具体描述
编辑推荐
适读人群 ：本书实践性强，是一本实用的生物信息学分析手册与操作指南，适用于生命科学、农学、医学等相关专业学生使用，也适合从事生物学相关专业的科研人员、教师参考使用。生物信息学是使用信息技术来处理生物学数据的学科，随着MATLAB生物学工具箱的内容和函数的日渐丰富，利用MATLAB处理生物学数据越来越便捷，通过本书的学习，读者可以更加深入的理解生物信息处理的基本原理和过程。
内容简介
本书是生物信息学分析和研究的实践指导，精选生物信息学分析中的重要案例，结合作者多年教学实践，借助MATLAB生物信息学工具箱，进行序列数据分析、芯片数据分析、高通量测序和质谱数据分析等，包括常规的序列比对和统计分析，直接访问网络数据库和本地数据库，以及进行RNA结构预测和多种图形的可视化等。本书从底层开始进行生物学数据常规分析，直观地演示各种函数的使用方法和分析结果。
作者简介
刘伟，博士，国防科技大学讲师，主要研究方向为生物网络的构建与分析。担任“生物信息学”和“生物信息概论”等多门课程的主讲教师，发表教学论文6篇。主持国家自然科学基金项目1项，发表论文20余篇，出版教材3部，获得国家发明专利7项。
目录
目 录
第1章 序列分析
1．1 计算和可视化序列统计特性
1．1．1 人类线粒体基因组
1．1．2 计算序列统计特性
1．1．3 考察开放阅读框(ORF)
1．1．4 考察注释特征
1．1．5 提取和分析ND2和COX1蛋白
1．1．6 计算人类线粒体基因组中所有基因的密码子使用频率
1．2 两两序列比对
1．2．1 序列比对介绍
1．2．2 查找序列信息
1．2．3 确定蛋白质编码序列
1．2．4 比较氨基酸序列
1．2．5 序列比对结果分析
1．3 评估比对的统计学显著性
1．3．1 从MATLAB空间中获取NCBI数据
1．3．2 初步比对和全局比对
1．3．3 评估打分的显著性
1．3．4 打分不具有统计学显著性的例子
1．3．5 局部比对和随机序列
1．4 全基因组比对
1．4．1 提取基因组信息
1．4．2 基因比对
1．4．3 考察分数的含义
1．4．4 利用稀疏矩阵减少存储量
1．4．5 查看同源基因
1．5 分析同义和非同义替换
1．5．1 介绍
1．5．2 提取HIV-1基因组的两个序列信息
1．5．3 计算HIV-1基因的Ka/Ks比值
1．5．4 利用滑动窗口计算Ka/Ks比值
1．5．5 GAG、POL和ENV基因的滑动窗口分析
1．5．6 分析GP120的Ka/Ks比值和表位
1．6 追踪禽流感病毒
1．6．1 禽流感病毒介绍
1．6．2 计算每个H5N1基因的Ka/Ks比值
1．6．3 针对HA蛋白质进行系统发育分析
1．6．4 利用多维变尺度可视化序列距离
1．6．5 在非洲和亚洲地图上展示H5N1病毒的地理区域
1．6．6 利用谷歌地图观察地理区域
1．6．7 在谷歌地图中查看文件
参考文献
第2章 高通量测序
2．1 分析Illumina/Solexa下一代测序数据
2．1．1 简介
2．1．2 读取_sequence．txt(FASTQ)文件
2．1．3 考察序列读数的长度分布
2．1．4 考察序列片段的碱基组成
2．1．5 考察质量打分分布
2．1．6 在标准之间转换质量打分
2．1．7 根据质量打分进行过滤和去除
2．1．8 统计读数出现概况
2．1．9 识别人造的均聚物
2．2 识别RNA-seq数据中差异表达的基因
2．2．1 RNA-seq技术介绍
2．2．2 前列腺癌症数据集
2．2．3 为目标基因建立一个注释对象
2．2．4 输入匹配的短读数匹配数据
