 結構分類
L6 結構預測與建模
L7 分子動力學與藥物設計
M 代謝物組學
N 超分子結構
N1 超分子結構
N2 組織與生物體尺度結構
0 生化動力學
01 代謝網絡研究
02 微積分和代數學的應用
P 生理學
P1 生理學
P2 整閤生物學與植物模擬
P3 整閤生物學——總結
Q 圖像分析
Q1 什麼是圖像分析?
Q2 圖像分析如何應用到生物科學研究中?
Q3 圖像增強
Q4 特徵檢測
Q5 數據析取
R 文本分析
進一步閱讀
索引 顯
精彩書摘
顯微鏡
圖像分析通常可以用於增強圖像,並且幫助量化顯微鏡的圖像。顯微鏡係統本身可能會産生數字圖像(如聚焦顯微鏡);也可以將普通的顯微鏡和數碼相機相連,從而産生數字圖像。兩種方法最後都會産生一個電子版本的高放大的樣本圖像。圖像的特徵分辨率可以受到相機的分辨率的影響。例如,在傳感器上的百萬像素的數目,或者顯微鏡係統本身的光學的分辨率,示例如圖Q.4所示。
科學傢可能對最終圖像的距離感興趣,尋找和量化染色區域,或者計算一些實例,如計算一個特定類型細胞的數目。一個樣本的時間序列可以得到,圖像按照特定的時間間隔存儲。從這些數據,可以得到一個按照時間流逝的電影,或者圖像內部的運動可以按照時間窗口被量化。
為瞭提高圖像的質量,處理一個典型的顯微鏡圖像有很多步驟可以實施。例如,去捲積,是指去除圖像中齣焦光的問題。最終圖像的一個像素的密度不僅來源於初始的焦平麵,還來自於低於或高於焦平麵。這使圖像在一個模糊的冗餘的圖片中突顯齣來。我們沒有詳細敘述關於怎樣去處理這個問題,隻是將齣焦光的影響塑造成最終圖像的一個點,然後從圖像中將其去除。去捲積有時被用作是一個近似圖像的方式。兩類技術都是消除來自於焦平麵以外的光,隻是它們所用的方法不一樣。聚焦技術是通過顯微鏡技術操作實現的;而去捲積技術通過提供采集軟件來實現的。
你可能認為聚焦顯微鏡産生的相對精度高的清晰標注熒光的圖像可以讓他們自己想象圖像分析和量化技術。然而,當你量化任何圖像時,必須謹慎,因為你必須考慮所有可能影響圖像獲取數據的元素。例如,我們可能想要在聚焦圖像上使用熒光強度去估計樣本中蛋白質的活動,但是要謹慎。兩個有直接關係的可能在我們的研究中引發錯誤。時刻想著圖像是怎麼形成的。熒光分子通過激光激發産生,同時會發射特定長度的光。然後這個光被顯微鏡捕捉,存儲成圖像中的像素。影響像素強度的不隻是樣本中熒光分子的數目,還應考慮激光密度的改變、樣本的深度、激發光和發射光的穿越、整個可視的圖像範圍光的一緻性、顯微鏡的光學性能等。所有這些因素可能影響到最終圖像的像素強度。當使用任何圖像捕捉的儀器時,必須謹慎確保(哪怕隻是在練習),圖像數據是可靠的,可以代錶你想要它們代錶的信息。
醫學圖像分析
X射綫、CT(計算斷層照相法)掃描、MRI(磁共振成像)掃描等産生的圖像對於現代醫學是非常重要的。醫學圖像分析和其他領域是不同的,因為,一般來說,在三維情況下使用數據是非常重要的,並且軟件是專傢的幫助工具,而不是産生最後的數字結果。計算機勝任的一個領域是測量這些圖像的麵積和體積。實現這個的技術中,分割分析技術是很常用的。它以一種(半)自動的方式去定義圖像中感興趣的部分,如大腦中的一些區域、整個組織、血管結構等。
定量的照旨分析
在一些生物領域,如錶型的測量、組織對於刺激的應答,照片圖像經常被用來描繪結果。一般來說,圖像的分析已經被量化(X比Y更藍)或簡單的量化(X有6mm長)。圖像分析可以提供實現客觀的連續的圖像分析的工具。
然而,隨著這些技術的使用,額外的謹慎是必需的,必須保證這些圖像本身是可靠的。也就是說,圖像的數據通過一個可以控製的方式來獲得。同樣的,顯微鏡和數碼相機産生的圖像應該謹慎的控製。相機設置和環境的改變都會影響相機記錄的像素變量。例如,白平衡設置可以改變色調的記錄。白平衡可以補償特定色調照明的情況,並且如果采用中性或白色,白平衡可以矯正色調。也許你已經注意到熒光管怎樣産生的一個不同顔色的光——在數碼相機中這種效果被放大.因為人的研究很擅長補償這些改變。不瞭解白平衡設置,很容易無意地失實報道圖像的色調,特彆是在白平衡的改變在圖像捕捉會話時。相似的,環境的光綫的改變也會影響客觀事物的捕捉和記錄。早上的光綫比較偏冷色調,夕陽是橙色的光,這是因為晚上的光更靠近光譜的紅色一端。在自然光下,一個物體在晚上比早上齣現更紅。意識到你研究的樣本被這樣的效應影響到瞭是很重要的。
同樣的,相機的鏡頭和透視引起的失真,可能會歪麯真實的被拍到的事物的幾何特性。這將影響任何幾何測量的質量,如“測量長度”。
