掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
系統生物學的網絡分析方法 版權信息
- ISBN：9787560635385
- 條形碼：9787560635385 ; 978-7-5606-3538-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
系統生物學的網絡分析方法 內容簡介
生物系統通常是一個復雜網絡，它可以理解成任何與生物系統有關的網絡，包括蛋白質相互作用網絡、基因調控網絡、代謝網絡、信號傳導網絡、生物進化網絡，以及人工神經網絡、食物鏈網絡等。《系統生物學中的網絡分析方法》主要關注的是與生物信息學相關的生物網絡和受生物網絡啟發的計算模型。 《系統生物學中的網絡分析方法》從信息科學的視角來分析生物網絡，可對具有計算背景的生物信息學入門研究人員有所幫助，也有助于具有生物背景的研究人員理解、掌握各種生物網絡軟件。 《系統生物學中的網絡分析方法》可作為本科高年級或研究生相關課程的參考書，也可用于指導相關的數學建模比賽。
系統生物學的網絡分析方法 目錄
**章 生物信息學和系統生物學基礎知識
1．1 基本概念
1．2 中心法則
1．3 表觀遺傳學
1．3．1 非編碼RNA
1．3．2 microRNA
1．3．3組蛋白修飾
1．4 系統生物學
1．4．1 生物系統與生物網絡
1．4．2 系統生物學語言SBM
1．5 本章小結
第二章 網絡化建模的基本知識
2．1 馬爾科夫模型
2．1．1 簡述
2．1．2 舉例分析
2．2 隱馬爾科夫模型
2．2．1 簡介
2．2．2 HMM的改進
2．2．3 隱馬爾科夫模型算法
2．3 貝葉斯網絡模型
2．3．1 貝葉斯網絡的基本概念
2．3．2 貝葉斯網絡定理
2．3．3 貝葉斯網絡的拓撲結構
2．3．4 簡單的貝葉斯網絡的例子
2．4 Petri網的構建和應用
2．4．1 Petri網簡介
2．4．2 Petri網的數學定義和特點
2．4．3 Petri網的應用
2．4．4 Petri網的行為特征
2．4．5 Pet網的性能分析
2．5 布爾網絡的構建
2．5．1 布爾網絡簡介
2．5．2 布爾網絡的狀態
2．5．3 布爾網絡動態行為研究
2．6 網絡比對的模型和算法
2．7 網絡聚類的模型和算法
2．8 網絡可視化軟件介紹
2．8．1 Pajek簡介
2．8．2 Pajek數據對象
2．8．3 Pajek實例演示
2．8．4 Pajek常用功能介紹
2．9 本章小結
第三章 大規模網絡化數據的處理方法
3．1 圖問題概論
3．2 圖問題的研究領域及算法
3．2．1 圖的基本分析
3．2．2 圖的匹配
3．2．3 圖數據中的關鍵字查詢
3．2．4 頻繁模式挖掘
3．2．5 圖的聚類
3．2．6 圖的分類
3．2．7 社交網絡分析
3．3 圖分析的發展——大數據
時代的到來
3．4 單機分析工具
3．4．1 Pajek
3．4．2 UINET
3．4．3 NetworkX
3．4．4 NetMiner 3
3．5 大圖分析——分布式圖
計算模型介紹
3．5．1 MR-BSt
3．5．2 GraphIab
3．5．3 GraphBuilder
3．6 本章小結
第四章 蛋白質相互作用網絡的建模與分析
4．1 問題描述
4．2 相關研究
4．2．1 實驗方法
4．2．2 計算生物學方法
4．2．3 蛋白質相互作用的評估
4．2．4 可信度的評估和提高
4．2．5 蛋白質相互作用網絡全局拓撲結構的度量準則
