生物信息学计算技术和软件导论

如果说21世纪是生物学世纪，生物信息学应该是支撑生物学世纪的核心科技之一。而大数据科学和人工智能技术正在将生物信息学推向生命科学和信息科学的前沿。《生物信息学计算技术和软件导论》分为生物信息学基础篇和生物信息组学技术篇两大部分。生物信息学基础篇从新兴领域切入，介绍生物信息学的计算科学及进化生物学基础（如网络科学与大数据技术、深度学习、计算智能、高维数据分析、马尔可夫链蒙特卡洛法，隐马尔可夫模型，贝叶斯统计、医学生态学、DNA计算、进化树与溯祖树分析、种群遗传学等）。生物信息组学技术篇除经典内容（基因组、转录组、蛋白质组）外，还包括新的三代基因测序算法和软件（作者团队研发的DBG2OLC和SPARC）、微生物群系(Microbiome)和宏基因组学(Metagenomics)、非编码RNA、新药发现、代谢组学（Metabolomics）等热点内容。

目录
生物信息学基础篇
第1章 生物信息学一些前沿领域简介 3
1.1 生物信息大数据 3
1.2 复杂网络分析概论 11
1.3 复杂网络分析实例：以微生物群系医学生态网络为例 15
1.4 深度学习、计算智能与人工智能 21
1.5 医学生态学 25
1.6 DNA计算机-生物学对计算机科学的回馈 30
第2章 系统发育树与溯祖分析 38
2.1 树的概念 38
2.2 主要的建树方法 39
2.3 模型选择 50
2.4 贝叶斯方法 54
2.5 溯祖理论 60
2.6 物种树估计 64
第3章 群体遗传学数据分析软件简介 70
3.1 多功能软件比较 70
3.2 理论模型与分析方法的实现方式 72
3.3 软件运行方式与编程语言 79
3.4 总结与展望 79
第4章 生物信息学中重要统计计算方法和模型 85
4.1 计算机模拟技术 85
4.2 马尔可夫蒙特卡罗法 93
4.3 隐马尔可夫模型 98
4.4 贝叶斯统计 105
4.5 统计学习 114
4.6 高斯图模型 120
生物信息组学技术篇
第5章 第三代基因测序组装算法和软件技术 129
5.1 第三代基因测序及组装技术简介 129
5.2 第三代基因组装算法及软件简介：以DBG20LC和SPARC为例 132
5.3 三代基因组装算法和软件比较 139
5.4 DBG20LC和SPARC软件使用简介 140
第6章 基因组第二代测序数据的生物信息学分析 145
6.1 基因测序技术简介 145
6.2 基因组装技术 149
6.3 外显子基因突变检测 154
6.4 单细胞测序数据的基因组装 156
第7章 转录组数据的生物信息学分析 160
7.1 转录组技术的发展 160
7.2 RNA-seq数据的质量控制 163
7.3 基于参考基因组的转录组分析 164
7.4 无参考基因组的转录组的从头拼装及拼装质量评估 170
第8章 非编码RNA研究常用数据库及软件 175
8.1 非编码RNA概述 175
8.2 非编码RNA常用数据库 179
8.3 非编码RNA研究常用软件 184
第9章 蛋白质组学研究常用软件简介 210
9.1 蛋白质组学简介 210
9.2 计算蛋白质组学的应用 215
9.3 计算蛋白质组学算法与数据库 230
第10章 新药物发现中的生物信息学软件简介 236
10.1 大型药物设计平台 237
10.2 分子视图软件 238
10.3 化学结构编辑程序 242
10.4 分子对接与虚拟筛选软件 245
10.5 配体构象搜索软件 250
10.6 药效团模拟软件 251
10.7 分子动力学模拟软件 254
10.8 在线药物设计资源列表 255
10.9 小结 257
第11章 宏基因组学概述及生物信息学分析 260
11.1 宏基因组学技术简介 260
11.2 宏基因组学研究流程 261
Chapter 12 Bioinformatics for Metabolomics：An Introduction 277
Abstract 277
12.1 Introduction to Metabolomics 277
12.2 Technologies for Metabolomics 280
12.3 Data Formats for Metabolomics 285
12.4 Databases for Metabolomics 287
12.5 General Principles for Metabolomic Data Analysis 292
12.6 From Spectra to Metabolite Lists：Bioinformatics for Metabolite Identification 293
12.7 From Metabolite Lists to Significant Metabolites：Multivariate Statistics 300
12.8 From Significant Metabolites to Pathways：Bioinformatics for Metabolite Interpretation 306
12.9 Conclusion 310

　　《生物信息学计算技术和软件导论》：
　　临床疾病中，恶性肿瘤由于其发病率不断增高，对社会危害大而成为临床蛋白质组学研究的重点领域。肿瘤通常被认为是遗传性疾病，是由一系列癌基因的激活与抑癌基因失活而导致的。但从基因产物的角度考虑，肿瘤是一种蛋白质组学疾病，正是由于一组蛋白质发生改变导致整个信号通路出现异常而最终导致肿瘤的发生。因此，肿瘤既是临床蛋白质组学研究的良好疾病模型，同时也是临床蛋白质组学的一个热点研究领域。其中，寻找肿瘤早期检测的生物标志物、开发新的肿瘤药物治疗靶点，具有重大的实用价值和经济效益，成为临床蛋白质组学的一个主攻方向。
　　肿瘤生物标志物（biomarker）对早期诊断具有重要价值，一直以来是临床研究的重点领域。受以往少数几种肿瘤中较为成功的标志物影响，如肝癌中的甲脂蛋白（alpha—fetopro—tein，AFP）、前列腺癌中的前列腺特异抗原等（prostate specific antigen，PSA），研究往往集中在单一肿瘤标志物上，例如，寻找单一的过表达、低表达蛋白质或疾病过程中释放入血液的某种蛋白质。但是肿瘤是一种蛋白质组学疾病，单一肿瘤标志物的改变几乎不可能特征性地反映肿瘤的整体变化特征。事实上，多年来寻找单一肿瘤标志物进展缓慢也说明了单一肿瘤标志物对于绝大多数肿瘤无法作为有效的判断依据。因此，通过临床蛋白质组学，寻找多分子肿瘤生物标志物是目前的研究趋势，其实质是采用多个肿瘤标志物联用并据此来反映肿瘤的整体特征，显然这一方法优于单一肿瘤标志物。
　　……