正版 生物信息学 第2版 八年制 配增值供8年制及7年制 5+3一体化临床医学用 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 生物信息学
• 医学
• 八年制
• 临床医学
• 增值版
• 教材
• 第2版
• 正版
• 5+3一体化
• 生物技术

店铺： 儒林清风图书专营店

出版社： 人民卫生出版社

ISBN：97871172045138

商品编码：16286454019

出版时间：2015-06-01

商品参数

基本信息

书名:【邮】生物信息学（第2版/八年制/配增值） 人民卫生出版社

定价：108元

作者:李霞，雷健波 主编

出版社：人民卫生出版社

出版日期：2015-6-1

ISBN：9787117204538

字数：908000

页码：500

版次：2

装帧：平装

开本：大16开

商品重量：

编辑

---

暂无相关内容

目录

---

绪论
节 生物信息学的兴起
第二节 生物信息学的内涵及其在生命科学中的应用
一、生物信息学的内涵
二、生物信息学在现代生物医学中的应用
第三节 大数据时代的生物信息学与医学
一、人类基因组计划
二、组学与生物信息学
三、大数据时代的生物信息学与医学
篇 生物信息学基础
章 生物序列资源
节 引言
第二节 NCBI数据库与数据资源
一、NCBI序列数据库概述
二、NCBI中的重要子库介绍
第三节 UCSC基因组浏览器与数据资源
一、UCSC概述
二、UCSC基因组浏览器
三、UCSC中的数据资源和常用工具
第四节 EMBL-EBI数据库与数据资源
一、EMBL-EBI数据库概况
二、EMBL基因组和核酸序列资源
三、UniProt蛋白质数据资源
四、Biomart数据检索平台
第五节 重要的编码基因数据库
一、ENCODE数据库与数据资源
二、microRNA数据资源miRBase
小结
第二章 序列比对
节 引言
一、同源、相似与距离
二、相似与距离的定量描述
三、算法实现的比对
四、序列比对的作用
第二节 比对算法概要
一、替换计分矩阵
二、双序列全局比对
三、双序列局部比对
四、多序列全局比对
五、多序列局部比对
六、比对的统计显著性
第三节 数据库搜索
一、经典BLAST
二、衍生BLAST
三、BLAT
四、RNA序列搜索
五、数据库搜索的统计显著性
第四节 比对软件、参数与数据资源
一、参数选择的一般原则
二、主要比对软件
三、EBI中的序列比对工具
四、UCSC中的BLAT比对工具
第五节 比对技术的发展
—、glocal比对
二、全基因组比对
小结
……
第三章 序列特征分析
第四章 分子进化分析
第五章 基因表达数据分析
第二篇 功能基因组信息学
第六章 蛋白质组与蛋白质结构分析
第七章 基因注释与功能分类
第八章 转录调控的信息学分析
第九章 生物分子网络与通路
第十章 计算表观遗传学
第三篇 生物信息学与人类复杂
第十一章 复杂的分子特征与计算分析
第十二章 编码RNA与复杂
第十三章 新一代测序技术与复杂
第十四章 物生物信息学
第十五章 生物信息学相关学科进展
中英文名词对照索引
英中文名词对照索引
致谢

内容提要

---

李霞、雷健波主编的这本《生物信息学（第2版） 》教材仍坚持“三基”、“五性”原则，并力求在内 容和形式上有所创新。使教材具备相对系统、的 生物信息学知识体系；突出实用性，以实际问题 作为编写出发点；简化算法流程，突出应用软件和网 络资源；贴合前沿技术、方法，增加国内外研究热点 知识；主要培养长学制学生运用生物信息学方法解决 问题、进行科研设计的能力。
　　《生物信息学（第2版）》精简基础内容，合并上 一版内容相近或有较大关联的章节；结合实际应用， 增加前沿新知识、新技术章节。全书共分为三篇十五 章。篇生物信息学基础，含DNA、RNA和蛋白质序 列信息资源、序列比对、序列特征分析、分子进化分 析、基因芯片数据分析五章，均系生物医学相关领域 发展过程中形成的基础生物信息数据及分析方法，合 并版“双序列比对”、“多序列比对”两章为“ 序列比对”，合并“序列特征分析”、“表达序列分 析”两章为“序列特征分析”；第二篇功能基因组信 息学，含蛋白质组与蛋白质结构分析、基因注释与功 能分类、转录调控的信息学分析、生物分子网络与通 路和计算表观遗传学五章，均系功能基因组研究中颇 具特色的生物信息学方法，合并版“蛋白质分析 与蛋白质组学”、“蛋白质结构分析”两章为“蛋白 质组与蛋白质结构分析”；第三篇生物信息学与人类 复杂，含复杂的分子特征与计算分析、编 码RNA与复杂、新一代测序技术与复杂、 物生物信息学、生物信息学相关学科进展五章，均系 近年发展起来的与复杂有关的重要生物信息学方 法，新增编码RNA与复杂的生物信息学研究、 新一代测序、“组学”研究等前沿热点。

