生物信息学：基础及应用 [Bioinformatics:Fundementals and Applications] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

王举，王兆月，田心 等 著

图书标签:

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

出版社： 清华大学出版社

ISBN：9787302365532

版次：1

商品编码：12285171

包装：平装

外文名称：Bioinformatics:Fundementals and Applications

开本：16开

出版时间：2014-12-01

用纸：胶版纸

页数：182

字数：289000

正文语种：中文

内容简介

　　《生物信息学：基础及应用》简要介绍生物信息学的发展历史、主要研究领域及应用前景，并重点讲述生物信息学的基本知识点和基本技术、方法，生物分子信息数据库的类型及应用，复杂疾病的生物信息学研究思路、方法和典型应用实例。每个知识单元均包括生物信息学基础知识点、应用生物信息学的基本方法、数据库和计算机软件，并通过生物信息学的典型应用案例培养学生分析问题、解决问题的能力。
　　《生物信息学：基础及应用》共分8章。第1章为绪论，主要介绍生物信息学发展的历史、当前主要的研究方向及应用，尤其是在医学研究中的应用前景。第2章介绍常用的生物信息学数据库以及相应的数据检索方法，重点讲述核酸序列数据库、蛋白质序列数据库和蛋白质结构数据库以及典型数据库的格式和使用方法。第3章介绍核酸和蛋白质序列的比对方法及应用，着重讲述双序列比对的原理和常用工具。第4章和第5章分别介绍核酸序列分析和基因组注释的主要内容、方法及工具。第6章和第7章则分别介绍从蛋白质序列分析其基本理化性质、结构和功能的方法及其在研究中的应用。第8章介绍生物信息学在人类复杂疾病的分子机理研究中的作用、主要方法和工具。
　　《生物信息学：基础及应用》是面向医学和生物学背景的本科生的生物信息学教材，也可供相关专业科研人员参考。

内页插图

目录

第1章 绪论
1．1 生物信息学的产生与发展
1．2 生物信息学的研究目的与研究内容
1．2．1 生物信息学研究目的
1．2．2 生物信息学研究内容
1．3 生物信息学在医学中的应用
1．3．1 鉴定单基因疾病的关键致病基因
1．3．2 研究人类复杂疾病的发生机理

第2章 分子生物学数据库
2．1 概述
2．2 核酸序列数据库
2．2．1 GenBank数据库
2．2．2 欧洲核酸档案
2．3 蛋白质序列数据库
2．3．1 PIR数据库
2．3．2 Swiss-Prot数据库
2．3．3 UniProt数据库
2．4 蛋白质结构数据库
2．4．1 蛋白质结构数据库PDB
2．4．2 蛋白质结构分类数据库SCOP
2．4．3 蛋白质二级结构数据库DSSP
2．5 其他分子生物学数据库

第3章 序列比对
3．1 序列比对基础
3．1．1 序列比对的分类
3．1．2 序列的相似性
3．1．3 序列比对的打分矩阵
3．1．4 序列比对的空位罚分
3．2 双序列比对
3．2．1 概述
3．2．2 点阵法
3．2．3 动态规划法
3．2．4 BLAST算法
3．3 多序列比对
3．3．1 概述
3．3．2 SP模型
3．3．3 动态规划法
3．3．4 星形比对算法
3．3．5 CI。USTALW算法

第4章 核酸序列分析
4．1 DNA序列信息分析
4．1．1 DNA序列的基本信息
4．1．2 DNA序列的特征信息
4．2 基因组结构注释分析
4．2．1 重复序列分析
4．2．2 基因识别
4．3 RNA序列分析
4．3．1 mRNA可变剪接分析
4．3．2 miRNA与靶基因预测分析

第5章 基因组功能注释分析
5．1 基因组注释的基础知识
5．1．1 基因组的组装版本
5．1．2 基因组的坐标系统
5．1．3 基因组注释常用格式
5．1．4 基因组坐标的逻辑运算模式
5．2 基因组功能注释的准备工作
5．2．1 基因组组装版本间的坐标转换
5．2．2 常用格式间的转换
5．2．3 基因组坐标的逻辑运算
5．3 基因组功能的高级注释
5．3．1 基因组变异位点的注释
5．3．2 基因集富集分析
5．3．3 制作序列标识
5．3．4 基因组功能注释分析平台

