网络生物学基础——ndamentals of Network Biology
作 者：Wenjun Zhang
出版社：World Scientific Publishing Europe Ltd
ISBN：978-1-78634-508-0
索书号：Q-332/Z63a/2018/Y
藏书地点：武大外教中心
生物网络是复杂的网络，也是以系统科学的思想研究生命科学的桥梁。网络中的节点可以是蛋白质，基因，RNA或DNA等，网络的便对应节点之间的物理、生化或功能上的相互作用。目前备受关注的包括基因调控网络（gene regulatory network）、蛋白相互作用网络（protein-protein network）、转录调控网络（transcription regulatory network）、代谢网络（metabolic network）等。
（1）基因调控网络：所有生物在生长发育和分化过程中，以及在对外部环境的反应中，各种相关基因有条不紊的表达起着至关重要的作用。与原核生物相比，真核生物基因表达的调控更为复杂，真核生物基因表达的调控主要是指编码蛋白质的mRNA产生和行使生物功能过程中的调节与控制。
（2）代谢网络：在生物化学领域，代谢通路是指细胞中代谢物质在酶的作用下转化为新的代谢物质过程中所发生的一系列生物化学反应。而代谢网络则是指由代谢反应以及调节这些反应的调控机制所组成的描述细胞内代谢和生理过程的网络。
（3）信号传导网络：生物中的信号传导（signal transduction)则是指细胞将一种类型的信号或刺激转换为其他生物信号最终激活细胞反应的过程。同代谢通路一样，信号传导的过程中多个生物分子在酶的作用下按照一定的顺序发生一系列生理化反应，由此得到了信号传导通路。信号传导网络即是指参与信号传导通路的分子和酶以及其间所发生的生化反应所构成的网络。
（4）蛋白质互作网络：蛋白质是构成生物体的重要物质，也是形势生物功能的重要生物大分子。单独蛋白通过彼此之间的相互作用构成蛋白质相互作用网络来参与生物信号传递、基因表达调节、能量和物质代谢及细胞周期调控等生命过程的各个环节。系统分析大量蛋白在生物系统中的相互作用关系，对于了解生物系统中蛋白质的工作原理，了解疾病等特殊生理状态下生物信号和能量物质代谢的反应机制，以及了解蛋白之间的功能联系都有重要意义。蛋白质相互作用通常可以分为物理互作和遗传互作。物理互作是指蛋白质间通过空间构象或化学键彼此发生的结合或化学反应，是蛋白质互作的主要研究对象。而遗传互作则是指在特殊环境下，蛋白质或编码基因收到其他蛋白质或基因的影响，常常表现为表型变化之间的相互关系。
生物分子之间的相互作用并不是一成不变的，反映在基因调控网络上，则节点之间的边会因为因时间、空间或外部环境的变化而发生变化，或者说，生物网络中的便具有不确定性，只是以一定的概率存在，在特定的情况下，生物网络具有“重布线”（rewiring）的能力。而且，网络中不仅节点之间存在依赖关系，边之间也存在依赖关系，即一种调控关系的出现或消失往往伴随着其它调控关系的消失或出现。所以生物网络是属性依赖网络（Dependency Network）。
在生物网络中，各节点的生物功能不同，对整个网络的影响也不同。也就是说生物网络中节点的地位与其在细胞功能上的重要性有关，某些节点( 关键节点)的存在对网络结构和功能具有重大意义。例如，在蛋白质相互作用网络中高度关联的节点具有重要的功能，而且其缺失与致命性有关。在基因调控网络中，也需要识别哪种基因控制着许多其他基因，以便其能被当作有机体的全局调节因子进行分析。因此，分析和研究生物网络关键节点及其相互关系，对系统生物学研究越来越重要。
不同的生物网络，其物质之间的作用关系有所不同，因此，在分析研究各种生物网络时所使用的具体的网络模型也有所区别。例如，在研究细胞中蛋白质的作用时，各种蛋白质被看作一个节点。由于蛋白质与蛋白质之间会相互影响，代表蛋白质的节点与节点之间就具有相互影响的关系，这种关系被看作一条无向边，因此形成了用无向图所表示的蛋白质－ 蛋白质相互作用网络; 代谢网络中，节点之间具有先后的转换关系，其通常使用的是有向图; 基因调控网络的各节点之间具有调控和被调控的关系，所以也使用有向图进行分析。
在生物网络关键节点识别研究中，研究者利用网络模型模拟生物体细胞内的物质活动。这些网络模型大多数情况下表现出了小世界特性和无标度特性，因此，研究者们直接使用或扩展了其他复杂网络的研究方法，用以识别其关键节点。其中，中心性分析法是根据某种中心性指标计算各个网络节点的中心值，并根据该值对节点进行排序，然后根据节点的排名判断节点在网络中的地位和功能，确定其是否是关键节点。这种网络元素排序方法在识别生物过程中的关键参与者特别有用，可以帮助了解潜在的生物过程。
大数据分析是指对规模巨大的数据进行分析。大数据可以概括为5个V， 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据分析也应运而生。
大数据分析的主要包括以下六个基本方面：
1. Analytic Visualizations(可视化分析)：不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
2. Data Mining Algorithms(数据挖掘算法)：可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
3. Predictive Analytic Capabilities(预测性分析能力)：数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
4. Semantic Engines(语义引擎)：由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从"文档"中智能提取信息。
5. Data Quality and Master Data Management(数据质量和数据管理)：数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
6.数据存储，数据仓库：数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。
《网络生物学基础》一书于2018年由World Scientific Publishing Europe Ltd出版，该书作者为Wenjun Zhang。
《网络生物学基础》作为一本系统介绍网络生物学的综合书籍，涵盖了广泛的学科，包括网络生物学的科学基础（图形，网络等），生物网络的构建和分析，生物网络中关键节点的识别方法，链接预测， 流量分析，网络动态，演化，模拟和控制，生态网络，社交网络，分子和细胞网络，网络药理学和网络毒理学，大数据分析等。
《网络生物学基础》一书内容详尽充实，观点独特，语言表达准确、简洁，此外，还具有以下的特点：
1、该书为大多数模型和算法提供了Matlab代码，为大家提供了对网络生物学的深入、完整的见解。对于生物学，生态学，环境科学，医学，计算科学，应用数学和社会科学等领域的高水平本科生和研究生来说，它是一本很有价值的读物。
2、书末列出了文中所出现的一些重要的专业名词及注释，有助于读者进行检索、学习。
3、本书的每一章均附有丰富的图片资料，为读者提供了清晰、形象、直观的讲解。
总之，《网络生物学基础》一书系统地阐述了网络生物学相关知识网络，对于设计该领域的学生、研究人员来说，是一本非常值得推荐的图书。
本书目录：
1.数学基础
2.关键节点/子网/模块，网络类型和结构比较
3.网络动态，演化，模拟和控制
4.流动分析
5.链接和节点预测
6.生物网络建设
7.网络药理学和毒理学
8.生态网络
9.微观网络
10.社交网络
11.软件
12.大数据分析