作者介绍

---

李霞，博士、教授、博士研究生导师，哈尔滨医科大学生物信息科学与技术学院院长，龙江学者特聘教授，北京“人才工程”入选者，特殊津贴。从事生物信息学、计算系统生物学等本科、研究生教学工作30余年，主持创建的我国生物信息学人才培养和教育教学体系成为生物信息学教育模板，培养了大批既具有扎实生物医知识，又具有很强理工科学思维和实践能力的现代紧缺人才，为推动我国生物医学教育和科技发展做出了突出贡献，先后获得黑龙江省教学名师、中青年专家、科技工作者、员等荣誉称号。
　　李霞教授是我国重大生物信息学与计算系统生物学研究的开创者之一，在复杂靶标与风险标志物筛选、重大通路重构与子网识别、编码基因(RNA)介导的发生机理研究、新一代测序技术与复杂分析、面向转化医学的重大分析平台构建等领域做出了开创性的研究工作，科研成果处于国内前列。主持863课题、973课题、自然科学基金重大研究计划等课题15项，于学术期刊发表高水平SCI论文130余篇，荣获中华医学科技奖、黑龙江省政府科技奖、中国女医师协会基础医学科技奖等科研奖励20余项。
　　雷健波，美国生物医学信息学博士。华西医科大学医学毕业，原北京协和医院医生，获美国哥伦比亚大学工程学院计算机硕士(M.S)和医学院生物医学信息学硕士(M.A.)，美国德州大学医学部生物医学信息学博士(PhD)，现任北京大学医学信息学中心副教授，硕士生导师。
　　独特的国内外跨学科(，计算机，医学信息学)的学习、研究和工作背景，主持过国内新一代电子病历(EMR)，医院信息系统(HIS)，路径(CP)的开发，以及用于新创制的和标本资源库的建设等。2010年4月以人才引进到北京大学，创立北京大学医学信息学中心，任代主任，常务副主任，负责创建新学科“医学信息学”。主要的研究领域括：电子病历系统和个人健康档案、决策支持、医学自然语言处理、移动、健康信息搜索和消费者健康信息学、移动、卫生大数据、信息系统易用性等。
　　现任欧美同学会留美分会副会长，中国卫生信息学会卫生信息学教育委员会副主委，高等医教材建设研究会“十二五”规划本科教材《卫生信息学概论》主编等。