第6章 蛋白质序列信息分析
6．1 蛋白质序列的基本信息分析
6．1．1 蛋白质的氨基酸组成分析
6．1．2 蛋白质的理化性质分析
6．1．3 蛋白质的亲疏水性分析
6．2 蛋白质序列的特征信息分析
6．2．1 蛋白质的跨膜区分析
6．2．2 蛋白质的信号肽分析
6．2．3 蛋白质的卷曲螺旋分析
6．3 蛋白质序列的功能信息分析
6．3．1 基于蛋白质基序的功能分析
6．3．2 蛋白质的结构域和功能位点分析
6．3．3 基于蛋白质同源性的功能分析

第7章 蛋白质结构分析
7．1 蛋白质二级结构预测
7．1．1 Chou-Fasman方法
7．1．2 GOR（Garnier-Osguthorpe-Robson）方法
7．1．3 PHD预测方法
7．1．4 NNSSP预测方法
7．1．5 多元预测方法
7．2 蛋白质空间结构预测
7．2．1 同源建模方法（homologymodeling）
7．2．2 串线法（threading）
7．2．3 从头预测（abinitio）方法

第8章 生物信息学与人类复杂疾病
8．1 人类复杂疾病及其分子机理
8．1．1 人类疾病及复杂疾病
8．1．2 复杂疾病发生的分子机理
8．2 复杂疾病的分子机理分析
8．2．1 基因芯片技术及数据分析
8．2．2 蛋白质组学和蛋白质表达分析
8．2．3 转录调控的高通量分析
8．2．4 高通量基因分型分析
8．3 复杂疾病与生物分子网络
8．3．1 典型的生物分子网络简介
8．3．2 复杂生物分子网络的分析与构建
参考文献

前言/序言

　　生物信息学是应用数学、计算机科学及信息科学的理论、方法、工具研究和解决分子生物学问题的交叉学科。生物信息学的研究领域十分广泛，通过对分子生物学数据的收集、筛选、整理、管理及分析，解决诸如序列比对、基因识别、蛋白质结构预测、基因表达谱分析、蛋白质分子间相互作用、药物分子设计以及分子进化模型构建等一系列问题。近年来，随着基因组学以及相关的分子生物学技术的快速发展，生物信息学逐渐发展为现代生命科学和医学的重要研究领域之一，成为医学、生物学及相关专业学生需要掌握的重要知识。为了适应生物学和医学背景本科生学习生物信息学的需求，我们在多年生物信息学本科教学的基础上，编写了这本教材。
　　本教材介绍了生物信息学的基本概念，主要的技术与方法及其应用。因为本教材的教学对象是具有生物学和医学背景的本科生，因此教材注重说明生物信息学概念与方法的应用。对于教材中的生物信息学算法，则只阐明其计算原理和思路，不涉及算法相关的数学及计算机技术细节。通过课程的学习，学生可以掌握医学与生命科学领域应用生物信息学分析问题、解决问题的基本概念和方法。
　　本教材每章都是以提出生物信息学应用问题开始，通过“知识点一方法一应用实例”的模式，阐述知识点、生物信息学典型方法和计算工具，通过典型应用实例来学习解决问题的思路和途径，培养学生在理解算法的基本原理和方法的基础上解决实际问题的创新能力和实践能力。
　　本教材是适用于医学、生物学背景学生的生物信息学本科教材以及其他相关专业学生的生物信息学教材，也可用作生物学、医学等领域工作者的参考用书。
　　本教材的编写是我们多年来在天津医科大学本科生“生物信息学”课程教学的基础上，参考了国内外出版的相关著作和文献完成的。限于编者的水平，本书中的不妥以及错误之处，恳请读者给予批评指正。
　　本教材第1章由田心编写，第2章由石鸥燕及王举编写，第3章由王兆月编写，第4章由邢军及伊现富编写，第5章由伊现富编写，第6章南耿鑫编写，第7章由张涛编写，第8章由王举编写，全书由王举统稿。

