复杂形状的遗传计算方法
Computational
Methods for Genetics of Complex Traits
编 者：Jason H. Moore（Department of Genetics,
Jay C.
Dunlap (
出 版 社：ACADEMIC PRESS
索 书 号：Q3/A244/2010/V.72/Y
藏书地点：武大外教中心
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
进入90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。此外一些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力。遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面
本书用了八章内容进行介绍。第一章是由Marylyn D. Ritchie和 William S. Bush对在硅片集上合成人类基因组的基因组模拟进行的介绍。第二章则介绍了逻辑回归分析及其扩展。贝叶斯分析方法（Bayesian Analysis）提供了一种计算假设概率的方法，这种方法是基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身而得出的，先将关于未知参数的先验信息与样本信息综合，再根据贝叶斯公式，得出后验信息，然后根据后验信息去推断未知参数的方法。第四章则由Yan V. Sun对随机森林的多基因复杂疾病建模进行阐述。在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。第五章的内容则是由Jason H. Moore采用多因素降维法对非线性基因—基因相互作用进行的检测、鉴定、诠释。Robert Culverhouse对受限制的分区方法的介绍则是本书的第六个章节。第七章对与复杂的遗传性状相关联的全基因组通路分析的统计学方法进行了详细而具体的介绍。本书的最后一个部分，是由Reagan J. Kelly等人介绍的如何利用KGraph为遗传学关联分析提供背景和解释。
本书是“Advance in Genetics”系列丛书的第72卷，综述了最近遗传学领域最重要、最及时的研究进展。本系列综述曾经得到多个杂志的好评，例如NATURE评价此系列丛书为“多样性和质量都极优秀的杂志”；SCIENCE则认为本系列丛书对遗传学家，甚至是生物学家都有极大的帮助，同时本书对遗传学的发展也起着非常重要的作用。
本书目录：
第一章：基因组模拟:在硅片集上合成人类基因组
Marylyn D. Ritchie and William S. Bush
第二章：逻辑回归分析及其扩展
Holger Schwender and Ingo Ruczinski
第三章：复杂系统的遗传分析方法:贝叶斯方法
Melanie
A. Wilson, James W. Baurley, Duncan C. Thomas, and
David V. Conti
第四章：随机森林的多基因复杂疾病建模
Yan V. Sun
第五章：采用多因素降维法对非线性基因—基因相互作用进行检测、鉴定、诠释
Jason H. Moore
第六章：受限制的分区方法
Robert Culverhouse
第七章：与复杂的遗传性状相关联的全基因组通路分析的统计学方法
Peter Holmans
第八章：利用KGraph为遗传学关联分析提供背景和解释
Reagan J. Kelly, Jennifer A. Smith, and Sharon L. R. Kardia
（王书珍）