生物医药大数据与智能分析

总结了生物医药大数据和智能分析国家优选水平之一的团队——天河团队的研究成果，内容前沿； 全面覆盖生物医药大数据与智能分析的基本知识和重点前沿科学问题 生物医药、大数据、超级计算、人工智能交叉科学前沿技术实践的深入示范 包含了产生实际社会和经济效益的真实案例，参考价值高； 包含代码和数据集，方便科研人员和应用开发人员借鉴、重用。

生物医药大数据蕴含了非常丰富的信息和知识，是关乎人类生存与健康的重要战略资源，但只有对生物医药大数据进行高效处理和智能分析，才能真正推动生物医药研究和产业化从原来的假设驱动向数据驱动转变，因而近些年来生物医药大数据与智能分析逐渐成为潜力巨大且发展迅猛的交叉领域。本书简要介绍了并行计算、机器学习和深度学习应用于生物医药大数据的相关基础知识，并总结了作者团队在生物医药大数据处理和分析领域的若干成果，主要涵盖基因表达谱分析、微生物基因组、药物虚拟筛选、肿瘤基因表达谱分类、RNA编辑位点识别、增强子识别等，以作者团队的研究成果为实际案例，详细介绍了研究的路线和方法。本书属于高性能计算、大数据、机器学习和生物医药等专业的交叉领域，可以为这些领域的研究人员提供参考，也可作为相关专业高年级本科生和研究生的补充教材。

第一篇绪论
第1章生物医药大数据与智能分析概述2
1.1生物医药大数据2
1.2生物医药大数据的高效处理3
1.2.1大规模并行处理技术3
1.2.2云计算技术5
1.3生物医药大数据的智能分析5
1.4总结6
1.5本书的内容安排6
第二篇生物医药大数据的高效处理
第2章生物医药大数据高效处理的基础9
2.1大数据计算模型9
2.1.1外存模型9
2.1.2数据流模型9
2.1.3PRAM模型10
2.1.4MapReduce模型10
2.2并行计算10
2.2.1计算密集型和数据密集型11
2.2.2并行计算的粒度11
2.2.3并行编程的一般设计过程11
2.2.4并行编程模型12
2.3总结12
第3章海量基因表达谱分析13
3.1基因表达谱分析与生物效应评估概述14
3.2海量基因表达谱快速查询15
3.2.1GSEA工具15
3.2.2海量基因表达谱查询算法17
3.2.3性能评估25
3.3海量基因表达谱并行比对与聚类27
3.3.1基因表达数据库CMap28
3.3.2基因表达谱并行比对29
3.3.3基因表达谱并行聚类30
3.3.4性能评估34
3.4总结40
第4章功能性前噬菌体预测42
4.1前噬菌体预测概述43
4.1.1噬菌体与功能性前噬菌体43
4.1.2前噬菌体与功能性前噬菌体预测的挑战45
4.2功能性前噬菌体预测算法47
4.2.1LysoPhD流程设计47
4.2.2数据质量控制流水线49
4.2.3前噬菌体范围的粗略预测50
4.2.4前噬菌体范围的准确预测53
4.2.5前噬菌体功能性分析54
4.2.6基于末端延伸算法的溶原性噬菌体完整序列提取55
4.2.7性能评估57
4.3预测算法并行化62
4.3.1多线程并行加速63
4.3.2溶原性噬菌体数据库构建64
4.4总结65
第5章高通量药物虚拟筛选67
5.1药物虚拟筛选概述68
5.1.1药物虚拟筛选68
5.1.2虚拟筛选软件D3DOCKxb70
5.2基于CPU多核的药物虚拟筛选并行优化71
5.2.1D3DOCKxb程序分析72
5.2.2基于CPU多核的D3DOCKxb设计与实现73
5.2.3性能评估76
5.3基于CPU-MIC协同的药物虚拟筛选并行优化79
5.3.1基于MIC协处理器的D3DOCKxb移植80
5.3.2CPU-MIC异构协同的mD3DOCKxb84
5.3.3性能评估86
5.4基于“天河二号”超级计算机的大规模高通量药物虚拟筛选平台90
5.4.1高通量虚拟筛选的主要挑战90
5.4.2高通量虚拟筛选的算法设计91
5.4.3性能评估93
5.4.4应用研究97
5.5总结99
第三篇生物医药大数据的智能分析
第6章生物医药大数据的智能分析基础102
6.1传统的机器学习技术102
6.2深度学习在生物医药大数据中的应用103
6.2.1在组学研究中的应用104
6.2.2在生物医学影像中的应用105
6.2.3在生物医学信号处理中的应用105
6.2.4在药物研发中的应用106
6.3常见的深度学习模型和框架107
6.3.1常见的深度学习模型107
6.3.2常见的深度学习框架111
6.4深度学习解决生物大数据问题的一般方法112
6.4.1数据获取及编码112
6.4.2数据预处理113
6.4.3模型训练115
6.4.4性能评估116
6.5总结117
第7章基于字典学习的肿瘤基因表达谱分类118
7.1肿瘤基因表达谱分类概述119
7.1.1肿瘤与基因表达谱119
7.1.2分类算法123
7.2基于判别投影的字典学习基因表达谱分类126
7.2.1字典学习分类算法126
7.2.2基于判别投影的字典学习算法128
7.2.3性能评估132
7.3结合集成学习的字典学习基因表达谱分类134
7.3.1集成学习134
7.3.2结合集成学习的字典学习算法136
7.3.3性能评估140
7.4基于随机序列和样本距离的基因表达谱特征选择143
7.4.1数据预处理方法144
7.4.2肿瘤基因表达谱数据的特征选择145
7.4.3性能评估148
7.5总结149
第8章基于深度学习的RNA编辑位点识别150
8.1RNA编辑识别概述150
8.1.1RNA编辑150
8.1.2RNA编辑识别面临的挑战151
8.2RNA编辑位点金标集的构建152
8.2.1ENCODE计划152
8.2.2基于ENCODE计划的RNA编辑位点金标集设计154
8.2.3训练集和测试集的构建155
8.3基于双向LSTM的RNA编辑位点识别157
8.3.1双向长短时记忆网络157
8.3.2rnnRed算法网络模型的构建、训练及性能评估158
8.4基于ResNet的RNA编辑位点识别165
8.4.1残差网络165
8.4.2cnnRed算法网络模型的构建、训练及性能评估166
8.5总结171
第9章基于深度学习的增强子识别172
9.1增强子识别概述172
9.2增强子识别神经网络174
9.2.1模型的设计174
9.2.2模型的优化177
9.3增强子序列数据集的预处理178
9.3.1增强子数据集178
9.3.2增强子序列的数值映射179
9.4模型的训练180
9.4.1训练集及实验平台180
9.4.2参数的选择181
9.5模型的预测评估182
9.5.1测试集及实验平台182
9.5.2性能度量指标182
9.5.3模型性能评估184
9.6总结186
参考文献187