生物信息学是生物学和信息学技术这两个日新月异的学科交叉发展的结，这个新兴领域的核心课题就是将分散无组织的生物学数据转化成有意义的信息。先进的计算机方法无疑可以帮助我们解决现代生物学难题。生物学数据量正以指数关系增长，而且越来越复杂，势必会导致全新的数据类型的出现。因此，在生物数据的基础上，应用这些先进的信息技术，特别是数据库技术和形象化分析帮助生物学研究就显得相当关键和迫切。而这种渗透进生物学研究领域的目标性很强的IT行为反过来也会促进信息技术的发展。
本书展示了高质量生物信息的方法学和数据结构，这正是生物学数据挖掘和数据库管理工具开发的基础。本书主要介绍了信息技术在生物学数据管理和分析中的应用。生物学分析需要综合应用比对、分类、决策图标等数据挖掘软件，序列及结构模型软件。本书最大特点是将最前沿的数据库技术和可视化技术结合起来，包括可查询的用户界面，画面表示以及最先进的三维视觉模型。
本书共分十二章，涵盖生物信息学的十二种重要技术。第一章简要概述了生物信息学技术和该学科中的各种方法，同时还交待了其他章节的关系。第二章对结构生物信息学作了概括性论述，讲述了结构生物信息学、蛋白质数据库，二级资源的组织关系，还介绍了结构生物信息学方法在药物设计中的重要应用。第三章介绍数据库存储、生物学数据到有用信息的转化、数据库构建以及数据质量的生物信息学基础。第四章讨论数据挖掘在生物信息学中应用的基础，详细阐释了数据分析的主要类型，包括生物医学数据分析、DNA数据分析、蛋白质数据分析和微阵列数据分析。生物医学数据分析包括主要核苷酸序了数据库、蛋白质序列数据库、基因表达数据库以及生物信息学研究所需的软件。DNA数据分析则是从DNA序列到DNA数据分析。蛋白质数据分析包含了蛋白质、氨基酸序列和蛋白质数据分析。第五章着重于生物信息学种机器改进能力的理论基础，包括神经网络的构建和应用，同时还涉及了其他的机器改进技术，比如遗传算法和模糊系统。第六章讲述一种生物技术发展的新模式，名叫系统生物技术，包括一体化方法和in silico模型以及模仿细胞生命过程。第七章介绍以Petri网络结构为基础的生物学程序计算模型，还包括在基因组目标网里执行HFPN及其观察仪器。第八章阐述了生物学序列的组装和校正，包括大规模序列组装、欧拉序列组装、PESA序列组装、大规模序列对校正、大规模多序列校正、载量平衡以及信息费用。第九章介绍与生物信息学相关的建模技术。 生物学数据分析中最常用的建模技术包括隐马尔科夫模型、比较模型和分子模型。本章详细阐述隐马尔科夫模型在序列鉴定，序列分类和多重校正阶段的应用。比较模型则包括蛋白质比较模型、基因组比较模型和盖然学模型。最后讲述分子模型，主要讲该模型中的分子和可视化的应用，分子机制以及现代计算机程序。第十章的主题是发现结构域时的模式匹配，包括基因调节和启动区组织、以及单基因多种属和多基因多种属这两种方法。第十一章解决生物学序列的形象化和不规则分析的问题，阐述了不规则分析、现有的叠函数系统模型、瞬时确定IFS参数的方法、多重不规则分析、DNA移步模型和生物学序列的混沌现象。第十二章介绍微阵列分析技术及其在基因组表达和图像分析研究中的应用。
该书内容全面，主要涵盖IT和生物学这两个互相交织的领域，读者可以从中了解到生物信息学领域的背景信息，目前的发展趋势。众多国际知名专家参与编写，并且力求通俗易懂，就算是生物学的入门者也能理解并应用书中知识，学会从生物数据中提取有用的信息。书中每一章节讲述一个独立的主题，既可以随便挑选参考阅读，也可以作为生物信息学方面的实际问题解决手册。
作者简介
Yi-Ping Phoebe Chen 澳大利亚墨尔本迪肯大学宝活市分校信息技术学院科学与技术系助理教授，是生物信息学和多媒体两个研究领域的学科带头人，同时还担任澳大利亚研究协会生物信息学中心主任。到目前为止，Phoebe教授已被授予14项研究基金，包括7项声望颇高的澳大利亚研究协会（ARC）基金，是ARC重大发现基金的主要参与者和项目负责人，主要研究技术数据库整合和基因组数据库的生物信息学可视化分析。Phoebe教授著作颇丰，近5年就在《信息系统杂志》《IEEE多媒体》《知识和信息系统杂志》《生物系统杂志》《澳大利亚智能化信息加工系统杂志》《WWW杂志》《可视化语言与计算杂志》等世界知名杂志上发表了50多篇高质量的论文。
本书目录
第一章 生物信息学导论
第二章 结构生物信息学概述
第三章 生物信息学的数据库存储
第四章 生物信息学的数据挖掘
第五章 生物信息学的机器改进能力
第六章 系统生物技术：生物技术发展的新模式
第七章 以Petri网络结构为基础的生物学程序计算模型
第八章 生物学序列的组装和校正
第九章 生物信息学的模型构建
第十章 结构域的模式匹配
第十一章 生物学序列的形象化和不规则分析
第十二章 微阵列数据分析
附录
（武汉大学生命科学学院 唐娴）