目錄 生物信息學(xué)基礎(chǔ)篇 第1章 生物信息學(xué)一些前沿領(lǐng)域簡(jiǎn)介 3 1.1 生物信息大數(shù)據(jù) 3 1.2 復(fù)雜網(wǎng)絡(luò)分析概論 11 1.3 復(fù)雜網(wǎng)絡(luò)分析實(shí)例：以微生物群系醫(yī)學(xué)生態(tài)網(wǎng)絡(luò)為例 15 1.4 深度學(xué)習(xí)、計(jì)算智能與人工智能 21 1.5 醫(yī)學(xué)生態(tài)學(xué) 25 1.6 DNA計(jì)算機(jī)-生物學(xué)對(duì)計(jì)算機(jī)科學(xué)的回饋 30 第2章 系統(tǒng)發(fā)育樹(shù)與溯祖分析 38 2.1 樹(shù)的概念 38 2.2 主要的建樹(shù)方法 39 2.3 模型選擇 50 2.4 貝葉斯方法 54 2.5 溯祖理論 60 2.6 物種樹(shù)估計(jì) 64 第3章 群體遺傳學(xué)數(shù)據(jù)分析軟件簡(jiǎn)介 70 3.1 多功能軟件比較 70 3.2 理論模型與分析方法的實(shí)現(xiàn)方式 72 3.3 軟件運(yùn)行方式與編程語(yǔ)言 79 3.4 總結(jié)與展望 79 第4章 生物信息學(xué)中重要統(tǒng)計(jì)計(jì)算方法和模型 85 4.1 計(jì)算機(jī)模擬技術(shù) 85 4.2 馬爾可夫蒙特卡羅法 93 4.3 隱馬爾可夫模型 98 4.4 貝葉斯統(tǒng)計(jì) 105 4.5 統(tǒng)計(jì)學(xué)習(xí) 114 4.6 高斯圖模型 120 生物信息組學(xué)技術(shù)篇 第5章 第三代基因測(cè)序組裝算法和軟件技術(shù) 129 5.1 第三代基因測(cè)序及組裝技術(shù)簡(jiǎn)介 129 5.2 第三代基因組裝算法及軟件簡(jiǎn)介：以DBG20LC和SPARC為例 132 5.3 三代基因組裝算法和軟件比較 139 5.4 DBG20LC和SPARC軟件使用簡(jiǎn)介 140 第6章 基因組第二代測(cè)序數(shù)據(jù)的生物信息學(xué)分析 145 6.1 基因測(cè)序技術(shù)簡(jiǎn)介 145 6.2 基因組裝技術(shù) 149 6.3 外顯子基因突變檢測(cè) 154 6.4 單細(xì)胞測(cè)序數(shù)據(jù)的基因組裝 156 第7章 轉(zhuǎn)錄組數(shù)據(jù)的生物信息學(xué)分析 160 7.1 轉(zhuǎn)錄組技術(shù)的發(fā)展 160 7.2 RNA-seq數(shù)據(jù)的質(zhì)量控制 163 7.3 基于參考基因組的轉(zhuǎn)錄組分析 164 7.4 無(wú)參考基因組的轉(zhuǎn)錄組的從頭拼裝及拼裝質(zhì)量評(píng)估 170 第8章 非編碼RNA研究常用數(shù)據(jù)庫(kù)及軟件 175 8.1 非編碼RNA概述 175 8.2 非編碼RNA常用數(shù)據(jù)庫(kù) 179 8.3 非編碼RNA研究常用軟件 184 第9章 蛋白質(zhì)組學(xué)研究常用軟件簡(jiǎn)介 210 9.1 蛋白質(zhì)組學(xué)簡(jiǎn)介 210 9.2 計(jì)算蛋白質(zhì)組學(xué)的應(yīng)用 215 9.3 計(jì)算蛋白質(zhì)組學(xué)算法與數(shù)據(jù)庫(kù) 230 第10章 新藥物發(fā)現(xiàn)中的生物信息學(xué)軟件簡(jiǎn)介 236 10.1 大型藥物設(shè)計(jì)平臺(tái) 237 10.2 分子視圖軟件 238 10.3 化學(xué)結(jié)構(gòu)編輯程序 242 10.4 分子對(duì)接與虛擬篩選軟件 245 10.5 配體構(gòu)象搜索軟件 250 10.6 藥效團(tuán)模擬軟件 251 10.7 分子動(dòng)力學(xué)模擬軟件 254 10.8 在線藥物設(shè)計(jì)資源列表 255 10.9 小結(jié) 257 第11章 宏基因組學(xué)概述及生物信息學(xué)分析 260 11.1 宏基因組學(xué)技術(shù)簡(jiǎn)介 260 11.2 宏基因組學(xué)研究流程 261 Chapter 12 Bioinformatics for Metabolomics：An Introduction 277 Abstract 277 12.1 Introduction to Metabolomics 277 12.2 Technologies for Metabolomics 280 12.3 Data Formats for Metabolomics 285 12.4 Databases for Metabolomics 287 12.5 General Principles for Metabolomic Data Analysis 292 12.6 From Spectra to Metabolite Lists：Bioinformatics for Metabolite Identification 293 12.7 From Metabolite Lists to Significant Metabolites：Multivariate Statistics 300 12.8 From Significant Metabolites to Pathways：Bioinformatics for Metabolite Interpretation 306 12.9 Conclusion 310