生物信息学

生物信息学是一门以生物学、数学和信息科学 为基础的交叉科学，它通过综合运用数学和信息科 学等多领域的方法和工具对生物信息进行获取、加 工、存储、分析和解释，来阐明大量生物数据所包 含的生物学意义。本教材内容包括生物信息学概念 及发展历史、生物统计学基础、生物信息学资源、 序列测定与分析、基因组学及宏基因组学、转录组 学、表观遗传与转录调控、蛋白质与代谢组学、表 型组学、系统生物学、计算合成生物学、生物信息 学的应用、生物信息方法进阶、生物信息学新进展 和生物信息学编程共15章内容，语言简练，图文并 茂，紧跟学科前沿进展，并通过配套多种媒体形式 的数字资源，有效提升专业性和教学适用性。本书 可作为各类高等院校生物科学类专业本科生的课程 教材，也可供相关专业的研究生、科研人员和生物 学爱好者参考使用。

1 生物信息学概述 1.1 生物信息学的基本概念 1.1.1 生物信息学的基本含义 1.1.2 生物信息学的学科特点与发展 1.2 生物信息学的发展历史与趋势 1.3 生物信息学的研究领域 1.3.1 生物学研究领域 1.3.2 生物信息学研究内容 1.4 生物信息学的算法基础 1.4.1 降维算法 1.4.2 聚类算法 1.4.3 分类算法 1.4.4 回归算法 1.4.5 统计学分析 1.5 生物信息学的机遇与挑战 1.5.1 生物信息学的机遇 1.5.2 生物信息学的挑战 1.5.3 结语 2 生物统计学基础 2.1 生物统计简介 2.1.1 总体与样本 2.1.2 数据特征及描述 2.2 参数估计和假设检验 2.2.1 抽样分布 2.2.2 区间估计 2.2.3 假设检验 2.2.4 正态总体均值的检验 2.2.5 方差分析 2.2.6 多重检验校正 2.2.7 卡方检验 2.2.8 非参数检验方法 2.3 统计模型 2.3.1 线性模型 2.3.2 极大似然估计法 2.3.3 Logistic回归模型 2.3.4 泊松回归模型 2.3.5 Cox比例风险模型 2.3.6 线性混合效应模型 2.3.7 隐马尔可夫模型 2.3.8 贝叶斯统计基础 2.4 高维统计方法 2.4.1 正则化方法 2.4.2 变量筛选 2.4.3 LASSO方法的讨论 2.5 统计学习基础 2.5.1 有监督学习 2.5.2 无监督学习 2.6 统计因果推断 2.6.1 辛普森悖论 2.6.2 关联与因果 2.6.3 因果效应的定义与识别 2.6.4 因果效应的估计 2.6.5 工具变量 3 深度学习和人工智能 4 生物信息资源 5 序列比对与分析 6 基因组学 7 转录组学 8 转录调控和表观遗传 9 蛋白质组学和代谢组学 10 表型组学 11 系统生物学 12 生物信息学应用 13 生物信息学实验基础 名词索引