生物统计学：生物大数据的概率统计模型与机器学习方法

作为研究生命科学*基础的工具性课程之一，“生物统计学”越来越被从事生物学基础教学、生命科学研究的教师和科技工作者高度重视。随着生物学的不断发展，对生物体的研究和观察已不再局限于定性的描述，而是需要针对大量调查和测定的数据，应用统计学方法，分析和解释其数量的变化，以制订正确的实验计划，科学地对实验结果进行分析，进而作出符合科学实际的推断。 随着组学技术的快速发展，生命科学所涉及的生物大数据不论从数量上还是类型上，都有了质的飞跃。要从海量异质性的生物大数据中挖掘重要的规律，统计和机器学习方法是非常有效的手段之一。 然而，针对当前“生物统计”领域所要解决的生物大数据挖掘的众多问题，目前的《生物统计学》教材还存在着一系列局限性，例如，部分方法不适应大数据的研究特征，部分内容理论和实践结合不强，部分案例的代表性不强，概率统计模型与机器学习方法的介绍较为粗浅，等等。 本书主要基于作者近年来教授本科“生物统计学”和研究生“生物信息学”等课程资料，同时参考了国内外众多*教学和科研资料编写而成。本书共分为5章：第1章和第2章介绍生物统计学的基础及其应用，包括生物统计学的基本概念和基本研究方法、试验资料的搜集与整理、生物统计量的计算和表征等；第3章介绍生物大数据的特征与挑战，包括生物大数据的特征、生物大数据分析的常规方法、生物大数据经典案例分析等；第4章介绍生物大数据与概率统计模型，包括大数据机器学习基础、聚类降维、概率统计模型方法等；第5章介绍面向生物大数据挖掘的深度学习，包括深度学习的概念及方法、深度学习应用于生物大数据分析的基本流程和经典案例等。每章都附有练习题，供读者参考。 本书通俗易懂，具有一定的深度和广度，可以作为“生物统计学”“生物大数据”及“机器学习”相关课程的教学参考书，也可供生物学、统计学、机器学习、生物大数据等领域的科学工作者参考。 限于作者水平和掌握资料的局限性，本书难免存在疏漏和不妥之处，欢迎各位专家和广大读者给予批评指正。

本书主要基于作者近年来教授本科生“生物统计学”和研究生“生物信息学”等课程资料，同时参考了国内外众多*教学和科研资料编写而成。本书共分为5章：第1章介绍生物统计学的基础概念和基本研究方法；第2章介绍传统生物统计学方法及其应用，包括试验资料的搜集与整理、生物统计量的计算和表征、假设检验及其应用等；第3章介绍生物大数据的特征与挑战，包括生物大数据的特征、生物大数据分析的常规方法、生物大数据经典案例分析等；第4章介绍生物大数据与概率统计模型，包括大数据机器学习基础、聚类降维、概率统计模型方法等；第5章介绍面向生物大数据挖掘的深度学习，包括深度学习的概念及方法、深度学习应用于生物大数据分析的基本流程和经典案例等。每章都附有练习题，供读者参考。 本书具有一定的深度和广度，可以作为生物统计学、生物大数据及机器学习相关课程的教学参考书，也可供生物学、统计学、机器学习、生物大数据等领域的科学工作者阅读。

宁康，华中科技大学生命科学与技术学院教授，博士生导师，生物信息与系统生物学系系主任，湖北省楚天学者特聘教授。目前主持国家自然科学基金项目、科技部重大研究计划课题等。已在Gut、Genome Biology、Bioinformatics、Nucleic Acids Research、PLoS Genetics、Plant Cell等生物学、医学和生物信息学*学术期刊发表学术论文50余篇，其中以第一作者或通讯作者发表SCI论文30余篇，文章总引用超过2000次，H指数23（Google Scholar）。获得软件著作权6项，申请国家发明专利20余项。担任Scientific Reports、Genomics Proteomics & Bioinformatics等国际期刊编委。担任中国生物工程学会-计算生物学与生物信息学专业委员会委员，中国计算机协会-生物信息学专业委员会委员、中国遗传学会-生物大数据专业委员会委员，中国计算机学会-生物信息学专业委员会委员等。担任英国生物技术与生物科学研究理事会（UK-BBSRC）等基金评委。教授“生物统计学”、“生物信息学”等课程，并是4届iGEM金牌团队的指导老师。

