作者： Ujjwal Maulik,Sanghamitra
Bandyopadhyay,Jason T. Wang
出版： Wiley; 1 edition (November 30, 2010)
索书号：
Q811.4/C738m /2010/Y
计算生物学是指开发和应用数据分析及理论的方法、数学建模、计算机仿真技术等。计算生物学要求应用计算技术解释和分析各种生物学数据，是一门涉及生物学、计算机科学、统计学和数学科学的交叉学科，也是一个活跃的研究领域。化学生物学、计算生物学与合成生物学，构成系统生物学与系统生物工程的实验数据、数学模型与工程设计的方法体系，即系统生物技术，带来了21世纪系统生物科学的全球迅速发展时期。当前，计算生物学和生物信息学在研究的方法和对象上已无显著区别，在基因与蛋白质的计算机辅助设计、比较基因组分析、生物系统模型、细胞信号传导与基因调控网络研究、专家数据库、生物软件包等领域发挥重要作用。计算生物学的研究内容主要包括以下几个方面：生物序列的片段拼接；序列对接；基因识别；种族树的建构；蛋白质结构预测；生物数据库。在当今生物信息科学中，各种新的搜集大量数据和生成新型数据的数据采集方法催生了从数据组中搜寻有用的正则性和模式的高级方法。在这些方法中,计算机智能得到研究者特别的青睐。
《计算机智能和模式分析与生物信息学》这本书由Wiley出版社于2010年10月第一次出版。本书全面综述了计算机智能和模式分析技术的现代进展，通过多种类型的实例阐述如何应用它们分析生物学数据以提取更有意义的信息和形成更深刻的见解。全书汇集了16篇上述主题的论文或报告，它们由33位来自北美、西欧、印度等地的学者撰写，被划分为五部分。第一部分是由3篇综述性论文组成的全书的导言，题目是：计算机智能：基础、概观和现状；模式分析基础：简明的概观；生物信息学：数据、工具和应用。第二部分：序列分析，含2篇关于这个方法的报告，一篇是将神经网络方法应用于助催化剂识别；另一篇研究微RNA前列腺癌靶基因预测。第三部分：结构分析，含5篇论文（或报告），给出有关方法在RNA数据库、蛋白质结构等问题及化学信息学中的应用，并应用计算机智能技术研究麻醉剂药物设计。第四部分：微数组数据分析，含3篇报告，给出模糊聚类、并行点对称聚类等技术的应用。第五部分：系统生物学，含3篇，其中一篇综述了PPI网络的拓扑性质及对系统生物学的应用；另两篇给出具体应用（如候选疾病基因优先化技术等）。作为生物信息学的重要工具，这本书为读者提供了理论和实验结果，并描述了计算智能的基本原则和模式分析，能够深化读者的理解。除此以外，本书的内容还具有以下一些特点：
1.
书中每个章节都由生物信息学该领域的具有重要建树的研究者完成写作。
2.
本书涵盖了与计算机科学和生物信息学该门学科高度相关的一些相关论题：药物设计；小分子核糖核酸参与人类疾病。
3.
补充材料包括：程序代码章节和相关的数据集对应的章节。
总的说来，《计算机智能和模式分析与生物信息学》一书作为该学科的一本介绍前沿进展的综述性教材，内容充分详实，总结得全面深刻，综合了当前的计算智能和模式的分析技术研究于一体，对于从事计算机科学、生物信息学、计算和分子生物学、生物化学、系统科学和信息技术的研究人员来说，这本新教材将会是一件非常有价值的工具书。
目录
第一部分 简介
第一章 计算机智能：基础，观点，近期趋势
第二章 简短概述模式分析的基础
第三章 生物信息学：数据，工具，应用
第二部分 序列分析
第四章 神经网络方法应用于助催化剂识别
第五章 微RNA前列腺癌靶基因预测
第三部分：结构分析
第六章 RNA数据库的结构分析
第七章 蛋白质结构的核心程序
第八章 使用蛋白质模块技术来模拟活跃和不活跃形式的激酶的构象模式
第九章 化学信息学的核心程序功能应用
第十章 使用计算机智能技术进行生物信息药物设计
第四部分：微数组数据分析
第十一章 集成微分模糊聚类分析的微阵列数据
第十二章 使用SVM分类器集成算法来识别潜在的基因标志物
第十三章 集成并行点对称聚类分析的基因微数组数据分析
第五部分 系统生物学
第十四章 潜在致病基因排序技术
第十五章 蛋白—蛋白互作研究
第十六章 PPI网络的拓扑性质及对系统生物学的应用
索引
（武汉大学生命科学学院研究生 刘杰）