生物信息學(xué)中的數(shù)據(jù)挖掘方法及應(yīng)用

內(nèi)容概要

　　本書針對生物信息學(xué)領(lǐng)域的一些前沿課題，以數(shù)據(jù)挖掘算法為中心，系統(tǒng)地介紹了機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)及多種智能算法在生物信息學(xué)相關(guān)領(lǐng)域的應(yīng)用，為生物信息學(xué)方向的初學(xué)者提供了入門知識，也為相關(guān)研究人員在特定方向深入研究提供了參考信息。主要內(nèi)容包括操縱子預(yù)測、原核生物系統(tǒng)發(fā)生樹的構(gòu)建、基于數(shù)據(jù)擾動的誤標(biāo)記樣本檢測、差異表達(dá)基因識別以及基因表達(dá)數(shù)據(jù)的特征選擇等。
　　本書可以作為高年級本科生或研究生的生物信息學(xué)課程教材，也可供相關(guān)研究領(lǐng)域生命科學(xué)工作者和計(jì)算機(jī)應(yīng)用人員參考。

書籍目錄

前言
第1章緒論
1.1什么是生物信息學(xué)
1.2生物信息學(xué)的研究對象
1.2.1基因組數(shù)據(jù)
1.2.2蛋白質(zhì)組數(shù)據(jù)
1.2.3基因表達(dá)數(shù)據(jù)
1.3生物信息學(xué)的研究領(lǐng)域
1.4生物信息學(xué)的進(jìn)展和存在的問題
1.4.1生物信息學(xué)的進(jìn)展
1.4.2生物信息學(xué)存在的問題
參考文獻(xiàn)
第2章操縱子預(yù)測
2.1操縱子預(yù)測的研究背景及現(xiàn)狀
2.1.1操縱子簡介
2.1.2操縱子預(yù)測的研究現(xiàn)狀
2.2操縱子預(yù)測的相關(guān)數(shù)據(jù)
2.2.1基因間距離
2.2.2 cog功能分類
2.2.3保守基因?qū)?蔟)
2.2.4系統(tǒng)進(jìn)化譜
2.2.5基因本體
2.2.6kegg同源
2.2.7同義密碼子使用偏好性
2.2.8其他屬性信息
2.2.9基因組和已知操縱子數(shù)據(jù)
2.3操縱子預(yù)測的相關(guān)基礎(chǔ)
2.3.1預(yù)測問題定義
2.3.2預(yù)測數(shù)據(jù)預(yù)處理
2.3.3預(yù)測效果評價
2.4基于神經(jīng)網(wǎng)絡(luò)的操縱子預(yù)測模型
2.4.1模型的具體流程
2.4.2模型的實(shí)驗(yàn)驗(yàn)證
2.5基于圖聚類方法的操縱子預(yù)測模型
2.5.1模型預(yù)測流程概括
2.5.2模型預(yù)測的具體流程
2.5.3模型的實(shí)驗(yàn)驗(yàn)證
2.6小結(jié)
參考文獻(xiàn)
第3章原核生物系統(tǒng)發(fā)生樹的構(gòu)建
3.1系統(tǒng)發(fā)生樹構(gòu)建的研究背景及現(xiàn)狀
3.1.1系統(tǒng)發(fā)生樹簡介
3.1.2原核生物系統(tǒng)發(fā)生樹構(gòu)建的研究現(xiàn)狀
3.2系統(tǒng)發(fā)生樹構(gòu)建的相關(guān)數(shù)據(jù)和基礎(chǔ)
3.2.1原核生物基因組數(shù)據(jù)
3.2.2已知系統(tǒng)進(jìn)化樹數(shù)據(jù)
3.2.3直系同源信息
3.2.4水平轉(zhuǎn)移基因信息
3.2.5操縱子信息
3.2.6構(gòu)建問題定義
3.2.7結(jié)果性能估計(jì)
3.3基于連續(xù)直系同源基因的系統(tǒng)發(fā)生樹構(gòu)建方法
3.3.1方法描述
3.3.2方法的具體流程
3.3.3方法的實(shí)驗(yàn)驗(yàn)證
3.4基于全基因組序列和注釋信息的系統(tǒng)發(fā)生樹構(gòu)建方法