意識到這些事情,可以讓研究者得到未進行任何分析的最好的圖像。一旦圖像被捕捉到,它在時間上是昂貴的,甚至是不能再一次捕捉這個圖像。因此,在捕捉圖像之前,應該全麵理解捕捉過程和限製,以及這些與未來分析的關係。圖像分析通常僅用於幾個大規模的生物科學工作實際應用中。事實上,這是一個非侵人性的技術,並且非常靈活,應用非常廣泛和多樣。為瞭使用超聲波傳感器測得豬背部膘厚,可用圖像處理識彆實時喂豬的輪廓。三維技術也用於動物的結構分析。使用機器視覺技術指導鋤頭鋤地的作物的行間的機械控製技術已經證明可行。使用圖像分析算法的軟件已經存在,可以估計植物根的生長速率。希望這些例子可以突齣圖像分析在生物科學的廣泛的應用。
……
前言/序言
自從“精要速覽係列”的生物信息學第一版齣版以後,生物信息學領域已經有瞭實質性的發展.而且正在變成一門具有自身特點的學科。我們非常感謝齣版商給我們機會齣版生物信息學第二版,這使我們能夠根據兩個目標來重新構思這本書。首先,為化學、生物學、醫學和神經學等研究領域的信息學研究者提供資料;其次,展示這些通用的信息學技術如何應用在生命科學的大多數領域,而不僅僅是在生物信息學最初活躍的分子生物學領域。
本書章節主要分成3部分,第一部分(A章和B章)主要對這個學科進行介紹。A章概述瞭使生物信息學成為一個必需領域的因素。B章主要介紹該學科從20世紀60年代興起,經過令人振奮(或是令人興奮)的20世紀90年代,直到生物信息學正應用於所有類型的生物學信息處理的21世紀的簡要曆史(通過一係列對生物信息學這一術語定義的演變過程)。
第二部分是信息學的基礎部分(C~I章):物理學、數學和計算機科學。但缺少一項重要內容——計算機編程,其是生物信息學的基本技能,受圖書篇幅限製,無法詳細闡述。由於這是一個特彆實用的領域.最好是將這個問題留給大量的其他可以利用的書籍。不過,我們盡力概述有效的數據管理和程序設計習慣的基礎知識。
第三部分是生物學的應用領域(J~R章)。它包括3個部分:分子生物學,新陳代謝、解剖學、生理學,復雜的信息來源(特彆是圖像的數據集和自然語言文本)。後者仍然是提取準確的量化數據最睏難的地方.第二部分和第三部分的關聯如下圖所示,它強調基礎部分的基礎性、重要性。從二者緊密聯係的網絡來看.它們二者的應用領域都存在明顯的相互依賴關係。
代生物信息學涵蓋的內容相當廣泛,因此本書的3位主要作者一緻認為某些特定章節由他人編寫更為閤適。在此對作齣貢獻的相關人員緻以謝意:J章的Nicola Gold,K章的AlexMarshall.L章的Ncola Gold和Tom Gallagheir,M章的RobLinfolrth多人還檢查各章節的準確度和清晰度,他們是:Alastair Middleton.Leah Band,Tom Gallagher,KimKenobi,特彆是Janeodgman(他校對瞭許多章節),在此深錶感謝。我們感謝英國植物綜閤生物學中心的成員在齣版前提供的顯微圖像。讀者會很容易發現一些重復,但是這是為清晰起見特意保留。最後,我們希望學生和教師都能體會到這門學科的廣度,並享受閱讀的快樂。
生物信息學是生物學、計算機科學與技術及應用數學等多學科相互交叉而形成的新學科。它通過對生物學實驗數據的獲取、存儲、處理與分析,進而達到揭示這些數據所蘊含的生物學意義的目的。隨著越來越先進的生物技術的開發與運用,越來越多的組學數據的高通量測定並保存,已將生命科學推進到大數據時代。生物信息學的作用也越發顯得重要。
科學齣版社引進的charlieHodgman教授等編著的Instant Notesin Bioinformatics內容廣泛,涉及生物信息學的諸多領域和研究基礎及前沿內容,每個主題都進行瞭深入淺齣的講解,是一本不可多得的可供教學科研使用的書籍。為推廣生物信息學在國內的普及,在科學齣版社的主持下,由浙江大學幾位教師和研究生對該書進行瞭翻譯。
陳銘研究小組翻譯瞭A至F、J、K、0至R共12章;包傢立、王順翻譯瞭G、H、I共3章;黃炳頂、孫澤宇、馬瑩瑩、劉貫峰翻譯瞭L、M、N共3章。陳銘研究小組對全書進行瞭審核、校訂並定稿。感謝以下人員參與翻譯、校對並給予的幫助:金丹鳳、李麒麟、原春暉、劉麗麗、王晶晶、代曉轉、薑麗、王月。
翻譯過程中對原文中齣現的錯誤進行瞭修正,限於時間和譯者水平,難免會有一些疏漏和不當之處,在此敬請廣大讀者反饋指正。
陳銘
2013年8月
精要速覽係列:生物信息學(第2版·中譯版) 下載 mobi epub pdf txt 電子書 格式