深入解析：生命科学的数字蓝图与临床实践的创新驱动 在生物学的宏伟殿堂中，基因、蛋白质、细胞以及它们之间错综复杂的相互作用构成了生命最精妙的图景。理解这一图景，不仅需要对生物学知识的深刻掌握，更需要一套全新的工具与方法。如今，随着高通量测序技术的飞速发展，我们以前所未有的速度积累着海量的生物学数据。然而，这些原始数据如同未经雕琢的璞玉，其蕴含的丰富信息需要借助强大的计算和统计学手段才能被挖掘和解读。正是在这样的时代背景下，生物信息学应运而生，它以前所未有的力量，为生命科学的研究和应用打开了新的维度。 生物信息学，顾名思义，是将信息科学的原理和技术应用于生物学研究的交叉学科。它不仅仅是计算机科学在生物学领域的简单应用，更是一种全新的思维模式和研究范式。它融合了分子生物学、遗传学、生物化学、计算机科学、统计学、数学以及工程学等多个学科的知识，旨在从海量生物数据中提取有价值的信息，揭示生命的奥秘，并最终服务于人类的健康和福祉。 数据洪流中的导航者：生物信息学的核心内容与方法 生物信息学研究的起点，便是那些由高通量测序仪器产生的庞大而复杂的数据集。这些数据涵盖了基因组、转录组、蛋白质组、代谢组等多个层面的信息，它们是生命活动最基础的“源代码”。然而，面对如此海量的数据，如何有效地存储、管理、处理和分析，就成为了生物信息学的首要任务。 1. 序列分析：解锁基因的密码 基因序列是生命的蓝图，而序列分析则是解读这蓝图的关键。生物信息学提供了丰富的算法和工具，用于对DNA、RNA和蛋白质序列进行比对、搜索、比对和预测。 序列比对（Sequence Alignment）：这是序列分析中最基本也是最重要的技术之一。通过将两条或多条序列进行对齐，可以识别它们之间的相似性，从而推断它们的同源性、功能相似性，甚至进化关系。经典的算法如Needleman-Wunsch（全局比对）和Smith-Waterman（局部比对）至今仍是序列比对的基础，而BLAST（Basic Local Alignment Search Tool）系列程序则因其高效和准确性，成为研究人员日常工作中不可或缺的工具，能够快速地在庞大的数据库中搜索与已知序列相似的新序列。 基因识别与注释（Gene Finding and Annotation）：基因是携带遗传信息的DNA片段，它们编码着蛋白质或功能性RNA。生物信息学利用统计学模型（如隐马尔可夫模型 HMM）和机器学习方法，能够从基因组序列中自动识别出潜在的基因区域，并预测其起始、终止位点以及外显子和内含子的边界。更进一步，基因注释则是在识别出基因后，为它们赋予功能信息，包括推测其编码的蛋白质的功能、参与的通路、在疾病中的作用等。这需要整合多种数据源，如已知的基因功能数据库（如GO, KEGG）和文献信息。 变异检测与分析（Variation Detection and Analysis）：基因组序列并非一成不变，个体之间、种群之间都存在着遗传变异，如单核苷酸多态性（SNP）、插入（Insertion）、缺失（Deletion）等。这些变异是导致个体表型差异、疾病易感性的重要原因。生物信息学技术，特别是利用高通量测序数据，能够高精度地检测和分型这些变异，为遗传病的诊断、药物反应的预测以及人群遗传学研究提供重要依据。 2. 结构生物学：洞察蛋白质的三维形态与功能 蛋白质是生命活动的主要执行者，其三维结构与其功能密切相关。生物信息学在蛋白质结构预测和分析方面也扮演着至关重要的角色。 蛋白质结构预测（Protein Structure Prediction）：实验测定蛋白质三维结构（如X射线晶体学、NMR）耗时费力，而生物信息学则提供了多种计算方法来预测蛋白质的结构，包括基于同源建模、从头预测（ab initio prediction）以及近年兴起的深度学习方法（如AlphaFold）。这些预测的结构，即使不完全精确，也为理解蛋白质的折叠机制、功能域的识别以及分子对接等研究提供了宝贵的线索。 蛋白质功能预测（Protein Function Prediction）：在基因组测序完成后，很多基因编码的蛋白质的功能是未知的。生物信息学通过分析蛋白质序列、结构、同源蛋白信息、参与的相互作用网络等，可以推测未知蛋白质的功能。这有助于加速对基因组的整体理解，并指导后续的实验验证。 蛋白质-蛋白质相互作用（Protein-Protein Interaction, PPI）：蛋白质并非孤立存在，它们通过相互作用形成复杂的网络，执行着各种生命过程。生物信息学方法可以从不同的数据源（如酵母双杂交 Y2H、共免疫沉淀 Co-IP、文献挖掘）预测和分析蛋白质之间的相互作用，构建蛋白质相互作用网络，揭示细胞内的信号传导通路和调控机制。 