具体描述
编辑推荐
适读人群 ：可用作高等院校生物信息学课程的教材，科研院所相关专业学生、研究人员生物信息学是21世纪生命科学*具潜力的学科，面对海量的生物大数据，如何发掘出新的知识和规律？这本书作为生物信息学的入门级专业教材，能帮助读者迅速熟悉生物信息学的研究领域及常用的研究方法。
内容简介
《生物信息学（第二版）》由16所985、211高校联合编写而成，系统全面地介绍了生物信息学的基本概念与内容。《生物信息学（第二版）》共12章，内容涵盖分子生物学数据库、DNA/氨基酸序列比对、基因结构与功能、蛋白质结构与功能、系统生物学、合成生物学、计算生物学等生物信息学中的重点问题。第一章回顾了生物信息学历史，第二章介绍了分子生物学相关信息资源，第三章至第六章叙述了从序列比对分析到蛋白质结构预测再到基因组学、蛋白质组学的研究，第七章和第八章介绍了系统生物学与合成生物学的研究内容及成果，第九章介绍了分子进化分析方法，第十章讨论了统计学习与推理等基本知识，第十一章讨论了生物信息学基本的编程基础，第十二章叙述了第二代测序技术的基本概念与分析应用。新版配有大量二维码，方便读者进行互联网浏览与查询。作者简介
陈铭，浙江大学教授，2004年毕业于德国比勒菲尔德大学生物信息学系，获博士学位。2005年回国任教，浙江大学生物信息学学科带头人，担任浙江省生物信息学学会理事长，中国运筹学会计算系统生物学分会常务理事，中国细胞生物学学会功能基因组信息学与系统生物学分会理事，中国医药生物技术协会生物医学信息技术分会委员会委员等。内页插图
目录
目录序
第二版前言
第一版前言
第一章 生物信息学的概念及其发展历史 1
第一节 生物信息学的发展历史 1
第二节 生物信息学的研究领域 4
第三节 生物信息学的主要应用 5
第四节 生物信息学面临的挑战 9
思考题 10
参考文献 10
第二章 生物学数据库及其检索 11
第一节 生物学数据库简介 11
第二节 生物学数据库的内容与结构 19
第三节 生物学数据库的检索 30
思考题 41
参考文献 41
第三章 序列比对原理 42
第一节 序列比对相关概念 42
第二节 序列比对打分方法 46
第三节 序列比对算法 51
第四节 序列比对工具 55
第五节 多序列比对 58
思考题 62
参考文献 62
第四章 蛋白质结构预测与分析 64
第一节 蛋白质结构组织层次 64
第二节 蛋白质结构的测定与理论预测 70
第三节 蛋白质对接 84
第四节 蛋白质折叠与疾病 85
思考题 89
参考文献 89
第五章 真核生物基因组的注释 90
第一节 蛋白质编码基因的注释 90
第二节 RNA基因的注释 95
第三节 重复序列的注释 96？？
第四节 假基因的注释 97
第五节 案例分析：黄瓜基因组的注释 98
思考题 106
参考文献 106
第六章 蛋白质组学 108
第一节 蛋白质组学概述 108
第二节 蛋白质的大规模分离鉴定技术 112
第三节 蛋白质的翻译后修饰 117
第四节 蛋白质分选 118
第五节 蛋白质相互作用 120
思考题 126
参考文献 126
第七章 系统生物学 128
第一节 系统生物学基本概念 128
第二节 系统生物学基本技术与方法 132
第三节 先进的成像技术 135
第四节 基因表达调控网络 140
第五节 代谢网络 143
第六节 信号转导途径 146
第七节 蛋白质蛋白质相互作用网络 154
第八节 虚拟细胞 164
思考题 164
参考文献 165
第八章 合成生物学 169
第一节 合成生物学概述 169
第二节 合成生物学基础研究经典实例 172
第三节 合成生物学应用研究经典实例 178
思考题 181
参考文献 181
第九章 分子进化与系统发育 183
第一节 分子进化与系统发育 183
第二节 分子系统发育树的构建方法 188
第三节 系统发育树构建及应用 199