2．2．5 确定数字化基因表达
2．2．6 推断RNA表达的差异信号
2．2．7 估计文库规模因子
2．2．8 估计基因丰度
2．2．9 估计负二项式分布参数
2．2．10 经验累计分布函数
2．2．11 测试差异表达
2．3 分析人类末端肠道微生物
2．3．1 人类末端肠道菌群简介
2．3．2 成人远端肠道微生物分类剖析
2．3．3 结合分类分布和基本分类
2．3．4 基于KEGG类进行功能对比分析
2．3．5 基于COG分类进行功能对比分析
2．3．6 基于功能表示集中微生物
2．4 分析马尾藻样本的宏基因组
2．4．1 简介
2．4．2 读取BLAST命中报告
2．4．3 过滤BLAST命中次数
2．4．4 内存匹配的分类学数据文件
2．4．5 用分类学信息注释BLAST报告
2．4．6 根据学名为BLAST命中分类
2．4．7 保存注释的BLAST报告
2．4．8 确定BLAST命中次数的分类学分布
2．4．9 滤除孤立分配
2．4．10 绘制BLAST命中的分类学分布
2．4．11 将分析局限至每个查询的最佳命中
2．4．12 分类节点信息的内存映射
2．4．13 根据更高的分类学目划分BLAST命中
2．4．14 以图的形式表示分类学分布
2．5 研究基因组规模的DNA甲基化谱差异
2．5．1 简介
2．5．2 数据集
2．5．3 为BAM格式文件创建MATLAB接口
2．5．4 关联CpG岛和DNA甲基化
2．5．5 序列数据的统计建模
2．5．6 识别显著的甲基化区域
2．5．7 寻找具有显著甲基化启动子区域的基因
2．5．8 寻找显著甲基化的基因内部区域
2．5．9 甲基化模式的差异分析
参考文献
第3章 芯片数据分析
3．1 芯片数据可视化
3．1．1 考察微阵列数据
3．1．2 微阵列数据的空间图
3．1．3 微阵列的统计参数
3．1．4 微阵列数据的散点图
3．2 分析Affymetrix芯片数据
3．2．1 关于Affymetrix数据文件
3．2．2 显示图像文件
3．2．3 基因名称和探针集ID
3．3 分析芯片数据并识别差异表达的基因
3．3．1 芯片数据集简介
3．3．2 下载表达数据
3．3．3 过滤表达数据
3．3．4 识别差异的基因表达
3．3．5 采用基因本体注释上调基因
3．3．6 寻找通路中的差异表达基因
3．4 通过分析Affymetrix SNP芯片研究DNA副本数变化
3．4．1 简介
3．4．2 数据集
3．4．3 获取SNP芯片的探针水平数据
3．4．4 输入和转换数据集
3．4．5 探针强度标准化
3．4．6 探针水平的概要
3．4．7 获取SNP探针信息
3．4．8 原始拷贝数估计
3．4．9 过滤和排序
3．4．10 PCR片段长度标准化
3．4．11 CN基因谱
3．4．12 SCLS样本的8q扩增
3．4．13 CN获得/缺失汇总图
3．5 芯片数据的基因本体富集分析
3．5．1 简介
3．5．2 基因本体功能举例
3．5．3 通过聚类分析筛选一组感兴趣的基因子集
3．5．4 获取酵母基因组数据库中的注释基因
3．5．5 基因芯片中被注释的基因数目
3．5．6 观察GO注释的出现概率
3．5．7 最显著条目的进一步分析
参考文献
第4章 质谱数据分析
4．1 原始质谱数据的预处理
4．1．1 下载数据
4．1．2 谱的重采样
4．1．3 基线校正
4．1．4 谱排列
4．1．5 谱图标准化
4．1．6 去除峰噪声
4．1．7 采用波形降噪方法寻找峰值
4．1．8 分段：用层次聚类合并谱峰
4．1．9 动态规划分割
4．2 采用顺序和并行计算实现谱的批量处理
4．2．1 简介
