生物信息學(xué)：智能化算法及其應(yīng)用

第一章 生物信息學(xué)
第一節(jié) 生物信息學(xué)的內(nèi)容、方法和意義
一、什么是生物信息學(xué)
二、生物信息學(xué)探源
三、生物信息學(xué)的內(nèi)涵和后基因組時(shí)代的主攻方向
第二節(jié) 有關(guān)生物學(xué)的背景知識(shí)
一、細(xì)胞簡(jiǎn)介
二、基因概述
三、蛋白質(zhì)解說
第三節(jié) 互聯(lián)網(wǎng)上可用的生物信息資源
一、生物信息網(wǎng)上資源簡(jiǎn)介
二、基因組數(shù)據(jù)庫
三、核酸序列數(shù)據(jù)庫
四、蛋白質(zhì)序列數(shù)據(jù)庫
五、蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫
六、二次數(shù)據(jù)庫
七、重要網(wǎng)上資源的地址
參考文獻(xiàn)
第二章 智能化算法
第一節(jié) 什么是智能化算法
一、問題的提法
二、程式化算法
三、智能化算法
第二節(jié) 本書涉及的智能化算法
一、蒙特卡羅方法
二、模擬退火算法
三、遺傳算法
四、人工神經(jīng)網(wǎng)絡(luò)
五、隱馬氏模型
六、貝葉斯網(wǎng)絡(luò)與無標(biāo)度網(wǎng)絡(luò)
第三節(jié) 評(píng)價(jià)智能化算法的一個(gè)理論框架
一、離散吸收馬氏過程
二、隨機(jī)算法的收斂性和復(fù)雜性
參考文獻(xiàn)
第三章 序列聯(lián)配與隱馬氏模型
第一節(jié) 雙序列聯(lián)配
一、序列的同源性和相似性
二、PAM和BLOSUM計(jì)分矩陣
三、動(dòng)態(tài)規(guī)劃算法
四、數(shù)據(jù)庫搜索的FASTA和BLAST算法
第二節(jié) 多序列聯(lián)配
一、多序列聯(lián)配的概念
二、多序列聯(lián)配常用的ClustalW算法
三、多序列聯(lián)配結(jié)果的表示和數(shù)據(jù)庫搜索
第三節(jié) 隱馬氏模型
一、馬爾可夫鏈
二、隱馬氏模型的形式
三、隱馬氏模型的基本問題與算法
第四節(jié) 基于剖面隱馬氏模型的多序列聯(lián)配
一、作為多序列聯(lián)配的剖面隱馬氏模型
二、剖面隱馬氏模型主狀態(tài)數(shù)的選取
三、現(xiàn)有剖面隱馬氏模型軟件簡(jiǎn)介和多序列聯(lián)配實(shí)例
參考文獻(xiàn)
第四章 模體識(shí)別與神經(jīng)網(wǎng)絡(luò)
第一節(jié) 模體識(shí)別
一、模體的生物學(xué)意義
二、序列模體和結(jié)構(gòu)模體
三、模體數(shù)據(jù)庫
四、模體發(fā)現(xiàn)的方法
第二節(jié) 智能神經(jīng)網(wǎng)絡(luò)
一、神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
二、神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型及學(xué)習(xí)
三、多層前饋神經(jīng)網(wǎng)絡(luò)與反向傳播算法
四、反向傳播算法的局限性及其改進(jìn)
五、神經(jīng)網(wǎng)絡(luò)的兩個(gè)主要問題
六、貝葉斯神經(jīng)網(wǎng)絡(luò)
第三節(jié) 基于神經(jīng)網(wǎng)絡(luò)的模體識(shí)別
一、神經(jīng)網(wǎng)絡(luò)在生物分子序列分析中的應(yīng)用
二、生物分子序列分析中的神經(jīng)網(wǎng)絡(luò)編碼
三、基于神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)
參考文獻(xiàn)
第五章 蛋白質(zhì)折疊與遺傳算法