思考题 213
参考文献 213
第十章 统计学习与推理 216
第一节 统计学习与推理基础 216
第二节 统计模型与参数推断 220
第三节 聚类分析、主成分分析与Fisher判别 223
第四节 贝叶斯推理 228
第五节 隐马尔可夫模型 230
第六节 动态神经网络 237
第七节 支持向量机 241
第八节 MATLAB的应用实例 245
思考题 249
参考文献 249
第十一章 生物信息学编程基础 250
第一节 Linux操作系统 250
第二节 生物信息学中的编程语言 253
第三节 SQL及数据库编程 268
第四节 并行计算 279
思考题 286
参考文献 287
第十二章 第二代测序技术及其应用 288
第一节 测序技术概述 288
第二节 第二代测序原理 289
第三节 第二代测序技术的应用 295
第四节 生物信息学在第二代测序中的应用 298
思考题 304
参考文献 305
彩版
前言/序言
用户评价
这本书《生物信息学（第二版）》真的是我学习生涯中的一个重要里程碑。它让我意识到，生物信息学绝不仅仅是“学几个软件”那么简单，而是需要深刻理解背后的原理和算法。作者在“数据挖掘与知识发现”这一章，将这一理念发挥得淋漓尽致。它并没有直接给出一堆数据挖掘的算法，而是从一个生物学问题出发，比如“如何从海量的文献和实验数据中发现新的生物学知识？”，然后逐步引导读者理解如何利用文本挖掘、网络分析等技术来解决这个问题。我印象特别深刻的是，书中关于“生物医学知识图谱构建”的介绍。作者详细介绍了如何从异构数据源中抽取实体和关系，如何构建大规模的知识图谱，以及如何利用图谱来进行推理和预测。他甚至还讨论了如何将自然语言处理（NLP）技术应用于生物医学文本的分析，以实现信息抽取和知识发现。书中还非常深入地探讨了“生物信息学在药物研发中的应用”，比如如何利用药物基因组学和药物发现的计算方法来加速新药的研发过程。它介绍了如何利用分子对接、虚拟筛选等技术来寻找潜在的药物靶点和候选药物。这本书的深度和广度都令人惊叹，它让我看到了生物信息学作为一门交叉学科的巨大潜力。
评分我之前学习生物信息学，总是觉得知识点零散，难以形成一个完整的体系。这本书《生物信息学（第二版）》在这方面做得非常出色。它以一种非常系统化的方式，将生物信息学的主要分支和核心技术串联起来。我尤其要夸赞它的“系统生物学”章节。在很多教材中，系统生物学往往只是一个被简单提及的概念，但这本书却花费了大量的篇幅，深入探讨了构建和分析生物网络的原理和方法。作者从最基础的图论概念讲起，然后逐步引入各种生物网络，比如蛋白质-蛋白质相互作用网络、基因调控网络、代谢网络等等。他详细介绍了各种网络分析的指标，比如节点度、中心性、模块划分等，并解释了这些指标在揭示生物学功能方面的意义。我印象特别深刻的是，书中通过一个具体的案例，演示了如何利用蛋白质相互作用网络来寻找疾病相关的信号通路。它一步步指导读者如何获取PPI数据，如何构建网络，如何进行通路富集分析，以及如何解读分析结果。这种从理论到实践的完整流程，对于我来说是极大的帮助。作者还非常关注生物信息学在转化医学中的应用，他用了很多篇幅介绍如何利用生物信息学工具来分析临床数据，比如如何利用基因芯片数据来识别癌症的生物标志物，或者如何利用全基因组关联分析（GWAS）来发现与疾病相关的基因位点。书中还提到了很多前沿的研究方向，比如单细胞测序数据的分析，以及机器学习在生物信息学中的应用，这让我感觉这本书的内容非常与时俱进。