生物信息学：基础及应用 本书深入浅出地阐述了生物信息学的核心概念、关键技术及其广泛的应用领域。内容涵盖了从基础的数据结构、算法到复杂的数据分析方法，旨在为读者构建一个全面而系统的生物信息学知识体系。 第一部分：生物信息学基础 本部分着重于生物信息学赖以生存和发展的基础理论与方法。 数据结构与算法： 介绍了在生物信息学分析中常用的数据结构，如序列表示、树结构、图结构等，并深入探讨了与之相关的核心算法，包括字符串匹配算法（如KMP、Boyer-Moore）、动态规划算法（如Needleman-Wunsch、Smith-Waterman）在序列比对中的应用、聚类算法（如K-means、层次聚类）在基因表达数据分析中的作用，以及图论算法在蛋白质相互作用网络分析中的潜力。这些基础算法的讲解将为后续更复杂的分析奠定坚实的基础。 生物序列分析： 聚焦于生物大分子序列（DNA、RNA、蛋白质）的分析。详细讲解了序列的存储格式（如FASTA、GenBank）、序列的相似性搜索（BLAST、FASTA）、多序列比对（Clustal Omega、MAFFT）在寻找同源性、推断功能和进化关系中的重要性。此外，还将探讨序列模式识别（如Motif寻找）、基因查找、启动子预测等关键技术。 基因组学数据分析： 深入剖析基因组学研究产生的大量数据及其分析方法。内容包括基因组测序技术概览（二代、三代测序）、基因组组装（de novo组装、参考组装）、基因识别与功能注释（Ensembl、NCBI RefSeq）、变异检测（SNP、Indel）与分析（GWAS）。还将讨论转录组学（RNA-Seq）数据分析，包括表达谱分析、差异表达基因识别、可变剪接分析等，为理解基因功能与调控提供关键视角。 蛋白质组学与结构生物信息学： 涵盖了蛋白质序列与结构相关的分析。介绍了蛋白质序列的数据库（如UniProt）、蛋白质序列的分类与功能预测（如Pfam、InterPro）、蛋白质结构的表示（PDB格式）、蛋白质结构预测（如AlphaFold）的基本原理与应用、蛋白质结构比对与相似性搜索、以及蛋白质-蛋白质相互作用网络的构建与分析。 第二部分：生物信息学应用 本部分将生物信息学的基础知识应用于解决生物学中的实际问题，展示其强大的工具价值。 进化与系统发育： 讲解如何利用生物序列数据构建系统发育树，推断物种间的进化关系。内容包括系统发育分析的基本概念、不同的系统发育构建方法（如最大似然法、邻接法）、分子钟概念、以及在传染病溯源、物种鉴定等方面的应用。 药物研发与设计： 探讨生物信息学在加速新药发现过程中的作用。内容包括靶点识别与验证（利用基因组学、转录组学数据）、化合物库筛选与虚拟筛选、药物-靶点相互作用预测、ADMET（吸收、分布、代谢、排泄、毒性）性质预测、以及基于结构的药物设计。 疾病研究与诊断： 阐述生物信息学在理解疾病发生机制、开发诊断工具方面的贡献。内容包括癌症基因组学研究（肿瘤突变谱、驱动基因识别）、遗传病研究（全基因组关联研究GWAS、外显子组测序）、微生物组学研究（肠道菌群分析、感染性疾病病原体鉴定）、以及生物标志物发现。 农业与环境生物技术： 展示生物信息学在改良农作物、保护环境中的应用。内容包括基因工程育种（抗病、抗逆性状改良）、分子标记辅助育种、微生物修复环境（如石油降解菌种鉴定）、以及生物多样性保护（物种鉴定、种群结构分析）。 系统生物学： 介绍如何利用生物信息学方法整合多组学数据，构建生物系统模型，理解复杂的生命过程。内容包括信号转导通路分析、代谢网络分析、基因调控网络构建，以及利用这些模型进行模拟与预测，例如药物干预效果预测。 本书的特色： 体系完整： 从基础概念到前沿应用，构建了一个逻辑清晰、覆盖全面的生物信息学知识框架。 深入浅出： 理论讲解与实际案例相结合，帮助读者理解抽象概念，掌握实用技能。 面向实践： 强调生物信息学在解决生物学实际问题中的应用，培养读者的分析思维和解决问题的能力。 前沿导向： 关注生物信息学领域最新的技术和研究进展，为读者提供前瞻性的视野。 通过本书的学习，读者将能够掌握生物信息学研究的必备知识和技能，为在生命科学、医学、农业、环境科学等领域进行深入研究和创新提供强大的支持。