3. 系统生物学：绘制生命活动的网络图谱 生命现象是多种分子组分协同作用的结果，而系统生物学正是致力于理解和模拟这些复杂的相互作用网络。 代谢通路分析（Metabolic Pathway Analysis）：生物体内的代谢活动是一个高度有序的过程，由一系列酶催化的化学反应组成。生物信息学工具可以根据已知的代谢通路数据库（如KEGG, MetaCyc），分析基因组信息，预测参与代谢反应的酶，并绘制出完整的代谢通路图。这对于理解疾病的代谢异常、寻找药物靶点具有重要意义。 信号转导通路分析（Signal Transduction Pathway Analysis）：细胞通过信号转导通路响应外界刺激并进行相应的生理活动。生物信息学方法可以整合基因表达数据、蛋白质相互作用数据等，识别和构建信号转导通路，研究信号的传递和放大机制。 网络生物学（Network Biology）：将生物分子（基因、蛋白质、代谢物）及其相互作用关系抽象为网络模型，是系统生物学的重要研究内容。生物信息学提供了强大的工具来构建、可视化和分析这些复杂的生物网络，从而识别关键节点、模块以及网络的整体特性，为理解复杂生物系统提供新的视角。 4. 基因组学与转录组学：从宏观到微观的全面洞察 基因组学研究整个基因组的结构、功能和进化，而转录组学则关注细胞在特定条件下基因表达的水平。 基因组组装与注释（Genome Assembly and Annotation）：对于从头测序的新物种，需要将大量的短片段DNA序列拼接成完整的染色体序列，即基因组组装。随后，对组装好的基因组进行基因、调控元件等结构的识别和功能注释，是基因组学研究的基础。 基因表达谱分析（Gene Expression Profiling）：利用微阵列（Microarray）或RNA测序（RNA-Seq）技术，可以同时测量数万个基因的表达水平。生物信息学方法用于对这些大规模的表达数据进行差异表达分析、聚类分析，从而识别在不同条件下（如健康与疾病、不同处理组）发生变化的基因，揭示调控机制。 单细胞测序与分析（Single-Cell Sequencing and Analysis）：近年来兴起的单细胞测序技术，使得研究人员能够以前所未有的分辨率来解析单个细胞的基因组、转录组或蛋白质组信息。这为研究细胞发育、组织异质性、肿瘤微环境等复杂问题提供了强大的工具，也带来了新的数据分析挑战。 5. 进化生物学与比较基因组学：追溯生命的演化足迹 生物信息学也为我们理解生命的演化历程提供了强大的工具。 系统发育分析（Phylogenetic Analysis）：通过比较不同物种的基因或蛋白质序列，可以构建系统发育树，推断物种间的亲缘关系和演化历史。这有助于理解基因的起源和演化，以及生物多样性的形成。 比较基因组学（Comparative Genomics）：通过比对不同物种的基因组，可以识别保守区域（可能具有重要功能）和差异区域（可能驱动物种特异性演化）。这对于理解基因组的演化规律、发现新的基因功能以及研究物种的适应性进化具有重要意义。 生物信息学与临床医学的融合：驱动精准医疗的引擎 生物信息学的发展，与临床医学的进步正在以前所未有的速度深度融合，催生了精准医疗的革命。 疾病诊断与分型：通过分析患者的基因组变异，生物信息学可以帮助识别致病基因，辅助诊断遗传性疾病。对于癌症等复杂疾病，基因组学和转录组学分析可以实现对肿瘤的精准分型，为制定个体化的治疗方案提供依据。 药物研发与靶点发现：生物信息学在药物研发的各个阶段都发挥着重要作用。从分析疾病相关的分子靶点，到虚拟筛选潜在的药物分子，再到预测药物的疗效和毒副作用，生物信息学极大地加速了新药的研发进程。 个性化治疗：基于患者的基因组信息，生物信息学可以预测个体对特定药物的反应（药物基因组学），从而选择最有效、副作用最小的治疗方案。例如，在癌症治疗中，识别特定的基因突变可以指导靶向药物的选择。 传染病防控：通过对病原体的基因组进行测序和分析，生物信息学可以快速追踪传染病的传播路径，监测病毒的变异，为制定有效的防控策略提供科学依据。 结语 生物信息学是一门充满活力和创新精神的学科，它不仅为基础生命科学研究提供了强大的技术支撑，更深刻地改变着我们认识生命、维护健康的方式。随着计算能力的提升和算法的不断发展，生物信息学将继续在揭示生命奥秘、攻克疾病难题的道路上发挥越来越重要的作用。对于致力于投身于生命科学和临床医学研究的学子而言，掌握生物信息学的知识和技能，将是开启未来职业生涯、贡献智慧与力量的宝贵财富。这门学科如同打开生命密码的钥匙，引导我们穿越数据的洪流，洞察生命活动的本质，最终为人类的健康福祉贡献力量。

