精要速览系列：生物信息学（第2版·中译版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

T.Charlie Hodgman，Andrew French，David R.Westhead 著

图书标签:

• 生物信息学
• 基因组学
• 蛋白质组学
• 计算生物学
• 生物统计学
• 数据挖掘
• 算法
• 序列分析
• 系统生物学
• 医学信息学

出版社： 科学出版社

ISBN：9787030388124

版次：2

商品编码：11351442

包装：平装

丛书名： 精要速览系列

开本：16开

出版时间：2013-10-01

用纸：胶版纸

页数：252

字数：414000

正文语种：中文

编辑推荐

适读人群 ：有志于了解生物信息学的高校学生、科研工作者。
　　独特的体例设计，方便学习，简单易懂

内容简介

　　 《精要速览系列：生物信息学（第2版·中译版）》结构新颖，视角独特；重点明确，脉络分明；图表简明清晰；英文自然易懂，被国内多所重点院校选用作为双语教材。第二版保持第一版编写特色，《精要速览系列：生物信息学（第2版·中译版）》分为三部分：生物信息中的生物学概述，数学、物理、统计和计算机基础，学科介绍与数据标准。《精要速览系列：生物信息学（第2版·中译版）》均采用生物学相关数据与事例，并结合序列分析、转录、代谢、蛋白质组、大分子体系、系统生物学，以及数据整合、图像分析等内容展开论述。《精要速览系列：生物信息学（第2版·中译版）》适合普通高等院校生命科学、医学、农学、信息科学等相关专业使用，也可作为双语教学参考教材使用。

内页插图

目录

缩略词
A 生物学研究新面貌
B 生物信息学的定义
C 物理学要素
D 数据与数据库
E 数据类别
E1 数据类别
E2 生物信息学中呈现数据的最佳做法
F 计算
G 概率与统计
G1 概率和概率分布
G2 条件概率和贝叶斯法则
G3 基本的统计学检验
H 模型与数学技术
H1 系统特征
H2 图论及其应用
H3 常微分方程与代数
H4 高级建模技术
H5 形状、变形与生长
I 人工智能与机器学习
I1 人工智能与机器学习概论
I2 人工智能与机器学习的统计学方法
I3 人工智能与机器学习的计算方法
J 基因组与其他序列
J1 数据库与数据源
J2 基因组注释
J3 序列分析
J4 序列家族、序列比对与系统发育
J5 结构域家族与数据库
K 转录组学
K1 转录谱
K2 转录分析的统计学问题
K3 分析差异表达基因
K4 多元技术和网络推理
K5 数据标准和实验设计
L 蛋白质与蛋白质组学
L1 蛋白质组学技术
12 互作蛋白质组学
L3 相互作用数据库和网络
L4 结构生物信息学
L5 结构分类
L6 结构预测与建模
L7 分子动力学与药物设计
M 代谢物组学
N 超分子结构
N1 超分子结构
N2 组织与生物体尺度结构
0 生化动力学
01 代谢网络研究
02 微积分和代数学的应用
P 生理学
P1 生理学
P2 整合生物学与植物模拟
P3 整合生物学——总结
Q 图像分析
Q1 什么是图像分析？
Q2 图像分析如何应用到生物科学研究中？
Q3 图像增强
Q4 特征检测
Q5 数据析取
R 文本分析
进一步阅读
索引　 显

