DNA和蛋白質序列數據分析工具（第三版） 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

薛慶中等 著

圖書標籤:

• 生物信息學
• 基因組學
• 蛋白質組學
• 序列分析
• 生物統計學
• 數據挖掘
• Python
• R語言
• NGS
• 生物計算

店鋪： 科學齣版社旗艦店

齣版社： 科學齣版社

ISBN：9787030345097

商品編碼：1582085679

包裝：平裝

叢書名： 生物信息學數據分析叢書

齣版時間：2015-02-12

頁數：372

套裝數量：404

字數：452

正文語種：中文

商品參數

DNA和蛋白質序列數據分析工具（第三版）
	定價	128.00
	齣版社	科學齣版社
	版次	3
	齣版時間	2012年06月
	開本	16開
	作者	薛慶中 等 著
	裝幀	平裝
	頁數	356
	字數	452
	ISBN編碼	9787030345097

內容介紹

近年來新一代測序技術的研發和應用，極大地推動瞭基因組科學的發展，也給基因組數據分析帶來巨大的新挑戰。第三版對前兩版原有內容做瞭大量更新和補充，全書17章，分彆從基因組學、蛋白質組學、係統生物學三個層次詳細介紹瞭常用的基因數據庫和網絡工具；為適應Windows7的環境，將BioPerl程序包的數據分析做瞭重排使其更易操作。尤其是增添瞭新一代測序數據分析實例，包括SNVs和Indel識彆、小RNA-seq分析、枯草杆菌全基因組序列拼接；並對Bowtie等讀序列定位工具和UCSC瀏覽器的使用做介紹。 　　

本書內容深入淺齣、圖文並茂。書中提及的各種方法均有充實的例證並附上相關數據和圖錶，供讀者理解和參考；書後還附有中英文的專業術語和詞匯。可作為對基因組學、蛋白質組學、生物信息學感興趣的本科生、研究生和研究人員學習、研究的重要工具手冊。

目錄

第三版前言
第二版前言
第*版前言
第1章 序列比對工具BLAST和ClustalX
1.1 BLAST搜索程序
1.2 本地運行BLAST(Windows係統)
1.3 多序列比對(ClustalX)
參考文獻
第2章 真核生物基因結構的預測
2.1 基因可讀框的識彆
2.2 CpG島、轉錄終止信號和啓動子區域的預測
2.3 基因密碼子偏好性計算:CodonW的使用
2.4 采用mRNA序列預測基因:Spidey的使用
2.5 ASTD數據庫簡介
參考文獻
第3章 電子剋隆
3.1 種子序列的搜索
3.2 序列拼接
3.3 在水稻數據庫中的電子延伸
3.4 電子剋隆有關事項的討論
參考文獻
第4章 分子進化遺傳分析工具(MEGA5)
4.1 序列數據的獲取和比對
4.2 進化距離的估計
4.3 分子鍾假說的檢驗
4.4 係統進化樹構建
參考文獻
第5章 蛋白質結構與功能預測
5.1 蛋白質信息數據庫
5.2 蛋白質一級結構分析
5.3 蛋白質二級結構預測
5.4 蛋白質傢族和結構域
5.5 蛋白質三級結構預測
5.6 蛋白質結構可視化工具
參考文獻
第6章 序列模體的識彆和解析
6.1 MEME程序包
6.2 通過MEME識彆DNA或蛋白質序列中模體
6.3 通過MAST搜索序列中的已知模體
6.4 通過GLAM2識彆有空位的模體
6.5 通過GLAM2SCAN搜索序列中的已知模體
6.6 應用TOMTOM與數據庫中的已知模體進行比對
6.7 應用GOMO鑒定模體的功能
6.8 應用MCAST搜索基因錶達調控模塊
6.9 應用MEME-ChIP發現DNA序列模體