4．2．6 蛋白質相互作用網絡的局部結構特點
4．2．7 具有生物學意義的子網
4．2．8 蛋白質相互作用網絡研究面臨的困難與挑戰
4．2．9 一些蛋白質相互作用的數據庫
4．3 確定蛋白質相互作用網絡的計算方法
4．3．1 基于基因組信息的方法
4．3．2 基于進化信息的方法
4．3．3 基于蛋白質結構的方法
4．3．4 基于氨基酸序列的方法
4．3．5 基于自然語言處理的文獻挖掘方法
4．3．6 基于機器學習方法預測蛋白質相互作用
4．4 蛋白質相互作用數據可靠性評價
4．4．1 相似性評價指標
4．4．2 有效性評價指標
4．5 本章小結
第五章 基因調控網絡的建模與分析
5．1 簡介
5．2 基因調控網絡
5．3 布爾網絡模型
5．3．1 普通布爾網絡
5．3．2 概率布爾網絡
5．4 數學建模
5．4．1 線性組合模型
5．4．2 加權矩陣模型
5．4．3 微分方程模型
5．5 貝葉斯網絡模型
5．5．1 靜態貝葉斯網絡模型
5．5．2 動態貝葉斯網絡模型
5．6 基因調控網絡各種構建模型的比較
5．7 本章小結
第六章 表觀遺傳網絡的建模與分析
6．1 簡介
6．2 microRNA與疾病的網絡關系構建
6．2．1 數據獲取與數據庫構建
6．2．2 網絡構建與數據分析
6．3 基于布爾網絡的microRNA挖掘
6．3．1 構建microRNA網絡的理論依據
6．3．2 microRNA靶基因預測數據分析
6．3．3 布爾型microRNA網絡的構建與分析
6．3．4 布爾型phenome-microRN．Aome網絡的構建
6．3．5 基于布爾型網絡的疾病microRNA挖掘算法
6．4 基于權重網絡的microRNA挖掘
6．4．1 權重型microRNA網絡的構建算法
6．4．2 權重型phenome-microRNAome網絡的構建
6．5 組蛋白修飾與選擇性剪切外顯子表達間的調控網絡
6．5．1 簡介
6．5．2 基于貝葉斯網絡的組蛋白調控網絡構建
6．5．3 組蛋白修飾與外顯子表達間調控網絡
6．5．4 生物驗證及分析
6．6 非穩態組蛋白修飾調控網絡構建方法研究
6．6．1 hmDBN模型及結構學習算法
6．6．2 數據測試與分析
6．6．3 結果驗證
6．7 本章小結
第七章 進化樹與進化網絡的建模方法
7．1 進化樹
7．1．1 分子數據
7．1．2 DNA進化
7．1．3 進化模型
7．2 常見的進化樹構建算法
7．2．1 距離法
7．2．2 *大簡約法
7．2．3 *大似然法
7．2．4 算法比較
7．3 基于鄰接法的分支交換操作
7．3．1 NNI、SPR、TBR和p-ECR搜索能力分析
7．3．2 p-ECRN．J操作
7．4 基于PS的進化樹構建算法
7．5 結合QP和鄰接法的進化樹構建算法
7．5．1 QP算法
7．5．2 鄰接法
7．5．3 QPNJ算法
7．6 基于同倫方法的SEM算法
7．6．1 *大似然法和SEM算法
7．6．2 基于同倫方法的SEM算法推導
7．6．3 斂性證明
7．7 進化網
7．7．1 有根系統發生網絡構建方法
7．7．2 有根系統發生網絡空間上測度的定義
7．8 本章小結
第八章 神經網絡啟發的計算模型
8．1 引言
8．2 生物神經網絡
8．2．1 生物神經元及其模型
8．2．2 生物神經元的功能特性
8．2．3 神經元之間的信息傳遞
8．3 人工神經網絡
8．3．1 人工神經網絡的發展
8．3．2 人工神經網絡的應用領域及發展前景
8．3．3 人工神經網絡的基本特性