评分我之前总是担心，生物信息学书籍会过于学术化，难以理解。但《生物信息学（第二版）》这本书，却用一种非常易于接受的方式，将复杂的概念呈现给我。作者在“计算生物学与建模”这一章，并没有回避生物物理和化学的基础知识，而是将它们与生物信息学分析巧妙地结合起来。他详细讲解了如何利用分子动力学模拟来研究蛋白质折叠过程，以及如何利用计算模型来预测药物与靶点的相互作用。我还特别欣赏书中关于“生物信息学伦理与安全”的讨论。作者并没有将其作为附属内容，而是将其与技术内容并列，强调了在进行生物信息学研究时，必须考虑数据隐私、知识产权和算法偏见等问题。他甚至还提供了如何制定合理的数据管理和共享策略的建议。书中还非常深入地探讨了“生物信息学在农业和环境科学中的应用”，比如如何利用基因组学技术来改良农作物，或者如何利用生物信息学工具来监测和保护生物多样性。这种跨学科的视野，让我觉得这本书的内容非常丰富和有价值。它不仅仅是一本生物信息学教材，更像是一本引导我成为一个全面、负责任的科学家的指南。
评分我一直对“大数据”这个概念在生物学领域的应用非常感兴趣，《生物信息学（第二版）》这本书在这方面提供了非常深刻的见解。作者在“大规模数据分析策略”这一章，并没有泛泛而谈，而是给出了非常具体的指导。他详细分析了在面对TB甚至PB级别的数据时，我们应该如何进行数据存储、管理和预处理。他介绍了各种分布式计算框架，比如Hadoop和Spark，以及如何利用它们来加速生物信息学分析。我还特别欣赏书中关于“云计算在生物信息学中的应用”的讨论。作者详细介绍了各种云平台的优势和劣势，以及如何利用它们来构建可重复、可扩展的生物信息学分析流程。他甚至还给出了如何利用Amazon Web Services (AWS) 或Google Cloud Platform (GCP) 来部署和运行生物信息学工具的实例。书中还非常前瞻性地讨论了“数据共享与开放科学”的重要性，并介绍了各种数据共享的平台和协议。这种对大数据和前沿技术的关注，让我觉得这本书的内容非常具有前瞻性和实用性。它不仅仅是教我如何使用现有的工具，更是让我能够站在更高的层面，去思考如何利用计算技术来解决生物学问题。
评分我拿到这本《生物信息学（第二版）》时，其实并没有抱太大的期望，毕竟市面上关于生物信息学的书籍不少，但大多要么过于理论化，要么过于偏重某个具体的工具。然而，这本书带给我的惊喜是巨大的。作者在处理“序列分析”这个核心章节时，展现出了令人惊叹的逻辑性和深度。它不仅仅是简单地介绍 BLAST、FASTA 这些工具的使用，而是将算法原理、参数设置、结果解读以及潜在的误区都一一梳理清楚。我特别欣赏它对“假阳性”和“假阴性”问题的深入剖析，并给出了如何在实际分析中尽量避免这些问题的建议。书中用了很多篇幅讲解了如何理解 BLAST 的 E-value，以及为什么在某些情况下，一个低的 E-value 并不一定意味着找到了真正的同源序列。它还提供了一些非常实用的技巧，比如如何选择合适的数据库来搜索，如何通过调整 word size 和 gap penalties 来优化搜索结果。在“蛋白质结构预测”这一章，更是让我大开眼界。它详细介绍了从序列到结构预测的各种主流方法，包括同源建模、threading 和 ab initio 方法。作者没有回避这些方法的局限性，而是客观地分析了它们各自的适用范围和准确性。书中还提供了非常具体的软件介绍和使用指南，让我可以直接上手操作，而不仅仅是停留在理论层面。比如，它详细讲解了 Rosetta 这个强大的蛋白质结构预测软件的安装和基本使用流程，并给出了几个示例项目，让我能够亲身体验从序列生成三维结构的过程。这本书最让我印象深刻的是，它不仅关注“是什么”，更关注“为什么”和“如何做”。它鼓励读者带着问题去学习，去思考，而不是被动地接受知识。作者在书中反复强调了验证的重要性，提醒读者不要过度依赖计算结果，而是要结合生物学背景进行合理的解释和判断。这种严谨的学术态度，对于我这样一个初学者来说，实在是太宝贵了。
