系统生物学的网络分析方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

系统生物学的网络分析方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 生物信息学和系统生物学基础知识1

1.1 基本概念1

1.2 中心法则3

1.3 表观遗传学4

1.3.1 非编码RNA5

1.3.2 microRNA8

1.3.3 组蛋白修饰9

1.4 系统生物学10

1.4.1 生物系统与生物网络10

1.4.2 系统生物学语言SBML11

1.5 本章小结14

第二章 网络化建模的基本知识16

2.1 马尔科夫模型16

2.1.1 简述16

2.1.2 举例分析17

2.2 隐马尔科夫模型17

2.2.1 简介17

2.2.2 HMM的改进18

2.2.3 隐马尔科夫模型算法19

2.3 贝叶斯网络模型19

2.3.1 贝叶斯网络的基本概念20

2.3.2 贝叶斯网络定理20

2.3.3 贝叶斯网络的拓扑结构20

2.3.4 简单的贝叶斯网络的例子21

2.4 Petri网的构建和应用25

2.4.1 Petri网简介25

2.4.2 Petri网的数学定义和特点27

2.4.3 Petri网的应用28

2.4.4 Petri网的行为特征31

2.4.5 Petri网的性能分析33

2.5 布尔网络的构建34

2.5.1 布尔网络简介35

2.5.2 布尔网络的状态36

2.5.3 布尔网络动态行为研究38

2.6 网络比对的模型和算法40

2.7 网络聚类的模型和算法43

2.8 网络可视化软件介绍44

2.8 Pajek简介44

2.8.2 Pajek数据对象45

2.8.3 Pajek实例演示48

2.8.4 Pajek常用功能介绍53

2.9 本章小结57

第三章 大规模网络化数据的处理方法59

3.1 图问题概论59

3.2 图问题的研究领域及算法60

3.2.1 图的基本分析60

3.2.2 图的匹配61

3.2.3 图数据中的关键字查询61

3.2.4 频繁模式挖掘61

3.2.5 图的聚类63

3.2.6 图的分类63

3.2.7 社交网络分析63

3.3 图分析的发展——大数据时代的到来65

3.4 单机分析工具66

3.4.1 Pajek66

3.4.2 UCINET67

3.4.3 NetworkX68

3.4.4 NetMiner 369

3.5 大图分析——分布式图计算模型介绍70

3.5.1 MR-BSP70

3.5.2 GraphLab71

3.5.3 GraphBuilder75

3.6 本章小结77

第四章 蛋白质相互作用网络的建模与分析79

4.1 问题描述80

4.2 相关研究83

4.2.1 实验方法83

4.2.2 计算生物学方法83

4.2.3 蛋白质相互作用的评估84

4.2.4 可信度的评估和提高85

4.2.5 蛋白质相互作用网络全局拓扑结构的度量准则85

4.2.6 蛋白质相互作用网络的局部结构特点86

4.2.7 具有生物学意义的子网87

4.2.8 蛋白质相互作用网络研究面临的困难与挑战88

4.2.9 一些蛋白质相互作用的数据库89

4.3 确定蛋白质相互作用网络的计算方法89

4.3.1 基于基因组信息的方法90

4.3.2 基于进化信息的方法91

4.3.3 基于蛋白质结构的方法92

4.3.4 基于氨基酸序列的方法93

4.3.5 基于自然语言处理的文献挖掘方法93

4.3.6 基于机器学习方法预测蛋白质相互作用94

4.4 蛋白质相互作用数据可靠性评价96

4.4.1 相似性评价指标97

4.4.2 有效性评价指标98

4.5 本章小结99

第五章 基因调控网络的建模与分析100

5.1 简介100

5.2 基因调控网络102

5.3 布尔网络模型103

5.3.1 普通布尔网络103

5.3.2 概率布尔网络106

5.4 数学建模107

5.4.1 线性组合模型107

5.4.2 加权矩阵模型107

5.4.3 微分方程模型108

5.5 贝叶斯网络模型108

5.5.1 静态贝叶斯网络模型108

5.5.2 动态贝叶斯网络模型109

5.6 基因调控网络各种构建模型的比较109

5.7 本章小结110

第六章 表观遗传网络的建模与分析111

6.1 简介111

6.2 microRNA与疾病的网络关系构建111

6.2.1 数据获取与数据库构建111

6.2.2 网络构建与数据分析115