精彩书摘

　　显微镜
　　图像分析通常可以用于增强图像，并且帮助量化显微镜的图像。显微镜系统本身可能会产生数字图像（如聚焦显微镜）；也可以将普通的显微镜和数码相机相连，从而产生数字图像。两种方法最后都会产生一个电子版本的高放大的样本图像。图像的特征分辨率可以受到相机的分辨率的影响。例如，在传感器上的百万像素的数目，或者显微镜系统本身的光学的分辨率，示例如图Q．4所示。
　　科学家可能对最终图像的距离感兴趣，寻找和量化染色区域，或者计算一些实例，如计算一个特定类型细胞的数目。一个样本的时间序列可以得到，图像按照特定的时间间隔存储。从这些数据，可以得到一个按照时间流逝的电影，或者图像内部的运动可以按照时间窗口被量化。
　　为了提高图像的质量，处理一个典型的显微镜图像有很多步骤可以实施。例如，去卷积，是指去除图像中出焦光的问题。最终图像的一个像素的密度不仅来源于初始的焦平面，还来自于低于或高于焦平面。这使图像在一个模糊的冗余的图片中突显出来。我们没有详细叙述关于怎样去处理这个问题，只是将出焦光的影响塑造成最终图像的一个点，然后从图像中将其去除。去卷积有时被用作是一个近似图像的方式。两类技术都是消除来自于焦平面以外的光，只是它们所用的方法不一样。聚焦技术是通过显微镜技术操作实现的；而去卷积技术通过提供采集软件来实现的。
　　你可能认为聚焦显微镜产生的相对精度高的清晰标注荧光的图像可以让他们自己想象图像分析和量化技术。然而，当你量化任何图像时，必须谨慎，因为你必须考虑所有可能影响图像获取数据的元素。例如，我们可能想要在聚焦图像上使用荧光强度去估计样本中蛋白质的活动，但是要谨慎。两个有直接关系的可能在我们的研究中引发错误。时刻想着图像是怎么形成的。荧光分子通过激光激发产生，同时会发射特定长度的光。然后这个光被显微镜捕捉，存储成图像中的像素。影响像素强度的不只是样本中荧光分子的数目，还应考虑激光密度的改变、样本的深度、激发光和发射光的穿越、整个可视的图像范围光的一致性、显微镜的光学性能等。所有这些因素可能影响到最终图像的像素强度。当使用任何图像捕捉的仪器时，必须谨慎确保（哪怕只是在练习），图像数据是可靠的，可以代表你想要它们代表的信息。
　　医学图像分析
　　X射线、CT（计算断层照相法）扫描、MRI（磁共振成像）扫描等产生的图像对于现代医学是非常重要的。医学图像分析和其他领域是不同的，因为，一般来说，在三维情况下使用数据是非常重要的，并且软件是专家的帮助工具，而不是产生最后的数字结果。计算机胜任的一个领域是测量这些图像的面积和体积。实现这个的技术中，分割分析技术是很常用的。它以一种（半）自动的方式去定义图像中感兴趣的部分，如大脑中的一些区域、整个组织、血管结构等。
　　定量的照旨分析
　　在一些生物领域，如表型的测量、组织对于刺激的应答，照片图像经常被用来描绘结果。一般来说，图像的分析已经被量化（X比Y更蓝）或简单的量化（X有6mm长）。图像分析可以提供实现客观的连续的图像分析的工具。
　　然而，随着这些技术的使用，额外的谨慎是必需的，必须保证这些图像本身是可靠的。也就是说，图像的数据通过一个可以控制的方式来获得。同样的，显微镜和数码相机产生的图像应该谨慎的控制。相机设置和环境的改变都会影响相机记录的像素变量。例如，白平衡设置可以改变色调的记录。白平衡可以补偿特定色调照明的情况，并且如果采用中性或白色，白平衡可以矫正色调。也许你已经注意到荧光管怎样产生的一个不同颜色的光——在数码相机中这种效果被放大．因为人的研究很擅长补偿这些改变。不了解白平衡设置，很容易无意地失实报道图像的色调，特别是在白平衡的改变在图像捕捉会话时。相似的，环境的光线的改变也会影响客观事物的捕捉和记录。早上的光线比较偏冷色调，夕阳是橙色的光，这是因为晚上的光更靠近光谱的红色一端。在自然光下，一个物体在晚上比早上出现更红。意识到你研究的样本被这样的效应影响到了是很重要的。
　　同样的，相机的镜头和透视引起的失真，可能会歪曲真实的被拍到的事物的几何特性。这将影响任何几何测量的质量，如“测量长度”。
　　意识到这些事情，可以让研究者得到未进行任何分析的最好的图像。一旦图像被捕捉到，它在时间上是昂贵的，甚至是不能再一次捕捉这个图像。因此，在捕捉图像之前，应该全面理解捕捉过程和限制，以及这些与未来分析的关系。图像分析通常仅用于几个大规模的生物科学工作实际应用中。事实上，这是一个非侵人性的技术，并且非常灵活，应用非常广泛和多样。为了使用超声波传感器测得猪背部膘厚，可用图像处理识别实时喂猪的轮廓。三维技术也用于动物的结构分析。使用机器视觉技术指导锄头锄地的作物的行间的机械控制技术已经证明可行。使用图像分析算法的软件已经存在，可以估计植物根的生长速率。希望这些例子可以突出图像分析在生物科学的广泛的应用。
　　……

