《生物分子網路中的信息挖掘方法》是2020年電子工業出版社出版的圖書，作譯者朱媛等。
基本介紹
- 書名：生物分子網路中的信息挖掘方法
- 作者：朱媛 等
- 出版社：電子工業出版社
- 出版時間：2020年12月
- 頁數：140 頁
- 定價：69 元
- 開本：16 開
- ISBN：9787121400803
- 中文名：生物分子網路中的信息挖掘方法
內容簡介,圖書目錄,
內容簡介
本書以統計學習方法為工趨懂鞏具，挖掘生物分子網路中的有效信息。全書共7章，主要內容包括：緒論、基於機率圖模型的蛋白質相互作用碑愉市網路的重構、秀麗線蟲資料庫的整合與重構、蛋白質相互作用網路中最小驅動節點集的挖掘、基於集成聚類的蛋白質複合物的發現、基於正則化邏輯回歸的乳腺癌生物標誌物的識別、總結和展望。本書通過大量實驗和分析幫助讀者理解各類方法的主要思路與實現細節，並列出了相關參考文獻，可供相關領域的研究人員、技術人員、高等院校的高年級本科生及研究生閱讀、參考。
圖書目錄
第1章 緒論白宙享訂 1
1.1 生物分子網路 1
1.2 相關研究進展 3
1.3 本書的研究內容 6
1.4 本書的結構和組織 8
1.5 參考文獻 9
第2章 基於機率圖模型的蛋白質相互作用網路的重構 17
2.1 引言 17
2.2 主要方法 17
2.2.1 構建稀疏機率圖模型 17
2.2.2 參數估計 19
2.2.3 置信度指標 20
2.3 實驗結果及分析 22
2.3.1 數府糠戀試據庫 22
2.3.2 實驗設定 24
2.3.3 高精度酵母數據上的實驗結果 24
2.3.4 人類迎協蛋白質數據上的實驗結果 28
2.3.5 計算複雜度分析 31
2.4 本章小結 31
2.5 參考文獻 32
第3章 秀麗線蟲資料庫的整合與重構 35
3.1 引言 35
3.2 主要方法 35
3.2.1 蛋白質對的可靠性評分 36
3.2.2 改進的稀疏機率圖模型 36
3.2.3 參數估計 37
3.3 實驗結果及分析 38
3.3.1 資料庫 38
3.3.2 置信度的有效性驗證 40
3.3.3 秀麗線蟲加權網路的套用 44
3.4 本章小結 46
3.5 參考文獻 47
第4章 蛋白質相互作用網路中最小驅動節點集的挖掘 50
4.1 引言 50
4.2 主要方法 53
4.2.1 最小控制集模型 53
4.2.2 中心校正最小控制集模型 53
4.2.3 中心性計算 55
4.3 實驗結果及分析 55
4.3.1 資料庫 55
4.3.2 參數灑幾格效果分析 57
4.3.3 不同最佳化方法確定的驅動蛋白質之間的重疊分析 58
4.3.4 驅動蛋白質的度分布 59
4.3.5 驅動蛋白質的介數分布 59
4.3.6 驅動蛋白質的攻擊脆弱性 60
4.3.7 富集分析 61
4.3.8 與其他算法比較 66
4.3.9 計算時間分析 67
4.4 本章小結 68
4.5 參考文獻 68
第5章 基於集成聚類的蛋白質複合物的發現 74
5.1 引言 74
5.2 主要方法 75
5.2.1 構建合成網路 75
5.2.2 模型建立 77
5.2.3 模型求解及蛋白質複合物偵測 79
5.3 實驗結果與分析 84
5.3.1 資料庫 84
5.3.2 評估指標 85
5.3.3 參數選擇 87
5.3.4 效果評估 89
5.4 本章小結 98
5.5 參考文獻 98
第6章 基於正則化邏輯回歸的乳腺癌生物標誌物的識別 102
6.1 引言 102
6.2 主要方法 103
6.2.1 基於邊信息的正則化邏輯回歸模型 104
6.2.2 自適應彈性網的權重 105
6.3 實驗結果及分析 107
6.3.1 資料庫 107
6.3.2 評價指標 108
6.3.3 參數選擇 109
6.3.4 分道奔坑類準確性評估 112
6.3.5 基因選擇過程的穩定性 113
6.3.6 功能穩定性 115
6.3.7 生物標誌物（網路標誌物）識別 117
6.4 本章小結 123
6.5 參考文獻 123
第7章 總結和展望 128
7.1 總結 128
7.2 展望 129
4.3.6 驅動蛋白質的攻擊脆弱性 60
4.3.7 富集分析 61
4.3.8 與其他算法比較 66
4.3.9 計算時間分析 67
4.4 本章小結 68
4.5 參考文獻 68
第5章 基於集成聚類的蛋白質複合物的發現 74
5.1 引言 74
5.2 主要方法 75
5.2.1 構建合成網路 75
5.2.2 模型建立 77
5.2.3 模型求解及蛋白質複合物偵測 79
5.3 實驗結果與分析 84
5.3.1 資料庫 84
5.3.2 評估指標 85
5.3.3 參數選擇 87
5.3.4 效果評估 89
5.4 本章小結 98
5.5 參考文獻 98
第6章 基於正則化邏輯回歸的乳腺癌生物標誌物的識別 102
6.1 引言 102
6.2 主要方法 103
6.2.1 基於邊信息的正則化邏輯回歸模型 104
6.2.2 自適應彈性網的權重 105
6.3 實驗結果及分析 107
6.3.1 資料庫 107
6.3.2 評價指標 108
6.3.3 參數選擇 109
6.3.4 分類準確性評估 112
6.3.5 基因選擇過程的穩定性 113
6.3.6 功能穩定性 115
6.3.7 生物標誌物（網路標誌物）識別 117
6.4 本章小結 123
6.5 參考文獻 123
第7章 總結和展望 128
7.1 總結 128
7.2 展望 129