6.3 基于布尔网络的microRNA挖掘117

6.3.1 构建microRNA网络的理论依据118

6.3.2 microRNA靶基因预测数据分析120

6.3.3 布尔型microRNA网络的构建与分析123

6.3.4 布尔型phenome-microRNAome网络的构建126

6.3.5 基于布尔型网络的疾病microRNA挖掘算法129

6.4 基于权重网络的microRNA挖掘133

6.4.1 权重型microRNA网络的构建算法133

6.4.2 权重型phenome-microRNAome网络的构建135

6.5 组蛋白修饰与选择性剪切外显子表达间的调控网络138

6.5.1 简介138

6.5.2 基于贝叶斯网络的组蛋白调控网络构建144

6.5.3 组蛋白修饰与外显子表达间调控网络147

6.5.4 生物验证及分析153

6.6 非稳态组蛋白修饰调控网络构建方法研究155

6.6.1 hmDBN模型及结构学习算法157

6.6.2 数据测试与分析164

6.6.3 结果验证167

6.7 本章小结171

第七章 进化树与进化网络的建模方法173

7.1 进化树173

7.1.1 分子数据175

7.1.2 DNA进化175

7.1.3 进化模型177

7.2 常见的进化树构建算法181

7.2.1 距离法182

7.2.2 最大简约法183

7.2.3 最大似然法183

7.2.4 算法比较186

7.3 基于邻接法的分支交换操作186

7.3.1 NNI、SPR、TBR和p-ECR搜索能力分析187

7.3.2 p-ECRNJ操作191

7.4 基于PSO的进化树构建算法195

7.5 结合QP和邻接法的进化树构建算法197

7.5.1 QP算法199

7.5.2 邻接法202

7.5.3 QPNJ算法203

7.6 基于同伦方法的SEM算法205

7.6.1 最大似然法和SEM算法206

7.6.2 基于同伦方法的SEM算法推导207

7.6.3 收敛性证明209

7.7 进化网210

7.7.1 有根系统发生网络构建方法211

7.7.2 有根系统发生网络空间上测度的定义212

7.8 本章小结213

第八章 神经网络启发的计算模型215

8.1 引言215

8.2 生物神经网络216

8.2.1 生物神经元及其模型216

8.2.2 生物神经元的功能特性217

8.2.3 神经元之间的信息传递218

8.3 人工神经网络220

8.3.1 人工神经网络的发展221

8.3.2 人工神经网络的应用领域及发展前景222

8.3.3 人工神经网络的基本特性224

8.4 人工神经网络的建模基础225

8.4.1 人工神经元模型225

8.4.2 人工神经网络拓扑结构类型227

8.4.3 人工神经网络信息流向类型228

8.4.4 神经网络的学习229

8.5 感知器神经网络230

8.5.1 单层感知器230

8.5.2 多层感知器230

8.5.3 基于B-P算法的多层感知器模型231

8.5.4 多层感知器的主要能力232

8.6 自组织神经网络232

8.6.1 自组织映射模型233

8.6.2 自组织竞争过程233

8.6.3 ART网络233

8.6.4 反馈神经网络235

8.7 本章小结237

第九章 细胞网络启发的计算模型238

9.1 引言238

9.1.1 细胞238

9.1.2 细胞自动机239

9.1.3 Conway的生命游戏Game of Life240

9.1.4 宇宙就是一个极其复杂的细胞自动机241

9.1.5 现代细胞自动机的应用244

9.2 膜计算246

9.2.1 标准P系统250

9.2.2 细胞型膜系统250

9.2.3 组织型膜系统251

9.3 细菌智能算法252

9.3.1 细菌的觅食行为252

9.3.2 细菌的趋药性255

9.3.3 细菌群体的适应性决策原理：启发机器人设计256

9.4 原始细胞网络257

9.5 本章小结257

第十章 生物社会网络启发的计算模型260

10.1 引言260

10.2 对鸟群网络的研究261

10.3 对蚁群的研究264

10.3.1 蚂蚁的觅食行为264

10.3.2 孵化分类启发266

10.3.3 协作运输启发267

10.3.4 劳动分工启发268

10.4 对鱼群的研究268

10.5 对蜂群的研究270

10.5.1 蜜蜂繁殖271

10.5.2 蜜蜂采蜜273

10.6 对青蛙群体的研究278

10.7 本章小结278