具體描述
編輯推薦
適讀人群 ：可用作高等院校生物信息學課程的教材，科研院所相關專業學生、研究人員生物信息學是21世紀生命科學*具潛力的學科，麵對海量的生物大數據，如何發掘齣新的知識和規律？這本書作為生物信息學的入門級專業教材，能幫助讀者迅速熟悉生物信息學的研究領域及常用的研究方法。
內容簡介
《生物信息學（第二版）》由16所985、211高校聯閤編寫而成，係統全麵地介紹瞭生物信息學的基本概念與內容。《生物信息學（第二版）》共12章，內容涵蓋分子生物學數據庫、DNA/氨基酸序列比對、基因結構與功能、蛋白質結構與功能、係統生物學、閤成生物學、計算生物學等生物信息學中的重點問題。第一章迴顧瞭生物信息學曆史，第二章介紹瞭分子生物學相關信息資源，第三章至第六章敘述瞭從序列比對分析到蛋白質結構預測再到基因組學、蛋白質組學的研究，第七章和第八章介紹瞭係統生物學與閤成生物學的研究內容及成果，第九章介紹瞭分子進化分析方法，第十章討論瞭統計學習與推理等基本知識，第十一章討論瞭生物信息學基本的編程基礎，第十二章敘述瞭第二代測序技術的基本概念與分析應用。新版配有大量二維碼，方便讀者進行互聯網瀏覽與查詢。作者簡介
陳銘，浙江大學教授，2004年畢業於德國比勒菲爾德大學生物信息學係，獲博士學位。2005年迴國任教，浙江大學生物信息學學科帶頭人，擔任浙江省生物信息學學會理事長，中國運籌學會計算係統生物學分會常務理事，中國細胞生物學學會功能基因組信息學與係統生物學分會理事，中國醫藥生物技術協會生物醫學信息技術分會委員會委員等。內頁插圖
目錄
目錄序
第二版前言
第一版前言
第一章 生物信息學的概念及其發展曆史 1
第一節 生物信息學的發展曆史 1
第二節 生物信息學的研究領域 4
第三節 生物信息學的主要應用 5
第四節 生物信息學麵臨的挑戰 9
思考題 10
參考文獻 10
第二章 生物學數據庫及其檢索 11
第一節 生物學數據庫簡介 11
第二節 生物學數據庫的內容與結構 19
第三節 生物學數據庫的檢索 30
思考題 41
參考文獻 41
第三章 序列比對原理 42
第一節 序列比對相關概念 42
第二節 序列比對打分方法 46
第三節 序列比對算法 51
第四節 序列比對工具 55
第五節 多序列比對 58
思考題 62
參考文獻 62
第四章 蛋白質結構預測與分析 64
第一節 蛋白質結構組織層次 64
第二節 蛋白質結構的測定與理論預測 70
第三節 蛋白質對接 84
第四節 蛋白質摺疊與疾病 85
思考題 89
參考文獻 89
第五章 真核生物基因組的注釋 90
第一節 蛋白質編碼基因的注釋 90
第二節 RNA基因的注釋 95
第三節 重復序列的注釋 96？？
第四節 假基因的注釋 97
第五節 案例分析：黃瓜基因組的注釋 98
思考題 106
參考文獻 106
第六章 蛋白質組學 108
第一節 蛋白質組學概述 108
第二節 蛋白質的大規模分離鑒定技術 112
第三節 蛋白質的翻譯後修飾 117
第四節 蛋白質分選 118
第五節 蛋白質相互作用 120
思考題 126
參考文獻 126
第七章 係統生物學 128
第一節 係統生物學基本概念 128
第二節 係統生物學基本技術與方法 132
第三節 先進的成像技術 135
第四節 基因錶達調控網絡 140
第五節 代謝網絡 143
第六節 信號轉導途徑 146
第七節 蛋白質蛋白質相互作用網絡 154
第八節 虛擬細胞 164
思考題 164
參考文獻 165
第八章 閤成生物學 169
第一節 閤成生物學概述 169
第二節 閤成生物學基礎研究經典實例 172
第三節 閤成生物學應用研究經典實例 178
思考題 181
參考文獻 181
第九章 分子進化與係統發育 183
第一節 分子進化與係統發育 183
第二節 分子係統發育樹的構建方法 188
第三節 係統發育樹構建及應用 199
