內容簡介
當前生物信息學研究重點是對基因組序列、蛋白質組學和數組技術所産生的大量數據的計算分析。《生物信息學:序列與基因組分析(第2版)/國外生命科學優秀教材》對DNA、RNA和蛋白質數據的計算提供瞭豐富的演算方法,並指齣瞭在解決生物學問題中這些方法的優缺點及應用策略。
《生物信息學:序列與基因組分析(第2版)/國外生命科學優秀教材》的第1版是在Mount博士講稿的基礎上進行整理齣版的,在全球範圍內用作教材。第二版對內容進行瞭全麵的修訂,由專業教師提供導讀,很大程度地適用本科生和研究生教學。
《生物信息學:序列與基因組分析(第2版)/國外生命科學優秀教材》為高等院校生物信息學專業本科生和研究生提供理想的學習材料。同時,《生物信息學:序列與基因組分析(第2版)/國外生命科學優秀教材》也適宜科研人員、信息專傢自學使用。
內頁插圖
目錄
CHAPTER 1
曆史簡介和概論
CHAPTER 2
Collecting and Storing Sequences in the Laboratory
CHAPTER 3
Alignment of Pairs of Sequences
CHAPTER 4
Introduction to Probability and Statistical Analysis of Sequence Alignments
CHAPTER 5
Multiple Sequence Alignment
CHAPTER 6
Sequence Database Searching for Similar Sequences
CHAPTER 7
Phylogenetic Prediction
CHAPTER 8
Prediction of RNA Secondary Structure
CHAPTER 9
Cene Prediction and Regulation
CHAPTER 10
Protein Classification and Structure Prediction
CHAPTER 11
Genome Analysis
CHAPTER 12
Bioinformatics Programming Using Perl and Perl Modules
CHAPTER 13
Analysis of Microarrays
Index
前言/序言
第二版的生物信息學(序列與基因組分析)比第一版的讀者更廣泛,它不僅麵嚮想學計算和統計方法的生物學傢,而且也適用於想學生物學的、尤其是遺傳學和基因組學的計算生物學傢。章節指南介紹瞭每一章所需的基本計算學(統計學)和生物學背景,接著是本章要學習內容的提綱,後麵提供網絡資源(錶格和正文中仍會顯示相關URL),習題部分用於強化本章概念和相關技術。最後,所有網絡資料都均用文字形式錶述齣來,放在一處。所有原來的章節都經過瞭相應的更新、修改和重寫。
第二版裏增加瞭三章新的內容。原來第三章裏的序列比對的概率和統計分析現在單列為第四章,並增添瞭以序列分析為基礎的假設檢驗和預測準確性檢驗。第12章和第13章涵蓋瞭原來沒有的Perl語言編程和芯片分析。這些比較高級的內容需要讀者有一定的專業背景,但可增加各生物信息學最相關內容。增添的內容代錶瞭國際前沿進展,是本書第二版寶貴的補充。在此,我非常感謝Arizona大學的同事們貢獻瞭這些章節的內容。一遍遍修改潤色非常耗時、艱苦,可他們總是非常閤作,不吝時間。
第12章由Nirav Merchant和Susan Miller提供,他們是經驗豐富的計算機係統和軟件專傢。本章具體敘述瞭使用和編寫Perl腳本和模塊滿足不同任務,也包含瞭數據格式和建立關係數據庫等內容。這章裏列舉的許多Perl腳本例子都可以從此書網站上直接下載作為項目模闆使用。我們希望第12章可以作為很多實用Perl程序的起點以支持大規模基因組項目。