前言/序言

　　自从“精要速览系列”的生物信息学第一版出版以后，生物信息学领域已经有了实质性的发展．而且正在变成一门具有自身特点的学科。我们非常感谢出版商给我们机会出版生物信息学第二版，这使我们能够根据两个目标来重新构思这本书。首先，为化学、生物学、医学和神经学等研究领域的信息学研究者提供资料；其次，展示这些通用的信息学技术如何应用在生命科学的大多数领域，而不仅仅是在生物信息学最初活跃的分子生物学领域。
　　本书章节主要分成3部分，第一部分（A章和B章）主要对这个学科进行介绍。A章概述了使生物信息学成为一个必需领域的因素。B章主要介绍该学科从20世纪60年代兴起，经过令人振奋（或是令人兴奋）的20世纪90年代，直到生物信息学正应用于所有类型的生物学信息处理的21世纪的简要历史（通过一系列对生物信息学这一术语定义的演变过程）。
　　第二部分是信息学的基础部分（C～I章）：物理学、数学和计算机科学。但缺少一项重要内容——计算机编程，其是生物信息学的基本技能，受图书篇幅限制，无法详细阐述。由于这是一个特别实用的领域．最好是将这个问题留给大量的其他可以利用的书籍。不过，我们尽力概述有效的数据管理和程序设计习惯的基础知识。
　　第三部分是生物学的应用领域（J～R章）。它包括3个部分：分子生物学，新陈代谢、解剖学、生理学，复杂的信息来源（特别是图像的数据集和自然语言文本）。后者仍然是提取准确的量化数据最困难的地方．第二部分和第三部分的关联如下图所示，它强调基础部分的基础性、重要性。从二者紧密联系的网络来看．它们二者的应用领域都存在明显的相互依赖关系。
　　代生物信息学涵盖的内容相当广泛，因此本书的3位主要作者一致认为某些特定章节由他人编写更为合适。在此对作出贡献的相关人员致以谢意：J章的Nicola Gold，K章的AlexMarshall．L章的Ncola Gold和Tom Gallagheir，M章的RobLinfolrth多人还检查各章节的准确度和清晰度，他们是：Alastair Middleton．Leah Band，Tom Gallagher，KimKenobi，特别是Janeodgman（他校对了许多章节），在此深表感谢。我们感谢英国植物综合生物学中心的成员在出版前提供的显微图像。读者会很容易发现一些重复，但是这是为清晰起见特意保留。最后，我们希望学生和教师都能体会到这门学科的广度，并享受阅读的快乐。
　　生物信息学是生物学、计算机科学与技术及应用数学等多学科相互交叉而形成的新学科。它通过对生物学实验数据的获取、存储、处理与分析，进而达到揭示这些数据所蕴含的生物学意义的目的。随着越来越先进的生物技术的开发与运用，越来越多的组学数据的高通量测定并保存，已将生命科学推进到大数据时代。生物信息学的作用也越发显得重要。
　　科学出版社引进的charlieHodgman教授等编著的Instant Notesin Bioinformatics内容广泛，涉及生物信息学的诸多领域和研究基础及前沿内容，每个主题都进行了深入浅出的讲解，是一本不可多得的可供教学科研使用的书籍。为推广生物信息学在国内的普及，在科学出版社的主持下，由浙江大学几位教师和研究生对该书进行了翻译。
　　陈铭研究小组翻译了A至F、J、K、0至R共12章；包家立、王顺翻译了G、H、I共3章；黄炳顶、孙泽宇、马莹莹、刘贯峰翻译了L、M、N共3章。陈铭研究小组对全书进行了审核、校订并定稿。感谢以下人员参与翻译、校对并给予的帮助：金丹凤、李麒麟、原春晖、刘丽丽、王晶晶、代晓转、姜丽、王月。
　　翻译过程中对原文中出现的错误进行了修正，限于时间和译者水平，难免会有一些疏漏和不当之处，在此敬请广大读者反馈指正。
　　陈铭
　　2013年8月