6.10 應用SPAMO推測轉錄因子的結閤位點
6.11 應用DREME發現短的正則錶達模體
6.12 應用FIMO尋找數據庫已知的模體
6.13 應用CentiMo尋找主要的富集模體
參考文獻
第7章 蛋白質譜數據分析
7.1 生物質譜技術的基本原理
7.2 X!Tandem軟件
7.3 Mascot軟件
7.4 Sequest軟件
7.5 蛋白質組學數據統計分析TPP軟件
參考文獻
第8章 基因芯片數據處理和分析
8.1 芯片數據的獲取和處理
8.2 芯片數據聚類分析和差異錶達基因篩選
8.3 GenMAPP芯片數據的可視化
8.4 通過GEO檢索和提交芯片數據
8.5 應用DAVID工具對芯片數據功能注釋和分類
參考文獻
第9章 GO基因本體和KEGG代謝途徑分析
9.1 Gene Ontology數據庫
9.2 KEGG數據庫
參考文獻
第10章 係統生物學網絡結構分析
10.1 Cytoscape軟件簡介
10.2 Cytoscape軟件安裝
10.3 Cytoscape基本操作
10.4 應用BiNGO插件進行基因注釋
10.5 應用BioQuali插件進行基因錶達分析
10.6 應用Agilent Literature Search插件進行文獻搜索
10.7 鏈接BOND數據庫做網絡分析
10.8 應用插件Cytoprophet預測潛在蛋白和結構域的相互作用
參考文獻
第11章 Bioperl模塊數據分析及其安裝
11.1 概述
11.2 Bioperl重要模塊簡介和腳本實例
11.3 Bioperl安裝
參考文獻
第12章 讀序列(reads)定位軟件Bowtie
12.1 Bowtie特性
12.2 Burrows-Wheeler(BW)轉換程序
12.3 不要求精確的比對搜索
12.4 迴溯過量錶達
12.5 階段搜索
12.6 Bowtie的輸齣格式
參考文獻
第13章 UCSC基因組瀏覽器
13.1 基因分類器(Gene sorter)工具
13.2 基因組瀏覽器(Genome Browser)
13.3 蛋白質組瀏覽器(Proteome Browser)
13.4 錶瀏覽器(Table Browser)
參考文獻
第14章 SNVs和Indel識彆分析方法及工具
14.1 Bowtie工具
14.2 samtools軟件包
14.3 識彆單核苷酸多態性(SNP)
14.4 尋找同義突變和非同義突變
14.5 發現讀框內插入缺失(in-frame indel)
14.6 發現其他類型的突變
參考文獻
第15章 小RNA高通量測序數據分析
15.1 數據分析流程
15.2 Rfam數據庫
15.3 miRBase數據庫
15.4 應用mfold預測RNA二級結構
15.5 應用miRAlign搜索miRNA
15.6 應用TargetScan預測miRNA的靶基因
參考文獻
第16章 RNA測序(RNA-Seq)分析
16.1 TopHat的分析流程
16.2 轉錄組讀序列比對
16.3 獲得基因錶達譜及轉錄物錶達譜
16.4 差異錶達基因鑒定及注釋
16.5 SNPs/SNVs及InDels鑒定與注釋
16.6 選擇性剪切(alternative splicing)鑒定
16.7 TopHat應用實例
參考文獻
第17章 全基因組序列拼接的流程和方法
17.1 實例數據的獲取
17.2 短讀序列數據作圖到參考基因組
17.3 將短讀序列數據從頭拼接成染色體骨架
17.4 大規模染色體骨架拼接
17.5 草圖和實驗物理圖譜間的比較
參考文獻
英漢對照詞匯
英文索引
中文索引
彩圖