评分☆☆☆☆☆

这本书关于表观遗传学和非编码RNA的章节，为我打开了一个全新的视角。在传统的基因研究中，我们常常关注的是DNA序列本身，而这本书则将重点转移到了“基因如何被调控”这个更为精妙的层面。我特别喜欢它对DNA甲基化和组蛋白修饰的详细介绍，以及这些修饰如何影响基因的表达。书中对非编码RNA（lncRNA、miRNA、circRNA等）的阐述，让我了解到这些“非编码”分子在生命活动中的重要作用。它不仅仅是列举了它们的种类和功能，更重要的是，它详细介绍了如何利用生物信息学方法来预测和分析这些非编码RNA。例如，如何通过序列相似性来预测miRNA的功能，或者如何利用表达谱数据来寻找与特定疾病相关的lncRNA。让我印象深刻的是，书中对lncRNA与miRNA相互作用网络的分析，这展示了非编码RNA之间错综复杂的调控关系，以及它们如何共同影响基因表达。这本书让我深刻认识到，基因组并非静态的指令集，而是一个动态调控的复杂系统，而生物信息学正是揭示这一复杂性的关键。

评分☆☆☆☆☆

我对这本书在生物医学大数据分析方面的叙述，充满了敬意。它不仅仅是关于生物信息学技术本身，更是关于如何利用这些技术来解决实际的生物医学问题。书中大量的案例分析，让我看到了生物信息学在疾病诊断、药物研发、个性化医疗等领域的巨大潜力。例如，在疾病诊断方面，它详细介绍了如何利用基因组学和转录组学数据来识别疾病的生物标志物，以及如何利用机器学习算法来构建诊断模型。在药物研发方面，它展示了如何利用生物信息学方法来筛选潜在的药物靶点，以及如何进行药物的虚拟筛选和优化。让我印象深刻的是，书中对真实世界数据（real-world data, RWD）的利用，例如电子健康记录（EHR）和可穿戴设备产生的数据，这些数据为生物医学研究提供了前所未有的机会。作者不仅仅是介绍了这些数据的价值，更重要的是，它详细阐述了如何处理和分析这些异构、海量的数据，从而从中提取有价值的科学信息。这本书让我深刻体会到，生物信息学已经成为现代生物医学研究不可或缺的核心驱动力。

评分☆☆☆☆☆

本书在蛋白质组学部分的讲解，对我这样在蛋白质研究领域有一定基础但对计算方法了解不多的读者来说，简直是福音。作者并没有直接跳到复杂的蛋白质结构预测算法，而是从蛋白质的基本组成和功能入手，循序渐进地介绍了如何利用生物信息学方法来理解蛋白质。我尤其欣赏它对蛋白质序列和结构信息之间关系的深入探讨。书中清晰地解释了如何从氨基酸序列推断蛋白质的三维结构，以及结构如何决定蛋白质的功能。它详细介绍了各种蛋白质结构预测的常用方法，包括从头预测、同源建模等，并分析了它们各自的优势和局限性。让我印象深刻的是，书中对蛋白质-蛋白质相互作用的介绍。它不仅仅列举了预测相互作用的方法，还深入讲解了这些方法背后的生物学原理，例如共表达、进化保守性、酵母双杂交数据分析等。读完这部分，我不仅能理解这些方法的计算过程，更能深刻体会到它们在揭示生命活动分子机制中的重要意义。书中大量的实例分析，让我能够将理论知识与实际研究相结合，例如如何利用蛋白质序列相似性来推测未知蛋白质的功能，或者如何通过分析蛋白质相互作用网络来发现疾病相关的关键蛋白。

