stochastic
modelling for systems biology
系统生物学的随机建模（第三版）
作者：Darren J. Wilkinson
出版：CRC Press
索书号：Q332/W686(3)/2019/Y
ISBN: 978-1-138-54928-9
藏书地点:武大外教中心
自从第一版《系统生物学随机建模》以来，在复杂随机模型的贝叶斯推断的“无似然性”方法的使用中已经有了许多有趣的进展。经过全面更新以反映这一点，该第三版涵盖了在系统生物学背景下很好地理解生物网络的随机动力学建模所必需的一切。书中包括新的方法和应用程序，并且R在算法的实际说明中的使用已大大扩展。关于空间扩展系统的章节是全新的，而统计推断章节也已使用新方法进行了扩展，包括近似贝叶斯计算（ABC）。系统生物学的随机建模，第三版 现在，通过使用Scala编写的附加软件库进行了补充，该书的新附录对此进行了描述。
关于空间扩展系统的新篇章，涵盖了用于1维和2维反应扩散主方程模型的空间Gillespie算法，以及基于空间化学Langevin方程的快速接近。显着扩展了有关从数据推断随机动力学模型的章节，涵盖了ABC，包括ABC-SMC；更新了R包，包括与所有新材料有关的代码；新的R包，用于将SBML模型解析为可模拟的随机Petri网模型；用Scala编写的新的开放源代码软件库，以一种快速，经过编译，强类型化的功能语言来复制R包的大部分功能。遵循早期版本的精神，所有新理论都以非常非正式和直观的方式进行介绍，从而使尽可能多的读者都可以访问本文。作为对计算系统生物学中的随机建模领域的有效介绍，此新版本增加了更多详细信息和计算方法，这些将为开发更高级的随机生物学建模课程提供更坚实的基础。
本书的内容是为一学期的生物学随机建模研究生课程设计的。因此，本书的对象是应用数学，计算生物学，生物信息学，生物物理学，生物化学和生物医学工程等交叉学科的硕士和研究生。每一章都由一些训练练习完成。为了满足更好奇或更高级的读者,作者还提出了进一步阅读每一章在一个专用的部分,这在我看来是一个很好的主意：高亮选择有趣的读数比指的是更令人沮丧的书目的书。这本书通过介绍近似贝叶斯计算得到了增强，代码已经更新到SBML级别3，关于马尔可夫链和随机微分方程的章节也得到了加强。这是一门很容易理解和阅读的课程。
尽管随机动力学模型已成为代表和模拟遗传和生化网络的最佳方法，但该领域的大多数研究人员对随机过程理论的了解有限。随机过程形式主义为美观，优雅和连贯提供了基础。对于化学动力学，还有很多相关的理论，其功能与传统的连续确定性模型一样强大而优雅。现在正是从这种角度编写介绍性文章的时候了。系统生物学的随机建模使用系统生物学研究人员熟悉的示例介绍了随机建模的可访问介绍。着重于计算机仿真，作者研究了使用随机过程对生物系统进行建模。他提供了在系统生物学背景下对生物网络的随机动力学建模的全面理解。本书涵盖了最新的仿真技术和研究材料，例如参数推断，并包括许多示例和图形以及R中针对各种应用的软件代码。在强调必要的概率和随机方法的同时，作者采取了一种实用的方法，将其理论发展植根于对预期应用的讨论中。在撰写本书时，出于自学的考虑，本书包括了一些技术章节，以解决推理的难题。从实验数据中获得随机动力学模型，该书提供了足够的背景信息以使非专业人员可以轻松访问该主题，该书将相当多样化的文献整合到一个方便且在符号上一致的来源中。
《系统生物学的随机建模》一书于2019年由CRC Press出版，作者是Darren J. Wilkinson。
《系统生物学的随机建模》一书中，研究人员介绍了用于研究系统生物学的技术和方法，重点是最近的技术发展，讨论的主题主要包括11个章节，生物建模导论；生化网络的表示；概率模型；马尔可夫过程；化学和生化动力学；实例探究；超越Gillespie算法；空间扩展系统；贝叶斯推断与MCMC；随机动力学模型的推论等。《系统生物学的随机建模》一书从各个方面讲解了系统生物学的基础内容和研究方法，旨在为想要进一步研究系统生物学的研究人员提供简明易懂的介绍以及方法技术指导。
《系统生物学的随机建模》一书作为系统生物学专业研究读物，观点新颖独到，内容饱满详实、语言浅显易懂，除此之外，还包括一些其他的特点：
1、本书分为11个章节，既讲解了系统生物学过程的基础知识，还讲解了深入研究系统生物学的方法和技术，是一本应用性很强的书籍，对于想要学习如果研究系统生物学的研究人员来说是一本很有意义的指导书籍。
2、每个章节都是由相关领域的专业人士所撰写，因此，本书讲解既详细又专业，我们能够从中了解到系统生物学相关的专业知识以及最新的前沿进展。
总的说来，《系统生物学的随机建模》一书为想要了解系统生物学研究方法的人员提供了清晰的导读路径，作为系统生物学领域的一本前沿研究图书，是一本值得为想要涉足该领域的人员推荐的专业书籍。
关于作者：
达伦·威尔金森（Darren Wilkinson）是英国纽卡斯尔大学随机模型教授。他在附近的达勒姆大学（University of Durham）接受教育，并获得了数学的第一学位，随后于1995年完成了贝叶斯统计学的博士学位。他于1996年移居纽卡斯尔大学统计学系，此后一直在此工作，目前正被提升为2007年的现职。威尔金森教授对计算统计和贝叶斯推理以及将现代统计技术应用于统计生物信息学和系统生物学的问题感兴趣。他还对生物科学以及更普遍的一些“大数据”挑战感兴趣。他在生物技术和生物科学研究委员会的战略咨询小组中致力于开发新的工作方式，并且是纽卡斯尔工程与物理科学研究委员会理事会大数据云计算博士培训中心的联合主任。他还是艾伦·图灵研究所（Alan Turing Institute）的数据科学和人工智能研究员。
本书目录：
生物建模导论
生化网络的表示
概率模型
随机模拟
马尔可夫过程
化学和生化动力学
实例探究
超越Gillespie算法
空间扩展系统
贝叶斯推断与MCMC
随机动力学模型的推论
结论
附录
林岚 武汉大学生命科学学院 博士研究生