《生物信息學：智慧型化算法及其套用》是2006年化學工業出版社出版的圖書，作者是王翼飛、史定華。本書主要包括生物信息學概述、智慧型化算法等內容。
基本介紹
- 書名：生物信息學：智慧型化算法及其套用
- 作者：王翼飛,史定華
- 頁數：283
- 裝幀：平裝
基本相信,內容簡介,作者簡介,目錄,
基本相信
作 者：王翼飛，史定華編 叢 書 名：現代生物技術叢書
出 版 社：化學工業出版社
ISBN：9787502586195
出版時間：2006-07-01
版 次：1
頁 數：283
裝 幀：平裝
開 本：16開
所屬分類：圖書 > 科學與自然 > 生物科學
內容簡介
本書作為《現代生物技術叢書》的分冊之一，旨在為從事生物信息學研究的學子們提供一個可操作的入門性介紹。生物信息學是一門涵蓋生物學、數學、化學、物理學、計算機科學等學科的年輕科學，也是近年來發展非常迅速的研究領域。截止2006年，生物信息學研究工作者大都依據各自的知識背景採用擅長的數學方法，獨門利器，庖丁解牛，從初等數學到高等數學，可說是“十八般武藝、各顯神通”。本書獨闢蹊徑，以智慧型化算法為主線逐一介紹了隱馬氏模型、神經網路、遺傳算法、模擬退火算法、貝葉斯網路等算法，著重闡述了這些算法在生物信息學研究中的套用，力圖探索破譯生命奧秘的可行之徑。書中介紹的各種算法和生物信息學課題都是筆者多年來實際研究過的工作，相關的論文也都已陸續發表。因此，從一定意義上說，本書是作者多年研究工作的整理和總結。國內高校和科研院所生物和數學領域中從事生物信息學教學和研究的教師和學生，閱讀本書，將會發現它是一本實用的教材和閱讀方便的參考書。
在這本書里，作者就以智慧型化算法為主線逐一介紹各種算法及其在生物信息學研究中的套用，旨在為有志於生物信息學研究的年輕學子提供一個具有可操作性的入門介紹，使他們可以較快地開展實際的研究工作。生物信息學是一門年輕的學科，也是一門正在急速發展的學科，更是一門青年人可以大顯身手的學科。如果將生物信息學比作大海的話，那么本書介紹的方法和問題僅是一束小小的、毫不起眼的浪花而已。
作者簡介
王翼飛，上海大學數學系教授。博士生導師。上海市生物信息學會理事。1975年畢業於上海科學技術大學計算數學專業。1985年在上海科技大學獲理學碩士學位。曾從事雷射核聚變的計算機模擬研究和奇異攝動問題的數值解法研究。1991～1994年受日本理化學研究所筑波生命科學中心邀請，赴日本從事計算分子生物學研究。1994年回國後即致力於計算分子生物學和生物信息學的教學和科研工作。已出版譯著1本，發表論文60餘篇。
目錄
第一章 生物信息學1
第一節 生物信息學的內容、方法和意義1
一、什麼是生物信息學1
二、生物信息學探源2
三、生物信息學的內涵和後基因組時代的主攻方向3
第二節 有關生物學的背景知識4
一、細胞簡介5
二、基因概述9
三、蛋白質解說13
第三節 網際網路上可用的生物信息資源18
一、生物信息網上資源簡介18
二、基因組資料庫19
三、核酸序列資料庫21
四、蛋白質序列資料庫28
五、蛋白質結構資料庫37
六、二次資料庫43
七、重要網上資源的地址48
參考文獻49
第二章 智慧型化算法50
第一節 什麼是智慧型化算法50
一、問題的提法50
二、程式化算法52
三、智慧型化算法54
第二節 本書涉及的智慧型化算法55
一、蒙特卡羅方法55
二、模擬退火算法56
三、遺傳算法57
四、人工神經網路58
五、隱馬氏模型60
六、貝葉斯網路與無標度網路61
第三節 評價智慧型化算法的一個理論框架62
一、離散吸收馬氏過程62
二、隨機算法的收斂性和複雜性63
參考文獻70
第三章 序列聯配與隱馬氏模型71
第一節 雙序列聯配71
一、序列的同源性和相似性71
二、PAM和BLOSUM計分矩陣72
三、動態規划算法75
四、資料庫搜尋的FASTA和BLAST算法77
第二節 多序列聯配79
一、多序列聯配的概念79
二、多序列聯配常用的ClustalW算法80