4．2．2 设置数据仓库
4．2．3 顺序分批处理
4．2．4 基于多核计算机的并行批处理
4．2．5 基于分布计算的并行批处理
4．2．6 异步并行处理
4．2．7 后期处理
4．3 显著性特征识别以及蛋白质谱分类
4．3．1 简介
4．3．2 样本可视化
4．3．3 关键特征排序
4．3．4 基于线性判别分析的盲分类
4．3．5 利用PCA/LDA进行数据降维
4．3．6 特征选择子集的随机搜索
4．3．7 利用评估集来评估选择特征的质量
4．3．8 可替换的统计学习方法
4．4 采用遗传算法寻找质谱数据特征
4．4．1 简介
4．4．2 导入本地质谱数据到MATLAB
4．4．3 建立遗传算法的适应度函数
4．4．4 建立初始种群
4．4．5 设定遗传算法选项
4．4．6 运行GA寻找20个具有可判别性的特征
4．4．7 显示具有判别性的特征
参考文献
第5章 可视化工具
5．1 聚类结果可视化
5．1．1 数据导入
5．1．2 聚类
5．1．3 查看和更改聚类选项
5．1．4 数据集的行列聚类
5．1．5 对热图的操作
5．1．6 操作系统树
5．1．7 改变配色方案和显示范围
5．1．8 5000个显著基因的聚类
5．2 分子三维结构的可视化
5．2．1 泛素结构介绍
5．2．2 泛素分子显示
5．2．3 对分子进行旋转和放大
5．2．4 评估结构中的氨基酸电荷分布
5．2．5 研究结构的疏水性谱
5．2．6 测量原子距离
5．2．7 展示和标注泛素结构中的赖氨酸残基
5．2．8 检查泛素中的异肽键
5．2．9 泛素比对和SUMO序列
5．2．10 将泛素和SUMO的结构叠加
5．3 相互作用数据可视化
5．3．1 将进化树表示为图
5．3．2 改变BIOGRAGH对象的属性
5．3．3 绘制自定义节点
5．4 图论函数
5．4．1 从SimBiology模型创建一个图
5．4．2 可视化图
5．4．3 使用图论函数
5．4．4 寻找节点pA与pC之间的最短路径
5．4．5 遍历图
5．4．6 寻找图中的连通部分
5．4．7 模拟移除一个反应
参考文献
第6章 外部数据库和程序调用
6．1 连接本地数据库
6．1．1 检查数据库工具箱
6．1．2 为原始数据库建立一个备份
6．1．3 为MATLAB配置数据库
6．1．4 连接到数据库
6．1．5 获取数据库信息
6．1．6 从GenBank收集序列数据并插入数据库
6．1．7 核对导入数据的序列
6．1．8 更新数据库中的数据
6．1．9 为数据库添加比对信息
6．1．10 检索比对
6．1．11 为数据增加BLAST报表信息
6．1．12 对序列进行BLAST搜索
6．1．13 使用可视化的查询构建器将信息导入MATLAB
6．2 连接KEGG的API网络服务器
6．2．1 利用信息操作来展示通路数据库中的统计参数
6．2．2 利用conv操作符实现KEGG标识符与外部标识符的相互转换
6．2．3 提取KEGG分类学数据库的物种列表
6．2．4 获取KEGG通路数据库中人类的通路列表
6．2．5 为通路染色
6．2．6 展示静态图
6．3 调用Bioperl函数
6．3．1 简介
6．3．2 访问序列信息
6．3．3 从MATLAB调用Perl程序
6．3．4 在Perl程序中调用MATLAB函数
6．3．5 生物信息学工具箱中的蛋白质分析工具
参考文献
前言/序言
前 言