8．4 人工神經網絡的建模基礎
8．4．1 人工神經元模型
8．4．2 人工神經網絡拓撲結構類型
8．4．3 人工神經網絡信息流向類型
8．4．4 神經網絡的學習
8．5 感知器神經網絡
8．5．1 單層感知器
8．5．2 多層感知器
8．5．3 基于B-F算法的多層感知器模型
8．5．4．多層感知器的主要能力
8．6 自組織神經網絡
8．6．1 自組織映射模型
8．6．2 自組織競爭過程
8．6．3 ART網絡
8．6．4 反饋神經網絡
8．7 本章小結
第九章 細胞網絡啟發的計算模型
9．1 引言
9．1．1 細胞
9．1．2 細胞自動機
9．1．3 Conway的生命游戲Game of Life
9．1．4．宇宙就是一個極其復雜的細胞自動機
9．1．5 現代細胞自動機的應用
9．2 膜計算
9．2．1 標準P系統
9．2．2 細胞型膜系統
9．2．3 組織型膜系統
9．3 細菌智能算法
9．3．1 細菌的覓食行為
9．3．2 細菌的趨藥性
9．3．3 細菌群體的適應性決策原理：啟發機器人設計
9．4 原始細胞網絡
9．5 本章小結
第十章 生物社會網絡啟發的計算模型
10．1 引言
10．2 對鳥群網絡的研究
10．3 對蟻群的研究
10．3．1 螞蟻的覓食行為
10．3．2 孵化分類啟發
10．3．3 協作運輸啟發
10．3．4 勞動分工啟發
10．4 對魚群的研究
10．5 對蜂群的研究
lO．5．1 蜜蜂繁殖
10．5．2 蜜蜂采蜜
10．6 對青蛙群體的研究
10．7 本章小結
1．1 基本概念
1．2 中心法則
1．3 表觀遺傳學
1．3．1 非編碼RNA
1．3．2 microRNA
1．3．3組蛋白修飾
1．4 系統生物學
1．4．1 生物系統與生物網絡
1．4．2 系統生物學語言SBM
1．5 本章小結
第二章 網絡化建模的基本知識
2．1 馬爾科夫模型
2．1．1 簡述
2．1．2 舉例分析
2．2 隱馬爾科夫模型
2．2．1 簡介
2．2．2 HMM的改進
2．2．3 隱馬爾科夫模型算法
2．3 貝葉斯網絡模型
2．3．1 貝葉斯網絡的基本概念
2．3．2 貝葉斯網絡定理
2．3．3 貝葉斯網絡的拓撲結構
2．3．4 簡單的貝葉斯網絡的例子
2．4 Petri網的構建和應用
2．4．1 Petri網簡介
2．4．2 Petri網的數學定義和特點
2．4．3 Petri網的應用
2．4．4 Petri網的行為特征
2．4．5 Pet網的性能分析
2．5 布爾網絡的構建
2．5．1 布爾網絡簡介
2．5．2 布爾網絡的狀態
2．5．3 布爾網絡動態行為研究
2．6 網絡比對的模型和算法
2．7 網絡聚類的模型和算法
2．8 網絡可視化軟件介紹
2．8．1 Pajek簡介
2．8．2 Pajek數據對象
2．8．3 Pajek實例演示
2．8．4 Pajek常用功能介紹
2．9 本章小結
第三章 大規模網絡化數據的處理方法
3．1 圖問題概論
3．2 圖問題的研究領域及算法
3．2．1 圖的基本分析
3．2．2 圖的匹配
3．2．3 圖數據中的關鍵字查詢
3．2．4 頻繁模式挖掘
3．2．5 圖的聚類
3．2．6 圖的分類
3．2．7 社交網絡分析
3．3 圖分析的發展——大數據
時代的到來
3．4 單機分析工具
3．4．1 Pajek
3．4．2 UINET
3．4．3 NetworkX
3．4．4 NetMiner 3
3．5 大圖分析——分布式圖
計算模型介紹
3．5．1 MR-BSt
3．5．2 GraphIab