好的，这是一份针对您所提及书目的“精要速览系列：生物信息学（第2版·中译版）”之外的、详细且不包含该书内容的图书简介。 --- 书名：《基因组学前沿：从测序技术到临床应用》 导言：人类对生命蓝图的探索与重塑 自人类完成对自身基因组的初步测序以来，生命科学领域便进入了一个由海量数据驱动的全新时代。基因组学，作为这一时代的基石，已经远远超越了单纯的DNA序列阅读。它深入到基因表达调控、蛋白质组学、代谢组学，乃至宏基因组学的广阔图景中。本书《基因组学前沿：从测序技术到临床应用》旨在为科研人员、临床医生、生物技术从业者以及对生命科学抱有浓厚兴趣的读者，提供一个全面、深入且与时俱进的视角，聚焦于当前基因组学领域最核心的技术突破、分析方法论的革新，以及这些前沿知识如何落地转化为切实可行的医疗和生物技术解决方案。 本书的撰写并非旨在提供基础概念的重复罗列，而是着眼于当前研究的“热点”与“痛点”，深入剖析最新的技术迭代如何重塑我们的认知边界，以及在海量数据处理和解读中，我们所面临的工程学和生物学挑战。 第一部分：测序技术的范式转移——从高通量到超高通量 本部分着重探讨下一代测序（NGS）技术成熟后，新一轮技术革命对数据获取方式带来的深刻变革。我们不再满足于静态的基因组序列，而是追求动态的、多层次的分子信息。 1. 单细胞组学技术的深化应用与挑战： 单细胞测序（Single-Cell Sequencing）已成为揭示组织异质性的关键工具。本书将详细介绍单细胞DNA测序（scDNA-seq）、单细胞转录组测序（scRNA-seq）以及空间转录组学（Spatial Transcriptomics）的最新平台及其原理。重点讨论在处理低起始投入量、高稀释度和高维度数据的复杂性时，如何进行准确的细胞类型注释、轨迹推断以及细胞间通讯网络的构建。我们还将探讨微流控技术在提高通量和降低成本方面的最新进展。 2. 第三代测序技术（长读长测序）的精度校正与应用拓展： PacBio HiFi 读长和 Oxford Nanopore Technologies (ONT) 的实时测序技术，极大地改善了对结构变异（SVs）、重复序列区域的解析能力。本章会深入剖析如何利用长读长数据对复杂基因组进行从头组装（de novo assembly），以及如何结合短读长数据进行混合组装的策略优化。特别是，对于表观遗传信息（如DNA甲基化、RNA修饰）的直接检测，是本书着墨的重点，分析其在精准诊断中的潜力。 3. 宏基因组学的深度解析： 面对复杂的微生物群落，本书超越了传统的16S rRNA测序，详细阐述了宏基因组学（Metagenomics）从样本采集、DNA提取、文库构建到生物信息学分析的全流程优化。特别是对“动员基因组”和“功能基因筛选”的深入挖掘，展示了如何利用计算方法识别出对宿主或环境具有重要影响的功能元件。 第二部分：多组学整合与高级数据挖掘 基因组学研究已不再是孤立的，真正强大的洞察力来源于对不同层次分子信息的集成分析。本部分聚焦于整合方法论的创新。 1. 蛋白质组学与基因组学的交叉验证： 我们将探讨如何高效地将基因表达数据、蛋白质丰度数据和翻译后修饰（PTMs）数据进行整合。重点介绍基于图模型（Graph-based Models）和深度学习方法，用于识别跨层级的关键调控枢纽，并验证这些枢纽在疾病通路中的作用。例如，如何利用临床样本中的蛋白组数据来校正基于RNA测序预测的基因功能状态。 2. 变异功能性注释的深度学习模型： 识别致病性变异是基因组学的核心任务。本书详细介绍超越传统评分方法的最新计算工具，这些工具利用卷积神经网络（CNN）和循环神经网络（RNN）来模拟蛋白质结构、DNA可及性、转录因子结合位点等信息，对非编码区变异（如增强子、启动子突变）的潜在功能影响进行高精度预测。 3. 因果推断与动态网络构建： 静态的关联分析正在被动态的因果推断所取代。本章将介绍如何利用时间序列转录组数据（Time-series Transcriptomics）和孟德尔随机化（Mendelian Randomization, MR）等工具，在观察性数据中初步建立分子事件间的因果关系，从而指导后续的机制验证实验。 第三部分：基因组学在临床与精准医学中的落地 前沿技术最终的价值体现在其临床转化能力上。本书的最后一部分，将目光投向最直接的医疗应用领域。 1. 肿瘤基因组学的精准分型与伴随诊断： 癌症研究是基因组学应用最成熟的领域之一。本书详述了液体活检（Liquid Biopsy）中循环肿瘤DNA（ctDNA）的超灵敏检测技术，以及如何利用ctDNA监测微小残留病灶（MRD）。此外，针对免疫肿瘤学（Immuno-Oncology），我们深入分析了肿瘤突变负荷（TMB）、错配修复缺陷（dMMR）的计算评估标准，以及如何基于患者的T细胞受体（TCR）和B细胞受体（BCR）多样性来预测免疫治疗的反应。 2. 遗传咨询与罕见病诊断的效率提升： 面对海量的基因测序数据，如何快速锁定致病位点至关重要。本部分讨论了利用群体基因组学数据库（如UK Biobank的高质量表型数据）进行快速关联分析（GWAS）的最新进展，以及在临床诊断流程中引入增强型人工智能力辅助诊断（CADx）系统的实践案例，用以加速对遗传性疾病的诊断“黑洞”。 3. 药物基因组学与个体化用药的挑战： 本章阐述了药物基因组学如何指导特定药物（如抗凝剂、抗抑郁药）的剂量调整和疗效预测。重点讨论了如何构建可靠的药物反应基因型数据库，以及跨种族和跨地域的遗传变异对药物代谢酶（如CYP450酶系）影响的校正模型，以确保个体化用药的普适性和安全性。 结论：面向未来的基因组学基础设施建设 《基因组学前沿：从测序技术到临床应用》总结了当前基因组学研究从数据采集到临床决策的完整链条，并指出，未来的发展将更加依赖于高质量的计算基础设施、可解释性的AI模型，以及更强有力的多中心数据共享机制。本书力求成为连接基础科研突破与实际应用落地的关键桥梁，激发读者在这一快速演进的科学领域中，持续探索与创新。

