生物计算中的原理与方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

生物计算中的原理与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 基本方法3

第1章 生物序列突变与比对分析3

1.1生物序列突变与比对问题3

1.1.1生物序列的类型与结构3

1.1.2生物序列突变与比对问题的意义与应用4

1.1.3生物序列比对的原理与方法6

1.2二重序列比对的有关算法9

1.2.1关于动态规划算法的一些说明9

1.2.2动态规划算法10

1.2.3统计判决算法的基本思想15

1.2.4 BLAST软件的使用16

1.3多重序列的比对问题19

1.3.1 MSA的意义与概况19

1.3.2 MSA的定义与优化准则21

1.4 MSA算法与计算22

1.4.1 MSA算法的基本概念22

1.4.2 MSA的算法步骤24

1.4.3 ClustalW软件的使用26

1.4.4关于MSA的几点说明30

1.4.5几个多重序列比对应用例子31

1.5 SPA算法的原理与计算32

1.5.1 SPA算法的基本原理32

1.5.2 SPA算法的基本步骤34

1.5.3 SPA算法源码36

1.5.4 SPA算法的有关问题讨论39

1.5.5 SPA算法的一个实例计算41

习题与思考47

第2章 系统发育分析49

2.1分子系统发育分析的基本概念49

2.2基于距离的方法49

2.2.1非加权分组平均法49

2.2.2邻接法52

2.3基于特征的方法55

2.4极大似然和Bayes方法57

2.4.1进化的概率论模型58

2.4.2构建进化树的极大似然方法60

2.4.3构建进化树的Bayes方法62

2.5构建进化树软件简介63

习题与思考68

第3章 蛋白质一级结构的语义分析69

3.1蛋白质一级结构的信息与统计分析法69

3.1.1蛋白质一级结构的语义分析简介69

3.1.2信息、统计分析法的要素与要点70

3.1.3局部词的定义与判定72

3.1.4蛋白质一级结构的语义分析74

3.2蛋白质序列语义结构的组合分析法80

3.2.1关于组合图论的有关记号81

3.2.2数据库的复杂度84

3.2.3数据库的关键词与核心词86

3.2.4关于组合分析的若干应用问题89

习题与思考92

第4章 蛋白质结构预测93

4.1蛋白质二级结构预测93

4.1.1蛋白质二级结构预测的评价体系93

4.1.2 Chou-Fasman方法94

4.1.3 GOR方法96

4.1.4 PHD方法98

4.2蛋白质空间结构预测100

4.2.1同源序列搜索100

4.2.2折叠识别方法101

4.2.3从头预测方法104

4.3蛋白质结构预测软件简介105

4.3.1 PHD软件使用简介105

4.3.2使用nnpredict软件预测蛋白质二级结构108

4.3.3 PSIPRED软件使用简介109

习题与思考111

第5章 基因识别112

5.1绪论112

5.1.1原核基因识别112

5.1.2真核基因识别113

5.1.3 常用模式基因组简介114

5.2基因序列特征分析116

5.2.1内含子与外显子116

5.2.2 CpG岛117

5.2.3密码子使用偏性118

5.3开放阅读框识别119

5.3.1开放阅读框特性119

5.3.2开放阅读框识别原理121

5.3.3开放阅读框识别软件使用122

5.4隐Markov模型基因识别方法126

5.4.1隐Markov模型127

5.4.2 GENSCAN隐Markov模型方法和原理128

5.4.3 GENSCAN软件使用131

5.4.4基因识别方法评价134

5.5其他基因识别方法简介135

5.5.1神经网络方法135

5.5.2 Z曲线方法136

习题与思考138

第6章 基因表达数据分析139

6.1基因表达序列标签数据分析简介139

6.1.1基因表达序列标签的概念139

6.1.2基因表达序列标签数据的获取141

6.1.3基因表达序列标签数据聚类分析145

6.1.4基因表达序列标签的应用147

6.2基因芯片数据的获取147

6.2.1基本概念148

6.2.2基因芯片实验过程149

6.2.3基因芯片数据获取150

6.2.4基因芯片数据内容152

6.3基因芯片数据分析153

6.3.1基因表达谱芯片数据标准化154

6.3.2基因表达谱芯片数据散点图分析156

6.3.3基因表达差异显著性分析157

6.4基因芯片数据聚类分析159

6.4.1基本概念159

6.4.2特征描述160

6.4.3分层聚类方法162

6.4.4模糊聚类方法167

6.5其他基因芯片数据分析方法简介173

6.5.1支持向量机方法173

6.5.2 K均值聚类173

6.5.3自组织映射图聚类174