三、多序列聯配結果的表示和資料庫搜尋81
第三節 隱馬氏模型84
一、馬爾可夫鏈85
二、隱馬氏模型的形式86
三、隱馬氏模型的基本問題與算法89
第四節 基於剖面隱馬氏模型的多序列聯配94
一、作為多序列聯配的剖面隱馬氏模型94
二、剖面隱馬氏模型主狀態數的選取96
三、現有剖面隱馬氏模型軟體簡介和多序列聯配實例102
參考文獻104
第四章 模體識別與神經網路105
第一節 模體識別105
一、模體的生物學意義105
二、序列模體和結構模體106
三、模體資料庫108
四、模體發現的方法109
第二節 智慧型神經網路110
一、神經網路簡介110
二、神經網路的結構模型及學習111
三、多層前饋神經網路與反向傳播算法116
四、反向傳播算法的局限性及其改進119
五、神經網路的兩個主要問題121
六、貝葉斯神經網路123
第三節 基於神經網路的模體識別125
一、神經網路在生物分子序列分析中的套用125
二、生物分子序列分析中的神經網路編碼129
三、基於神經網路的蛋白質二級結構預測130
參考文獻135
第五章 蛋白質摺疊與遺傳算法137
第一節 蛋白質摺疊137
一、蛋白質結構及其預測方法概述137
二、蛋白質摺疊預測的模型141
三、蛋白質摺疊預測的基本方法143
第二節 蒙特卡羅方法145
一、基本蒙特卡羅方法145
二、各種採樣方法介紹147
三、馬爾可夫鏈蒙特卡羅方法150
第三節 遺傳算法152
一、遺傳算法的有關概念152
二、基本遺傳算法153
三、各種改進的遺傳算法158
四、遺傳算法的數學理論160
第四節 蛋白質摺疊預測實例163
一、蛋白質摺疊的HP模型163
二、基於蒙特卡羅方法的蛋白質摺疊預測165
三、基於遺傳算法的蛋白質摺疊問題預測167
四、結果與討論168
參考文獻169
第六章 RNA結構預測與模擬退火171
第一節 RNA的結構與功能172
一、RNA的組成172
二、RNA的分類、結構及其功能174
三、RNA的二級結構與假結180
第二節 RNA二級結構預測建模183
一、比較序列分析模型183
二、最小自由能算法與自由能參數188
三、組合最佳化算法的解決方案192
四、進一步提高預測準確度的若干問題194
第三節 模擬退火算法195
一、Metropolis準則196
二、模擬退火的漸近行為198
三、冷卻進度表的有關問題200
四、模擬退火算法的改進和變異202
五、Boltzmann機203
第四節 RNA二級結構預測實例205
一、RNA二級結構的編碼205
二、混合遺傳算法206
三、材料與計算結果207
參考文獻209
第七章 微陣列技術與統計推斷211
第一節 微陣列技術211
一、微陣列技術簡介211
二、微陣列的數據挖掘214
三、微陣列技術的套用219
第二節 聚類方法221
一、距離與相似係數222
二、系統聚類法222
三、K均值算法224
四、自組織映射算法225
五、主成分分析225
六、聚類效果評估226
第三節 模式識別227
一、基因選擇227
二、降維處理229
三、判別分析232
四、遺失數據處理237
第四節 微陣列表達數據分析實例237
一、材料與方法238
二、計算結果239
三、討論242
四、問題與展望242
參考文獻243
第八章 基因相互作用與貝葉斯網路245
第一節 基因的表達調控245
一、RNA結構調控和剪接編輯調控模型246
二、啟動子調控和操縱子調控模型247
三、感受器應答調控模型249
四、功能基因組的基因表達249
第二節 基因相互關係網路251
一、基因表達數據採集和表達模式分析251
二、基因相互關係的一般統計分析框架257
三、建立基因調控網路的數學模型259
四、基因網路模型分析260
五、基因網路的實際套用262
第三節 基因相互作用的貝葉斯網路模型266
一、貝葉斯網路266
二、基於貝葉斯網路的基因相互關係模型及算法實現273
三、貝葉斯調控網路在疾病研究中的套用和前景276
參考文獻276
索引278
