正版
生物多组学数据分析方法
- 书名
- 生物多组学数据分析方法
- 作者
- 赵天意,王亚东 编著 编
- 出版社
- 电子工业出版社
- 出版时间
- 2026-05-01
- ISBN
- 9787121527227
- 货号
- 1204472679
- 品相
- 全新
- 分类
- 当代·科技
- 书名
- 生物多组学数据分析方法
- 作者
- 赵天意,王亚东 编著 编
- 出版社
- 电子工业出版社
- 出版时间
- 2026-05-01
- ISBN
- 9787121527227
- 货号
- 1204472679
- 品相
- 全新
- 分类
- 当代·科技
作者简介▼
赵天意 哈尔滨工业大学哈尔滨工业大学计算学部生物信息学研究中心教授、博士生导师、生物信息学系主任、生物信息技术研究院副院长。研究方向为单细胞数据分析算法、生物网络分析算法,旨在通过对深度学习、机器学习算法的创新突破解决生物学问题。主持国家重点研发计划课题1项、国家自然基金1项、哈工大青年人才项目1项、医工交叉项目1项。
目录▼
第1章基因组学数据分析1
1.1基因组学核心概念与技术体系2
1.1.1新一代测序技术原理3
1.1.2参考基因组的概念与应用4
1.1.3基因组序列比对原理与算法4
1.1.4基因组变异检测方法5
1.1.5基因组学常用数据格式7
1.1.6序列比对核心算法10
1.1.7核心算法实战(Python实现)14
1.2DNA序列比对实战18
1.2.1安装Conda和比对工具集18
1.2.2下载参考基因组20
1.2.3下载FASTQ文件23
1.2.4BWA序列比对与结果处理24
1.3GATK变异检测与注释实战28
1.3.1GATK的安装与配置29
1.3.2输入数据说明29
1.3.3去除PCR重复29
1.3.4识别变异29
1.3.5变异质量过滤与SnpEff注释30
1.3.6使用IGV进行可视化31
课后习题32
第2章Bulk转录组学数据分析33
2.1BulkRNA-seq分析概述34
2.2数据处理方法35
2.2.1原始测序数据格式35
2.2.2初始质量控制35
2.2.3序列修剪与序列过滤35
2.2.4预处理阶段的质量控制要点36
2.3序列比对与表达定量36
2.3.1参考基因组的获取与索引构建36
2.3.2比对方法概述37
2.3.3主流比对工具37
2.3.4无比对定量38
2.3.5基因表达矩阵构建38
2.3.6比对结果评估与质量控制39
2.4差异表达分析39
2.4.1数据归一化与校正39
2.4.2通过PCA与聚类评估样本关系40
2.4.3差异表达统计模型41
2.4.4常用差异表达分析工具41
2.4.5分析流程与参数设置42
2.4.6差异表达基因结果解读42
2.4.7结果可视化43
2.5功能富集与通路分析44
2.5.1基因列表与背景集准备44
2.5.2GO功能富集分析44
2.5.3通路富集分析45
2.5.4基因集富集分析45
2.5.5富集结果的可视化与综合解释46
2.6数据分析的可视化总结47
2.6.1质量评估结果可视化47
2.6.2表达数据分布和样本可视化47
2.6.3差异表达结果可视化47
2.6.4富集分析结果可视化48
2.6.5其他可视化工具48
2.7可变剪接分析49
2.7.1可变剪接事件类型49
2.7.2剪接分析方法与工具49
2.7.3差异剪接分析流程50
2.7.4剪接结果解读与实例50
2.8基因共表达网络分析51
2.8.1WGCNA原理简介51
2.8.2WGCNA网络构建步骤51
2.8.3模块与表型性状的关联分析52
2.8.4模块功能注释与枢纽基因识别52
2.9Bulk转录组数据分析实战53
2.9.1实验背景与数据集介绍53
2.9.2数据预处理和比对方法54
2.9.3差异表达基因分析结果57
2.9.4功能/通路富集分析结果61
2.9.5共表达网络分析结果64
2.9.6结果整合与生物学意义70
课后习题71
第3章单细胞转录组学数据分析72
3.1单细胞转录组测序技术概述73
3.1.1转录组学基础73
3.1.2技术背景及实验流程73
3.1.3测序技术分类与对比75
3.2单细胞转录组数据结构76
3.2.1数据构成与数据格式76
3.2.2Python中的AnnData对象77
3.2.3R中的Seurat对象81
3.3单细胞转录组基础分析流程85
3.3.1数据预处理方法85
3.3.2降维与聚类分析90
3.3.3细胞类型注释92
3.3.4差异表达分析93
3.3.5功能富集分析95
3.3.6拟时序轨迹推断95
3.3.7常用分析工具概览96
3.4单细胞数据整合97
3.4.1Seurat锚点整合法97
3.4.2Harmony算法99
3.4.3ComBat算法100
课后习题102
第4章空间转录组学数据分析103
4.1空间转录组学概述104