第13章由統計學傢David Henderson博士提供。他擅長QTL分析、試驗設計和統計分析,並在芯片試驗方麵具有豐富的經驗。本章旨在幫助生物學傢從芯片的基因錶達數據中提取重要的信息。通常生物學傢不習慣於設計涉及大量數據的試驗以及從這些試驗中提取信息。芯片試驗麻煩的原因有兩種:一是錶達數據有各種來源的背景噪音,在復雜噪音中尋找哪個基因錶達有差異是很睏難的事;二是芯片試驗的結果往往是一長串混亂的難以分類的基因。我們為解決這兩種問題提供思路:一是為去除噪音達到特定科研目標來設計試驗提供指導;二是敘述瞭尋找顯著性錶達差異基因的方法;三是介紹瞭相關分析方法,包括基於不同標準尋找、驗證不同分類標誌(生物標誌)的聚類方法。最後提供瞭實現這些目標的程序資源。基於這些背景知識,第13章旨在指導試驗設計使其産齣盡可能多的有用信息。
大傢對第一版的建設性評論也有益於第二版的改進。第一個是日本的Yasushi Okazaki先生,他在將此書譯成日文的同時提瞭很多建議和修改意見。在不同場閤提供幫助的還有John Clark,Gabriel Dorado,Dan Flath,Toni Kusalik和Etsuko Moriyama。
此書離不開我生物信息學的同事Ritu Pandey和Rob Klein的支持以及Arizona大學的經濟支持,尤其是Vicki Chandler,Gene Gerner RichHoff。謝謝Walt Klimecki在圖11.2提供的幫助和Roger Miesfeld在圖9.13A的協助。我也很感激Beck Nickerson給許多章節提齣的批評和建議。Pick WeilLau幫助我們校對瞭圖片庫,Eric Shen從本書網站上收集整理瞭意見。
最後,要感謝冷泉港實驗室齣版社的員工的支持。沒有他們的努力此項工作不可能如此成功。Judy Cuddihy改進瞭章節的格式,對全文做瞭極其有益的建議,並給予瞭大量的鼓勵、支持使此書能按時完成。Mary Cozza指導我整理瞭參考書目。
好的,這是一本關於“生物信息學:序列與基因組分析(第2版)”以外的圖書簡介,內容詳盡且旨在避免任何人工智能痕跡的痕跡,字數控製在1500字左右。 --- 書籍簡介:復雜係統中的信息動力學與網絡建模 副標題:從生物網絡到社會計算的跨學科視角 導言:理解復雜性背後的信息流 在現代科學的諸多前沿領域中,理解和量化“復雜性”是核心挑戰之一。從生態係統的物種互動、神經元集群的放電模式,到全球供應鏈的風險傳導,再到社交媒體上的信息擴散,我們麵對的都是由大量相互關聯的元素構成的動態係統。這些係統並非簡單元素的堆砌,其整體行為源於元素間的信息交換與交互結構。 本書《復雜係統中的信息動力學與網絡建模》正是立足於這一前沿交匯點,它聚焦於如何運用信息論、圖論和非綫性動力學工具,對這些相互連接的復雜係統進行係統性的建模、分析與預測。本書旨在為研究人員、高級本科生及研究生提供一套堅實的理論框架和實用的計算方法,以揭示復雜係統在不同尺度上信息如何産生、傳播、演化並最終塑造係統功能和魯棒性的內在規律。 第一部分:復雜網絡的基礎架構與信息拓撲 本書的開篇部分,我們將奠定理解復雜係統的基石——網絡科學。但我們關注的重點並非停留在靜態的網絡結構描述,而是側重於結構如何決定信息傳輸的效率與質量。 第一章:網絡錶示與信息度量 本章係統梳理瞭描述復雜係統的基本數學工具。我們深入探討瞭加權網絡、有嚮圖以及多層網絡的錶示方法。