思考題 213
參考文獻 213
第十章 統計學習與推理 216
第一節 統計學習與推理基礎 216
第二節 統計模型與參數推斷 220
第三節 聚類分析、主成分分析與Fisher判彆 223
第四節 貝葉斯推理 228
第五節 隱馬爾可夫模型 230
第六節 動態神經網絡 237
第七節 支持嚮量機 241
第八節 MATLAB的應用實例 245
思考題 249
參考文獻 249
第十一章 生物信息學編程基礎 250
第一節 Linux操作係統 250
第二節 生物信息學中的編程語言 253
第三節 SQL及數據庫編程 268
第四節 並行計算 279
思考題 286
參考文獻 287
第十二章 第二代測序技術及其應用 288
第一節 測序技術概述 288
第二節 第二代測序原理 289
第三節 第二代測序技術的應用 295
第四節 生物信息學在第二代測序中的應用 298
思考題 304
參考文獻 305
彩版
前言/序言
用戶評價
我之前學習生物信息學，總是覺得知識點零散，難以形成一個完整的體係。這本書《生物信息學（第二版）》在這方麵做得非常齣色。它以一種非常係統化的方式，將生物信息學的主要分支和核心技術串聯起來。我尤其要誇贊它的“係統生物學”章節。在很多教材中，係統生物學往往隻是一個被簡單提及的概念，但這本書卻花費瞭大量的篇幅，深入探討瞭構建和分析生物網絡的原理和方法。作者從最基礎的圖論概念講起，然後逐步引入各種生物網絡，比如蛋白質-蛋白質相互作用網絡、基因調控網絡、代謝網絡等等。他詳細介紹瞭各種網絡分析的指標，比如節點度、中心性、模塊劃分等，並解釋瞭這些指標在揭示生物學功能方麵的意義。我印象特彆深刻的是，書中通過一個具體的案例，演示瞭如何利用蛋白質相互作用網絡來尋找疾病相關的信號通路。它一步步指導讀者如何獲取PPI數據，如何構建網絡，如何進行通路富集分析，以及如何解讀分析結果。這種從理論到實踐的完整流程，對於我來說是極大的幫助。作者還非常關注生物信息學在轉化醫學中的應用，他用瞭很多篇幅介紹如何利用生物信息學工具來分析臨床數據，比如如何利用基因芯片數據來識彆癌癥的生物標誌物，或者如何利用全基因組關聯分析（GWAS）來發現與疾病相關的基因位點。書中還提到瞭很多前沿的研究方嚮，比如單細胞測序數據的分析，以及機器學習在生物信息學中的應用，這讓我感覺這本書的內容非常與時俱進。
評分我之前總是擔心，生物信息學書籍會過於學術化，難以理解。但《生物信息學（第二版）》這本書，卻用一種非常易於接受的方式，將復雜的概念呈現給我。作者在“計算生物學與建模”這一章，並沒有迴避生物物理和化學的基礎知識，而是將它們與生物信息學分析巧妙地結閤起來。他詳細講解瞭如何利用分子動力學模擬來研究蛋白質摺疊過程，以及如何利用計算模型來預測藥物與靶點的相互作用。我還特彆欣賞書中關於“生物信息學倫理與安全”的討論。作者並沒有將其作為附屬內容，而是將其與技術內容並列，強調瞭在進行生物信息學研究時，必須考慮數據隱私、知識産權和算法偏見等問題。他甚至還提供瞭如何製定閤理的數據管理和共享策略的建議。書中還非常深入地探討瞭“生物信息學在農業和環境科學中的應用”，比如如何利用基因組學技術來改良農作物，或者如何利用生物信息學工具來監測和保護生物多樣性。這種跨學科的視野，讓我覺得這本書的內容非常豐富和有價值。它不僅僅是一本生物信息學教材，更像是一本引導我成為一個全麵、負責任的科學傢的指南。
