第一部分 基本方法

第1章 生物序列突变与比对分析

1.1 生物序列突变与比对问题

1.1.1 生物序列的类型与结构

1.1.2 生物序列突变与比对问题的意义与应用

1.1.3 生物序列比对的原理与方法

1.2 二重序列比对的有关算法

1.2.1 关于动态规划算法的一些说明

1.2.2 动态规划算法

1.2.3 统计判决算法的基本思想

1.2.4 BLAST软件的使用

1.3 多重序列的比对问题

1.3.1 MSA的意义与概况

1.3.2 MSA的定义与优化准则

1.4 MSA算法与计算

1.4.1 MSA算法的基本概念

1.4.2 MSA的算法步骤

1.4.3 ClustalW软件的使用

1.4.4 关于MSA的几点说明

1.4.5 几个多重序列比对应用例子

1.5 SPA算法的原理与计算

1.5.1 SPA算法的基本原理

1.5.2 SPA算法的基本步骤

1.5.3 SPA算法源码

1.5.4 SPA算法的有关问题讨论

1.5.5 SPA算法的一个实例计算

习题与思考

第2章 系统发育分析

2.1 分子系统发育分析的基本概念

2.2 基于距离的方法

2.2.1 非加权分组平均法

2.2.2 邻接法

2.3 基于特征的方法

2.4 极大似然和Bayes方法

2.4.1 进化的概率论模型

2.4.2 构建进化树的极大似然方法

2.4.3 构建进化树的Bayes方法

2.5 构建进化树软件简介

习题与思考

第3章 蛋白质一级结构的语义分析

3.1 蛋白质一级结构的信息与统计分析法

3.1.1 蛋白质一级结构的语义分析简介

3.1.2 信息、统计分析法的要素与要点

3.1.3 局部词的定义与判定

3.1.4 蛋白质一级结构的语义分析

3.2 蛋白质序列语义结构的组合分析法

3.2.1 关于组合图论的有关记号

3.2.2 数据库的复杂度

3.2.3 数据库的关键词与核心词

3.2.4 关于组合分析的若干应用问题

习题与思考

第4章 蛋白质结构预测

4.1 蛋白质二级结构预测

4.1.1 蛋白质二级结构预测的评价体系

4.1.2 Chou-Fasman方法

4.1.3 GOR方法

4.1.4 PHD方法

4.2 蛋白质空间结构预测

4.2.1 同源序列搜索

4.2.2 折叠识别方法

4.2.3 从头预测方法

4.3 蛋白质结构预测软件简介

4.3.1 PHD软件使用简介

4.3.2 使用nnpredict软件预测蛋白质二级结构

4.3.3 PSIPRED软件使用简介

习题与思考

第5章 基因识别

5.1 绪论

5.1.1 原核基因识别

5.1.2 真核基因识别

5.1.3 常用模式基因组简介

5.2 基因序列特征分析

5.2.1 内含子与外显子

5.2.2 CpG岛

5.2.3 密码子使用偏性

5.3 开放阅读框识别

5.3.1 开放阅读框特性

5.3.2 开放阅读框识别原理

5.3.3 开放阅读框识别软件使用

5.4 隐Markov模型基因识别方法

5.4.1 隐Markov模型

5.4.2 GENSCAN隐Markov模型方法和原理

5.4.3 GENSCAN软件使用

5.4.4 基因识别方法评价

5.5 其他基因识别方法简介

5.5.1 神经网络方法

5.5.2 Z曲线方法

习题与思考

第6章 基因表达数据分析

6.1 基因表达序列标签数据分析简介

6.1.1 基因表达序列标签的概念

6.1.2 基因表达序列标签数据的获取

6.1.3 基因表达序列标签数据聚类分析

6.1.4 基因表达序列标签的应用

6.2 基因芯片数据的获取

6.2.1 基本概念

6.2.2 基因芯片实验过程

6.2.3 基因芯片数据获取

6.2.4 基因芯片数据内容

6.3 基因芯片数据分析

6.3.1 基因表达谱芯片数据标准化

6.3.2 基因表达谱芯片数据散点图分析

6.3.3 基因表达差异显著性分析

6.4 基因芯片数据聚类分析

6.4.1 基本概念

6.4.2 特征描述

6.4.3 分层聚类方法

6.4.4 模糊聚类方法

6.5 其他基因芯片数据分析方法简介

6.5.1 支持向量机方法

6.5.2 K均值聚类

6.5.3 自组织映射图聚类

6.6 基因芯片数据分析软件简介