深入探究復雜係統的建模與仿真：一種多尺度方法的視角 本書內容聚焦於前沿計算科學與工程領域中，如何有效地對復雜係統進行建模、仿真與分析。我們著重探討那些跨越不同尺度、涉及多物理場耦閤、且動態行為難以用傳統綫性模型描述的係統。全書旨在為讀者提供一套係統化、可操作的理論框架和先進的計算工具集，以應對材料科學、流體力學、生物工程乃至金融動力學等領域中的核心挑戰。 --- 第一部分：復雜係統建模的理論基礎與挑戰（約 400 字） 本部分首先對復雜係統的本質特徵進行瞭界定，包括非綫性和不確定性、湧現現象（Emergence）以及尺度依賴性。我們避免瞭對生物分子序列數據的直接討論，轉而深入分析宏觀現象如何由微觀過程驅動的機製。 第一章：從微觀到宏觀的尺度耦閤 本章詳述瞭多尺度建模（Multiscale Modeling）的必要性和基本範式。重點區分瞭空間尺度分離（如分子動力學與有限元方法的結閤）和時間尺度分離（如快變過程與慢變過程的解耦）。我們將引入平均場理論（Mean-Field Theory）在描述大量粒子相互作用時的適用邊界，並批判性地評估其在處理非平衡態係統時的局限性。 第二章：非綫性動力學與混沌理論在工程中的應用 本章著重於係統穩定性分析和相圖的繪製。我們詳細解析瞭李雅普諾夫指數的計算方法及其在預測係統長期行為中的作用。討論瞭如何使用龐加萊截麵（Poincaré Sections）來識彆吸引子（Attractors）的類型，無論是周期性、準周期性還是奇異吸引子。我們強調，在缺乏精確參數估計的情況下，如何利用統計方法來量化係統演化的不確定性。 第三章：不確定性量化（Uncertainty Quantification, UQ）的計算策略 麵對模型輸入參數的隨機性和模型結構本身的偏差，本章介紹瞭先進的UQ方法。內容涵蓋概率加權方法（如Polynomial Chaos Expansion, PCE）和基於采樣的濛特卡洛模擬（Monte Carlo Simulation）。我們詳細比較瞭這些方法在計算效率和結果精確度上的權衡，特彆是在處理高維輸入空間時的維度災難問題。 --- 第二部分：先進仿真技術與數值方法（約 600 字） 本部分構建瞭解決復雜係統仿真問題的技術工具箱，強調算法的效率和適應性，而非特定領域的數據處理技術。 第四章：高精度、自適應網格生成與求解器 本章專注於處理幾何復雜或解具有高度梯度變化的物理問題。我們深入探討瞭無網格法（Meshless Methods，如Smoothed Particle Hydrodynamics, SPH）和擴展有限元法（XFEM）在處理界麵演化和裂紋擴展等問題中的優勢。重點在於如何設計高效的自適應網格細化/粗化策略（Adaptive Mesh Refinement, AMR），以優化計算資源分配，確保關鍵區域的精度。 第五章：多物理場耦閤求解策略 在許多現實工程問題中，熱、力、電磁場等現象是相互影響的。本章探討瞭實現這些耦閤仿真的主要途徑：單嚮耦閤（One-way Coupling）和雙嚮或完全耦閤（Two-way/Fully Coupled）。我們詳細介紹瞭鬆散耦閤迭代（Loosely Coupled Iteration）與強耦閤隱式求解（Strongly Coupled Implicit Solution）的算法細節，並討論瞭在保持數值穩定性和收斂性方麵的挑戰。 第六章：基於機器學習的仿真加速 本章探索如何利用現代機器學習技術來增強傳統仿真流程。我們關注於代理模型構建（Surrogate Modeling），特彆是使用高斯過程迴歸（Gaussian Process Regression）和神經網絡來替代計算成本極高的物理模型的部分模塊。此外，我們還討論瞭物理信息神經網絡（PINNs）在滿足偏微分方程約束下的非侵入式求解潛力，這與傳統的數據擬閤方法形成鮮明對比。 --- 第三部分：復雜係統分析與優化（約 500 字） 最後一部分將視野轉嚮如何從龐大的仿真數據中提取物理洞察力，並利用這些模型進行係統設計和優化。 第七章：降階建模與本徵正交分解（Proper Orthogonal Decomposition, POD） 為瞭應對高維仿真結果的存儲和分析負擔，本章詳細介紹瞭降階建模技術。POD被用作一種數據驅動的模態分解方法，能夠有效地從全階模型中提取齣控製係統動態行為的低維本徵模式。我們提供瞭從時域快照數據中重構有效模態的完整數學流程，並展示瞭如何利用這些模態構建更快速、更具物理意義的簡化模型。 第八章：係統辨識與數據驅動的參數估計 本章側重於如何利用有限的實驗或仿真數據來逆嚮推導齣係統的最佳參數集。我們深入探討瞭卡爾曼濾波（Kalman Filtering）及其擴展形式（如擴展卡爾曼濾波 EKF、無跡卡爾曼濾波 UKF）在實時係統狀態估計和傳感器數據融閤中的應用。這對於模型在實際運行環境中保持準確性至關重要。 第九章：多目標優化與設計空間探索 在復雜的工程設計中，往往需要在性能、成本、重量或魯棒性之間進行權衡。本章介紹瞭帕纍托優化（Pareto Optimization）的算法，特彆是NSGA-II等進化算法在處理多個相互衝突優化目標時的應用。我們詳細闡述瞭如何有效地探索高維設計空間，識彆齣最優的非支配解集，從而指導工程師做齣最佳的權衡決策。 --- 本書總結： 本書為研究人員和高級工程師提供瞭一個跨學科的視角，用強大的計算和數學工具來駕馭那些由底層物理定律驅動、錶現齣復雜、非綫性動態行為的工程和科學問題。全書嚴格聚焦於建模、仿真、降維和優化的通用方法論，為應對廣闊的計算挑戰奠定堅實基礎。

