生物信息学（第二版）

本书主要介绍生物信息学基本概念、主要算法和常用工具。全书共15章，涵盖生物分子数据产生、数据库、序列联配、基因组拼接及其基因预测、系统发生树构建、组学数据（转录、三维、单细胞等）分析、群体遗传分析等，同时包括生物信息学统计与算法基础和计算机基础。每章（绪论除外）前均设计了思维导图，帮助读者更好地理解各章知识点和逻辑关系；每章后均安排了一篇以相关领域代表人物为主线的“历史与人物”短文，有助于读者理解学科发展脉络。书后还提供了丰富的生物信息学资源（主流软件工具和数据库），作为学习本书的辅助资料。

目录

CONTENTS

第二版前言

第一版序

第一版前言

本书使用说明

致敬经典

第1章 绪论 1

第一节 生物信息与生物信息学 1

一、迅速增长的生物信息 1

二、生物信息学概念 2

第二节 生物信息学历史与展望 4

一、发展简史 4

二、应用领域 8

三、学科展望 9

习题 14

历史与人物“bioinformatics”之名的由来 14

第2章 生物信息类型及其产生途径 16

第一节 生物信息类型与测序技术 17

一、生物信息的类型 17

二、第一代测序技术 18

三、第二代测序技术 20

四、第三代测序技术 25

第二节 组学数据及其测定 28

一、基因组 28

二、转录组 30

三、其他组学数据 35

第三节 蛋白质序列及其结构测定 49

一、蛋白质序列与蛋白质互作测定 49

二、蛋白质结构测定 51

习题 52

历史与人物 第一台高通量测序仪与罗斯伯格 53

第3章 分子数据库 54

第一节 分子序列数据库概述 54

一、分子数据库及其记录格式 54

二、数据库序列递交与检索 58

第二节 核苷酸序列相关数据库 61

一、核苷酸初级数据库 61

二、核苷酸二级数据库 65

第三节 蛋白质相关数据库 69

一、蛋白质序列与结构数据库 69

二、蛋白质功能域等其他数据库 73

习题 77

历史与人物 分子数据库与戴霍夫和戈德 78

第4章 两条序列联配及其算法 80

第一节 序列联配与计分矩阵 80

一、序列联配 80

二、计分矩阵 81

第二节 两条序列联配算法 87

一、Needleman-Wunsch算法 87

二、Smith-Waterman算法 91

第三节 BLAST算法及数据库搜索 93

一、BLAST算法 93

二、利用BLAST进行数据库序列搜索 94

三、序列相似性的统计推断 103

习题 105

历史与人物 序列联配算法与三个“man” 106

第5章 多序列联配及功能域分析 109

第一节 多序列联配算法 109

一、多序列全局联配算法 109

二、多序列局部联配算法 111

第二节 蛋白质序列功能域 115

一、功能域概念 115

二、功能域模型 116

第三节 熵与信息量 119

一、熵与不确定性 119

二、多序列联配结果的信息量估计 121

习题 122

历史与人物 基序、ClustalW与杜立特 122

第6章 系统发生树构建 124

第一节 系统发生树概述 124

一、系统发生树的概念 124

二、遗传模型 127

第二节 距离法 129

一、UPGMA法 129

二、Fitch-Margoliash法 131

三、邻接法 134

四、最小进化法 136

第三节 最大似然法 137

一、DNA序列的似然模型 137

二、基于最大似然法建树 138

第四节 其他方法 141

一、最大简约法 141

二、贝叶斯法 143

三、基因组组分矢量法 144

习题 146

历史与人物 邻接法、MEGA与根井正利 146

第7章 基因组调查、拼装与分析 148

第一节 基于字符串的基因组调查分析 148

一、基因组大小估计 149

二、基因组复杂度估计 149

第二节 基因组序列拼接与组装 151

一、基因组测序策略与步骤 151

二、基因组序列拼接算法 154

三、基因组染色体水平组装 163

第三节 基因组序列分析与比较 166

一、基因组序列构成分析 166

二、基因组可视化 174

三、比较基因组学分析 175

第四节 基因组重测序数据分析 181

一、分析流程与变异鉴定方法 181

二、泛基因组分析 185

习题 187

历史与人物 文特尔和帕夫纳的神来之笔 188

第8章 基因预测及其功能和结构注释 190

