生物序列分析

定　價(jià)：￥60.00

作　者：	（英）Durbin,R 等編著
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	普通生物學(xué)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787030284433	出版時(shí)間：	2010-08-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	312	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《生物序列分析》在結(jié)構(gòu)上大致可以分為四個(gè)部分，每個(gè)部分所覆蓋的問(wèn)題分別是：二序列聯(lián)配、多序列聯(lián)配、系統(tǒng)發(fā)育樹(shù)和RNA結(jié)構(gòu)，具體分為：二序列聯(lián)配、Markov鏈與隱馬模型、使用HMM的二序列聯(lián)配、朋于序列家族的列型HMM、多序列聯(lián)配方法、構(gòu)造系統(tǒng)發(fā)育樹(shù)和系統(tǒng)發(fā)育的概率論方法，《生物序列分析》介紹的列型MM、多序列聯(lián)配方法、構(gòu)造系統(tǒng)發(fā)育樹(shù)和系統(tǒng)發(fā)育的概率論方法，《生物序列分析》介紹的一些方法將不同的生物信息來(lái)源整合到一般的、清晰且可操作的序列分析概率論模型中，有助于研究者深入了解生物序列分析的基礎(chǔ)?！渡镄蛄蟹治觥房晒┡Ｎ镄畔W(xué)、分子生物學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)以及物理學(xué)專(zhuān)業(yè)的研究生或高年級(jí)本科生及這些領(lǐng)域的老帥和研究人員參考。

作者簡(jiǎn)介

　　Richard Durbin，1987年獲得博士學(xué)位，研究方向?yàn)槿湎x(chóng)神經(jīng)系統(tǒng)的發(fā)育與組織。英國(guó)Sanger中心生物信息部負(fù)責(zé)人，先后參與線蟲(chóng)基因組和人類(lèi)基因組項(xiàng)目、WormBase線蟲(chóng)模式生物數(shù)據(jù)庫(kù)ACEDB基因組數(shù)據(jù)庫(kù)、Pfam蛋白質(zhì)結(jié)構(gòu)域數(shù)據(jù)庫(kù)以及Ensembl脊椎動(dòng)物基因組注釋。與SeanEddy、Anders Krogh以及Graeme Mitchison一起撰寫(xiě)了Biological Sequence Anaivsis一書(shū)，并于1998年由劍橋大學(xué)出版社出版。Sean Eddy，Janelia Farms的17個(gè)研究小組負(fù)責(zé)人之一，部分隸屬于霍華德·休斯醫(yī)學(xué)研究會(huì)，當(dāng)前致力于計(jì)算基因組序列分析，使用概率論建模技術(shù)開(kāi)發(fā)新算找DNA、RNA和蛋白質(zhì)序列的特征。他的主要興趣一個(gè)是識(shí)別新的結(jié)構(gòu)和催化RNA，另一個(gè)是識(shí)別遠(yuǎn)緣的蛋白質(zhì)同源序列。Anders Krogh，哥本哈根大學(xué)生物信息中心負(fù)責(zé)人、生物信息學(xué)教授，因David Haussler——起率先在生物信息學(xué)領(lǐng)域使用隱馬模型而聞名。作為Biological Sequence Analvisis一書(shū)的作者之一。他同時(shí)也是另一本更早一些的神經(jīng)網(wǎng)絡(luò)教科書(shū)的作者之一。他當(dāng)前的研究興趣包括啟動(dòng)子分析、非編碼RNA，基因預(yù)測(cè)以及蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。Graeme Mitchison，劍橋大學(xué)分子生物學(xué)實(shí)驗(yàn)室教員，量子計(jì)算研究者和計(jì)算生物學(xué)家，從事序貫弱度量、deFinetti定理量子等研究。