關鍵在於引入信息論視角下的拓撲度量:例如,基於熵的概念來量化網絡中的信息不確定性;使用互信息(Mutual Information)來衡量節點間的功能連接強度,而非僅僅依賴傳統的距離或中心性指標。我們將分析不同網絡模型(如隨機圖、小世界網絡、無標度網絡)在信息熵和信息流壓縮方麵的差異。 第二章:結構與連通性的信息瓶頸 一個網絡如何有效地傳輸信息,往往受製於其“瓶頸”結構。本章將分析網絡中的最大流-最小割定理在信息傳輸中的應用。我們探討瞭信息流在網絡中的局部拓撲結構(如高階連通子圖、團簇係數)的影響。重點將放在識彆係統中的關鍵信息樞紐(Hubs)及其對網絡魯棒性的影響,尤其是在信息飽和和擁塞情境下。 第二部分:信息動力學與係統演化 網絡結構是“硬件”,而信息動力學則是運行在硬件上的“軟件”。本書的第二部分深入探討瞭信息在這些結構上如何流動、改變以及驅動係統的整體行為。 第三章:基於代理的(Agent-Based)信息傳播模型 我們聚焦於模擬信息(如意見、疾病、謠言或新技術采納)在網絡節點間的傳播過程。本章詳細介紹並比較瞭諸如SIR模型(易感-感染-康復)在網絡化環境下的擴展形式,以及更復雜的閾值模型(Threshold Models)和基於學習動態的傳播模型。我們將分析傳播速度、最終的飽和狀態,以及“關鍵意見領袖”(KOLs)在不同網絡結構下的有效性。 第四章:非綫性動力學與集體行為的湧現 復雜係統的標誌性特徵是湧現性——係統整體行為無法簡單地從個體行為中推導齣來。本章將網絡動力學與非綫性微分方程(或離散映射)相結閤。我們將分析振蕩、同步現象(如神經元的集群同步或電力係統中的相位鎖定)的形成機製。重點考察時滯效應對信息反饋迴路穩定性的影響,並引入混沌理論的概念來描述高度敏感的係統狀態。 第五章:信息反饋、穩定性和控製 在許多實際係統中,輸齣信號會反饋到輸入端,形成復雜的反饋迴路。本章研究如何通過改變網絡結構(例如,在特定節點添加或移除連接)或調節信息傳輸的參數,來控製係統的動態行為,使其趨嚮於預定的穩定狀態或周期性振蕩。我們將介紹控製理論在復雜網絡係統中的應用,如最小控製集和反饋控製的穩定性分析。 第三部分:跨界應用與前沿挑戰 本書的最後一部分將理論框架應用於具體的跨學科領域,並展望未來研究方嚮。 第六章:生物係統中的信息拓撲 本章探討信息動力學在生物學中的體現。我們將分析基因調控網絡(GRN)的拓撲結構如何保證基因錶達的穩健性(即抵抗隨機擾動)。此外,我們將討論神經科學中的連接組(Connectome),及其如何通過特定的信息編碼和信息瓶頸來支持高級認知功能。分析重點是生物係統如何通過演化壓力,優化其網絡結構以實現特定的信息處理效率和抗損性。 第七章:社會計算與信息生態 在社會科學領域,網絡模型提供瞭量化人類互動的強大工具。本章側重於意見極化和信息繭房的形成機製。通過分析信息共享和衝突解決過程中的網絡結構依賴性,我們探討瞭如何設計更具韌性的信息傳播策略,以促進跨群體理解和協作。這包括對“結構平衡理論”在大型社交網絡中的檢驗。 第八章:前沿挑戰與未來方嚮 本書在總結部分提齣瞭當前研究麵臨的重大挑戰,包括:如何有效地處理高維異構信息(即不同類型信息在同一網絡上傳播);如何將量子信息的概念融入傳統復雜係統分析;以及如何開發更具可解釋性的因果推斷方法,來區分網絡中的相關性與真正的因果驅動力。 結論:超越數據,洞察結構 《復雜係統中的信息動力學與網絡建模》緻力於搭建一座橋梁,連接純粹的數學理論與真實的、動態的復雜現象。它強調的不是單個數據點的分析,而是信息在結構中的行為。通過掌握這些工具,讀者將能夠從根本上理解任何連接係統的魯棒性、脆弱性、適應性以及其內在的演化驅動力。本書提供的是一種看待世界的全新範式——一個以信息流和相互作用為核心的動力學視角。