评分坦白说，我最初是被这本书的封面和书名吸引的，感觉它非常“硬核”，但又不知道具体内容是什么。翻开之后，我才发现它比我想象的要实用得多，也更有趣得多。作者在“基因组学分析”这一块的处理，让我觉得他真的是一个身经百战的生物信息学家。他没有像其他书那样，上来就讲复杂的算法，而是从一个实际的生物学问题出发，比如“我们如何知道一个基因属于哪个物种？”，然后一步步引入相关的生物信息学工具和技术。在介绍基因组组装这一章，作者非常细致地讲解了从二代测序数据到contigs，再到scaffolds，最后到完整基因组的整个过程。他没有回避组装过程中可能遇到的各种挑战，比如重复序列、低覆盖度区域等，并且给出了各种应对策略。他甚至还深入讲解了不同组装算法的优缺点，比如de Bruijn graph算法和overlap-layout-consensus算法，并分析了它们在不同类型基因组数据上的表现。我特别喜欢他关于“功能基因组学”的讨论，他详细介绍了如何通过基因注释来理解基因的功能，包括序列同源性搜索、结构域预测、GO term富集分析等等。书中给出的案例非常有代表性，比如利用GO term富集分析来发现参与某个生物学过程的关键基因。他还特别强调了整合多组学数据的重要性，比如如何结合转录组、蛋白质组和代谢组数据来全面理解细胞的运行机制。这本书的语言风格非常朴实，没有华丽的辞藻，但字字珠玑，充满了作者多年的实践经验。它更像是一位经验丰富的导师，在你学习的道路上，为你指点迷津，避免走弯路。
评分《生物信息学（第二版）》这本书，真的让我体验到了“授人以鱼不如授人以渔”的真谛。作者在讲解各种工具和方法时，从来不会直接给出“照着做”的指令，而是会解释“为什么这么做”。我印象最深刻的是“数据库检索与管理”那一章。它不仅仅是介绍PubMed、GenBank这些数据库，而是深入讲解了如何设计高效的检索策略，以及如何理解和利用数据库中的元数据。书中举例说明了如何通过组合使用AND、OR、NOT等逻辑运算符，以及使用通配符和字段限定符，来精确地找到所需信息。它还详细介绍了不同数据库之间的相互关系，以及如何进行跨数据库的检索。我尤其欣赏书中关于“数据可视化”的讲解。它不仅仅是介绍各种图表类型，而是强调了如何选择最适合表达生物学数据的可视化方式。比如，在展示基因表达数据时，它会推荐使用热图（heatmap）来展示不同样品和基因之间的表达模式，并详细讲解了如何调整热图的参数来突出关键信息。在展示蛋白质结构时，它会推荐使用PyMOL等工具，并给出了如何生成高质量三维结构图的技巧。这本书最大的价值在于，它培养了我的批判性思维和解决问题的能力。它让我明白，生物信息学不仅仅是学习和使用工具，更重要的是理解背后的原理，并能够灵活运用所学知识来解决新的问题。
评分我一直认为，学习生物信息学，掌握核心的算法和数据结构至关重要。《生物信息学（第二版）》在这方面做得相当到位，它并没有简单地停留在介绍工具层面，而是深入到算法的本质。在“序列比对算法”这一章，作者花了很多笔墨来讲解动态规划的思想，以及如何将其应用于序列比对。他不仅详细解释了Needleman-Wunsch和Smith-Waterman算法的推导过程，还通过大量的图示和表格，帮助读者理解每一步的计算。更难得的是，他并没有止步于此，而是继续探讨了各种改进算法，比如Heuristic搜索算法（如FASTA和BLAST），并分析了它们在速度和准确性之间的权衡。我还非常喜欢书中关于“模式识别与机器学习”的部分。作者没有将这部分内容讲得过于理论化，而是将机器学习的方法与具体的生物信息学问题紧密结合。比如，他讲解了如何利用支持向量机（SVM）来预测蛋白质的亚细胞定位，或者如何利用隐马尔可夫模型（HMM）来识别蛋白质家族。书中提供了非常清晰的算法介绍，以及如何在实际中应用这些算法的指南。它还非常贴心地列举了常用的机器学习库和工具，比如Scikit-learn，并给出了简单的示例代码，让读者可以快速上手。这本书的优点在于，它既有理论深度，又有实践指导。它不会让你感觉高不可攀，也不会让你觉得浅尝辄止。相反，它能够让你在掌握核心概念的同时，获得解决实际问题的能力。
