系統生物學的網路分析方法

系統生物學的網路分析方法

《系統生物學的網路分析方法》是2015年西安電子科技大學出版社出版的圖書。

基本介紹

  • 中文名:系統生物學的網路分析方法
  • 作者:鄒權
  • 出版社:西安電子科技大學出版社
  • 出版時間:2015年
  • 開本:16 開
  • 裝幀:平裝
  • ISBN:9787560635385
內容簡介,圖書目錄,

內容簡介

 生物系統通常是一個複雜網路,它可以理解成任何與生物系統有關的網路,包括蛋白質相互作用網路、基因調控網路、代謝網路、信號傳導網路、生物進化網路,以及人工神經網路、食物鏈網路等。《系統生物學中的網路分析方法》主要關注的是與生物信息學相關的生物網路和受生物網路啟發的計算模型。
  《系統生物學中的網路分析方法》從信息科學的視角來分析生物網路,可對具有計算背景的生物信息學入門研究人員有所幫助,也有助於具有生物背景的研究人員理解、掌握各種生物網路軟體。
  《系統生物學中的網路分析方法》可作為本科高年級或研究生相關課程的參考書,也可用於指導相關的數學建模比賽。

圖書目錄

第一章 生物信息學和系統生物學基礎知識
1.1 基本概念
1.2 中心法則
1.3 表觀遺傳學
1.3.1 非編碼RNA
1.3.2 microRNA
1.3.3組蛋白修飾
1.4 系統生物學
1.4.1 生物系統與生物網路
1.4.2 系統生物學語言SBM
1.5 本章小結
第二章 網路化建模的基本知識
2.1 馬爾科夫模型
2.1.1 簡述
2.1.2 舉例分析
2.2 隱馬爾科夫模型
2.2.1 簡介
2.2.2 HMM的改進
2.2.3 隱馬爾科夫模型算法
2.3 貝葉斯網路模型
2.3.1 貝葉斯網路的基本概念
2.3.2 貝葉斯網路定理
2.3.3 貝葉斯網路的拓撲結構
2.3.4 簡單的貝葉斯網路的例子
2.4 Petri網的構建和套用
2.4.1 Petri網簡介
2.4.2 Petri網的數學定義和特點
2.4.3 Petri網的套用
2.4.4 Petri網的行為特徵
2.4.5 Pet網的性能分析
2.5 布爾網路的構建
2.5.1 布爾網路簡介
2.5.2 布爾網路的狀態
2.5.3 布爾網路動態行為研究
2.6 網路比對的模型和算法
2.7 網路聚類的模型和算法
2.8 網路可視化軟體介紹
2.8.1 Pajek簡介
2.8.2 Pajek數據對象
2.8.3 Pajek實例演示
2.8.4 Pajek常用功能介紹
2.9 本章小結
第三章 大規模網路化數據的處理方法
3.1 圖問題概論
3.2 圖問題的研究領域及算法
3.2.1 圖的基本分析
3.2.2 圖的匹配
3.2.3 圖數據中的關鍵字查詢
3.2.4 頻繁模式挖掘
3.2.5 圖的聚類
3.2.6 圖的分類
3.2.7 社交網路分析
3.3 圖分析的發展——大數據
時代的到來
3.4 單機分析工具
3.4.1 Pajek
3.4.2 UINET
3.4.3 NetworkX
3.4.4 NetMiner 3
3.5 大圖分析——分散式圖
計算模型介紹
3.5.1 MR-BSt
3.5.2 GraphIab
3.5.3 GraphBuilder
3.6 本章小結
第四章 蛋白質相互作用網路的建模與分析
4.1 問題描述
4.2 相關研究
4.2.1 實驗方法
4.2.2 計算生物學方法
4.2.3 蛋白質相互作用的評估
4.2.4 可信度的評估和提高
4.2.5 蛋白質相互作用網路全局拓撲結構的度量準則
4.2.6 蛋白質相互作用網路的局部結構特點
4.2.7 具有生物學意義的子網
4.2.8 蛋白質相互作用網路研究面臨的困難與挑戰
4.2.9 一些蛋白質相互作用的資料庫
4.3 確定蛋白質相互作用網路的計算方法
4.3.1 基於基因組信息的方法
4.3.2 基於進化信息的方法
4.3.3 基於蛋白質結構的方法
4.3.4 基於胺基酸序列的方法
4.3.5 基於自然語言處理的文獻挖掘方法
4.3.6 基於機器學習方法預測蛋白質相互作用
4.4 蛋白質相互作用數據可靠性評價
4.4.1 相似性評價指標
4.4.2 有效性評價指標
4.5 本章小結
第五章 基因調控網路的建模與分析
5.1 簡介
5.2 基因調控網路
5.3 布爾網路模型
5.3.1 普通布爾網路
