生物信息學中的數(shù)據(jù)挖掘方法及應用

內(nèi)容概要

　　本書針對生物信息學領(lǐng)域的一些前沿課題，以數(shù)據(jù)挖掘算法為中心，系統(tǒng)地介紹了機器學習、統(tǒng)計學習及多種智能算法在生物信息學相關(guān)領(lǐng)域的應用，為生物信息學方向的初學者提供了入門知識，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)擾動的誤標記樣本檢測、差異表達基因識別以及基因表達數(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課程教材，也可供相關(guān)研究領(lǐng)域生命科學工作者和計算機應用人員參考。

書籍目錄

前言
第1章緒論
1.1什么是生物信息學
1.2生物信息學的研究對象
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基因表達數(shù)據(jù)
1.3生物信息學的研究領(lǐng)域
1.4生物信息學的進展和存在的問題
1.4.1生物信息學的進展
1.4.2生物信息學存在的問題
參考文獻
第2章操縱子預測
2.1操縱子預測的研究背景及現(xiàn)狀
2.1.1操縱子簡介
2.1.2操縱子預測的研究現(xiàn)狀
2.2操縱子預測的相關(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操縱子預測的相關(guān)基礎
2.3.1預測問題定義
2.3.2預測數(shù)據(jù)預處理
2.3.3預測效果評價
2.4基于神經(jīng)網(wǎng)絡的操縱子預測模型
2.4.1模型的具體流程
2.4.2模型的實驗驗證
2.5基于圖聚類方法的操縱子預測模型
2.5.1模型預測流程概括
2.5.2模型預測的具體流程
2.5.3模型的實驗驗證
2.6小結(jié)
參考文獻
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
3.2.1原核生物基因組數(shù)據(jù)
3.2.2已知系統(tǒng)進化樹數(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
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方法的實驗驗證
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方法的實驗驗證
3.5小結(jié)
參考文獻
第4章基于數(shù)據(jù)擾動的誤標記樣本檢測
4.1誤標記樣本檢測的研究背景及現(xiàn)狀
4.2基于loopc矩陣的誤標記樣本檢測方法
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.漸進修正的行算法
4.4誤標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測試指標說明
4.4.3實驗結(jié)果分析
4.5小結(jié)
參考文獻
第5章基因表達數(shù)據(jù)中的差異表達基因識別
5.1差異表達基因的研究背景及現(xiàn)狀
5.2t-test假設檢驗方法
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
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
6.2.1支持向量機(svm)
6.2.2支持向量機遞歸特征剔除(svm-rfe)
6.2.3改進的支持向量聚類算法(svc-km)
6.2.4局部支持向量機(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算法的實驗驗證
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算法的實驗驗證
6.5基于改進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算法效果的實驗分析
6.6小結(jié)
參考文獻
第7章改進的雙聚類算法在癌癥基因芯片數(shù)據(jù)中的應用
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
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
7.1.5cheng-church算法
7.2改進的cheng-church算法及模擬數(shù)據(jù)分析
7.2.1cheng-church算法的優(yōu)缺點
7.2.2 cheng-church算法的改進
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實驗數(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

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    生物信息學中的數(shù)據(jù)挖掘方法及應用 PDF格式下載

---