第一節(jié) 蛋白質(zhì)折疊
一、蛋白質(zhì)結(jié)構(gòu)及其預(yù)測(cè)方法概述
二、蛋白質(zhì)折疊預(yù)測(cè)的模型
三、蛋白質(zhì)折疊預(yù)測(cè)的基本方法
第二節(jié) 蒙特卡羅方法
一、基本蒙特卡羅方法
二、各種采樣方法介紹
三、馬爾可夫鏈蒙特卡羅方法
第三節(jié) 遺傳算法
一、遺傳算法的有關(guān)概念
二、基本遺傳算法
三、各種改進(jìn)的遺傳算法
四、遺傳算法的數(shù)學(xué)理論
第四節(jié) 蛋白質(zhì)折疊預(yù)測(cè)實(shí)例
一、蛋白質(zhì)折疊的HP模型
二、基于蒙特卡羅方法的蛋白質(zhì)折疊預(yù)測(cè)
三、基于遺傳算法的蛋白質(zhì)折疊問題預(yù)測(cè)
四、結(jié)果與討論
參考文獻(xiàn)
第六章 RNA結(jié)構(gòu)預(yù)測(cè)與模擬退火
第一節(jié) RNA的結(jié)構(gòu)與功能
一、RNA的組成
二、RNA的分類、結(jié)構(gòu)及其功能
三、RNA的二級(jí)結(jié)構(gòu)與假結(jié)
第二節(jié) RNA二級(jí)結(jié)構(gòu)預(yù)測(cè)建模
一、比較序列分析模型
二、最小自由能算法與自由能參數(shù)
三、組合優(yōu)化算法的解決方案
四、進(jìn)一步提高預(yù)測(cè)準(zhǔn)確度的若干問題
第三節(jié) 模擬退火算法
一、Metropolis準(zhǔn)則
二、模擬退火的漸近行為
三、冷卻進(jìn)度表的有關(guān)問題
四、模擬退火算法的改進(jìn)和變異
五、Boltzmann機(jī)
第四節(jié) RNA二級(jí)結(jié)構(gòu)預(yù)測(cè)實(shí)例
一、RNA二級(jí)結(jié)構(gòu)的編碼
二、混合遺傳算法
三、材料與計(jì)算結(jié)果
參考文獻(xiàn)
第七章 微陣列技術(shù)與統(tǒng)計(jì)推斷
第一節(jié) 微陣列技術(shù)
一、微陣列技術(shù)簡(jiǎn)介
二、微陣列的數(shù)據(jù)挖掘
三、微陣列技術(shù)的應(yīng)用
第二節(jié) 聚類方法
一、距離與相似系數(shù)
二、系統(tǒng)聚類法
三、K均值算法
四、自組織映射算法
五、主成分分析
六、聚類效果評(píng)估
第三節(jié) 模式識(shí)別
一、基因選擇
二、降維處理
三、判別分析
四、遺失數(shù)據(jù)處理
第四節(jié) 微陣列表達(dá)數(shù)據(jù)分析實(shí)例
一、材料與方法
二、計(jì)算結(jié)果
三、討論
四、問題與展望
參考文獻(xiàn)
第八章 基因相互作用與貝葉斯網(wǎng)絡(luò)
第一節(jié) 基因的表達(dá)調(diào)控
一、RNA結(jié)構(gòu)調(diào)控和剪接編輯調(diào)控模型
二、啟動(dòng)子調(diào)控和操縱子調(diào)控模型
三、感受器應(yīng)答調(diào)控模型
四、功能基因組的基因表達(dá)
第二節(jié) 基因相互關(guān)系網(wǎng)絡(luò)
一、基因表達(dá)數(shù)據(jù)采集和表達(dá)模式分析
二、基因相互關(guān)系的一般統(tǒng)計(jì)分析框架
三、建立基因調(diào)控網(wǎng)絡(luò)的數(shù)學(xué)模型
四、基因網(wǎng)絡(luò)模型分析
五、基因網(wǎng)絡(luò)的實(shí)際應(yīng)用
第三節(jié) 基因相互作用的貝葉斯網(wǎng)絡(luò)模型
一、貝葉斯網(wǎng)絡(luò)
二、基于貝葉斯網(wǎng)絡(luò)的基因相互關(guān)系模型及算法實(shí)現(xiàn)
三、貝葉斯調(diào)控網(wǎng)絡(luò)在疾病研究中的應(yīng)用和前景
參考文獻(xiàn)
索引