生物信息学是指用信息技术来处理生物学数据的学科。多种类型、高通量的生物学数据，如DNA序列、RNA-seq、基因芯片和质谱数据的积累，对生物信息学算法提出了越来越高的要求。生物信息学已经成为生物学研究不可或缺的一部分，不管是生物学的前期实验设计、后续数据处理还是结果的分析解释都需要借助于生物信息学方法。由于历史的原因，针对不同的生物学数据分析需求，研究人员发展出了各种工具和方法。这些方法通常是基于不同的编程语言和平台开发的，难以对接和互相借鉴。实际上，生物信息学中使用最频繁的数据处理方法是矩阵计算、统计学分析和可视化方法，而要实现这些方法，通用的数据处理平台MATLAB具有一定优势。特别是随着MATLAB生物学工具箱的内容逐渐丰富，利用MATLAB处理生物学数据越来越便捷。对于那些刚刚接触生物信息学的学生或技术人员而言，基于MATLAB来学习生物信息学方法，也有助于了解生物信息处理的基本原理和过程。
目前国内介绍MATLAB常规使用方法的指导书较多，但缺少专门介绍MATLAB生物信息学工具箱的书籍。本书通过介绍MATLAB生物信息学工具箱的使用方法来讲解生物信息学的分析与实践过程。这是因为MATLAB为生物学数据处理提供了多种函数和可视化方法，包括序列数据分析、芯片数据分析、高通量测序和质谱数据分析等，涵盖了生物信息学研究的诸多方面。随着版本的提高，目前生物信息学工具箱所能提供的函数功能非常丰富，不仅包括常规的序列比对和统计分析，还可以直接访问网络数据库和本地数据库，进行RNA结构预测和多种图形的可视化等。可以说，MATLAB生物信息学工具箱提供了从底层开始进行生物学数据常规分析所需的大部分功能。为让读者了解生物信息学工具箱的使用方法，MATLAB的demo中提供了大量的实际分析案例，可以直观地演示各种函数的使用方法和分析结果的获得过程。本书精选了生物信息学分析中应用较多的案例，对MATLAB帮助文档进行了翻译和整理，同时考虑到MATLAB帮助文档的说明较少，还结合文献和自身工作体验，增加了一些说明性文字。对相关函数的介绍也穿插在例子的介绍中。该书可以帮助读者系统地了解MATLAB生物信息学工具箱的功能和使用方法。
本书内容包括6章。第1章介绍序列分析，首先讨论如何计算DNA序列的基本统计特性，然后重点介绍两两序列比对和全基因组的序列比对的方法，之后强调了比对过程中的统计学显著性的检验方法，最后作为案例说明如何基于蛋白质序列实现进化分析和病毒变异过程的追踪。第2章是高通量测序，首先介绍如何分析和处理测序仪产出的高通量序列数据，然后对高通量测序数据进行深入分析，包括RNA-seq数据中差异表达基因的识别、肠道基因组、宏基因组和DNA甲基化的研究。第3章是芯片数据分析，包括DNA芯片、Affymetrix芯片和Affymetrix SNP芯片的数据分析，通过对这些不同类型芯片的数据分析，识别差异表达基因与DNA拷贝数变化，考察差异表达基因的主要功能。第4章是质谱数据分析，首先介绍原始质谱数据的预处理方法，然后讨论显著性特征识别以及蛋白质谱分类方法，为适应大规模数据处理的需求，还给出了谱的批处理方法。第5章是可视化工具，介绍聚类结果、分子三维结构相互作用和图的可视化方法。第6章是外部数据库和程序调用，包括连接本地数据库、连接KEGG的API网络服务器和调用Bioperl函数。
感谢在本书撰写过程中，一起学习“生物信息学”这门课程的老师和学生所给予的帮助，感谢国防科技大学生物信息学课题组成员提出的宝贵意见。本书的面向对象为从事生物信息学学习和研究的广大师生，旨在为采用MATLAB分析生物学数据提供指导，希望其中的案例有助于广大读者了解生物信息学的基本原理和分析过程。如有表述不当或者错误之处，请广大读者不吝批评指正。
用户评价
