- AI赋能的微生物组大数据挖掘(方法与应用)(精)
- - 作者：编者:宁康|责编:王娜
  - 出版社：上海科技
  - ISBN：9787547862377
  - 出版日期：2023/07/01
  - 页数：162
- 售价：35.2

内容大纲
微生物组学（microbiomics）是继基因组学之后，生物学研究领域的重大突破之一。特别是近20年来，国际上有关微生物组学的研究进展极其迅速，不仅积累了上百万的微生物群落样本，而且在人体健康、环境保护、工业生产等方面发掘了大量的微生物资源，发现了大批的微生物变化规律。当今人工智能（AI）技术一日千里，将其运用于微生物组的大数据挖掘，可极大地促进微生物资源的理性转化与应用。本书较为全面系统性地梳理了AI赋能微生物组的基本概念和分析流程，以及21世纪前20年来相关数据挖掘方法和典型应用案例，并对其未来发展趋势和应用潜力进行了总结与展望，可供微生物组研究相关的科研工作者，以及对组学数据挖掘感兴趣的师生参考。
作者介绍
目录
第1章  微生物组
  1.1  基本概念
    1.1.1  微生物群
    1.1.2  宏基因组
    1.1.3  微生物组
  1.2  微生物组高通量测序
    1.2.1  扩增子测序
    1.2.2  宏基因组测序
    1.2.3  测序技术的发展
    1.2.4  鸟枪法宏基因组测序的拓展研究
  1.3  微生物组测序数据和基本分析流程
  小结
  参考文献
第2章  微生物组大数据及其主流分析方法
  2.1  基本概念及分类
  2.2  微生物组大数据的特征
  2.3  微生物组的主流数据库
  2.4  微生物组的主流数据分析方法和软件
    2.4.1  扩增子分析软件
    2.4.2  宏基因组分析软件
    2.4.3  统计和可视化工具
  2.5  微生物组数据整合中的批次效应
    2.5.1  平均中心方法
    2.5.2  Z-score方法
    2.5.3  基于比值的方法
    2.5.4  距离加权判别法
    2.5.5  ComBat方法
    2.5.6  基于奇异值分解方法
    2.5.7  替代变量分析法
  2.6  微生物数据分析流程
    2.6.1  16S扩增子数据分析流程
    2.6.2  宏基因组数据分析流程
  小结
  参考文献
第3章  微生物组大数据挖掘
  3.1  微生物组大数据挖掘概述
    3.1.1  微生物组数据挖掘背景
    3.1.2  人工智能简介
    3.1.3  人工智能和高性能计算
    3.1.4  机器学习的概念及方法
    3.1.5  深度学习的概念及方法
    3.1.6  计算机经典算法简介
  3.2  微生物组数据挖掘方法
    3.2.1  微生物组大数据挖掘主流方法及其特征
    3.2.2  微生物组数据挖掘技术简介
    3.2.3  微生物标志物挖掘及经典案例
    3.2.4  微生物组样本比对和特征预测及经典案例
    3.2.5  微生物组时序网络挖掘及经典案例
  3.3  微生物组大数据挖掘的人工智能方法
    3.3.1  在生物研究中的人工智能方法

    3.3.2  在微生物组研究中的人工智能方法
    3.3.3  人工智能应用实例
  3.4  微生物组数据挖掘的瓶颈问题及应对策略
    3.4.1  微生物组大数据挖掘瓶颈
    3.4.2  微生物组大数据挖掘瓶颈问题的应对策略
  小结
  参考文献
第4章  微生物组大数据的应用
  4.1  不同宿主环境下的微生物组数据研究
    4.1.1  大黄蜂微生物组研究
    4.1.2  鱼类微生物组研究
    4.1.3  小龙虾微生物组研究
    4.1.4  从抗生素耐药性角度研究水稻小龙虾共养模式
    4.1.5  鸡微生物组研究
    4.1.6  欧洲野兔微生物组研究
    4.1.7  家畜微生物组研究
  4.2  人体微生物组数据研究
    4.2.1  肠型分析
    4.2.2  肠道微生物亚群与饮食、代谢疾病的关联分析
    4.2.3  人类饮食与肠道菌群的个性化关联
    4.2.4  体育锻炼与肠道菌群的相关性研究
    4.2.5  幼儿肠道微生物组的时间发育变化
    4.2.6  肠道菌群与年龄预测
    4.2.7  微生物组与癌症相关性研究
    4.2.8  肠道菌群与非酒精性脂肪肝的防治
    4.2.9  肠易激综合征患者肠道菌群的研究
    4.2.10  类风湿性关节炎患者微生物失调和代谢紊乱研究
    4.2.11  下呼吸道细菌性感染诊断研究
    4.2.12  肠道菌群可塑性研究
  4.3  环境和工程领域的微生物组数据研究
    4.3.1  土壤微生物组研究
    4.3.2  污水处理厂微生物群落挖掘
    4.3.3  植物根际微生物群落研究
    4.3.4  甘草基因表达微生物群落代谢产物调控模式研究
    4.3.5  地下水微生物来源分析
    4.3.6  水体抗生素抗性基因研究
    4.3.7  湖泊抗生素抗性基因研究
    4.3.8  全球海洋宏转录组研究
    4.3.9  海洋微生物群落中的抗生素抗性基因研究
    4.3.10  利用海洋宏基因组学预测新蛋白质家族
    4.3.11  重症监护病房微生物研究
    4.3.12  微生物溯源研究
    4.3.13  本体感知深度学习应用于微生物溯源的研究
    4.3.14  迁移学习应用于微生物分类研究
  小结
  参考文献
第5章  微生物组大数据挖掘的发展趋势和未来态势
  5.1  人工智能赋能的微生物组大数据挖掘的总体知识框架
  5.2  新技术和新发现驱动微生物组研究的不断进步
  5.3  微生物组暗物质和大数据挖掘

  参考文献
附录
  附录1  术语解释
  附录2  微生物基因组概述
  附录3  基因组功能注释
  附录4  人类微生物组研究的30个重大里程碑事件

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目