6.6基因芯片数据分析软件简介175

习题与思考176

第二部分 生物学备忘录179

第7章 核酸与DNA179

7.1细胞与染色体179

7.1.1细胞179

7.1.2染色体概念180

7.1.3染色体特征181

7.2核酸分子与DNA结构182

7.2.1核酸分子182

7.2.2 DNA分子结构184

7.3 RNA结构与分类187

7.3.1 RNA结构187

7.3.2 RNA分类188

第8章 氨基酸与蛋白质190

8.1氨基酸190

8.1.1氨基酸组成190

8.1.2氨基酸符号表示190

8.1.3氨基酸分类192

8.2肽链193

8.3蛋白质194

8.3.1蛋白质分类194

8.3.2蛋白质一级结构194

8.3.3蛋白质空间结构195

8.3.4蛋白质功能196

8.3.5蛋白质组197

8.4中心法则与遗传密码197

8.4.1中心法则197

8.4.2遗传密码199

第9章 基因与基因组201

9.1基因201

9.1.1基本概念201

9.1.2基因突变202

9.2基因组203

9.2.1基本概念203

9.2.2人类基因组205

9.2.3后基因组计划206

9.3基因表达与调控207

9.3.1基本概念207

9.3.2原核生物基因表达与调控209

9.3.3真核生物基因表达与调控211

第10章 生物信息数据库213

10.1 GenBank数据库213

10.1.1数据来源213

10.1.2数据内容与类型213

10.1.3序列格式215

10.1.4数据检索与下载215

10.1.5数据提交216

10.1.6应用实例218

10.2 Swiss-Prot数据库220

10.2.1数据来源221

10.2.2 数据内容221

10.2.3序列格式222

10.2.4数据检索与下载222

10.2.5数据提交224

10.2.6应用实例224

附录1 GenBank数据库中的核酸序列记录228

附录2 Swiss-Prot数据库中的蛋白质序列记录231

第三部分 数学备忘录237

第11章 智能计算理论与算法237

11.1智能计算概论与感知器理论237

11.1.1感知器模型及其学习算法237

11.1.2感知器模型的推广241

11.1.3支持向量机244

11.2 EM算法246

11.2.1 EM算法概论246

11.2.2 极大似然估计的EM算法247

11.2.3组合决策中的EM计算250

11.3 EM算法在其他统计问题中的应用254

11.3.1互熵与Fisher矩阵254

11.3.2 混合分布参数估计中的EM算法257

11.3.3分布族的聚类中的EM算法261

11.4 Weka软件的使用267

11.4.1 Weka的基本工作环境与数据准备267

11.4.2 Weka的使用269

第12章 概率、信息与统计275

12.1概率与信息275

12.1.1随机变量与多重随机变量275

12.1.2随机变量的特征数280

12.1.3随机变量与概率分布的信息度量282

12.2重要随机变量和极限定理285

12.2.1几种重要的随机变量及其概率分布285

12.2.2随机变量的极限定理290

12.3统计分析简介293

12.3.1统计分析的基本要素293

12.3.2参数的点估计理论295

12.3.3参数的区间估计理论298

12.3.4其他问题299

12.4多元统计中的几个典型问题299

12.4.1多元统计分析的基本数学模型299

12.4.2聚类分析300

12.4.3主成分分析与因子分析303

12.4.4因子分析306

12.4.5判别分析307

12.5 R统计软件包简介309

12.5.1 R系统初览309

12.5.2 R的数据读入311

12.5.3使用R做统计分析312

第13章 随机过程314

13.1随机过程的一般理论314

13.1.1随机过程的基本概念314

13.1.2独立随机序列315

13.1.3 Poisson过程与可加过程317

13.2 Markov过程321

13.2.1 Markov过程的基本概念321

13.2.2 Markov过程的生成算子324

13.3隐Markov模型327

13.3.1隐Markov模型的基本概念327

13.3.2 HMM的状态估计328

13.3.3 HMM的EM学习算法331

第14章 有关图与树的基本知识334

14.1图的基本概念与结构334

14.1.1图的一般定义与记号334

14.1.2树图与系统树336

14.2组合空间与de Bruijn-Good图337

14.3序列与数据库的复杂度理论340

14.3.1复杂度的定义340

14.3.2复杂度的计算算法341

14.3.3算法的改进342

参考文献344

索引357

《数学与现代科学技术丛书》已出版书目362