第一节 蛋白质编码基因预测 190

一、基因预测方法及其流程 190

二、隐马尔可夫模型预测方法 196

第二节 基因功能注释 199

一、基于已知基因和功能域数据 199

二、基于功能分类和代谢途径 200

第三节 蛋白质结构预测 202

一、蛋白质结构概述 202

二、蛋白质二级和三级结构预测 204

三、基因突变与蛋白质三维结构功能分析 209

习题 212

历史与人物 HMM、马尔可夫及其他 212

第9章 非编码RNA鉴定与功能预测 214

第一节 小RNA计算识别与靶基因预测 214

一、miRNA主要特征及计算识别 214

二、siRNA主要特征及计算识别 220

三、小RNA靶基因预测 223

第二节 长非编码RNA鉴定与功能预测 225

一、lncRNA鉴定与功能预测 225

二、circRNA鉴定与功能预测 229

习题 235

历史与人物 首届中国生物信息学终身成就奖 236

第10章 基因转录与调控网络 238

第一节 转录组数据分析 238

一、转录组序列比对和拼接 239

二、基因表达分析 241

三、 基因可变剪接与融合 244

四、基因簇鉴定 249

第二节 甲基化分析 252

一、DNA甲基化 252

二、RNA甲基化 254

第三节 基因调控网络分析 256

一、生物网络 256

二、基因调控网络 259

习题 263

历史与人物 DNA自动测序仪、系统生物学与胡德 264

第11章 宏基因组分析 265

第一节 16S rRNA等基因序列数据 265

一、质控与分析流程 267

二、物种多样性估计 269

三、群落结构分析 272

第二节 全基因组序列数据 275

一、分析流程及其主要工具 275

二、宏基因组拼接与物种注释 279

习题 284

历史与人物 16S rRNA、生命之树与乌斯 284

第12章 新类型组学数据分析与利用 286

第一节 三维基因组 286

一、三维基因组数据标准化 286

二、染色质三维多级结构鉴定 289

三、三维基因组组装与可视化 292

第二节 单细胞组学数据 295

一、单细胞组学技术概况 295

二、单细胞基因组分析 297

三、单细胞转录组分析 299

第三节 基因组预测与选择 306

一、基因组数据与动植物育种 306

二、复杂性状的基因组预测与选择 311

第四节 其他 315

一、表型组之图像识别 315

二、合成生物学之基因组设计 323

三、翻译组 328

习题 331

历史与人物 深度学习“三剑客” 332

第13章 群体遗传分析 334

第一节 群体遗传多态性与结构分析 334

一、遗传多态性及其估计 335

二、群体遗传结构分析 337

第二节 自然选择的统计检验 339

一、基于种内多态性的检验方法 341

二、基于种间分歧度的检测方法 345

第三节 种群历史的溯祖分析 347

一、溯祖理论与溯祖模拟 347

二、种群进化模型的溯祖测验 349

三、有效群体大小的溯祖估计 352

第四节 数量遗传学分析 355

一、QTL定位 355

二、全基因组关联分析 362

三、混池分离分析 369

习题 372

历史与人物 马莱科特和科克汉姆的“神器” 373

第14章 生物信息学统计与算法基础 375

第一节 贝叶斯统计 376

一、贝叶斯统计概述 376

二、贝叶斯统计与生物信息学 379

三、图论与概率图模型 380

第二节 概率图模型 381

一、隐马尔可夫模型 381

二、贝叶斯网络 388

三、神经网络 391

第三节 机器学习算法 396

一、最大期望算法 396

二、马尔可夫链蒙特卡罗方法 398

三、动态规划 400

四、遗传算法 401

习题 405

历史与人物 贝叶斯之谜 406

第15章 生物信息学计算机基础 407

第一节 Unix/Linux操作系统 408

一、系统特点及其结构 408

二、Linux Shell常用命令 409

第二节 计算机编程语言 411

一、计算机编程语言概述 411

二、Python语言与Biopython简介 413

三、R语言与Bioconductor简介 415

四、MySQL语言 415

第三节 其他 418

一、并行化 418

二、算法与画图 423

习题 426