评分☆☆☆☆☆

我对这本书最深刻的印象是它在数据可视化方面的精彩阐述。在生物信息学研究中，将复杂的数据转化为易于理解的图表是至关重要的。这本书在这方面做得尤为出色，它不仅仅是罗列了一些可视化工具和库，而是深入剖析了不同类型生物数据（如基因组、蛋白质结构、表达谱等）在可视化时需要考虑的关键因素。例如，在展示基因组变异时，它会详细讨论如何选择合适的颜色、形状和比例来清晰地表示SNP、Indel、结构变异等，以及如何避免信息过载。书中提供了许多高质量的图例，这些图例的精美程度和信息密度都让人惊叹，让我看到了生物信息学可视化艺术的魅力。更重要的是，它教会了我不仅仅是“如何画图”，更是“为什么要这样画”。作者会解释每一种可视化策略背后的科学逻辑和统计学原理，让我明白为什么某种图表比另一种更适合展示特定类型的数据，以及如何通过可视化来发现数据中隐藏的模式和异常。这本书让我意识到，好的可视化不仅仅是美观，更是科学严谨性和洞察力的体现。我学到了如何使用多种工具来构建交互式可视化，这对于我日后进行探索性数据分析和结果展示非常有帮助。

评分☆☆☆☆☆

这本书在机器学习和深度学习在生物信息学中的应用方面，给我带来了极大的启发。在我看来，这部分内容是这本书最具前瞻性和创新性的部分。作者并没有回避复杂的数学理论，而是以非常易懂的方式，循序渐进地介绍了各种机器学习算法，例如支持向量机（SVM）、随机森林（Random Forest）、神经网络（Neural Network）等，以及它们在生物信息学中的具体应用。我尤其喜欢它对深度学习在蛋白质结构预测、基因组学数据分析、药物发现等领域的介绍。书中对卷积神经网络（CNN）和循环神经网络（RNN）在处理生物序列数据方面的应用，让我看到了人工智能在加速科学发现方面的巨大潜力。让我印象深刻的是，书中对模型解释性的讨论，即“黑箱模型”的局限性以及如何通过各种方法来提高模型的可解释性，这对于确保生物信息学研究的严谨性和可靠性至关重要。这本书让我认识到，掌握机器学习和深度学习技术，将是未来生物信息学研究者的核心竞争力之一。

评分☆☆☆☆☆

这本书就像是一本精心编织的地图，带领我这个初涉生物信息学领域的读者，一步步探索这片广阔而迷人的知识海洋。它不像许多教材那样，一开始就抛出大量晦涩的公式和算法，而是循序渐进，从最基本也是最核心的概念讲起。比如，在讲解序列比对时，作者并没有直接引入Smith-Waterman或Needleman-Wunsch算法，而是先花了大篇幅阐述序列同源性的概念，解释为何我们要进行序列比对，以及比对结果可以告诉我们什么。这种由浅入深的方式，让我能够真正理解算法背后的逻辑，而非死记硬背。书中的例子非常生动，常常能从实际生物学问题出发，比如预测基因的功能、寻找致病突变等，这让我深深感受到生物信息学在解决现实科学难题中的强大力量。我尤其喜欢它对不同比对算法的优缺点分析，何时该使用哪种算法，以及为什么，这些都为我日后的实践提供了宝贵的指导。即使是书中提及的一些数学原理，也总是伴随着直观的图示和通俗易懂的解释，让我这个对数学并非特别精通的读者也能轻松理解，不会因为畏惧数学而望而却步。作者的语言风格十分友好，像是资深的导师在耐心解答学生的疑问，充满了鼓励和启发。读完关于序列比对的章节，我感觉自己已经具备了初步分析和解读生物序列的能力，这让我对后续的学习充满了信心。

评分☆☆☆☆☆

基因组学研究是现代生物学的前沿，而这本书在这方面的叙述，让我感受到了知识更新的飞速。它并没有仅仅停留在基础的DNA和RNA序列分析，而是将目光投向了更为宏大的基因组层面。我特别喜欢它对基因组测序技术的概述，从一代测序到高通量测序，以及各种技术的优缺点和适用场景。作者非常清晰地解释了测序数据的预处理过程，包括质量控制、去嵌合等，这些看似琐碎但至关重要的步骤，为后续的基因组组装和基因注释奠定了坚实的基础。书中关于基因组组装的章节，我反复阅读了好几遍。它详细阐述了从头组装和参考组装的策略，以及各种算法的原理。让我印象深刻的是，作者能够将复杂的算法用非常直观的语言和图示来解释，例如de Bruijn图在基因组组装中的作用。此外，关于基因组变异检测的章节，也让我受益匪浅。它详细介绍了SNP、Indel、结构变异等多种类型的变异，以及如何利用各种工具和算法来高效地检测和分析这些变异。这本书让我对基因组学的整体流程有了清晰的认识，也为我今后进行基因组学相关的研究打下了坚实的基础。