圖書(shū)目錄

譯者名單
中文版序一
中文版序二
譯者的話(huà)
前言
第1章　緒論
　1.1　序列的相似性、同源性及聯(lián)配
　1.2　本書(shū)概述
　1.3　概率與概率論模型
　1.4　補(bǔ)充讀物
第2章　二序列聯(lián)配
　2.1　引言
　2.2　計(jì)分模型
　2.3　聯(lián)配算法
　2.4　更復(fù)雜模型的動(dòng)態(tài)規(guī)劃
　2.5　啟發(fā)式聯(lián)配算法
　2.6　線性空間聯(lián)配
　2.7　分值的顯著性
　2.8　從聯(lián)配數(shù)據(jù)推導(dǎo)計(jì)分參數(shù)
　2.9　補(bǔ)充讀物
第3章　Markov鏈與隱馬模型(HMM)
　3.1　Markov鏈
　3.2　隱馬模型
　3.3　HMM的參數(shù)估計(jì)
　3.4　HMM的模型結(jié)構(gòu)
　3.5　更復(fù)雜的Markov鏈
　3.6　HMM算法的數(shù)值穩(wěn)定性
　3.7　補(bǔ)充讀物
第4章　采用HMM的二序列聯(lián)配
　4.1　索引
　4.2　X和Y的對(duì)所有路徑求和的全概率
　4.3　次優(yōu)聯(lián)配
　4.4　Xi聯(lián)配上Yi的后驗(yàn)概率
　4.5　用于搜索的成對(duì)HMM與FSA之對(duì)比
　4.6　補(bǔ)充讀物
第5章　用于序列家族的列型ItMM
　5.1　無(wú)空位計(jì)分矩陣
　5.2　添加插入與刪除狀態(tài)以獲得列型HMM
　5.3　從多序列聯(lián)配中導(dǎo)出列型HMM
　5.4　基于列型HMM的搜索
　5.5　用于非全局聯(lián)配的列型HMM變體
　5.6　對(duì)概率估計(jì)的深入說(shuō)明
　5.7　最優(yōu)模型的構(gòu)建
　5.8　訓(xùn)練序列的加權(quán)
　5.9　補(bǔ)充讀物
第6章　多序列聯(lián)配方法
　6.1　多序列聯(lián)配的含義
　6.2　為多序列聯(lián)配計(jì)分
　6.3　多維動(dòng)態(tài)規(guī)劃
　6.4　漸進(jìn)聯(lián)配方法
　6.5　由列型HMM訓(xùn)練的多序列聯(lián)配
　6.6　補(bǔ)充讀物
第7章　構(gòu)造系統(tǒng)發(fā)育樹(shù)
　7.1　生命之樹(shù)
　7.2　樹(shù)的背景知識(shí)
　7.3　用成對(duì)距離建樹(shù)
　7.4　簡(jiǎn)約法
　7.5　樹(shù)的評(píng)估：自舉法
　7.6　聯(lián)配與系統(tǒng)發(fā)育的同時(shí)處理
　7.7　補(bǔ)充讀物
　7.8　附錄：鄰接法定理的證明
第8章　系統(tǒng)發(fā)育的概率論方法
　8.1　引言
　8.2　進(jìn)化的概率論模型
　8.3　計(jì)算無(wú)空位聯(lián)配的似然
　8.4　用似然做推斷
　8.5　更現(xiàn)實(shí)的進(jìn)化模型
　8.6　概率論方法與非概率論方法的比較
　8.7　補(bǔ)充讀物
第9章　轉(zhuǎn)換文法
　9.1　轉(zhuǎn)換文法
　9.2　正則文法
　9.3　上下文無(wú)關(guān)文法
　9.4　上下文有關(guān)文法
　9.5　隨機(jī)文法
　9.6　用于序列建模的隨機(jī)上下文無(wú)關(guān)文法
　9.7　補(bǔ)充讀物
第10章　RNA結(jié)構(gòu)分析
　10.1　RNA
　10.2　RNA二級(jí)結(jié)構(gòu)預(yù)測(cè)
　10.3　協(xié)方差模型：基于SCFG的RNA列型
　10.4　補(bǔ)充讀物
第11章　概率論背景
　11.1　概率分布
　11.2　熵
　11.3　推斷
　11.4　抽樣
　11.5　從計(jì)數(shù)估計(jì)概率
　11.6　EM算法
參考文獻(xiàn)
部分術(shù)語(yǔ)漢英對(duì)照
部分術(shù)語(yǔ)英漢對(duì)照
索引