5.3.2 機率布爾網路
5.4 數學建模
5.4.1 線性組合模型
5.4.2 加權矩陣模型
5.4.3 微分方程模型
5.5 貝葉斯網路模型
5.5.1 靜態貝葉斯網路模型
5.5.2 動態貝葉斯網路模型
5.6 基因調控網路各種構建模型的比較
5.7 本章小結
第六章 表觀遺傳網路的建模與分析
6.1 簡介
6.2 microRNA與疾病的網路關係構建
6.2.1 數據獲取與資料庫構建
6.2.2 網路構建與數據分析
6.3 基於布爾網路的microRNA挖掘
6.3.1 構建microRNA網路的理論依據
6.3.2 microRNA靶基因預測數據分析
6.3.3 布爾型microRNA網路的構建與分析
6.3.4 布爾型phenome-microRN.Aome網路的構建
6.3.5 基於布爾型網路的疾病microRNA挖掘算法
6.4 基於權重網路的microRNA挖掘
6.4.1 權重型microRNA網路的構建算法
6.4.2 權重型phenome-microRNAome網路的構建
6.5 組蛋白修飾與選擇性剪下外顯子表達間的調控網路
6.5.1 簡介
6.5.2 基於貝葉斯網路的組蛋白調控網路構建
6.5.3 組蛋白修飾與外顯子表達間調控網路
6.5.4 生物驗證及分析
6.6 非穩態組蛋白修飾調控網路構建方法研究
6.6.1 hmDBN模型及結構學習算法
6.6.2 數據測試與分析
6.6.3 結果驗證
6.7 本章小結
第七章 進化樹與進化網路的建模方法
7.1 進化樹
7.1.1 分子數據
7.1.2 DNA進化
7.1.3 進化模型
7.2 常見的進化樹構建算法
7.2.1 距離法
7.2.2 最大簡約法
7.2.3 最大似然法
7.2.4 算法比較
7.3 基於鄰接法的分支交換操作
7.3.1 NNI、SPR、TBR和p-ECR搜尋能力分析
7.3.2 p-ECRN.J操作
7.4 基於PS的進化樹構建算法
7.5 結合QP和鄰接法的進化樹構建算法
7.5.1 QP算法
7.5.2 鄰接法
7.5.3 QPNJ算法
7.6 基於同倫方法的SEM算法
7.6.1 最大似然法和SEM算法
7.6.2 基於同倫方法的SEM算法推導
7.6.3 斂性證明
7.7 進化網
7.7.1 有根系統發生網路構建方法
7.7.2 有根系統發生網路空間上測度的定義
7.8 本章小結
第八章 神經網路啟發的計算模型
8.1 引言
8.2 生物神經網路
8.2.1 生物神經元及其模型
8.2.2 生物神經元的功能特性
8.2.3 神經元之間的信息傳遞
8.3 人工神經網路
8.3.1 人工神經網路的發展
8.3.2 人工神經網路的套用領域及發展前景
8.3.3 人工神經網路的基本特性
8.4 人工神經網路的建模基礎
8.4.1 人工神經元模型
8.4.2 人工神經網路拓撲結構類型
8.4.3 人工神經網路信息流向類型
8.4.4 神經網路的學習
8.5 感知器神經網路
8.5.1 單層感知器
8.5.2 多層感知器
8.5.3 基於B-F算法的多層感知器模型
8.5.4.多層感知器的主要能力
8.6 自組織神經網路
8.6.1 自組織映射模型
8.6.2 自組織競爭過程
8.6.3 ART網路
8.6.4 反饋神經網路
8.7 本章小結
第九章 細胞網路啟發的計算模型
9.1 引言
9.1.1 細胞
9.1.2 細胞自動機
9.1.3 Conway的生命遊戲Game of Life
9.1.4.宇宙就是一個極其複雜的細胞自動機
9.1.5 現代細胞自動機的套用
9.2 膜計算
9.2.1 標準P系統
9.2.2 細胞型膜系統
9.2.3 組織型膜系統
9.3 細菌智慧型算法
9.3.1 細菌的覓食行為
9.3.2 細菌的趨藥性
9.3.3 細菌群體的適應性決策原理:啟發機器人設計
9.4 原始細胞網路
9.5 本章小結
第十章 生物社會網路啟發的計算模型
10.1 引言
10.2 對鳥群網路的研究
10.3 對蟻群的研究
10.3.1 螞蟻的覓食行為
10.3.2 孵化分類啟發
10.3.3 協作運輸啟發
10.3.4 勞動分工啟發
10.4 對魚群的研究
10.5 對蜂群的研究
lO.5.1 蜜蜂繁殖
10.5.2 蜜蜂采蜜
10.6 對青蛙群體的研究
10.7 本章小結

相關詞條

熱門詞條

聯絡我們