评分☆☆☆☆☆

拿到《精要速览系列：生物信息学（第2版·中译版）》这本书，我最直观的感受就是它的“速览”特性。我是一名在校大学生，专业是生命科学，但接触生物信息学的时间不长。在课堂上，老师们会简单介绍一些生物信息学相关的概念和工具，但往往时间有限，很多细节都一带而过。我希望找到一本能够让我快速上手、掌握核心知识的书籍，这本书似乎正符合我的需求。它没有像一些大型的教科书那样包含海量的理论知识，而是提炼了生物信息学中最精华、最实用的部分。我快速浏览了一下目录，发现它涵盖了从基础的序列分析到复杂的系统生物学建模，内容相当丰富。更吸引我的是，书中还穿插了不少实例分析，这对于理解抽象的算法和模型非常有帮助。我个人比较喜欢这种“学以致用”的学习方式，希望通过这本书，能够掌握一些基本的生物信息学分析技能，比如如何使用命令行工具进行初步的数据处理，如何理解常见的分析报告等。这将极大地提升我在未来学术研究中的竞争力。

评分☆☆☆☆☆

最近在考虑转型的我，将目光投向了生物信息学这个充满活力的领域。《精要速览系列：生物信息学（第2版·中译版）》这本书，对我来说，更像是一份“入行指南”。虽然我之前有过一些相关的学习经历，但总感觉零散不成体系。这本书的结构清晰，循序渐进，从生物学基础知识的简要回顾，到各种生物信息学分析方法的详细介绍，再到实际应用案例的展示，都为我提供了一个完整的学习框架。我注意到书中对于一些核心生物信息学数据库的介绍，以及如何有效地检索和利用这些资源，这一点对我这种初学者来说至关重要。而且，书中还强调了编程在生物信息学中的作用，特别是Python和R等语言的应用，这让我看到了可以如何将编程技能与生物学研究相结合。我希望通过这本书，能够建立起对生物信息学领域的整体认知，理解其在不同研究方向中的应用，并能够初步掌握一些基础的分析工具和方法，从而为我未来的职业发展打下坚实的基础。