评分☆☆☆☆☆

这本书的写作风格非常学术化，语言严谨，这无疑是严谨治学精神的体现。但是，对于想要快速入门生物信息学，或者需要将知识应用于实际科研项目的读者来说，这种风格可能显得过于枯燥和难以消化。书中充斥着大量的数学公式和统计学推导，虽然保证了理论的严谨性，但却让很多非数学背景的读者感到吃力。我希望作者能在保证严谨性的同时，也能考虑增加一些生动活泼的案例分析，或者提供一些更直观的图示来辅助理解。毕竟，生物信息学是一门实践性很强的学科，如何将理论转化为实际应用，是很多读者最关心的问题。

评分☆☆☆☆☆

这本书的排版简直是灾难，字体大小不统一，有时候大得像标题，有时候又小得像脚注，阅读起来眼睛非常疲劳。最让人抓狂的是，图片的质量也堪忧，模糊不清，根本看不清楚实验结果和图谱，这对于生物信息学这种需要精确视觉信息的学科来说，简直是致命伤。更不用说那些歪歪扭扭的图表，连横纵坐标都标不清楚，让人一头雾水。我原本对这本书寄予厚望，希望能系统学习生物信息学，结果却被这些低劣的排版和图片折磨得心生倦意，实在是对不起书价。希望出版方能够认真对待读者的反馈，在未来的版本中提升图书的整体质量，至少让读者能看得清楚、看得明白，而不是像现在这样，对着一堆模糊的图像和混乱的文字，徒劳地消耗时间和精力。

评分☆☆☆☆☆

这本书在理论讲解上，我觉得有些过于晦涩和跳跃。作者似乎默认读者已经具备了相当深厚的生物学和计算机科学背景，很多概念的引入都显得非常突兀，缺乏足够的铺垫和解释。我尝试去理解一些关键算法的原理，但总觉得少了那么一股“脉络感”，知识点之间没有很好地串联起来，读完一章，脑子里一团浆糊，不知道整体讲了什么，也不知道这些知识点之间有什么联系。尤其是在涉及一些复杂的统计学模型和机器学习方法时，作者的处理方式更是让人摸不着头脑。我希望这本书能有更多的例题，或者提供一些更易于理解的类比，帮助我这个初学者逐步掌握核心概念，而不是直接抛出一堆专业术语，让我望而却步。

评分☆☆☆☆☆

我购买这本书的初衷是希望能够快速掌握生物信息学领域的一些核心工具和软件操作。然而，书中对实际操作的指导却显得非常简略，很多重要的参数和命令都只是点到为止，缺乏详细的步骤和截图说明。当我在尝试跟着书上的例子进行实践时，常常会因为缺少关键的操作细节而卡住，不得不花费大量时间去搜索引擎上查找更详细的教程，这大大降低了学习效率。我感觉这本书更像是一本理论参考手册，而非一本实用的学习指南。如果能有更丰富、更具操作性的实验指导，或者链接到一些在线的练习平台，我相信这本书的实用价值会大大提升。

评分☆☆☆☆☆

这本书的章节安排，我个人觉得有些不尽如人意。某些重要的基础概念，比如基因组学和蛋白质组学的基本理论，被分散在不同的章节中，或者需要通过大量的背景知识才能理解。而一些相对较新的、更具前沿性的内容，又被安排得比较靠前，这使得我在学习过程中，感觉思路被打断，知识体系的构建也显得有些零散。我期望这本书能够更加系统化地组织内容，从最基础的概念入手，逐步深入，形成一个清晰的学习路径。如果能将相关联的知识点集中讲解，或者提供一个逻辑性更强的章节导航，我相信这本书的学习体验会得到显著的提升。