3．5．3 GraphBuilder
3．6 本章小結
第四章 蛋白質相互作用網絡的建模與分析
4．1 問題描述
4．2 相關研究
4．2．1 實驗方法
4．2．2 計算生物學方法
4．2．3 蛋白質相互作用的評估
4．2．4 可信度的評估和提高
4．2．5 蛋白質相互作用網絡全局拓撲結構的度量準則
4．2．6 蛋白質相互作用網絡的局部結構特點
4．2．7 具有生物學意義的子網
4．2．8 蛋白質相互作用網絡研究面臨的困難與挑戰
4．2．9 一些蛋白質相互作用的數據庫
4．3 確定蛋白質相互作用網絡的計算方法
4．3．1 基于基因組信息的方法
4．3．2 基于進化信息的方法
4．3．3 基于蛋白質結構的方法
4．3．4 基于氨基酸序列的方法
4．3．5 基于自然語言處理的文獻挖掘方法
4．3．6 基于機器學習方法預測蛋白質相互作用
4．4 蛋白質相互作用數據可靠性評價
4．4．1 相似性評價指標
4．4．2 有效性評價指標
4．5 本章小結
第五章 基因調控網絡的建模與分析
5．1 簡介
5．2 基因調控網絡
5．3 布爾網絡模型
5．3．1 普通布爾網絡
5．3．2 概率布爾網絡
5．4 數學建模
5．4．1 線性組合模型
5．4．2 加權矩陣模型
5．4．3 微分方程模型
5．5 貝葉斯網絡模型
5．5．1 靜態貝葉斯網絡模型
5．5．2 動態貝葉斯網絡模型
5．6 基因調控網絡各種構建模型的比較
5．7 本章小結
第六章 表觀遺傳網絡的建模與分析
6．1 簡介
6．2 microRNA與疾病的網絡關系構建
6．2．1 數據獲取與數據庫構建
6．2．2 網絡構建與數據分析
6．3 基于布爾網絡的microRNA挖掘
6．3．1 構建microRNA網絡的理論依據
6．3．2 microRNA靶基因預測數據分析
6．3．3 布爾型microRNA網絡的構建與分析
6．3．4 布爾型phenome-microRN．Aome網絡的構建
6．3．5 基于布爾型網絡的疾病microRNA挖掘算法
6．4 基于權重網絡的microRNA挖掘
6．4．1 權重型microRNA網絡的構建算法
6．4．2 權重型phenome-microRNAome網絡的構建
6．5 組蛋白修飾與選擇性剪切外顯子表達間的調控網絡
6．5．1 簡介
6．5．2 基于貝葉斯網絡的組蛋白調控網絡構建
6．5．3 組蛋白修飾與外顯子表達間調控網絡
6．5．4 生物驗證及分析
6．6 非穩態組蛋白修飾調控網絡構建方法研究
6．6．1 hmDBN模型及結構學習算法
6．6．2 數據測試與分析
6．6．3 結果驗證
6．7 本章小結
第七章 進化樹與進化網絡的建模方法
7．1 進化樹
7．1．1 分子數據
7．1．2 DNA進化
7．1．3 進化模型
7．2 常見的進化樹構建算法
7．2．1 距離法
7．2．2 *大簡約法
7．2．3 *大似然法
7．2．4 算法比較
7．3 基于鄰接法的分支交換操作
7．3．1 NNI、SPR、TBR和p-ECR搜索能力分析
7．3．2 p-ECRN．J操作
7．4 基于PS的進化樹構建算法
7．5 結合QP和鄰接法的進化樹構建算法
7．5．1 QP算法
7．5．2 鄰接法
7．5．3 QPNJ算法
7．6 基于同倫方法的SEM算法
7．6．1 *大似然法和SEM算法
7．6．2 基于同倫方法的SEM算法推導
7．6．3 斂性證明
7．7 進化網
7．7．1 有根系統發生網絡構建方法
7．7．2 有根系統發生網絡空間上測度的定義
7．8 本章小結