当我拿到这本书时，我首先翻阅了一下目录，里面的章节安排非常有条理。从基础的生物信息学概念入手，逐步深入到具体的应用领域，例如基因组学、转录组学、蛋白质组学等，并且每一部分都明确地与MATLAB工具箱的应用相结合。这种由浅入深、循序渐进的学习路径，对于非专业背景但对生物信息学感兴趣的读者来说，非常有帮助。我尤其对其中关于数据可视化和图形化展示的章节充满了期待，因为清晰直观的图表能够帮助我们更好地理解复杂的数据模式和生物学意义。我想知道书中会提供哪些MATLAB的绘图函数，以及如何利用它们来生成高质量的学术图表，例如热图、散点图、聚类树等。
评分在我看来，一本好的技术书籍，其可读性至关重要。即使内容再精彩，如果语言晦涩难懂，排版混乱，都会极大地影响读者的阅读体验。我期待这本书的语言风格能够清晰、简洁、易于理解，即使是对于初次接触生物信息学的读者，也能轻松入门。同时，合理的章节划分、清晰的逻辑结构、恰当的图文配合，都能够提升书籍的整体质量。我希望在阅读过程中，能够感受到作者在内容组织和语言表达上的用心，能够真正地享受学习的过程，而不是感到枯燥和乏味。
评分我之前对生物信息学有过一些零散的了解，主要集中在一些宏观的概念，比如基因测序、蛋白质结构预测等，但一直缺乏一个系统性的学习框架，也苦于没有找到合适的工具来将这些理论知识转化为实际操作。当我看到这本书的标题时，尤其是“MATLAB生物信息学工具箱应用”这一部分，我立刻感到眼前一亮。MATLAB一直是我在其他领域进行数据分析和建模时非常得心应手的工具，它的强大功能和易用性毋庸置疑。因此，能够将MATLAB的能力延伸到生物信息学领域，这对我来说是一个巨大的吸引力。我非常好奇本书会如何详细地介绍MATLAB中专门为生物信息学设计的工具箱，以及如何通过实际的案例来演示这些工具的应用。我期待能够学习到如何利用MATLAB进行基因序列比对、基因表达数据分析、通路挖掘等等，这些都是我一直渴望掌握的核心技能。
评分我一直认为，学习的过程应该是双向互动的。一本优秀的书籍，不仅仅是单方面的知识灌输，更应该能够激发读者的思考和探索欲望。我希望这本书能够通过引人入胜的案例和富有启发性的讲解，引导我更深入地思考生物信息学中的关键问题。它应该能够让我不仅仅满足于“知道怎么做”，更能引导我思考“为什么这么做”，以及“有没有更好的方法”。这种主动的思考过程，是真正掌握知识、培养创新能力的关键。我期待这本书能够成为我探索生物信息学世界的一个得力助手，启发我发现新的研究方向和分析思路。
评分生物信息学是一个快速发展的领域，新的技术和算法层出不穷。我非常关心这本书在内容上是否具有前瞻性，是否涵盖了当前生物信息学领域的一些热门话题和先进技术。例如，在基因组学方面，是否会涉及关于单细胞测序数据分析的内容；在蛋白质组学方面，是否会讨论关于机器学习在蛋白质功能预测中的应用。同时，我也希望书中能够提供关于如何利用MATLAB来跟进这些最新发展的一些思路和方法。例如，如何通过MATLAB与开源社区的资源相结合，来学习和实现最新的算法。这种对时效性和前瞻性的关注，对于保持知识的更新和技术的领先至关重要。
评分对于很多学生和初学者而言，掌握一款强大的分析工具并在实际项目中应用，是他们进入生物信息学领域的第一步。我深信，如果这本书能够提供大量清晰的代码示例，并且对每一个代码片段都有详尽的解释，那么它将极大地降低学习门槛，并帮助读者快速建立起对MATLAB生物信息学工具箱的信心。我希望书中能包含一些“从零开始”的项目，带领读者一步一步地完成，并最终输出具有实际意义的分析结果。这样的实践过程，能够有效地将理论知识转化为动手能力，为读者未来的学习和工作打下坚实的基础。