评分☆☆☆☆☆

对于一个初学者来说，这本书的“应用”部分提供了非常实用的指导。它不仅仅是理论知识的堆砌，更是将理论与实践紧密结合。书中详细介绍了各种常用的生物信息学软件工具，例如BLAST、Clustal Omega、MEGA等，并提供了详细的使用教程和参数解释。让我印象深刻的是，它还提供了大量可以在线运行的工具和数据库，这对于那些没有强大计算资源的读者来说，无疑是巨大的福音。此外，书中还设计了许多“实践项目”，例如如何进行一个简单的基因组学分析，或者如何预测一个蛋白质的功能。这些项目不仅帮助我巩固了所学的知识，更重要的是，它让我亲身体验了生物信息学研究的乐趣和挑战。这本书让我意识到，生物信息学不仅仅是学术研究，更是解决实际问题的强大工具。它让我有信心将所学的知识应用到我自己的研究项目中，从而加速我的科学探索。

评分☆☆☆☆☆

我对这本书在系统生物学方面的讨论，感到非常惊叹。它不仅仅是知识的罗列，更像是对生命系统进行了一次深入的“解剖”和“重构”。作者巧妙地将生物信息学工具与系统生物学思维相结合，让我看到了如何从宏观层面理解复杂的生命现象。书中关于网络生物学的章节，让我印象尤为深刻。它不仅仅介绍了各种网络分析方法，例如中心性度量、模块识别等，更重要的是，它解释了这些网络分析方法在揭示生物分子相互作用、信号传导通路以及代谢网络中的应用。我喜欢书中通过绘制和分析相互作用网络来理解疾病发生和发展机制的案例，这让我能够看到如何将分散的生物学信息整合起来，形成一个整体的认识。此外，本书对计算建模在系统生物学中的应用也进行了精彩的阐述。它展示了如何利用数学模型来模拟和预测生物系统的行为，从而加深我们对生命过程的理解。这本书让我意识到，生物信息学不仅仅是数据分析工具，更是理解生命本质的强大思维方式。

评分☆☆☆☆☆

这本书在转录组学领域的介绍，真正让我体会到了“组学”研究的强大威力，它不仅仅是分析单个基因，而是着眼于整个基因的表达动态。我特别喜欢它对RNA测序（RNA-Seq）技术的详细阐述，从实验设计到数据分析，几乎覆盖了整个流程。作者用非常易懂的语言解释了RNA-Seq数据的质量控制，包括 reads 的分布、GC含量等，这些细致入微的分析让我认识到数据质量的重要性。关于基因表达差异分析的章节，是我重点关注的部分。书中详细介绍了常用的统计学模型，例如DESeq2和edgeR，以及它们在识别差异表达基因中的应用。我尤其欣赏作者对P值和Fold Change的解读，以及如何结合两者来做出有意义的生物学判断，避免了过度解读。更让我惊喜的是，这本书还深入探讨了下游的生物信息学分析，例如GO富集分析和通路分析，这些分析能够帮助我们理解差异表达基因背后潜在的生物学功能和调控网络。通过书中生动的案例，我能够看到如何将海量的基因表达数据转化为有价值的生物学见解，这对于我理解疾病的发病机制和寻找潜在的治疗靶点至关重要。

评分☆☆☆☆☆

还不错

评分☆☆☆☆☆

不错的书

评分☆☆☆☆☆

书还是讲的比较浅的，不过适合初学者

评分☆☆☆☆☆

发货很快，给个赞。

评分☆☆☆☆☆

很好，适合竞赛用。送货慢

评分☆☆☆☆☆

纸张质量不错，是正品

评分☆☆☆☆☆

nnnnnnnnnnnnnn

评分☆☆☆☆☆

不错，书好，店家也好，都好都不错。

评分☆☆☆☆☆

不错不错不错不错不错不错