第1章 生物统计学基础 /1

1.1 生物统计学的概念 /2

1.2 生物统计学的主要内容 /3

1.3 生物统计学发展概况 /4

1.4 常用统计学术语 /5

习 题1 /8

第2章 传统生物统计学及其应用 /9

2.1 试验资料的搜集与整理 /9

2.2 生物统计量的计算和表征及其应用 /16

2.3 生物数据的分布分析及其应用 /20

2.4 针对生物数据的假设检验及其应用 /28

习 题2 /45

第3章 生物大数据的特征与挑战 /47

3.1 生物大数据的发展史和大数据属性 /48

3.2 生物大数据的特征 /50

3.3 生物大数据研究面临的挑战 /52

3.4 生物大数据分析的常规方法 /53

3.5 生物大数据研究经典案例分析 /58

3.6 生物大数据研究趋势 /62

习 题3 /64

第4章生物大数据与概率统计模型 /65

4.1 大数据机器学习基础 /66

4.2 隐马尔可夫模型(Hidden Markov Model，HMM)及其应用 /69

4.3 进化树的概率模型 /96

4.4 Motif finding中的概率模型 /101

4.5 聚类方法和基因表达数据分析 /109

4.6 基因网络推断和分析 /113

4.7 数据降维及其应用 /115

4.8 其他概率统计模型方法简介和方法选择的建议 /128

习 题4 /136

第5章 面向生物大数据挖掘的深度学习 /138

5.1深度学习的概念 /139

5.2深度学习的基本方法 /148

5.3深度学习应用于生物大数据分析的基本流程 /155

5.4深度学习应用于生物大数据分析的经典案例 /159

习 题5 /169

附录A R语言 /171

A.1 基础知识 /171

A.2 R的数据操作 /190

A.3 R绘图 /194

附录B 重要名词解释(按章节顺序排列) /199

附录C 常用分布表 /211

附录D 生物案例分析 /217

参考文献 /235 

本书主要基于作者近年来教授本科生“生物统计学”和研究生“生物信息学”等课程资料，同时参考了国内外众多*教学和科研资料编写而成。本书共分为5章：第1章介绍生物统计学的基础概念和基本研究方法；第2章介绍传统生物统计学方法及其应用，包括试验资料的搜集与整理、生物统计量的计算和表征、假设检验及其应用等；第3章介绍生物大数据的特征与挑战，包括生物大数据的特征、生物大数据分析的常规方法、生物大数据经典案例分析等；第4章介绍生物大数据与概率统计模型，包括大数据机器学习基础、聚类降维、概率统计模型方法等；第5章介绍面向生物大数据挖掘的深度学习，包括深度学习的概念及方法、深度学习应用于生物大数据分析的基本流程和经典案例等。每章都附有练习题，供读者参考。 本书具有一定的深度和广度，可以作为生物统计学、生物大数据及机器学习相关课程的教学参考书，也可供生物学、统计学、机器学习、生物大数据等领域的科学工作者阅读。

宁康，华中科技大学生命科学与技术学院教授，博士生导师，生物信息与系统生物学系系主任，湖北省楚天学者特聘教授。目前主持国家自然科学基金项目、科技部重大研究计划课题等。已在Gut、Genome Biology、Bioinformatics、Nucleic Acids Research、PLoS Genetics、Plant Cell等生物学、医学和生物信息学*学术期刊发表学术论文50余篇，其中以第一作者或通讯作者发表SCI论文30余篇，文章总引用超过2000次，H指数23（Google Scholar）。获得软件著作权6项，申请国家发明专利20余项。担任Scientific Reports、Genomics Proteomics & Bioinformatics等国际期刊编委。担任中国生物工程学会-计算生物学与生物信息学专业委员会委员，中国计算机协会-生物信息学专业委员会委员、中国遗传学会-生物大数据专业委员会委员，中国计算机学会-生物信息学专业委员会委员等。担任英国生物技术与生物科学研究理事会（UK-BBSRC）等基金评委。教授“生物统计学”、“生物信息学”等课程，并是4届iGEM金牌团队的指导老师。