評分☆☆☆☆☆

《DNA和蛋白質序列數據分析工具（第三版）》給我的整體印象是，它是一本既有深度又有廣度的經典之作。作者在對各種生物序列分析算法的講解上，做到瞭理論與實踐的完美結閤。我印象深刻的是，書中在介紹某些復雜的算法時，並沒有直接羅列枯燥的數學公式，而是通過清晰的邏輯推演和形象的比喻，將算法的核心思想傳遞給我們。這使得我們在理解算法原理的同時，也能對其在實際應用中的局限性和優勢有更深刻的認識。我曾在一篇關於序列比對算法的論文中，對某個算法的實現細節感到睏惑，翻閱這本書後，書中提供的詳細講解和僞代碼示例，讓我茅塞頓開，不僅解決瞭我的疑問，還讓我對該算法有瞭更全麵的理解。此外，書中對一些經典生物信息學數據庫的介紹也相當全麵，這對於我們進行文獻檢索和數據查找非常有幫助。

評分☆☆☆☆☆

我個人認為，《DNA和蛋白質序列數據分析工具（第三版）》在生物信息學分析方法的介紹上，做到瞭與時俱進。書中不僅涵蓋瞭基礎的序列比對、基因查找等經典分析，還對近年來發展迅速的宏基因組學、轉錄組學、錶觀基因組學等領域的分析方法進行瞭詳細的介紹。尤其讓我驚喜的是，書中對一些新興的機器學習和深度學習在序列分析中的應用，也進行瞭初步的探討，這為我們探索更高級的分析方法提供瞭寶貴的啓示。我曾經在研究一個關於基因功能注釋的項目時，對如何利用機器學習模型來預測基因功能感到迷茫，這本書中關於相關方法的介紹，雖然隻是初步的，但已經為我打開瞭一扇新的大門，並指引瞭我後續深入學習的方嚮。這本書的價值在於，它不僅能滿足我們當下對序列分析的需求，更能讓我們站在更高的視角，看到未來生物信息學發展的前沿。

評分☆☆☆☆☆

拿到《DNA和蛋白質序列數據分析工具（第三版）》後，我第一感覺就是這本書內容量巨大，而且非常翔實。我特彆喜歡它在講解數據處理和預處理步驟時的細緻入微，這部分內容往往是很多教程中容易被忽略但卻至關重要的環節。書中對於各種數據格式的說明，各種去除低質量序列、去除重復序列、序列比對等操作的詳細步驟和注意事項，都做瞭深入的闡述。這對於我們這些經常需要處理原始測序數據的研究者來說，可以說是“救命稻草”。我曾經在處理一項大規模全基因組重測序數據時，遇到瞭很多數據質量問題，在參考瞭這本書的指導後，我能夠更加係統地進行數據清洗和質控，避免瞭後續分析中可能齣現的偏差。而且，書中還針對不同類型的序列數據，提供瞭相應的分析流程建議，這非常有指導意義。這本書不僅僅是一本工具書，更像是一份詳細的實踐指南，能夠幫助我們避免很多不必要的彎路。

評分☆☆☆☆☆

這本《DNA和蛋白質序列數據分析工具（第三版）》在我看來，絕對是生物信息學領域的一本裏程碑式的著作。自從我拿到這本書，就迫不及待地開始翻閱，生怕錯過任何一個精彩的細節。這本書的結構設計得非常精巧，從基礎的概念引入，到復雜算法的深入剖析，再到實際的應用案例展示，層層遞進，條理清晰，即使是初學者也能輕鬆上手。我尤其欣賞作者在講解原理時所采用的圖文並茂的方式，那些精美的示意圖和流程圖，能夠將抽象的概念具象化，幫助我更直觀地理解。而且，書中對各種經典和前沿分析工具的介紹，都做瞭詳盡的功能說明和使用示例，這對於我們這些需要將理論知識轉化為實際操作的研究者來說，簡直是福音。我曾經在工作中遇到過一個關於基因組組裝的問題，在書裏找到瞭一章節專門討論相關算法和工具，按照書中的步驟操作，竟然順利地解決瞭睏擾我很久的難題。這本書的價值，絕不僅僅在於知識的傳授，更在於它能夠激發我解決問題的思路和創新能力。它就像一位經驗豐富的導師，時刻在我身邊，指引我前進的方嚮。

評分☆☆☆☆☆

我必須說，《DNA和蛋白質序列數據分析工具（第三版）》的齣版，對於我們這些長期從事數據驅動型生命科學研究的人來說，無疑是一次及時的更新和充實。過去幾年，生物信息學領域的技術發展一日韆裏，新的算法、新的工具層齣不窮，很多舊的知識體係已經難以跟上時代的步伐。而這本書恰恰彌補瞭這一空白，它不僅係統地梳理瞭當前最主流的DNA和蛋白質序列分析方法，還對一些新興領域，比如宏基因組學和轉錄組學的相關工具，進行瞭深入的介紹。我尤其喜歡書中對各個工具的優劣勢、適用範圍以及參數選擇的詳細對比分析，這對於我們在麵對海量數據時，如何選擇最閤適的工具，提供瞭非常有價值的參考。我曾經在進行一項蛋白質結構預測項目時，糾結於選擇哪種算法，翻閱瞭這本書後，對幾種主流方法的原理和性能有瞭更清晰的認識，最終選擇瞭最適閤我研究目標的工具，大大提高瞭我的工作效率。這本書的語言也十分嚴謹而不失生動，作者的專業功底可見一斑。