历史与人物 Python语言与范罗苏姆 427

主要参考文献 429

附录1 生物信息学常用代码和关键词 430

附录2 生物信息学主要数据库与分析工具 435

附录3 生物信息学常用英文术语及释义 440

中文名词索引 441

英文名词索引 444

后记 447

目录

CONTENTS

第二版前言

第一版序

第一版前言

本书使用说明

致敬经典

第1章 绪论 1

第一节 生物信息与生物信息学 1

一、迅速增长的生物信息 1

二、生物信息学概念 2

第二节 生物信息学历史与展望 4

一、发展简史 4

二、应用领域 8

三、学科展望 9

习题 14

历史与人物“bioinformatics”之名的由来 14

第2章 生物信息类型及其产生途径 16

第一节 生物信息类型与测序技术 17

一、生物信息的类型 17

二、第一代测序技术 18

三、第二代测序技术 20

四、第三代测序技术 25

第二节 组学数据及其测定 28

一、基因组 28

二、转录组 30

三、其他组学数据 35

第三节 蛋白质序列及其结构测定 49

一、蛋白质序列与蛋白质互作测定 49

二、蛋白质结构测定 51

习题 52

历史与人物 第一台高通量测序仪与罗斯伯格 53

第3章 分子数据库 54

第一节 分子序列数据库概述 54

一、分子数据库及其记录格式 54

二、数据库序列递交与检索 58

第二节 核苷酸序列相关数据库 61

一、核苷酸初级数据库 61

二、核苷酸二级数据库 65

第三节 蛋白质相关数据库 69

一、蛋白质序列与结构数据库 69

二、蛋白质功能域等其他数据库 73

习题 77

历史与人物 分子数据库与戴霍夫和戈德 78

第4章 两条序列联配及其算法 80

第一节 序列联配与计分矩阵 80

一、序列联配 80

二、计分矩阵 81

第二节 两条序列联配算法 87

一、Needleman-Wunsch算法 87

二、Smith-Waterman算法 91

第三节 BLAST算法及数据库搜索 93

一、BLAST算法 93

二、利用BLAST进行数据库序列搜索 94

三、序列相似性的统计推断 103

习题 105

历史与人物 序列联配算法与三个“man” 106

第5章 多序列联配及功能域分析 109

第一节 多序列联配算法 109

一、多序列全局联配算法 109

二、多序列局部联配算法 111

第二节 蛋白质序列功能域 115

一、功能域概念 115

二、功能域模型 116

第三节 熵与信息量 119

一、熵与不确定性 119

二、多序列联配结果的信息量估计 121

习题 122

历史与人物 基序、ClustalW与杜立特 122

第6章 系统发生树构建 124

第一节 系统发生树概述 124

一、系统发生树的概念 124

二、遗传模型 127

第二节 距离法 129

一、UPGMA法 129

二、Fitch-Margoliash法 131

三、邻接法 134

四、最小进化法 136

第三节 最大似然法 137

一、DNA序列的似然模型 137

二、基于最大似然法建树 138

第四节 其他方法 141

一、最大简约法 141

二、贝叶斯法 143

三、基因组组分矢量法 144

习题 146

历史与人物 邻接法、MEGA与根井正利 146

第7章 基因组调查、拼装与分析 148

第一节 基于字符串的基因组调查分析 148

一、基因组大小估计 149

二、基因组复杂度估计 149

第二节 基因组序列拼接与组装 151

一、基因组测序策略与步骤 151

二、基因组序列拼接算法 154

三、基因组染色体水平组装 163

第三节 基因组序列分析与比较 166

一、基因组序列构成分析 166

二、基因组可视化 174

三、比较基因组学分析 175

第四节 基因组重测序数据分析 181

一、分析流程与变异鉴定方法 181

二、泛基因组分析 185

习题 187

历史与人物 文特尔和帕夫纳的神来之笔 188

第8章 基因预测及其功能和结构注释 190

第一节 蛋白质编码基因预测 190

一、基因预测方法及其流程 190

二、隐马尔可夫模型预测方法 196

第二节 基因功能注释 199

一、基于已知基因和功能域数据 199

二、基于功能分类和代谢途径 200

第三节 蛋白质结构预测 202

