生物信息学导论

《计算机科学与技术学科前沿丛书·计算机科学与技术学科研究生系列教材·生物信息学导论:面向高性能计算的算法与应用(中文版)》特色：选择生物信息学中与计算技术关系最密切的生物序列分析、蛋白质组学分析、生物学网络分析等三个专题进行重点阐述，同时将所需的生物知识、数学知识、计算机算法等作为预备知识。在每部分专题内容中，既有对经典方法的详细讨论，也融入了作者及其合作研究者最近几年研究的创新成果；既注重理论研究的方法，也强调具体应用的实现。在介绍各类生物信息学问题的求解方法时，特别关注如何与高性能计算技术相结合，力求体现分子生物学知识.数学模型和高性能计算方法相融合的特点。

《计算机科学与技术学科前沿丛书·计算机科学与技术学科研究生系列教材·生物信息学导论:面向高性能计算的算法与应用(中文版)》主要针对生物信息学中的典型应用，从计算方法角度介绍相关算法的原理及应用；内容分成生物学及数理基础、生物序列分析、蛋白质组学分析以及大规模生物学网络分析等四个专题，涉及生物分子序列分析、基因发现、分子进化分析、蛋白质结构预测、蛋白质肽测序、生物学网络模块划分等具体问题的求解原理及算法实现。《计算机科学与技术学科前沿丛书·计算机科学与技术学科研究生系列教材·生物信息学导论:面向高性能计算的算法与应用(中文版)》的读者对象是具有现代分子生物学及计算机科学基本知识的研究生及相关科研人员，在附加习题后也可作为生物信息学方面的入门及进阶教材，供生物医学工程、计算机应用等专业学生使用。

第一篇预备知识篇
第1章分子生物学基础
1.1生命的演化与分类
1.2核酸：DNA与RNA
1.3蛋白质
1.4DNA的复制
1.5基因与染色体
1.6基因表达
1.6.1转录
1.6.2遗传密码
1.6.3基因的进化——遗传与变异
1.7现代生物工程技术
1.8现代分子生物学中的经典计算问题

第2章数学及计算机科学基础
2.1线性代数理论
2.1.1记号与约定
2.1.2矩阵的范数
2.1.3矩阵的特征值与特征向量
2.1.4矩阵的广义逆
2.2概率论基础知识
2.2.1随机事件
2.2.2概率的三种定义
2.2.3概率的加法原理
2.2.4条件概率
2.2.5全概率公式和Bayes公式
2.2.6独立随机试验与贝努利定律
2.2.7随机变量及其分布
2.2.8常用的随机分布
2.2.9概率分布的熵与相对熵
2.2.10随机过程
2.2.11一阶马氏链
2.2.12随机游动
2.2.13高阶马氏链
2.2.14统计推断与假设检验
2.3最优化理论
2.3.1问题描述
2.3.2Lagrange理论
2.4统计学习理论
2.4.1引言
2.4.2机器学习的基本问题和方法
2.4.3统计学习理论的核心内容
2.5函数增长速度的比较

第二篇序列分析篇
第3章序列比对的基本方法
3.1序列的相似性与同源性
3.2点阵图
3.3两序列比对概述
3.4全局比对的动态规划方法
3.5局部比对的动态规划方法
3.6重叠区域匹配的准全局比对算法
3.7空位罚分模型
3.8仿射空位罚分模型下的全局比对算法
3.9仿射空位罚分模型下的局部比对算法
3.10降价空间存储的两序列比对算法
3.10.1线性空间复杂性算法
3.10.2CheckPoint算法
3.11降低时间开销的两序列比对算法
3.11.1分块比对算法
3.11.2带状比对算法
3.12比对得分的正则化
3.13启发式的近似寻优比对算法
3.13.1FA.STA
3.13.2BLAST
3.14比对得分的统计学显著性
……
第三篇蛋白质组学分析篇
第四篇生物学网络分析篇