医学生物信息学案例与实践
批量上传，套装书可能不全，下单前咨询在线客服！ 正版书 ！！！
￥ 27.81 7.1折 ￥ 39 全新
库存7件
作者华琳 李林 主编 夏翃 郑卫英 安立 潘华 张骞 副主编
出版社清华大学出版社
ISBN9787302486947
出版时间2018-01
装帧平装
开本16开
定价39元
货号25212168
上书时间2024-10-19
商品详情
- 品相描述：全新
- 商品描述
-
前言
编写人员名单
主编:
华琳首都医科大学
李林首都医科大学
副主编(按拼音先后顺序):
安立北京朝阳医院
潘华北京天坛医院
夏翃首都医科大学
张骞北京大学医院
郑卫英首都医科大学序
近年来，随着各种新兴基因测序技术的广泛开展以及互联网的普及，医学科学已经进入基因组学、蛋白质组学、转化医学和精准医学的新时代，生物信息学作为融合了现代生物学、数学、统计学和计算机科学等的前沿学科在此背景下得到了快速发展，并在许多方面影响着医学的发展。
包括人类基因组计划在内的生物基因组测序工程的里程碑式的进展、由此产生的包括生物体生老病死的生物数据以前所未有的速度递增，同时分子生物技术的快速更新和互联网的普及，极大丰富了各类型的生物医学数据，生物信息学作为处理这些数据的有效工具，将在未来的生物医学研究中发挥至关重要的作用。
本书主编华琳副教授多年从事生物医学统计与生物信息学的研究与教学工作，具有丰富的理论知识和实践经验，以作者和通讯作者在生物信息学领域发表SCI论文二十余篇。这本书取材于她近年来从事医学生物信息学的研究与教学工作内容，从医学和分子生物学角度出发，以案例的形式介绍了常用的生物信息学数据库、基因芯片、RNA测序、单核苷酸多态SNP、DNA甲基化、表观遗传学等数据的分析方法，并详细讲解了生物信息学软件包的使用，突出了实用性和可操作性，便于读者对生物信息学的深入理解，给读者带来切实的帮助。
北京朝阳医院副院长前言
当前，随着各种基因测序技术的兴起以及互联网的普及，生命科学已经进入基因组学、蛋白质组学、转化医学和精准医学的时代。现代生物学技术促进了越来越多的临床医学研究在分子水平上开展，与此同时，加工并处理各种生物学分支产生的大量信息成为生命科学的主要研究工作。生物信息学这门崭新的学科由此应运而生并快速发展，通过与计算机技术、网络技术、统计理论和计算算法等相结合，为生物医学研究提供了关键的技术支持。各种临床实验数据和分子生物学数据都可以通过生物信息学手段进一步加工和处理。
为了使生物医学研究人员快速了解生物信息学的基本概念，初步掌握应用医学生物信息学方法对数据进行加工、处理、分析和结果阐释，本书从医学和分子生物学角度出发，通过案例分析详细介绍了医学生物信息学数据的处理方法。全书分为基础篇和提高篇。基础篇包括常用的生物信息学数据库、基因芯片数据、RNA测序数据、单核苷酸多态SNP数据、DNA甲基化数据等的处理分析，还包括基因功能与通路分析技术、疾病风险通路的筛选、生物分子网络的构建等。在提高篇中，以案例的形式翔实地介绍了生物信息学的综合分析方法和数据分析结果的可视化，具有较强的实用性和可操作性，便于读者研究和学习。此外，本书图文并茂，通俗易懂，避免使用大量烦琐的公式。书中很多案例来自编者近年来的科研实践。本书可以作为基础医学、临床医学、预防医学等高年级本科生和研究生的“医学或生物信息学”课程教材，也可供相关的生物科技人员阅读和参考。
在这里感谢首都医科大学生物医学工程学院领导的大力支持，感谢曾经与我们分享研究过程的研究人员，感谢参与讨论的研究生，还要感谢北京市自然科学基金项目（No. 7142015）的支持。
由于生物技术发展日新月异，生物信息学也发展很快，加之编者水平和所涉猎范围有限，书中不足和缺陷在所难免，希望得到专家、同行和读者的批评指正，以使本书不断完善。
编者
2018年1月
导语摘要