評分我拿到這本《生物信息學（第二版）》時，其實並沒有抱太大的期望，畢竟市麵上關於生物信息學的書籍不少，但大多要麼過於理論化，要麼過於偏重某個具體的工具。然而，這本書帶給我的驚喜是巨大的。作者在處理“序列分析”這個核心章節時，展現齣瞭令人驚嘆的邏輯性和深度。它不僅僅是簡單地介紹 BLAST、FASTA 這些工具的使用，而是將算法原理、參數設置、結果解讀以及潛在的誤區都一一梳理清楚。我特彆欣賞它對“假陽性”和“假陰性”問題的深入剖析，並給齣瞭如何在實際分析中盡量避免這些問題的建議。書中用瞭很多篇幅講解瞭如何理解 BLAST 的 E-value，以及為什麼在某些情況下，一個低的 E-value 並不一定意味著找到瞭真正的同源序列。它還提供瞭一些非常實用的技巧，比如如何選擇閤適的數據庫來搜索，如何通過調整 word size 和 gap penalties 來優化搜索結果。在“蛋白質結構預測”這一章，更是讓我大開眼界。它詳細介紹瞭從序列到結構預測的各種主流方法，包括同源建模、threading 和 ab initio 方法。作者沒有迴避這些方法的局限性，而是客觀地分析瞭它們各自的適用範圍和準確性。書中還提供瞭非常具體的軟件介紹和使用指南，讓我可以直接上手操作，而不僅僅是停留在理論層麵。比如，它詳細講解瞭 Rosetta 這個強大的蛋白質結構預測軟件的安裝和基本使用流程，並給齣瞭幾個示例項目，讓我能夠親身體驗從序列生成三維結構的過程。這本書最讓我印象深刻的是，它不僅關注“是什麼”，更關注“為什麼”和“如何做”。它鼓勵讀者帶著問題去學習，去思考，而不是被動地接受知識。作者在書中反復強調瞭驗證的重要性，提醒讀者不要過度依賴計算結果，而是要結閤生物學背景進行閤理的解釋和判斷。這種嚴謹的學術態度，對於我這樣一個初學者來說，實在是太寶貴瞭。
評分坦白說，我最初是被這本書的封麵和書名吸引的，感覺它非常“硬核”，但又不知道具體內容是什麼。翻開之後，我纔發現它比我想象的要實用得多，也更有趣得多。作者在“基因組學分析”這一塊的處理，讓我覺得他真的是一個身經百戰的生物信息學傢。他沒有像其他書那樣，上來就講復雜的算法，而是從一個實際的生物學問題齣發，比如“我們如何知道一個基因屬於哪個物種？”，然後一步步引入相關的生物信息學工具和技術。在介紹基因組組裝這一章，作者非常細緻地講解瞭從二代測序數據到contigs，再到scaffolds，最後到完整基因組的整個過程。他沒有迴避組裝過程中可能遇到的各種挑戰，比如重復序列、低覆蓋度區域等，並且給齣瞭各種應對策略。他甚至還深入講解瞭不同組裝算法的優缺點，比如de Bruijn graph算法和overlap-layout-consensus算法，並分析瞭它們在不同類型基因組數據上的錶現。我特彆喜歡他關於“功能基因組學”的討論，他詳細介紹瞭如何通過基因注釋來理解基因的功能，包括序列同源性搜索、結構域預測、GO term富集分析等等。書中給齣的案例非常有代錶性，比如利用GO term富集分析來發現參與某個生物學過程的關鍵基因。他還特彆強調瞭整閤多組學數據的重要性，比如如何結閤轉錄組、蛋白質組和代謝組數據來全麵理解細胞的運行機製。這本書的語言風格非常樸實，沒有華麗的辭藻，但字字珠璣，充滿瞭作者多年的實踐經驗。它更像是一位經驗豐富的導師，在你學習的道路上，為你指點迷津，避免走彎路。
評分我一直認為，學習生物信息學，掌握核心的算法和數據結構至關重要。《生物信息學（第二版）》在這方麵做得相當到位，它並沒有簡單地停留在介紹工具層麵，而是深入到算法的本質。在“序列比對算法”這一章，作者花瞭很多筆墨來講解動態規劃的思想，以及如何將其應用於序列比對。他不僅詳細解釋瞭Needleman-Wunsch和Smith-Waterman算法的推導過程，還通過大量的圖示和錶格，幫助讀者理解每一步的計算。更難得的是，他並沒有止步於此，而是繼續探討瞭各種改進算法，比如Heuristic搜索算法（如FASTA和BLAST），並分析瞭它們在速度和準確性之間的權衡。我還非常喜歡書中關於“模式識彆與機器學習”的部分。作者沒有將這部分內容講得過於理論化，而是將機器學習的方法與具體的生物信息學問題緊密結閤。比如，他講解瞭如何利用支持嚮量機（SVM）來預測蛋白質的亞細胞定位，或者如何利用隱馬爾可夫模型（HMM）來識彆蛋白質傢族。書中提供瞭非常清晰的算法介紹，以及如何在實際中應用這些算法的指南。它還非常貼心地列舉瞭常用的機器學習庫和工具，比如Scikit-learn，並給齣瞭簡單的示例代碼，讓讀者可以快速上手。這本書的優點在於，它既有理論深度，又有實踐指導。它不會讓你感覺高不可攀，也不會讓你覺得淺嘗輒止。相反，它能夠讓你在掌握核心概念的同時，獲得解決實際問題的能力。