一、蛋白质结构概述 202

二、蛋白质二级和三级结构预测 204

三、基因突变与蛋白质三维结构功能分析 209

习题 212

历史与人物 HMM、马尔可夫及其他 212

第9章 非编码RNA鉴定与功能预测 214

第一节 小RNA计算识别与靶基因预测 214

一、miRNA主要特征及计算识别 214

二、siRNA主要特征及计算识别 220

三、小RNA靶基因预测 223

第二节 长非编码RNA鉴定与功能预测 225

一、lncRNA鉴定与功能预测 225

二、circRNA鉴定与功能预测 229

习题 235

历史与人物 首届中国生物信息学终身成就奖 236

第10章 基因转录与调控网络 238

第一节 转录组数据分析 238

一、转录组序列比对和拼接 239

二、基因表达分析 241

三、 基因可变剪接与融合 244

四、基因簇鉴定 249

第二节 甲基化分析 252

一、DNA甲基化 252

二、RNA甲基化 254

第三节 基因调控网络分析 256

一、生物网络 256

二、基因调控网络 259

习题 263

历史与人物 DNA自动测序仪、系统生物学与胡德 264

第11章 宏基因组分析 265

第一节 16S rRNA等基因序列数据 265

一、质控与分析流程 267

二、物种多样性估计 269

三、群落结构分析 272

第二节 全基因组序列数据 275

一、分析流程及其主要工具 275

二、宏基因组拼接与物种注释 279

习题 284

历史与人物 16S rRNA、生命之树与乌斯 284

第12章 新类型组学数据分析与利用 286

第一节 三维基因组 286

一、三维基因组数据标准化 286

二、染色质三维多级结构鉴定 289

三、三维基因组组装与可视化 292

第二节 单细胞组学数据 295

一、单细胞组学技术概况 295

二、单细胞基因组分析 297

三、单细胞转录组分析 299

第三节 基因组预测与选择 306

一、基因组数据与动植物育种 306

二、复杂性状的基因组预测与选择 311

第四节 其他 315

一、表型组之图像识别 315

二、合成生物学之基因组设计 323

三、翻译组 328

习题 331

历史与人物 深度学习“三剑客” 332

第13章 群体遗传分析 334

第一节 群体遗传多态性与结构分析 334

一、遗传多态性及其估计 335

二、群体遗传结构分析 337

第二节 自然选择的统计检验 339

一、基于种内多态性的检验方法 341

二、基于种间分歧度的检测方法 345

第三节 种群历史的溯祖分析 347

一、溯祖理论与溯祖模拟 347

二、种群进化模型的溯祖测验 349

三、有效群体大小的溯祖估计 352

第四节 数量遗传学分析 355

一、QTL定位 355

二、全基因组关联分析 362

三、混池分离分析 369

习题 372

历史与人物 马莱科特和科克汉姆的“神器” 373

第14章 生物信息学统计与算法基础 375

第一节 贝叶斯统计 376

一、贝叶斯统计概述 376

二、贝叶斯统计与生物信息学 379

三、图论与概率图模型 380

第二节 概率图模型 381

一、隐马尔可夫模型 381

二、贝叶斯网络 388

三、神经网络 391

第三节 机器学习算法 396

一、最大期望算法 396

二、马尔可夫链蒙特卡罗方法 398

三、动态规划 400

四、遗传算法 401

习题 405

历史与人物 贝叶斯之谜 406

第15章 生物信息学计算机基础 407

第一节 Unix/Linux操作系统 408

一、系统特点及其结构 408

二、Linux Shell常用命令 409

第二节 计算机编程语言 411

一、计算机编程语言概述 411

二、Python语言与Biopython简介 413

三、R语言与Bioconductor简介 415

四、MySQL语言 415

第三节 其他 418

一、并行化 418

二、算法与画图 423

习题 426

历史与人物 Python语言与范罗苏姆 427

主要参考文献 429

附录1 生物信息学常用代码和关键词 430

附录2 生物信息学主要数据库与分析工具 435

附录3 生物信息学常用英文术语及释义 440

中文名词索引 441

英文名词索引 444

后记 447