随着各种基因测序技术的兴起以及互联网的普及，医学科学已经进入基因组学、蛋白质组学、转化医学和精准医学的新时代，生物信息学在此背景下得到了快速发展。本书从医学和分子生物学角度出发，通过案例分析详细介绍常用的生物信息学数据库、基因芯片数据、RNA测序数据、单核苷酸多态SNP数据、DNA甲基化数据等的处理分析，还包括基因功能与通路分析技术、疾病风险通路的筛选、生物分子网络的构建等。本书还详细介绍了R软件及Bioconductor生物信息学软件包的使用，重点突出实用性和可操作性，以帮助读者对医学生物信息学方法的理解和掌握。本书主要取材于编者近年来从事医学生物信息学的研究与教学工作内容，很多案例来自于编者近年来的科研实践。本书既可以作为基础医学、临床医学、预防医学等高年级本科生和研究生的“医学生物信息学”课程教材，也可供相关的生物科技人员阅读和参考。
作者简介
华琳，首都医科大学生物医学工程学院副教授，博士，硕士研究生导师，研究方向为生物统计与生物信息学。主讲《医学统计学》、《医用数据挖掘》、《医药数理统计方法》和《生物信息学技术概论》等课程。擅长统计研究设计、各类型数据统计分析、数据挖掘及生物信息学分析，近5年内在相关领域以靠前作者和通讯作者发表论文30余篇，其中SCI论文近20篇，累计影响因子超过20.0。主持和参与多项重量、省部级和局级科研课题，与北京多家临床医院开展了数据分析方面的合作，并建立了良好的合作关系，目前是首都医科大学中青年骨干教师和北京市中青年骨干教师。
目录目
录基础篇
第1章生物信息学绪论3
1.1生物信息学概述3
1.2医学生物信息学的主要研究内容4
1.3医学生物信息学面临的挑战5
第2章生物信息学数据库6
2.1生物信息学数据库简介6
2.2基因数据库6
2.2.1GenBankNCBI核酸序列数据库6
2.2.2DDBJ数据库8
2.2.3EMBL数据库8
2.2.4UniGene数据库8
2.3蛋白质数据库9
2.3.1SWISSPROT蛋白质序列分析数据库9
2.3.2PDB蛋白质结构数据库9
2.3.3SCOP数据库11
2.4突变数据库11
2.5UCSC基因组浏览数据库11
2.6OMIM数据库 12
2.7集成数据库12
第3章核酸同源性序列比对的策略和方法14
3.1数据库中的相似性搜索14
3.2双序列比对14
3.3BLAST搜索实例15
3.3.1BLAST简介15
3.3.2BLAST的操作步骤16
3.4分子进化与系统发生树20
3.4.1分子进化20
3.4.2系统发生树20
3.5下一代测序技术简介22
医学生物信息学案例与实践目录
第4章人类基因组变异数据库及SNP关联分析24
4.1SNP简介24
4.2dbSNP数据库简介25
4.3SNP关联分析28
4.3.1SNP关联分析介绍28
4.3.2plink软件批量实现SNP关联分析29
4.4基因与基因互作分析32
4.4.1Logistic回归分析32
4.4.2多因子降维法33
4.4.3决策树分析35
4.4.4PIA算法构建SNPSNP互作网络36
4.4.5基因与环境互作分析39
4.5基于数量性状的SNP互作分析45
4.6基于SNP的系统进化树分析51
4.6.1TNFα308G/A的系统进化树分析52
4.6.2EPHX His139/Arg的系统进化树分析52
4.6.3TNFα308G/A和EPHX
His139/Arg联合的系统进化树分析534.7GWAS数据分析简介及SNAP网络工具54
4.7.1GWAS数据分析简介54
4.7.2SNAP网络工具54
4.8SNP功能分析的生物信息学方法57
4.8.1SNP功能分析57
4.8.2SNP功能预测分数——SIFT57
4.8.3SNP功能预测分数——PolyPhen257
第5章基因表达数据分析61
5.1cDNA芯片平台与数据库62
5.1.1cDNA芯片平台介绍62
5.1.2基因芯片数据预处理63
5.1.3基因芯片数据处理与分析66
5.2RNAseq测序技术及数据分析80
5.2.1RNAseq测序技术80
5.2.2基于RNAseq数据的差异表达基因分析82
5.2.3RNAseq数据的外显子水平差异分析94
5.2.4RNAseq数据的可变剪切分析103
第6章基因功能与通路分析技术109
6.1基因功能富集分析109
6.1.1GO简介109
6.1.2富集分析109
6.1.3DAVID网络工具介绍110
6.2通路数据库介绍114
6.2.1KEGG数据库114
6.2.2其他通路数据库简介117
6.3疾病风险通路筛选118
6.4INVEX软件介绍120
6.5随机森林通路分析法挖掘特征基因126
