计算生物学

前言

绪论 1

**节 计算生物学的起源和研究内容 1

第二节 计算生物学的数学、统计学基础2

第三节 计算机科学基础 7

本章小结 15

**章 高通量数据分析 16

**节 基因组组装 16

第二节 基因变异检测 19

第三节 RNA测序分析的基本方法 25

第四节 基因的注释 34

第五节 差异表达基因的筛选 36

第六节 基因功能的富集分析 39

本章小结 44

第二章 单细胞测序数据的分析 46

**节 单细胞测序技术 46

第二节 单细胞转录组数据预处理 52

第三节 单细胞转录组数据分析方法 56

案例分析：单细胞转录组数据聚类分析61

本章小结 62

第三章 蛋白质组学及其功能预测 64

**节 蛋白质组学概述 64

第二节 蛋白质结构预测 70

第三节 蛋白质功能预测 74

案例分析：蛋白质二级结构预测 80

本章小结 83

第四章 分子进化的计算生物学分析 85

**节 分子进化的基本概念 85

第二节 系统发育树的构建 91

第三节 系统发育树的应用 102

案例分析：基于全基因组序列的新型冠状病毒（SARS-CoV-2）多算法系统发育树分析 104

本章小结 106

第五章 计算表观遗传学 108

**节 基因组的DNA甲基化及数据分析 108

第二节 组蛋白修饰及数据分析 120

本章小结 127

第六章 计算癌症生物学 128

**节 癌症生物标记亚型鉴定方法 128

第二节 癌症预警和风险评估模型 136

第三节 癌症个性化治疗 142

本章小结 145

第七章 计算免疫学 146

**节 计算免疫学概述 146

第二节 肿瘤免疫浸润分析方法 148

第三节 肿瘤抗原鉴定的计算 156

第四节 T细胞受体的分析 164

案例分析：免疫细胞浸润算法工具的实践 167

本章小结 182

第八章 药物设计的计算方法和应用 184

**节 药物性质计算 184

第二节 药物设计方法 191

第三节 精准用药 204

本章小结 206

第九章 影像组学与人工智能 208

**节 影像组学 208

第二节 影像组学的分析方法 213

案例分析：构建卷积神经网络进行图片分类预测 223

本章小结 224

第十章 基因编辑系统的识别与功能分析 226

**节 基因编辑系统概述 226

第二节 基因编辑技术的发展历程 226

第三节 基因编辑工具 229

本章小结 233

第十一章 大数据资源及工具 234

**节 大型测序数据库 234

第二节 数据分析在线资源 250

本章小结 261

主要参考文献 262

查看全部↓

《计算生物学》是一本专门针对计算生物学领域的系统性教材，通过《计算生物学》的学习，可以掌握多种组学数据分析的原理和方法，包括高通量数据分析和单细胞测序数据的分析（**章、第二章）、蛋白质组学及其功能预测（第三章）、计算表观遗传学（第五章）。在计算生物学的多学科应用上，《计算生物学》涵盖了分子进化的计算生物学分析（第四章）、计算癌症生物学（第六章）、计算免疫学（第七章）、药物设计的计算方法和应用（第八章）、影像组学与人工智能（第九章）、基因编辑系统的识别与功能分析（第十章）等应用内容，使读者能够掌握常用的基本算法、模型，从广度和深度突出解决生物学领域的计算需求。同时，在第十一章介绍了计算生物学领域的大数据资源及工具。