第八章 神經網絡啟發的計算模型
8．1 引言
8．2 生物神經網絡
8．2．1 生物神經元及其模型
8．2．2 生物神經元的功能特性
8．2．3 神經元之間的信息傳遞
8．3 人工神經網絡
8．3．1 人工神經網絡的發展
8．3．2 人工神經網絡的應用領域及發展前景
8．3．3 人工神經網絡的基本特性
8．4 人工神經網絡的建模基礎
8．4．1 人工神經元模型
8．4．2 人工神經網絡拓撲結構類型
8．4．3 人工神經網絡信息流向類型
8．4．4 神經網絡的學習
8．5 感知器神經網絡
8．5．1 單層感知器
8．5．2 多層感知器
8．5．3 基于B-F算法的多層感知器模型
8．5．4．多層感知器的主要能力
8．6 自組織神經網絡
8．6．1 自組織映射模型
8．6．2 自組織競爭過程
8．6．3 ART網絡
8．6．4 反饋神經網絡
8．7 本章小結
第九章 細胞網絡啟發的計算模型
9．1 引言
9．1．1 細胞
9．1．2 細胞自動機
9．1．3 Conway的生命游戲Game of Life
9．1．4．宇宙就是一個極其復雜的細胞自動機
9．1．5 現代細胞自動機的應用
9．2 膜計算
9．2．1 標準P系統
9．2．2 細胞型膜系統
9．2．3 組織型膜系統
9．3 細菌智能算法
9．3．1 細菌的覓食行為
9．3．2 細菌的趨藥性
9．3．3 細菌群體的適應性決策原理：啟發機器人設計
9．4 原始細胞網絡
9．5 本章小結
第十章 生物社會網絡啟發的計算模型
10．1 引言
10．2 對鳥群網絡的研究
10．3 對蟻群的研究
10．3．1 螞蟻的覓食行為
10．3．2 孵化分類啟發
10．3．3 協作運輸啟發
10．3．4 勞動分工啟發
10．4 對魚群的研究
10．5 對蜂群的研究
lO．5．1 蜜蜂繁殖
10．5．2 蜜蜂采蜜
10．6 對青蛙群體的研究
10．7 本章小結
展開全部
系統生物學的網絡分析方法 節選
《系統生物學中的網絡分析方法》： 在與活化啟動子區域相關的調控網絡中，和許多現有實驗結論一致的是：H3K4me3都被放在了網絡的中心位置，它與多種修飾之間都存在調控關系。H3K4me3已經被報道是一種強轉錄活化修飾，該修飾可能是一種可以被記憶的標記，它可以加強被標記基因未來的組蛋白修飾水平以及轉錄。我們的模型預測H3K4me3在H3K4me1和H3K4me2的下游，這顯示出了一種在H3K4的單甲基化、二甲基化和三甲基化之間的動態平衡效果。此外，該修飾還在CTCF、H2A.Z和RNAPII的上游。很多實驗都已經說明了trxG復合體（負責催化H3K4me3）與RNAPII之間的因果關系。例如，在果蠅體內，trxG基因kis的突變會導致轉錄延長中RNAPII的水平明顯下降。在老鼠體內，與trx相對應的基因Mll1會影響RNAPII的結合以及RNAPII在Hora9基因啟動子區域的分布。此外，隔離子CTCF和反沉默子H2A.Z都和基因表達之間存在著很強的相關性，而我們的模型顯示CTCF和H2A.Z都受到H3K4me3、RNAPII和H3K4me2的影響，文獻已經報道這兩種因子都富集在隔離子位點區域，它們可以起到限制基因活化延伸的作用。 ……
書友推薦
- >
唐代進士錄
- >
回憶愛瑪儂
- >
隨園食單
- >
有舍有得是人生
- >
月亮虎
- >
羅庸西南聯大授課錄
- >
伯納黛特,你要去哪(2021新版)
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