6.5.1随机森林通路分析法介绍126
6.5.2案例分析126
6.5.3数值实验结果127
第7章miRNA数据分析131
7.1miRNA简介131
7.2miRNA靶基因靶向关系131
7.3miRNA数据资源131
7.3.1TarBase数据库131
7.3.2miRBase数据库132
7.4miRNA表达谱数据分析134
7.5结合SNP和miRNA表达谱探查疾病相关的miRNA138
7.6结合基因、疾病、通路和miRNA的ChemiRs网络工具简介142
7.6.1按照miRNA名称进行搜索142
7.6.2按照基因列表进行搜索148
第8章DNA甲基化及表观遗传学数据分析151
8.1DNA甲基化相关知识介绍151
8.1.1CpG岛预测算法151
8.1.2DNA甲基化检测方法152
8.2DNA甲基化区域识别软件——methyAnalysis软件包应用152
8.3肿瘤相关的DNA甲基化数据库——MethHC网络工具简介159
8.3.1浏览高（低）甲基化基因159
8.3.2肿瘤样本的甲基化水平聚类161
8.3.3基于基因搜索的DNA甲基化水平分析161
8.4DNA拷贝数变异分析165
8.4.1DNA拷贝数变异的概念165
8.4.2DNA拷贝数变异数据的分析软件——Genovar166
第9章生物分子网络177
9.1生物分子网络介绍177
9.1.1基因转录调控网络177
9.1.2蛋白质互作数据178
9.1.3蛋白质互作网络——STRING数据库介绍179
9.2网络拓扑性质介绍183
9.3拓扑性质分析软件介绍——NEXCADE184
9.4Cytoscape作图软件介绍187
9.5BioNet软件包介绍197
第10章药物基因组学208
10.1药物基因组学的概念208
10.2药物靶向识别208
10.3药物靶向交互的网络资源209
10.4基于剂量效应关系的药物结合作用识别211
提高篇
第11章生物信息学综合数据分析案例217
11.1案例分析1: 应用miRNAmRNA失调关系优化乳腺癌亚型相
关的miRNA217
11.1.1数据准备217
11.1.2数据整合分析方法217
11.1.3数值实验结果218
11.2案例分析2: 多组学数据整合的肿瘤相关性研究223
11.2.1数据准备223
11.2.2数据整合分析方法224
11.2.3数值实验结果225
第12章肿瘤亚型的系统化分析230
12.1数据类型230
12.2数据的导入和描述性分析232
12.3结合miRNA和mRNA表达谱对肿瘤样本进行聚类获得肿瘤亚型234
12.43种亚型的差异性检验235
12.5特征基因选择235
12.6整合生存数据分析237
第13章多组学数据的可视化239
13.1TCGA多组学数据的下载239
13.2多组学数据的可视化241
参考文献246
内容摘要
随着各种基因测序技术的兴起以及互联网的普及，医学科学已经进入基因组学、蛋白质组学、转化医学和精准医学的新时代，生物信息学在此背景下得到了快速发展。本书从医学和分子生物学角度出发，通过案例分析详细介绍常用的生物信息学数据库、基因芯片数据、RNA测序数据、单核苷酸多态SNP数据、DNA甲基化数据等的处理分析，还包括基因功能与通路分析技术、疾病风险通路的筛选、生物分子网络的构建等。本书还详细介绍了R软件及Bioconductor生物信息学软件包的使用，重点突出实用性和可操作性，以帮助读者对医学生物信息学方法的理解和掌握。
本书主要取材于编者近年来从事医学生物信息学的研究与教学工作内容，很多案例来自于编者近年来的科研实践。本书既可以作为基础医学、临床医学、预防医学等高年级本科生和研究生的“医学生物信息学”课程教材，也可供相关的生物科技人员阅读和参考。
主编推荐
（1）内容覆盖面广，涉及常见的生物信息学概念及方法；（2）结合医学特色，案例典型，完备详实；（3）避免大量公式及繁琐计算，以详细讲解软件的形式方便读者进行操作实践；（4）图文并茂，提高实用性与可操作性；（5）增加提高篇，以案例的形式介绍生物信息学的综合分析方法，便于读者对生物信息学的深入理解，给读者带来切实的帮助。
精彩内容