评分我之前一直觉得，生物信息学是一门非常“冷”的学科，充斥着大量的算法和公式，让人望而却步。《生物信息学（第二版）》这本书，彻底改变了我的看法。作者用一种非常“接地气”的方式，将生物信息学与我们熟悉的生物学现象联系起来。在讲解“进化与系统发生分析”时，作者并没有枯燥地罗列各种系统发生树的构建算法，而是通过一个生动的例子，比如“我们如何通过DNA序列来推断物种之间的亲缘关系”，来引导读者理解其背后的逻辑。他详细介绍了如何从序列数据构建距离矩阵，然后如何利用各种聚类算法（如UPGMA、Neighbor-Joining）来生成系统发生树，并重点讲解了如何解读系统发生树，以及如何评估树的可靠性。书中还非常详尽地介绍了各种系统发生推断方法，包括最大似然法和贝叶斯法，并分析了它们各自的优缺点。我特别喜欢书中关于“基因组变异分析”的讲解。它涵盖了从单核苷酸多态性（SNP）到结构变异（SV）的各种变异类型，以及如何利用高通量测序数据来检测这些变异。作者详细介绍了常用的变异检测工具，比如GATK，并给出了非常实用的参数设置和结果解读指南。他还深入探讨了如何利用变异信息来研究疾病的遗传基础，以及如何进行群体遗传学分析。这本书的写作风格非常灵活，有时候像一位经验丰富的导师，有时候又像一位热情的伙伴，总是能够根据读者的需求，提供最恰当的指导。
评分这本《生物信息学（第二版）》简直是为我量身定做的！我一直对基因测序和蛋白质结构预测这些领域充满好奇，但总是感觉无从下手，资料零散，概念晦涩。直到我翻开这本书，那种豁然开朗的感觉真的太棒了。作者在开篇就用非常生动形象的比喻，将复杂的生物信息学概念，比如序列比对的原理，巧妙地解释清楚。我印象最深刻的是关于Needleman-Wunsch算法和Smith-Waterman算法的讲解，它不像其他教材那样枯燥地罗列公式，而是通过一个个实际的生物学问题，引导我一步步理解算法的设计思路和应用场景。比如，它会用一个简单的DNA序列片段，演示如何通过动态规划找出最优的比对结果，并且详细分析了gap penalty和scoring matrix的选择对结果的影响。我还特别喜欢它在介绍数据库那一章，没有简单地罗列PubMed、GenBank、UniProt这些名字，而是深入讲解了它们各自的特点、数据来源以及如何有效地进行信息检索。举个例子，书中教我如何构建一个复杂的检索式，来找到特定物种、特定基因家族、并且具有某种已知功能的蛋白质序列，这对于我的研究项目来说简直是救命稻草。更让我惊喜的是，它还穿插了一些关于生物信息学在实际研究中的应用案例，比如如何利用这些工具来分析疾病基因，或者发现新的药物靶点。这些案例的引入，不仅让我看到了生物信息学强大的生命力，也极大地激发了我深入学习的动力。这本书的排版也很舒服，图文并茂，大量的图表清晰地展示了复杂的流程和数据结构，让我即使在理解算法原理时，也不会感到头晕目的。而且，它并没有回避一些有争议或者前沿的话题，比如关于不同比对算法的优缺点比较，以及在面对大规模基因组数据时如何选择合适的分析策略，这让我觉得这本书的作者是非常有经验和见地的。总之，这本书为我打开了一扇通往生物信息学世界的大门，让我对这个领域充满了信心和热情。
评分还可以，就是讲得看不懂，这本书对于真正想学生物信息学的同学来说是不够的。
评分送货及时
评分。。。。。。。。，，，，，，，，，，
评分很不错，快递很快，书也没有破损或者折痕。
评分书写的很全面，很好很强大
评分不错，挺实用
评分正好是我需要的，送货很及时
评分书不错，基本的，适合入门的人学习，补充一些生物信息学基础
评分很好。。。。。。.....
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.coffeedeals.club All Rights Reserved. 静流书站 版权所有