生物信息學(xué)

內(nèi)容概要

本書介紹了機器學(xué)習(xí)方法的主要內(nèi)容及其在生物學(xué)數(shù)據(jù)處理中的應(yīng)用。其中對機器學(xué)習(xí)技術(shù)的理論基礎(chǔ)——貝葉斯概率體系進行了詳細(xì)介紹，并在此基礎(chǔ)上著重對神經(jīng)網(wǎng)絡(luò)、隱也氏模型以及概率圖模型等方法在生物信息學(xué)中的應(yīng)用作了詳細(xì)分析。書中特別列出一章介紹了DNA微陣列和基因表達(dá)，以及相關(guān)數(shù)據(jù)的分析方法。本書主要針對兩個讀者群體。一是生物學(xué)和生物化學(xué)研究人員，他們想了解基于數(shù)據(jù)處理的算法；二是物理、數(shù)學(xué)、統(tǒng)計、計算機科學(xué)等領(lǐng)域的學(xué)者，他們想知道機器學(xué)習(xí)方法在分子生物學(xué)研究中的應(yīng)用。

作者簡介

皮埃爾·巴爾迪是美國加州大學(xué)醫(yī)學(xué)院信和計算機科學(xué)系教授、生物化學(xué)系教授，基因組學(xué)和生物信息學(xué)研究所所長。
索恩·布魯納克，是丹麥理工大學(xué)生物系教授，生物序列分析中心主任。

書籍目錄

第一章	概述第二章	機器學(xué)習(xí)的基礎(chǔ)：概率理論體系第三章	概率建模和推斷：應(yīng)用舉例第四章	機器學(xué)習(xí)算法第五章	神經(jīng)網(wǎng)絡(luò)：理論第六章	神經(jīng)網(wǎng)絡(luò)：應(yīng)用第七章	隱馬氏模型：理論第八章	隱馬氏模型：應(yīng)用第九章	生物信息學(xué)中的概率圖模型第十章	進化的概率模型：系統(tǒng)進化樹第十一章	隨機文法和語言學(xué)第十二章	微陣列和基因表達(dá)第十三章	互聯(lián)網(wǎng)資源和公共數(shù)據(jù)庫附錄A 統(tǒng)計學(xué)附錄B 信息論、熵和相對熵附錄C 概率圖模型附錄D HMM的相關(guān)技術(shù)：標(biāo)定、周期構(gòu)架、狀態(tài)函數(shù)和Dirichlet混合模型附錄E 高斯過程、核方法及支持向量機附錄F 公式和縮寫符號參考文獻(xiàn)基本詞匯英漢對照表

章節(jié)摘錄

　　為了讓標(biāo)識成為特異性的可靠描述，進入比對的數(shù)據(jù)必須不存在冗余，這是一個基本條件。如果多個序列都包含了某個特定位點，就會對概率分布產(chǎn)生影響。　　簡單的標(biāo)識可視化技術(shù)以及與其相對應(yīng)的權(quán)重矩陣方法，都是對矩陣中每個位置的獨立分析。我們將會在第6章中闡述神經(jīng)網(wǎng)絡(luò)如何進一步拓展這種分析方法。通過計算“正”位點比對結(jié)果中單體的出現(xiàn)頻率與參考分布中頻率的比值，權(quán)重矩陣對每個位置賦予相應(yīng)的權(quán)重值。給定一個序列，如果將每個位置上單體所對應(yīng)的權(quán)重的對數(shù)值求和，可以得到一個分值。我們還可以調(diào)整選取一個閾值以實現(xiàn)對于真位點

媒體關(guān)注與評論

　　譯者序　　2002年夏天，中信出版社交給我一本英文原著，是由皮埃爾·巴爾迪(Pierre Baldi)和索恩·布魯納克(Sφren Bruak)兩位教授編寫的《生物信息學(xué)——機器學(xué)習(xí)方法》(第2版)，MIT出版社于2001年出版。出版社的編輯同志告訴我，鑒于本書的學(xué)術(shù)價值及其在生物信息學(xué)領(lǐng)域的重要性，出版社已購買了本書的中文版權(quán)，并準(zhǔn)備作為社里的重點圖書盡快在國內(nèi)翻譯出版。由于本書作者在生命科學(xué)、數(shù)學(xué)以及計算機科學(xué)等多個領(lǐng)域都有相當(dāng)?shù)脑煸?，加之本書同時涉及了生物信息學(xué)的理論基礎(chǔ)和最前沿的實際應(yīng)用，出

編輯推薦

　　本書作者不僅給我們展示了當(dāng)今生物信息學(xué)大廈的縮影和構(gòu)筑大廈的工具，更重要的是作者帶領(lǐng)我們經(jīng)歷了如何構(gòu)筑這個大廈，如何搭建“腳手架”的過程，這無論對于修補這座廈還是構(gòu)建一座新的大廈都是非常重要的。

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) PDF格式下載

---