生物系统的统计优化

Statistical Optimization Of Biological Systems

 

作者:Tapobrata Panda, R.Arun Kumar, Thomas Theodore

出版:CRC Press

索书号:Q-332/P189/2016/Y

ISBN: 978-1-4665-8708-3

藏书地点:武大外教中心

 

基础科学和应用科学的所有分支都涉及实验方法。在这个时代,从实验中产生了大量的数据。有时,实验和做实验的方法没有得到科学方法的正确指导,这会消耗资源,并且不会导致对系统的有意义的理解。为了顺应这一趋势,实验人员在不了解基本方法的情况下使用计算资源来解决他们的直接需求。然而,正确的方法是通过应用统计知识来适当地设计实验。在没有统计学知识的情况下,仅仅使用统计术语并对其进行分析,只会给用户一种黑盒概念。适当地利用统计学是令人满意和有趣的,它解释了为什么,是什么,如何或何时发生的事情,并使用统计实验方法获得相应的数据,完成分析,解释结果或做出预测。

《生物系统的统计优化》一书于2016年由CRC Press出版,作者是Tapobrata Panda, R.Arun KumarThomas Theodore。本书打算介绍给读者在发展统计实验方法的基础。这对科学或工程的任何分支都是如此。这本书解决了生物过程系统的整体优化问题。有一些由统计学家写的书,他们解决了数学优化的问题,但就利用统计技术对生物系统进行实验优化而言,还存在空白。生物系统的优化需要对系统有透彻的了解,并应用适当的数学和统计工具;这本书填补了这一空白。

《生物系统的统计优化》一书分为七个章节,强调生物系统的基础和应用。第1章讨论了生物系统的复杂性和优化的必要性。介绍了非统计优化方法的优缺点以及统计优化方法的基本原理。在第二章中,用合适的例子回顾了传统的单变量一次优化方法。第三章是实验设计。实验的计划从设定目标和确定过程变量开始,然后选择合适的筛选设计来识别对结果有深远影响的重要变量。这个过程必须是稳健的。然后采用响应面方法来最大化(或最小化)响应,并通过定位生物过程更容易管理的区域来减少变化。然后进行回归建模以获得一个精确的模型,该模型将量化响应对过程变量的依赖关系。第四章详细介绍了不同实验设计的统计分析和优化,并将其结果用于确定重要变量和最佳设置,描述了用于确定单响应和多响应系统过程变量的最佳水平的不同优化技术。第5章和第6章分别概述了较少使用的实验设计,如进化操作程序和田口的设计。第7章描述了混合实验设计的概念,它利用遗传算法的本质,更好地优化从生物系统中获得的数据。整本书都说明了现实生活中的生物过程优化问题及其解决方案和练习问题。因此,这本书将是实验数据分析的有用附录和索引。

总之,《生物系统的统计优化》是一本由统计学家写的书,解决了生物系统的数学优化,但不直接解决统计优化。生物系统的统计优化涵盖了整个生物过程系统的优化,对利用统计技术进行生物系统的实验优化十分关注。采用现实生活中的生物过程优化问题及其解决方案为例,描述实验设计,从识别过程变量到选择筛选设计,应用响应面方法,并进行回归建模演示了不同实验设计的统计分析和优化,其结果用于确定重要变量和最佳设置详细介绍用于确定单响应和多响应系统过程变量的最佳水平的优化技术讨论了重要的实验设计,如进化操作程序和田口设计利用遗传算法的本质描述混合实验设计的概念生物系统的统计优化研究了生物系统的复杂性,优化的需要,以及统计和非统计优化方法的基本原理。更重要的是,本书解释了如何成功地应用数学和统计技术来优化生物系统。

Tapobrata Panda目前是印度理工学院马德拉斯分校的教授,他是爱荷华州艾姆斯爱荷华州立大学化学工程系的客座科学家,也是泰国曼谷亚洲理工学院的客座教授。在马德拉斯IT学院Panda教授的研究团队中,有22名博士生在酶系统、动力学、工艺优化和微生物产品开发领域做出了贡献,他在同行评议期刊上发表的论文的“h”指数(Google Scholar)30“i-10”值为64。他为所有从事生物技术工作的人撰写了一本书《生物反应器:分析与设计》(麦格劳-希尔出版社,2011),并在《食品工艺设计手册》(Wiley-Blackwell)和《金属蛋白百科全书》(Springer, 2013)中贡献了金纳米颗粒生物合成的章节。目前,Tapobrata Panda的研究方向是混合实验设计、生物mems、纳米粒子生物合成、治疗分子设计和酶设计。潘达教授毕业于印度理工学院德里分校,获生物化学工程博士学位;加尔各答Jadavpur大学食品技术和生化工程专业的MTechBTech;在加尔各答的加尔各答大学获得化学荣誉理学士学位。他曾在奥地利维也纳技术大学IBTM进行高级研究。他是乔治亚州桃树角TAPPI的成员。他是开放生物技术期刊(Bentham Science Publishers)的编辑委员会成员;开放酶抑制杂志;《高级科学、工程和医学杂志》(美国科学出版社)

R. Arun Kumar目前在一家液化天然气专业的石油和天然气公司担任工艺工程师。此前,他曾在一家国际石油和天然气服务公司工作。他在马德拉斯印度理工学院获得化学工程学士学位,在国家天文和物理奥林匹克竞赛中名列前1%,他的研究领域包括生物化学工程、应用于生物系统的遗传算法和实验设计。

Thomas thsamodore是印度图姆库尔市Siddaganga理工学院化学工程副教授。他在马德拉斯印度理工学院获得生物化学工程博士学位,是Annamalai UniversityAC College of Technology, Chennai, India的化学工程师,他还拥有ESPCI Paris的生物工程硕士学位和UCD Dublin的生物制药工程硕士学位,研究领域包括治疗性蛋白质和可生物降解聚合物。

 

本书目录:

前言

致谢

作者

1介绍

1.1生物系统为什么和如何不同?

