- 生物信息学(生物科学领域101计划核心教材)(精)
- - 作者：编者:陈铭//吕晖|责编:李融//郝真真
  - 出版社：高等教育
  - ISBN：9787040652819
  - 出版日期：2025/09/01
  - 页数：605
- 售价：78

内容大纲
生物信息学是一门新兴的交叉学科，在生命科学领域扮演着越来越重要的角色，是生物类专业本科生的必修专业基础课程。本教材是生物科学“101计划”教材建设项目之一，着重阐述生物信息学的基本概念和关键技术，在教授生物信息学的经典和基础理论、统计方法及人工智能的同时，向读者介绍本领域的各种组学分析、应用前沿和实验基础等。本教材共分为13章，包括生物信息学概述、生物统计学基础、深度学习和人工智能、生物信息资源、序列比对与分析、基因组学、转录组学、转录调控和表观遗传、蛋白质组学和代谢组学、表型组学、系统生物学、生物信息学应用和生物信息学实验基础等。本书可作为各类高等院校生物科学类专业本科生的课程教材，也可供相关专业的研究生和科研人员参考使用。
作者介绍
目录
1  生物信息学概述
  1.1  生物信息学的基本概念
    1.1.1  生物信息学的基本含义
    1.1.2  生物信息学的学科特点与发展
  1.2  生物信息学的发展历史与趋势
  1.3  生物信息学的研究领域
    1.3.1  生物学研究领域
    1.3.2  生物信息学研究内容
  1.4  生物信息学的算法基础
    1.4.1  降维算法
    1.4.2  聚类算法
    1.4.3  分类算法
    1.4.4  回归算法
    1.4.5  统计学分析
  1.5  生物信息学的机遇与挑战
    1.5.1  生物信息学的机遇
    1.5.2  生物信息学的挑战
    1.5.3  结语
2  生物统计学基础
  2.1  生物统计简介
    2.1.1  总体与样本
    2.1.2  数据特征及描述
  2.2  参数估计和假设检验
    2.2.1  抽样分布
    2.2.2  区间估计
    2.2.3  假设检验
    2.2.4  正态总体均值的检验
    2.2.5  方差分析
    2.2.6  多重检验校正
    2.2.7  卡方检验
    2.2.8  非参数检验方法
  2.3  统计模型
    2.3.1  线性模型
    2.3.2  极大似然估计法
    2.3.3  Logistic回归模型
    2.3.4  泊松回归模型
    2.3.5  Cox比例风险模型
    2.3.6  线性混合效应模型
    2.3.7  隐马尔可夫模型
    2.3.8  贝叶斯统计基础
  2.4  高维统计方法
    2.4.1  正则化方法
    2.4.2  变量筛选
    2.4.3  LASSO方法的讨论
  2.5  统计学习基础
    2.5.1  有监督学习
    2.5.2  无监督学习
  2.6  统计因果推断
    2.6.1  辛普森悖论
    2.6.2  关联与因果

    2.6.3  因果效应的定义与识别
    2.6.4  因果效应的估计
    2.6.5  工具变量
3  深度学习和人工智能
4  生物信息资源
5  序列比对与分析
6  基因组学
7  转录组学
8  转录调控和表观遗传
9  蛋白质组学和代谢组学
10  表型组学
11  系统生物学
12  生物信息学应用
13  生物信息学实验基础
名词索引

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目