3.4.1方法描述
3.4.2方法具體流程
3.4.3方法的實(shí)驗(yàn)驗(yàn)證
3.5小結(jié)
參考文獻(xiàn)
第4章基于數(shù)據(jù)擾動的誤標(biāo)記樣本檢測
4.1誤標(biāo)記樣本檢測的研究背景及現(xiàn)狀
4.2基于loopc矩陣的誤標(biāo)記樣本檢測方法
4.2.1loopc矩陣
4.2.2 cl-stability方法
4.2.3looe-sensitivity方法
4.3基于擾動影響值的誤標(biāo)記樣本檢測方法
4.3.1擾動影響值
4.3.2基于擾動影響值的列算法
4.3.3基于擾動影響值的行算法
4.3.4行算法中的閾值調(diào)整策略
4.3.5.漸進(jìn)修正的行算法
4.4誤標(biāo)記樣本檢測方法的比較分析
4.4.1測試數(shù)據(jù)集說明
4.4.2測試指標(biāo)說明
4.4.3實(shí)驗(yàn)結(jié)果分析
4.5小結(jié)
參考文獻(xiàn)
第5章基因表達(dá)數(shù)據(jù)中的差異表達(dá)基因識別
5.1差異表達(dá)基因的研究背景及現(xiàn)狀
5.2t-test假設(shè)檢驗(yàn)方法
5.3sam方法
5.4 rankprod方法
5.5基于總體數(shù)據(jù)集變化量評估的檢測方法
5.5.1基因的表達(dá)變化量
5.5.2總體數(shù)據(jù)集變化量評估
5.5.3總體數(shù)據(jù)集評估方法的效果分析
5.6小結(jié)
參考文獻(xiàn)
第6章基于微陣列數(shù)據(jù)的特征選擇
6.1特征選擇算法的研究背景及現(xiàn)狀
6.1.1特征選擇在基因芯片中的應(yīng)用
6.1.2基于微陣列數(shù)據(jù)的特征選擇算法的研究現(xiàn)狀
6.2特征選擇算法研究的相關(guān)基礎(chǔ)
6.2.1支持向量機(jī)(svm)
6.2.2支持向量機(jī)遞歸特征剔除(svm-rfe)
6.2.3改進(jìn)的支持向量聚類算法(svc-km)
6.2.4局部支持向量機(jī)(lla)
6.3多階段特征選擇算法
6.3.1算法描述
6.3.2算法流程
6.3.3算法的實(shí)驗(yàn)驗(yàn)證
6.4雙向局部化特征選擇算法
6.4.1算法描述
6.4.2算法流程
6.4.3算法的實(shí)驗(yàn)驗(yàn)證
6.5基于改進(jìn)遺傳算法的特征選擇方法
6.5.1算法描述
6.5.2算法過程概括
6.5.3算法流程
6.5.4算法效果的實(shí)驗(yàn)分析
6.6小結(jié)
參考文獻(xiàn)
第7章改進(jìn)的雙聚類算法在癌癥基因芯片數(shù)據(jù)中的應(yīng)用
7.1基因芯片數(shù)據(jù)聚類算法簡介
7.1.1傳統(tǒng)聚類算法概述
7.1.2常用的傳統(tǒng)聚類算法及其特點(diǎn)
7.1.3傳統(tǒng)聚類存在的不足
7.1.4雙聚類算法分類及其特點(diǎn)
7.1.5cheng-church算法
7.2改進(jìn)的cheng-church算法及模擬數(shù)據(jù)分析
7.2.1cheng-church算法的優(yōu)缺點(diǎn)
7.2.2 cheng-church算法的改進(jìn)
7.2.3模擬數(shù)據(jù)分析
7.3癌癥基因芯片數(shù)據(jù)的雙聚類分析
7.3.1癌癥基因芯片數(shù)據(jù)分析的意義
7.3.2實(shí)驗(yàn)數(shù)據(jù)來源
7.3.3特征基因的選擇
7.3.4雙聚類分析
7.4小結(jié)
參考文獻(xiàn)

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    生物信息學(xué)中的數(shù)據(jù)挖掘方法及應(yīng)用 PDF格式下載

---