1.2生物系统中的因素。

1.2.1发酵过程

1.2.1.1上游业务

1.2.1.2发酵

1.2.1.3下游业务

1.2.1.4特殊生物系统

1.2.2因素分类

1.3术语

1.3.1复制

1.3.1.1复制原因

1.3.2重复试验

1.3.3随机效应

1.3.4阻塞

1.3.5因子的水平和范围

1.3.6错误

1.3.6.1统计设计中的错误类型实验

1.3.7样本

1.3.8样本大小

1.3.8.1要评估的参数

1.3.9变量

1.3.9.1连续变量

1.3.10协方差

1.3.10.1协方差性质

1.3.11方差

1.3.11.1如何计算方差?

1.3.12变异系数

1.3.13标准错误

1.3.13.1 SDSE的差异

1.3.14相关系数

1.3.15相关比率

1.3.16决定系数

1.3.17调整R2

1.3.18 R2用于预测

1.3.19足够的精度

1.3.20置信区间

1.3.21离群值

1.3.22方差分析

1.3.22.1方差分析表

1.3.23常用统计数据

1.3.23.1t统计量

1.3.23.2 f统计量

1.3.23.3卡方统计量

1.3.24安科瓦

1.3.24.1应用程序

1.3.25 假设检验

1.3.26数据分析

1.4什么是优化?

1.4.1应用程序

1.4.1.1解决的例子

练习

参考文献

2非统计实验设计

2.1介绍

2.1.1什么是实验?

2.2设计实验的步骤

2.2.1奥法特/卵泡

2.2.2最佳猜测方法

2.2.3自导向实验设计

2.2.3.1优势

2.2.3.2总体流程

2.2.3.3设计理论

2.2.3.4限制

2.2.3.5初始运行

练习

参考文献

进一步阅读

3响应面实验设计

3.1介绍

3.2 响应面法的主要目的

3.3缺点

3.4响应面类型

3.5响应面设计的分类

3.6一阶设计

3.6.1 OFAT/一次一个变量

3.6.2同时使用所有变量

3.6.2.1 2*因子实验设计

3.7非几何设计

3.7.1 Plackett-Burman设计

3.7.1.1 Plackett-Burman设计的施工

3.83.7.1.2利用Plackett-Burman设计进行实验二阶设计的方法

3.8.1变量编码

3.8.2Koshal OFAT二阶设计

3.8.33 *设计

3.8.4中心合成设计

3.8.4.1 CCD的种类

3.8.4.2变量编码

3.8.4.3 CCD特殊情况矩阵

3.8.5 Box-Behnken设计

3.8.5.1设计点的特点

3.8.5.2 CCDBox-Behnken设计的区别

3.8.5.3设计矩阵

3.8.6 Doehlert设计

3.8.7一些特殊的饱和或近饱和设计

练习

参考文献

4实验设计与优化的统计分析过程变量

4.1介绍

4.2实验设计分析

4.2.1一阶设计

4.2.1.1 KoshalOFAT设计

4.2.1.2单纯形设计

4.2.1.3 2 k-design

4.2.1.4 Plackett-Burman筛选设计

4.2.2二阶设计

4.2.2.1中心-复合设计

4.2.2.2 Box-Behenken设计

4.3寻找生物过程实验变量的最佳条件

4.3.1对于一阶曲面

4.3.2对于二阶曲面

4.3.2.1单响应系统

4.3.2.2多响应的二阶曲面

练习

参考文献

进一步阅读

5渐进行动计划

5.1介绍

5.1.1特征

5.1.2 为什么它很重要?

5.1.3什么时候可以使用EVOP方法?

5.1.4统计学知识的影响

5.2 EVOP的分类

5.2.1古典EVOP

5.2.2旋转方块EVOP

5.2.3随机EVOP

5.2.4单工EVOP

5.3 特定的术语

5.4 EVOP的工作表

5.4.1解决的例子

5.5 响应面

练习

参考文献

6田口的设计

6.1介绍

6.1.1田口的设计历史

6.2田口设计的目的

6.3实验设计与田口的设计

6.4田口设计技术的基础

6.5一类优化问题

6.6术语

6.7正交设计中的阵列

6.7.1田口的样本设计阵列实验计划

6.8信噪比

6.8.1信噪比的应用

6.9正交数组

6.10田口的方法

6.11使用田口设计的实验分析优化方差实验参数

6.11.1简单的方差分析

6.11.2先进的方差分析

6.11.3系统方差分析

6.12田口设计的局限性

6.13田口设计的结果

6.14田口设计的应用

练习

参考文献

进一步的阅读

7基于遗传算法的混合实验设计

7.1介绍

7.2搜索算法的需求

7.3方法

7.3.1过程

7.3.1.1理论

7.3.1.2候选定义

7.3.1.3典型遗传算法

7.3.2函数的遗传表示域

7.3.3求解域适应度

7.4术语

7.4.1遗传算子

7.4.1.1突变

7.4.1.2交叉

7.5遗传算法的局限性

7.6遗传算法如何在生物系统中找到用途?

7.6.1实际应用

7.6.2解决的例子

7.7基于遗传算法的混合实验设计

7.7.1Box-Behnken和基于ga的混合设计

7.7.2基于ga的中心复合设计

7.7.3 GA集成

7.8与遗传算法集成的相关问题及其解决方法

练习

参考文献

进一步的阅读

附录

索引

 

 

邹娟 武大生科院 博士研究生