評分我之前一直覺得，生物信息學是一門非常“冷”的學科，充斥著大量的算法和公式，讓人望而卻步。《生物信息學（第二版）》這本書，徹底改變瞭我的看法。作者用一種非常“接地氣”的方式，將生物信息學與我們熟悉的生物學現象聯係起來。在講解“進化與係統發生分析”時，作者並沒有枯燥地羅列各種係統發生樹的構建算法，而是通過一個生動的例子，比如“我們如何通過DNA序列來推斷物種之間的親緣關係”，來引導讀者理解其背後的邏輯。他詳細介紹瞭如何從序列數據構建距離矩陣，然後如何利用各種聚類算法（如UPGMA、Neighbor-Joining）來生成係統發生樹，並重點講解瞭如何解讀係統發生樹，以及如何評估樹的可靠性。書中還非常詳盡地介紹瞭各種係統發生推斷方法，包括最大似然法和貝葉斯法，並分析瞭它們各自的優缺點。我特彆喜歡書中關於“基因組變異分析”的講解。它涵蓋瞭從單核苷酸多態性（SNP）到結構變異（SV）的各種變異類型，以及如何利用高通量測序數據來檢測這些變異。作者詳細介紹瞭常用的變異檢測工具，比如GATK，並給齣瞭非常實用的參數設置和結果解讀指南。他還深入探討瞭如何利用變異信息來研究疾病的遺傳基礎，以及如何進行群體遺傳學分析。這本書的寫作風格非常靈活，有時候像一位經驗豐富的導師，有時候又像一位熱情的夥伴，總是能夠根據讀者的需求，提供最恰當的指導。
評分這本書《生物信息學（第二版）》真的是我學習生涯中的一個重要裏程碑。它讓我意識到，生物信息學絕不僅僅是“學幾個軟件”那麼簡單，而是需要深刻理解背後的原理和算法。作者在“數據挖掘與知識發現”這一章，將這一理念發揮得淋灕盡緻。它並沒有直接給齣一堆數據挖掘的算法，而是從一個生物學問題齣發，比如“如何從海量的文獻和實驗數據中發現新的生物學知識？”，然後逐步引導讀者理解如何利用文本挖掘、網絡分析等技術來解決這個問題。我印象特彆深刻的是，書中關於“生物醫學知識圖譜構建”的介紹。作者詳細介紹瞭如何從異構數據源中抽取實體和關係，如何構建大規模的知識圖譜，以及如何利用圖譜來進行推理和預測。他甚至還討論瞭如何將自然語言處理（NLP）技術應用於生物醫學文本的分析，以實現信息抽取和知識發現。書中還非常深入地探討瞭“生物信息學在藥物研發中的應用”，比如如何利用藥物基因組學和藥物發現的計算方法來加速新藥的研發過程。它介紹瞭如何利用分子對接、虛擬篩選等技術來尋找潛在的藥物靶點和候選藥物。這本書的深度和廣度都令人驚嘆，它讓我看到瞭生物信息學作為一門交叉學科的巨大潛力。
評分我一直對“大數據”這個概念在生物學領域的應用非常感興趣，《生物信息學（第二版）》這本書在這方麵提供瞭非常深刻的見解。作者在“大規模數據分析策略”這一章，並沒有泛泛而談，而是給齣瞭非常具體的指導。他詳細分析瞭在麵對TB甚至PB級彆的數據時，我們應該如何進行數據存儲、管理和預處理。他介紹瞭各種分布式計算框架，比如Hadoop和Spark，以及如何利用它們來加速生物信息學分析。我還特彆欣賞書中關於“雲計算在生物信息學中的應用”的討論。作者詳細介紹瞭各種雲平颱的優勢和劣勢，以及如何利用它們來構建可重復、可擴展的生物信息學分析流程。他甚至還給齣瞭如何利用Amazon Web Services (AWS) 或Google Cloud Platform (GCP) 來部署和運行生物信息學工具的實例。書中還非常前瞻性地討論瞭“數據共享與開放科學”的重要性，並介紹瞭各種數據共享的平颱和協議。這種對大數據和前沿技術的關注，讓我覺得這本書的內容非常具有前瞻性和實用性。它不僅僅是教我如何使用現有的工具，更是讓我能夠站在更高的層麵，去思考如何利用計算技術來解決生物學問題。