第5章基因表达数据分析基因表达测定的平台主要有cDNA芯片、Affymetrix芯片以及下一代测序技术(如Illumina MiSeq)等。基因芯片技术是20世纪90年代的重大科技进展之一，利用基因芯片技术可并行检测成千上万的基因表达谱数据。近年来，下一代测序技术以其通量高、速度快及准确度高的特点成为研究的热点。例如，RNAseq技术可以用来同时测定序列的变异，研究复杂的转录关系且背景信号很小，测定的动态范围很大。基因芯片与下一代测序都是基因组学研究的重要手段。基因芯片相对下一代测序而言，优势在于价格低，便于分析;缺点在于必须有参考序列（因为生物芯片的探针设计就是根据参考序列设计的）。基因芯片的本质是核酸杂交，而下一代测序在本质上是PCR，即先用PCR的方法构建测序文库，然后再以“边合成边测序”或者“连接介导的测序”，从而得到序列信息。此外，基因芯片与下一代测序的应用也有所不同。由于基因芯片是核酸杂交，不需要扩增,因此是个相对封闭的系统，只能检测序列已知的片段的浓度，其保真性较好。下一代测序本质上是测序，因此是个开放的系统，能检测到那些没有参考序列的片段。由于在构建测序文库的过程中有PCR放大的过程，因此相对灵敏度较高（需要高覆盖倍数的测序深度配合），但也由于PCR放大过程的不均衡性，样品中片段的内在浓度比例常常会被破坏掉。因此，基因芯片技术不能发现新序列，下一代测序技术可以发现一些以前没有检测到的基因。但是，由于下一代测序本质上还是PCR，在建库的过程中样本被扩增上千倍，因此,样本中基因的量的线性关系会有所偏差，导致下一代测序的定量不理想。因此，如果想检测基因的表达量，还是采用基因芯片技术相对较好。综上所述，如果是比较参考序列良好的物种的表达谱，基因芯片技术会好一些，而且基因芯片发展成熟，后续数据分析较为方便。而如果想发现新的转录本，或者研究基因表达的可变剪接等，则采用下一代测序技术比较好。本章将分别介绍基因芯片技术中的cDNA芯片平台和下一代测序技术的转录组测序（RNAseq）平台。5.1cDNA芯片平台与数据库〖4/5〗5.1.1cDNA芯片平台介绍基因芯片的制备原理是基于碱基互补配对的原理测量细胞内mRNA表达丰度的实验方法。基因芯片可以同时检测成千上万个基因的表达水平。图5.1表示的是基因芯片数据的获取过程。通过克隆的方法获得目标cDNA序列并将其作为探针，并通过点样机器人将探针高密度固定在表面通过特殊处理的基质（如玻片）上，制备成cDNA芯片。cDNA芯片为双通道双染色芯片，即一张芯片运用两种荧光标记可同时检测两种不同条件下基因的表达水平。医学生物信息学案例与实践第5章基因表达数据分析图5.1基因芯片的制备原理实验组和对照组两组样本分别用不同的荧光染料进行标记，实验组用cy5荧光分子进行标记，对照组用cy3荧光分子进行标记。两组样本等量混合后在一定的实验条件下与芯片上的探针进行杂交。杂交结束后洗脱那些没有与探针互补结合的cDNA片段，然后将芯片置入黑箱中，分别用cy3和cy5荧光染料对应波长的激发光对芯片进行激光共聚集扫描，获取两种不同条件下芯片上每个探针杂交后的荧光信号强度，运用该荧光强度推测各种基因的相对表达水平。在杂交结果的可视化处理中，通常cy3通道的杂交信号用绿色荧光显示，cy5通道的杂交信号用红色荧光显示，两通道的荧光进行重叠后，基于荧光颜色可以对每个基因的表达情况进行初步判断。常用的基因芯片数据库包括: （1） 基因表达仓库（Gene Expression Omnibus, GEO），网址为http: //www.ncbi.nlm.nih.gov/geo/。（2） 斯坦福微阵列数据库（The Stanford Microarray Database, SMD），网址为http: //smd. stanford.edu/。（3） EBI ArrayExpress数据库，网址为http: //www.ebi.ac.uk/arrayexpress/。（4） UCSC微阵列数据库（UCSC Microarray Database），网址为http: //www.cbse.ucsc.edu /research/research_microarraydata.shtml。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价