习题与思考

第二部分 生物学备忘录

第7章 核酸与DNA

7.1 细胞与染色体

7.1.1 细胞

7.1.2 染色体概念

7.1.3 染色体特征

7.2 核酸分子与DNA结构

7.2.1 核酸分子

7.2.2 DNA分子结构

7.3 RNA结构与分类

7.3.1 RNA结构

7.3.2 RNA分类

第8章 氨基酸与蛋白质

8.1 氨基酸

8.1.1 氨基酸组成

8.1.2 氨基酸符号表示

8.1.3 氨基酸分类

8.2 肽链

8.3 蛋白质

8.3.1 蛋白质分类

8.3.2 蛋白质一级结构

8.3.3 蛋白质空间结构

8.3.4 蛋白质功能

8.3.5 蛋白质组

8.4 中心法则与遗传密码

8.4.1 中心法则

8.4.2 遗传密码

第9章 基因与基因组

9.1 基因

9.1.1 基本概念

9.1.2 基因突变

9.2 基因组

9.2.1 基本概念

9.2.2 人类基因组

9.2.3 后基因组计划

9.3 基因表达与调控

9.3.1 基本概念

9.3.2 原核生物基因表达与调控

9.3.3 真核生物基因表达与调控

第10章 生物信息数据库

10.1 GenBank数据库

10.1.1 数据来源

10.1.2 数据内容与类型

10.1.3 序列格式

10.1.4 数据检索与下载

10.1.5 数据提交

10.1.6 应用实例

10.2 Swiss-Prot数据库

10.2.1 数据来源

10.2.2 数据内容

10.2.3 序列格式

10.2.4 数据检索与下载

10.2.5 数据提交

10.2.6 应用实例

附录1 GenBank数据库中的核酸序列记录

附录2 Swiss-Prot数据库中的蛋白质序列记录

第三部分 数学备忘录

第11章 智能计算理论与算法

11.1 智能计算概论与感知器理论

11.1.1 感知器模型及其学习算法

11.1.2 感知器模型的推广

11.1.3 支持向量机

11.2 EM算法

11.2.1 EM算法概论

11.2.2 极大似然估计的EM算法

11.2.3 组合决策中的EM计算

11.3 EM算法在其他统计问题中的应用

11.3.1 互熵与Fisher矩阵

11.3.2 混合分布参数估计中的EM算法

11.3.3 分布族的聚类中的EM算法

11.4 Weka软件的使用

11.4.1 Weka的基本工作环境与数据准备

11.4.2 Weka的使用

第12章 概率、信息与统计

12.1 概率与信息

12.1.1 随机变量与多重随机变量

12.1.2 随机变量的特征数

12.1.3 随机变量与概率分布的信息度量

12.2 重要随机变量和极限定理

12.2.1 几种重要的随机变量及其概率分布

12.2.2 随机变量的极限定理

12.3 统计分析简介

12.3.1 统计分析的基本要素

12.3.2 参数的点估计理论

12.3.3 参数的区间估计理论

12.3.4 其他问题

12.4 多元统计中的几个典型问题

12.4.1 多元统计分析的基本数学模型

12.4.2 聚类分析

12.4.3 主成分分析与因子分析

12.4.4 因子分析

12.4.5 判别分析

12.5 R统计软件包简介

12.5.1 R系统初览

12.5.2 R的数据读入

12.5.3 使用R做统计分析

第13章 随机过程

13.1 随机过程的一般理论

13.1.1 随机过程的基本概念

13.1.2 独立随机序列

13.1.3 Poisson过程与可加过程

13.2 Markov过程

13.2.1 Markov过程的基本概念

13.2.2 Markov过程的生成算子

13.3 隐Markov模型

13.3.1 隐Markov模型的基本概念

13.3.2 HMM的状态估计

13.3.3 HMM的EM学习算法

第14章 有关图与树的基本知识

14.1 图的基本概念与结构

14.1.1 图的一般定义与记号

14.1.2 树图与系统树

14.2 组合空间与deBruijn-Good图

14.3 序列与数据库的复杂度理论

14.3.1 复杂度的定义

14.3.2 复杂度的计算算法

14.3.3 算法的改进

参考文献

索引

《数学与现代科学技术丛书》已出版书目