评分☆☆☆☆☆

最近偶然翻到一本《精要速览系列：生物信息学（第2版·中译版）》，对于我这样一个生物学背景、但对计算工具应用略显生疏的研究者来说，简直是及时雨。我之前总是在文献中遇到各种生物信息学分析的结果，但对背后的原理和方法理解得比较浅显，有时甚至会因此限制了自己对数据的解读。这本书的出现，让我看到了弥补这一短板的希望。我注意到书中详细介绍了DNA序列比对、基因预测、蛋白质结构预测等经典问题，并提到了相关的算法，比如Smith-Waterman算法和BLAST算法，这些都是我工作中经常会接触到的。作者的叙述风格比较严谨，但又不像纯粹的学术论文那样晦涩难懂，而是尽量用清晰易懂的语言来阐释复杂的概念。而且，它还针对不同类型的生物数据，介绍了相应的处理流程和分析策略，这对于我制定实验方案和解读数据非常有指导意义。我尤其期待书中关于机器学习在生物信息学中应用的部分，因为这是当前研究的热点，也是我一直想深入了解的方向。总的来说，这本书为我打开了一扇新的大门，让我看到了如何运用计算思维来解决生物学难题。

评分☆☆☆☆☆

作为一名资深的IT从业者，我一直对生物信息学这个跨学科领域抱有浓厚的兴趣。随着基因测序成本的不断下降和数据量的爆炸式增长，生物信息学的重要性日益凸显，它已经成为推动生命科学发展的关键驱动力。我最近拿到的《精要速览系列：生物信息学（第2版·中译版）》这本书，从一个IT人的视角来看，它在算法和数据处理方面的内容让我眼前一亮。书中对各种生物信息学算法的介绍，比如动态规划、概率模型等，虽然在理论上与传统的计算机科学有所交叉，但其应用场景和针对的数据特性又有着独特的创新。我特别关注书中关于大规模生物数据管理和高性能计算的部分，因为这正是我所擅长的领域。我希望通过这本书，能够了解生物信息学领域有哪些独特的计算挑战，以及目前主流的解决方案。同时，我也想看看生物信息学领域是如何与新兴的计算技术，比如云计算、大数据分析等相结合的。这本书的出现，让我看到了将我的IT技能应用于生命科学研究的潜力，这是一个非常令人兴奋的探索方向。

评分☆☆☆☆☆

这次入手的是一本关于生物信息学的书，书名是《精要速览系列：生物信息学（第2版·中译版）》。我之前就对生物信息学这个领域很感兴趣，感觉它融合了计算机科学和生物学的知识，在现代生命科学研究中扮演着越来越重要的角色。收到书后，我迫不及待地翻开，虽然还没来得及深入研读，但从目录和前几章的浏览来看，这本书的结构设计得相当清晰，从基础概念入手，逐步深入到各种常用的算法和工具。作者在介绍时，注重理论与实践的结合，这一点对我来说非常重要。我一直认为，学习一门技术性的学科，光看理论是不够的，必须能够实际操作，解决实际问题。这本书似乎在这方面做得比较到位，它不仅讲解了背后的原理，还提及了一些在实际研究中会用到的软件和编程语言，这让我对接下来的学习充满了期待。我希望通过这本书，能够对生物信息学的核心技术有一个比较全面和系统的认识，为我未来可能进行的生物学研究打下坚实的基础。尤其是在基因组学、蛋白质组学等领域，生物信息学的作用是不可替代的，我相信这本书能够成为我探索这些领域的得力助手。

评分☆☆☆☆☆

不错，质量不错。

评分☆☆☆☆☆

不知道是不是大学时候一样的那本

评分☆☆☆☆☆

这本书也不错，从计算的角度讲

评分☆☆☆☆☆

关于生物信息方面的讲的比较全！

评分☆☆☆☆☆

此用户未填写评价内容

评分☆☆☆☆☆

质量有保障，快递很给力。

评分☆☆☆☆☆

这本是正宗的生物信息入门教材，涉猎宽，较浅显。

评分☆☆☆☆☆

不知道是不是大学时候一样的那本

评分☆☆☆☆☆

入门级教材，随便看看~