编辑推荐
生物医药大数据与智能分析领域的最新研究成果和应用概述。
内容简介
本书简要介绍了并行计算、机器学习和深度学习应用于生物医药大数据的相关基础知识，并总结了作者团队在生物医药大数据处理和分析领域的若干成果，主要涵盖基因表达谱分析、微生物基因组、药物虚拟筛选、肿瘤基因表达谱分类、RNA编辑位点识别、增强子识别等，以作者团队的研究成果为实际案例，详细介绍了研究的路线和方法。
展开全文
- 封面
- 扉页
- 版权信息
- 内容提要
- 序言1
- 序言2
- 前言
- 第一篇 绪论
- 第1章 生物医药大数据与智能分析概述
- 1.1 生物医药大数据
- 1.2 生物医药大数据的高效处理
- 1.2.1 大规模并行处理技术
- 1.2.2 云计算技术
- 1.3 生物医药大数据的智能分析
- 1.4 总结
- 1.5 本书的内容安排
- 第二篇 生物医药大数据的高效处理
- 第2章 生物医药大数据高效处理的基础
- 2.1 大数据计算模型
- 2.1.1 外存模型
- 2.1.2 数据流模型
- 2.1.3 PRAM模型
- 2.1.4 MapReduce模型
- 2.2 并行计算
- 2.2.1 计算密集型和数据密集型
- 2.2.2 并行计算的粒度
- 2.2.3 并行编程的一般设计过程
- 2.2.4 并行编程模型
- 2.3 总结
- 第3章 海量基因表达谱分析
- 3.1 基因表达谱分析与生物效应评估概述
- 3.2 海量基因表达谱快速查询
- 3.2.1 GSEA工具
- 3.2.2 海量基因表达谱查询算法
- 3.2.3 性能评估
- 3.3 海量基因表达谱并行比对与聚类
- 3.3.1 基因表达数据库CMap
- 3.3.2 基因表达谱并行比对
- 3.3.3 基因表达谱并行聚类
- 3.3.4 性能评估
- 3.4 总结
- 第4章 功能性前噬菌体预测
- 4.1 前噬菌体预测概述
- 4.1.1 噬菌体与功能性前噬菌体
- 4.1.2 前噬菌体与功能性前噬菌体预测的挑战
- 4.2 功能性前噬菌体预测算法
- 4.2.1 LysoPhD流程设计
- 4.2.2 数据质量控制流水线
- 4.2.3 前噬菌体范围的粗略预测
- 4.2.4 前噬菌体范围的精确预测
- 4.2.5 前噬菌体功能性分析
- 4.2.6 基于末端延伸算法的溶原性噬菌体完整序列提取
- 4.2.7 性能评估
- 4.3 预测算法并行化
- 4.3.1 多线程并行加速
- 4.3.2 溶原性噬菌体数据库构建
- 4.4 总结
- 第5章 高通量药物虚拟筛选
- 5.1 药物虚拟筛选概述
- 5.1.1 药物虚拟筛选
- 5.1.2 虚拟筛选软件D3DOCKxb
- 5.2 基于CPU多核的药物虚拟筛选并行优化
- 5.2.1 D3DOCKxb程序分析
- 5.2.2 基于CPU多核的D3DOCKxb设计与实现
- 5.2.3 性能评估
- 5.3 基于CPU-MIC协同的药物虚拟筛选并行优化
- 5.3.1 基于MIC协处理器的D3DOCKxb移植
- 5.3.2 CPU-MIC异构协同的mD3DOCKxb
- 5.3.3 性能评估
- 5.4 基于“天河二号”超级计算机的大规模高通量药物虚拟筛选平台
- 5.4.1 高通量虚拟筛选的主要挑战
- 5.4.2 高通量虚拟筛选的算法设计
- 5.4.3 性能评估
- 5.4.4 应用研究
- 5.5 总结
- 第三篇 生物医药大数据的智能分析
- 第6章 生物医药大数据的智能分析基础
- 6.1 传统的机器学习技术
- 6.2 深度学习在生物医药大数据中的应用
- 6.2.1 在组学研究中的应用
- 6.2.2 在生物医学影像中的应用
- 6.2.3 在生物医学信号处理中的应用
- 6.2.4 在药物研发中的应用
- 6.3 常见的深度学习模型和框架
- 6.3.1 常见的深度学习模型
- 6.3.2 常见的深度学习框架
- 6.4 深度学习解决生物大数据问题的一般方法
- 6.4.1 数据获取及编码
- 6.4.2 数据预处理
- 6.4.3 模型训练
- 6.4.4 性能评估
- 6.5 总结
- 第7章 基于字典学习的肿瘤基因表达谱分类
- 7.1 肿瘤基因表达谱分类概述
- 7.1.1 肿瘤与基因表达谱
- 7.1.2 分类算法
- 7.2 基于判别投影的字典学习基因表达谱分类
- 7.2.1 字典学习分类算法
- 7.2.2 基于判别投影的字典学习算法
- 7.2.3 性能评估
- 7.3 结合集成学习的字典学习基因表达谱分类
- 7.3.1 集成学习
- 7.3.2 结合集成学习的字典学习算法
- 7.3.3 性能评估
- 7.4 基于随机序列和样本距离的基因表达谱特征选择
- 7.4.1 数据预处理方法
- 7.4.2 肿瘤基因表达谱数据的特征选择
- 7.4.3 性能评估
- 7.5 总结
- 第8章 基于深度学习的RNA编辑位点识别
- 8.1 RNA编辑识别概述
- 8.1.1 RNA编辑
- 8.1.2 RNA编辑识别面临的挑战
- 8.2 RNA编辑位点金标集的构建
- 8.2.1 ENCODE计划
- 8.2.2 基于ENCODE计划的RNA编辑位点金标集设计
- 8.2.3 训练集和测试集的构建
- 8.3 基于双向LSTM的RNA编辑位点识别
- 8.3.1 双向长短时记忆网络
- 8.3.2 rnnRed算法网络模型的构建、训练及性能评估
- 8.4 基于ResNet的RNA编辑位点识别
- 8.4.1 残差网络
- 8.4.2 cnnRed算法网络模型的构建、训练及性能评估
- 8.5 总结
- 第9章 基于深度学习的增强子识别
- 9.1 增强子识别概述
- 9.2 增强子识别神经网络
- 9.2.1 模型的设计
- 9.2.2 模型的优化
- 9.3 增强子序列数据集的预处理
- 9.3.1 增强子数据集
- 9.3.2 增强子序列的数值映射
- 9.4 模型的训练
- 9.4.1 训练集及实验平台
- 9.4.2 参数的选择
- 9.5 模型的预测评估
- 9.5.1 测试集及实验平台
- 9.5.2 性能度量指标
- 9.5.3 模型性能评估
- 9.6 总结
- 参考文献
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2021
作者：彭绍亮
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《生物医药大数据与智能分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2021
作者：彭绍亮
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《生物医药大数据与智能分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
生物医药大数据与智能分析
免费读 (VIP)