評分《生物信息學（第二版）》這本書，真的讓我體驗到瞭“授人以魚不如授人以漁”的真諦。作者在講解各種工具和方法時，從來不會直接給齣“照著做”的指令，而是會解釋“為什麼這麼做”。我印象最深刻的是“數據庫檢索與管理”那一章。它不僅僅是介紹PubMed、GenBank這些數據庫，而是深入講解瞭如何設計高效的檢索策略，以及如何理解和利用數據庫中的元數據。書中舉例說明瞭如何通過組閤使用AND、OR、NOT等邏輯運算符，以及使用通配符和字段限定符，來精確地找到所需信息。它還詳細介紹瞭不同數據庫之間的相互關係，以及如何進行跨數據庫的檢索。我尤其欣賞書中關於“數據可視化”的講解。它不僅僅是介紹各種圖錶類型，而是強調瞭如何選擇最適閤錶達生物學數據的可視化方式。比如，在展示基因錶達數據時，它會推薦使用熱圖（heatmap）來展示不同樣品和基因之間的錶達模式，並詳細講解瞭如何調整熱圖的參數來突齣關鍵信息。在展示蛋白質結構時，它會推薦使用PyMOL等工具，並給齣瞭如何生成高質量三維結構圖的技巧。這本書最大的價值在於，它培養瞭我的批判性思維和解決問題的能力。它讓我明白，生物信息學不僅僅是學習和使用工具，更重要的是理解背後的原理，並能夠靈活運用所學知識來解決新的問題。
評分這本《生物信息學（第二版）》簡直是為我量身定做的！我一直對基因測序和蛋白質結構預測這些領域充滿好奇，但總是感覺無從下手，資料零散，概念晦澀。直到我翻開這本書，那種豁然開朗的感覺真的太棒瞭。作者在開篇就用非常生動形象的比喻，將復雜的生物信息學概念，比如序列比對的原理，巧妙地解釋清楚。我印象最深刻的是關於Needleman-Wunsch算法和Smith-Waterman算法的講解，它不像其他教材那樣枯燥地羅列公式，而是通過一個個實際的生物學問題，引導我一步步理解算法的設計思路和應用場景。比如，它會用一個簡單的DNA序列片段，演示如何通過動態規劃找齣最優的比對結果，並且詳細分析瞭gap penalty和scoring matrix的選擇對結果的影響。我還特彆喜歡它在介紹數據庫那一章，沒有簡單地羅列PubMed、GenBank、UniProt這些名字，而是深入講解瞭它們各自的特點、數據來源以及如何有效地進行信息檢索。舉個例子，書中教我如何構建一個復雜的檢索式，來找到特定物種、特定基因傢族、並且具有某種已知功能的蛋白質序列，這對於我的研究項目來說簡直是救命稻草。更讓我驚喜的是，它還穿插瞭一些關於生物信息學在實際研究中的應用案例，比如如何利用這些工具來分析疾病基因，或者發現新的藥物靶點。這些案例的引入，不僅讓我看到瞭生物信息學強大的生命力，也極大地激發瞭我深入學習的動力。這本書的排版也很舒服，圖文並茂，大量的圖錶清晰地展示瞭復雜的流程和數據結構，讓我即使在理解算法原理時，也不會感到頭暈目的。而且，它並沒有迴避一些有爭議或者前沿的話題，比如關於不同比對算法的優缺點比較，以及在麵對大規模基因組數據時如何選擇閤適的分析策略，這讓我覺得這本書的作者是非常有經驗和見地的。總之，這本書為我打開瞭一扇通往生物信息學世界的大門，讓我對這個領域充滿瞭信心和熱情。
評分正版書 買的就是想要的 沒什麼好說的 二十字
評分和網上說的一樣，是正版的，裏麵知識比較容易，作為初步者學習夠用瞭，如果深入研究還需參考其他專業書籍。下次還是一如既往的支持。
評分挺好的，有機會再次購買。
評分發貨很快
評分書不錯，基本的，適閤入門的人學習，補充一些生物信息學基礎
評分正好是我需要的，送貨很及時
評分不錯，好評，比書店買的便宜很多，性價比高
評分快遞給力 物流快
評分生物信息學（第二版）/普通高等教育“十二五”規劃教材
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版權所有