评分这本书的封面设计给我留下了深刻的印象，它用一种非常直观的方式展现了生物信息学领域的核心元素。深邃的蓝色背景，如同浩瀚的基因组数据库，上面点缀着抽象的DNA双螺旋结构，以及一些代表着数据分析和算法的几何图形。整体风格既科技感十足，又带有一丝艺术的优雅。这种设计语言非常巧妙地传达了本书的主题——将复杂的生物信息学概念通过MATLAB这样强大的工具进行可视化和实践。初次翻阅，我便被这种专业而又不失美感的视觉呈现所吸引，仿佛被邀请进入了一个充满探索可能性的数字世界。作者在封面上的用心，无疑为读者建立了一个良好的第一印象，让人对接下来的阅读内容充满了期待，想要深入了解如何用MATLAB这样一款广泛应用于工程和科学计算的软件，来解析生命科学的奥秘。这种视觉上的引导，对于初学者来说尤为重要，它降低了生物信息学给人的距离感，使其显得更加 approachable 和 accessible。
评分这本书的出版，对于我这样希望在生物信息学领域有所建树的研究人员来说，无疑是一场及时雨。我常常在实验中遇到海量的数据，如何有效地处理、分析和解释这些数据，是我面临的巨大挑战。传统的生物信息学软件虽然功能强大，但有时学习曲线陡峭，并且在与其他分析工具的整合方面存在局限性。MATLAB的出现，提供了一个统一的平台，使得我们可以将生物实验数据直接导入，然后利用其强大的矩阵运算能力和丰富的函数库进行高效分析。我特别关注书中是否会提供关于如何构建自定义分析流程的指导，以及如何将MATLAB与其他常用的生物信息学数据库（如NCBI、Ensembl）进行交互。如果书中能有详细的步骤和代码示例，那将极大地帮助我加速研究进程，并从中获得更深入的生物学见解。
评分在我看来，一本优秀的技术书籍，不仅仅是知识的搬运工，更应该是思想的启迪者。我希望这本书能够不仅仅是教我如何使用MATLAB工具箱的某个函数，更重要的是能够教会我如何用一种更系统、更科学的思维方式去分析生物信息学问题。例如，在面对一个复杂的生物学问题时，应该如何将其拆解成一系列可计算、可分析的步骤；如何选择最合适的算法和模型；如何评估分析结果的可靠性和生物学意义。我希望书中能够提供一些关于分析策略和方法论的探讨，甚至是一些启发性的思考，帮助我建立起独立解决问题的能力。这种对于“如何思考”的引导，往往比单纯的“如何操作”更加宝贵。
评分我一直认为，学习任何一门技术，最关键的在于“实践”。理论知识固然重要，但如果不能付诸实践，就如同空中楼阁。这本书的副标题“MATLAB生物信息学工具箱应用”，直接点明了其核心的实践导向。我非常渴望书中能够提供丰富的、贴近实际研究场景的案例分析，能够带领我一步一步地完成一个完整的生物信息学分析流程。从数据预处理、特征提取，到模型构建和结果解读，每一个环节都希望有清晰的指导和可执行的代码。我期待能够通过这些实践，真正掌握如何运用MATLAB来解决实际的生物学问题，而不是仅仅停留在理论层面。这种“动手做”的学习方式，能极大地增强我的学习信心和实际操作能力。
相关图书
![人大金融学黄达张杰第四版[货币银行学第六版]经济管理类考研教材金融学(第3版货币银行学） pdf epub mobi 电子书 下载](https://pic.windowsfront.com/13562555809/5964a511N8423b33c.jpg)
![[二手] 数据库系统概论(第5版) pdf epub mobi 电子书 下载](https://pic.windowsfront.com/14532638637/597935f5Nd952b4c1.jpg)
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