导语

  

内容提要

  

    本书介绍了生物信息学数据分析的重要方法，包括生物芯片数据统计检验、分类和聚类、大数据降维和可视化、通路分析、生物网络构建和分析等，并对一些重要方法的基本理论、具体算法及实现进行了详细的介绍。通过书中的具体实例，读者可以快速掌握这些方法在标记物发现、疾病分型和诊断、生物大数据路维和可视化、生物通路分析、网络分析等方面的应用。
    本书适合从事生物信息学数据分析且具有一定统计基础的生物、医学、计算机、数学等领域的人员参考，也可以作为生物信息学专业高年级学生的教学参考书。

第1章  基因芯片数据的统计检验
  1.1  差异表达基因的统计检验方法
    1.1.1  基因表达谱分析方法
    1.1.2  假设检验的基本原理及P值的应用
    1.1.3  t分布的理论形式
    1.1.4  t检验的基本原理及应用
    1.1.5  KS检验及其应用
    1.1.6  Wilcoxon秩和检验及其应用
  1.2  差异表达基因的联合检测
    1.2.1  联合检验算法
    1.2.2  联合检验算法实验及其结果
    1.2.3  联合检验算法在其他癌症样本组上的应用
    1.2.4  实验结果分析及联合检测算法评价
  1.3  基于基因表达谱的生存分析
    1.3.1  生存曲线的乘积限估计
    1.3.2  log-rank检验
    1.3.3  利用log-rank检验和最小P值划分最优风险组
    1.3.4  Cox比例风险模型
  本章参考文献
第2章  基于基因芯片数据的疾病分类和聚类方法
  2.1  基于基凶表达谱的疾病分类和聚类方法
    2.1.1  概述
    2.1.2  数据聚类
    2.1.3  统计分类
    2.1.4  基因表达谱分类和聚类存在的问题
    2.1.5  基于SVM包的疾病分型
    2.1.6  基于随机森林包的疾病分类
  2.2  分类规则具有生物意义的基因对分类模型
    2.2.1  概述
    2.2.2  基因对分类方法
    2.2.3  实验结果及分析
  2.3  联合多种方法识别显著变化的功能模块
    2.3.1  概述
    2.3.2  识别显著变化功能模块的方法
    2.3.3  实验结果及分析
    2.3.4  小结
  本章参考文献
第3章  高通量生物数据预处理和降维
  3.1  高通量牛物数据预处理
  3.2  高通量生物数据降维
    3.2.1  降维
    3.2.2  主成分分析
    3.2.3  随机投影
    3.2.4  t-SNE
  3.3  高维生物数据可视化
    3.3.1  基于主成分分析法的可视化实现
    3.3.2  基于t-SNE的可视化实现
  本章参考文献
第4章  生物通路分析
  4.1  生物通路分析方法
    4.1.1  生物通路分析方法研究现状
    4.1.2  数据驱动的生物学通路分析方法
    4.1.3  基于知识的生物学通路分析方法
    4.1.4  几种通路分析算法
  4.2  基于GSEA的通路分析
    4.2.1  GSEA基本原理
    4.2.2  GSEA软件的使用
  4.3  基于IPA的通路分析
    4.3.1  IPA概述
    4.3.2  登录IPA
    4.3.3  IPA主界面功能
    4.3.4  应用IPA进行知识搜索
    4.3.5  应用IPA进行通路分析
  本章参考文献
第5章  生物网络的构建与分析
  5.1  基于RNA-Scq数据的基因共表达网络构建
    5.1.1  基因共表达网络构建方法概述
    5.1.2  RNA-Seq及数据格式
    5.1.3  数据归一化
    5.1.4  RNA-Seq数据预处理
    5.1.5  基因共表达网络的构建步骤
    5.1.6  基于典型相关分析CCA算法构建基因共表达网络
  5.2  生物网络分析软件包——igraph
    5.2.1  igraph的安装
    5.2.2  创建网络
    5.2.3  利用igraph包进行生物网络分析
    5.2.4  生物网络可视化
  本章参考文献
第6章  基因组浏览器
  6.1  理论基础
    6.1.1  基因组的基木概念
    6.1.2  基因组可视化形式
    6.1.3  主流的可视化技术比较及选取
    6.1.4  坐标体系的比较及选取
    6.1.5  颜色模型的比较及选取
    6.1.6  可视化算法
    6.1.7  图形区分理论
    6.1.8  小结
  6.2  基因组浏览器数据预处理
    6.2.1  heatmap数据预处理
    6.2.2  箱线图数据预处理
    6.2.3  Proportions图数据预处理
    6.2.4  K-M plot数据预处理
    6.2.5  cytoband数据预处理
    6.2.6  小结
  6.3  基于Web的基因组浏览器
    6.3.1  基因组浏览器概述
    6.3.2  各基因组浏览器的比较
    6.3.3  现在的问题和发展方向
    6.3.4  小结
  6.4  基因浏览器JBrowse
    6.4.1  安装
    6.4.2  加载及配置
    6.4.3  参考序列
    6.4.4  格式化特征数据
    6.4.5  Feature Tracks(HIML Features and CanvasFeatures)
    6.4.6  预渲染图像轨迹
    6.4.7  名称搜索和自动完成
    6.4.8  删除轨迹
    6.4.9  跨域资源共享(C0Rs)
    6.4.10  数据导出
    6.4.11  数据集选择器
    6.4.12  插什使厂仃
  本章参考文献
名词索引