重量：0.65kg　頁數：352  裝訂：平裝 　開數：26*19　印刷：單色

圖：114個

表：34個

→試閱

 簡介:

「生物資訊學」是一新興的研究領域，不僅能應用在分子生物學上的研究，同時也可運用在大多數生命科學的領域。本書內容分為三大部分：第一部分為概述生物資訊學及其生物研究的應用；第二部分涵蓋資訊學的基礎知識，包括物理、數學、統計和計算，並附上生物學的實例；第三部分則是介紹生物學應用的三個次領域，包含分子生物學、代謝、解剖等。內容貫穿基礎知識和應用領域，編排上彼此呼應以呈現其關聯性，使讀者在學習時更能環環相扣、觸類旁通，從中了解基礎知識與應用領域之間的脈絡。為生物、化學、醫學和神經科學等不同領域的學生，提供生物資訊學的基礎教材。

目錄:

縮寫表(Abbreviations)   vi

前言(Preface)   viii

第 1 章 日新又新的生物學研究(The changing face of research biology) 1

第 2 章 生物資訊學定義(Definitions of bioinformatics)   7

第 3 章 基本物理學(Essentials of physics)   13

第 4 章 資料與資料庫(Data and databases)    19

第 5 章 資料類別(Data categories)   29

    5-1　資料類別(Data categories)  29

    5-2　生物資訊學資料表示法最佳實務   34

(Best practice for data representation in bioinformatics)

第 6 章 計算(Computation)   37

第 7 章 機率與統計(Probability and statistics)  49

    7-1　機率與機率分佈(Probability and probability distributions) 49

    7-2　條件機率與貝氏定理(Conditional probability and Bayes?rule) 56

    7-3　基礎統計檢定(Elementary statistical testing)   61

第 8 章 建模與數學方法(Modeling and mathematical techniques)    69

    8-1　系統屬性(System features)  69

    8-2　圖形理論及其應用(Graph theory and its applications)    72

    8-3　常微分方程與代數學(Ordinary differential equations and algebra)    79

    8-4　高等建模方法(Advanced modeling techniques) 83

    8-5　形狀、變形與生長(Shape, deformation and growth)    86

第 9 章 人工智慧與機器學習(Artificial intelligence and machine learning)    89

    9-1　人工智慧與機器學習導論(Introduction to artificial intelligence and machine learning)    89

    9-2　人工智慧與機器學習的統計方法   91

(Statistical approaches to artificial intelligence and machine learning)

    9-3　人工智慧與機器學習的計算方法   99

(Computation approaches to artificial intelligence and machine learning)

第 10 章    基因體與其他序列(Genomes and other sequences)   107

    10-1　資料庫與原始資料(Databases and data sources)  107

    10-2　基因體註解(Genome annotation) 131

    10-3　序列分析(Sequence analysis)   139

    10-4　序列家族、比對與親緣關係(Sequence families, alignment and phylogeny)  160

    10-5　域家族與資料庫(Domain families and databases) 173

第 11 章    轉錄體學(Transcriptomics)   181

    11-1　轉錄產物特性分析(Transcript profiling)    181

    11-2　轉錄體分析的統計問題(Statistical issues for transcriptome analysis)   185

    11-3　解析基因表現程度差異(Analyzing differential gene expression)  187

    11-4　多變量方法與網路推論(Multivariate techniques and network inference)   194

    11-5　資料標準與實驗設計(Data standards and experimental design)    199

第 12 章    蛋白質與蛋白質體學(Proteins and Proteomics) 203

    12-1　蛋白質體學方法(Proteomics techniques) 203

    12-2　交互作用蛋白質體學(Interaction proteomics)    213

    12-3　交互作用資料庫與網路(Interaction databases and networks)  217

    12-4　結構生物資訊學(Structural bioinformatics) 221

    12-5　結構分類(Structural classifications)  241

    12-6　結構預測與建模(Structure prediction and modeling) 245

    12-7　分子動力學與藥物設計(Molecular dynamics and drug design)  259

第 13 章    代謝體學(Metabolomics)  267

第 14 章    超分子結構(Supramolecular organization) 271

    14-1　超分子結構(Supramolecular organization)   271

    14-2　組織等級與生物體等級的結構(Tissue- and organism-scale organization)   273

第 15 章    生化動力學(Biochemical dynamics)    275

    15-1　代謝的網路研究(Network studies of metabolism) 275

    15-2　微積分與代數的使用(Use of calculus and algebra)   273

第 16 章    生理學(Physiology)  289

    16-1　生理學(Physiology)    289

    16-2　整合生物學與植物建模(Integrative biology and plant modeling)  293

    16-3　整合生物學 ─ 結論(Integrative biology – conclusions)    296

第 17 章    影像分析(Image analysis)    299

    17-1　什麼是影像分析？(What is image analysis?) 299

    17-2　影像分析如何應用於生物科學研究？  304

(How is image analysis used in bioscience research?)

    17-3　影像增強(Image enhancement)   311

    17-4　特徵檢測(Feature detection)   315

    17-5　資料擷取(Data extraction) 319

第 18 章    文本分析(Textual analysis)  323

延伸閱讀(Further reading)   329

索引(Index)     337