4.2技术分类与核心原理106
4.2.1基于NGS的空间转录组技术106
4.2.2基于成像的空间转录组技术107
4.3基础分析流程108
4.3.1基于测序平台的数据分析108
4.3.2基于成像平台的数据分析122
4.4进阶空间分析方法128
4.4.1细胞类型反卷积分析128
4.4.2空间邻域分析133
4.4.3细胞通信推断136
4.5数据与工具资源138
4.5.1综合性资源库138
4.5.2疾病专项数据库140
4.5.3技术导向型资源库141
课后习题143
第5章质谱蛋白质组学数据分析144
5.1基本概念145
5.1.1质谱测量与分析整体流程145
5.1.2各分析环节的方法学145
5.1.3数据采集类型146
5.1.4定量标记类型146
5.2蛋白质定量分析146
5.2.1DDALFQ数据定量146
5.2.2DIALFQ数据定量153
5.2.3TMT数据定量154
5.3蛋白质表达矩阵类型156
5.3.1DDALFQ数据的表达矩阵156
5.3.2DIALFQ数据的表达矩阵156
5.3.3TMTFragPipe数据的表达矩阵156
5.3.4TMTMaxQuant数据的表达矩阵156
5.4定量数据预处理156
5.4.1数据输入与MSnSet对象的构建157
5.4.2数据插补方法159
5.4.3数据标准化方法161
5.4.4差异蛋白表达分析162
课后习题164
第6章代谢组学数据分析165
6.1代谢组学概述166
6.2代谢组学的研究方法166
6.3代谢组学数据结构167
6.3.1质谱分析核心概念167
6.3.2常用数据格式168
6.4常用数据库及检索工具169
6.4.1综合性数据库170
6.4.2质谱图预测平台171
6.4.3化学结构检索工具172
6.5数据处理与分析平台172
6.5.1原始数据格式转换174
6.5.2在线统计分析可视化178
课后习题184
第7章医学影像处理与分析185
7.1医学影像概述与多模态融合186
7.1.1医学影像的研究价值186
7.1.2多模态数据融合策略187
7.2数据获取与预处理189
7.2.1医学影像的获取途径与存储格式189
7.2.2影像读取与标准化流程191
7.3深度图像特征提取与分析194
7.3.1深度学习特征提取模型194
7.3.2特征处理与建模196
7.4大模型在医学影像中的应用197
7.4.1图文匹配与检索197
7.4.2图像分割与区域分析199
7.4.3医学影像语义生成与报告分析200
课后习题201
第8章R语言在生物信息学中的应用202
8.1走入R语言203
8.1.1R语言简介203
8.1.2CRAN与Bioconductor203
8.1.3BiocManager的安装203
8.2R语言数据结构与编程范式204
8.2.1R语言中的S4对象204
8.2.2SingleCellExperiment结构204
8.3数据预处理流程205
8.3.1PBMC3k数据集背景205
8.3.2加载可重复数据205
8.3.3子集选取与数据访问206
8.3.4质量控制206
8.4数据核心分析流程207
8.4.1数据标准化与高变基因选择207
8.4.2数据降维分析208
8.5数据可视化与解释208
8.5.1质量控制与预处理结果可视化208
8.5.2UMAP/t-SNE聚类结果可视化209
8.6细胞聚类与注释209
8.6.1无监督聚类方法209
8.6.2标记基因鉴定与差异表达分析210
8.6.3细胞类型注释211
8.7高级生物信息学R包212
8.7.1基因组数据结构化212
8.7.2BulkRNA-seq差异表达分析212
8.7.3原始测序数据处理213
8.7.4高级基因组可视化213
8.7.5计算性能优化213
课后习题213
文摘▼
本书是一本系统介绍生物多组学数据分析原理与实战的专业教材。全书共8章,内容涵盖从基因组学到医学影像处理的前沿技术与核心算法。首先,书中详细介绍了基因组学数据分析,包括新一代测序技术原理、序列比对及变异检测流程;随后,深入讲解了转录组学领域的三大核心技术——Bulk RNA-seq、单细胞转录组测序及空间转录组测序的数据处理与分析方法;接着,系统阐述了质谱蛋白质组学和代谢组学的数据采集、定性定量分析及多变量统计分析;此外,本书还特别增设了医学影像处理与分析章节,探讨了多模态数据融合及深度学习在医学影像中的应用;最后,本书第8章专门介绍了R语言在生物信息学中的基础架构与应用。
本书理论与实践并重,通过原理概述、工具介绍、代码实战(涵盖Linux、R和Python)及结果解读等模块,全方位展示了生物多组学数据分析的全流程。通过学习本书,读者能够掌握多组学数据分析的核心技能,为开展系统生物学研究奠定坚实基础。
本书可作为生物信息学、医学、生命科学等相关专业高年级本科生及研究生的教材,也可供从事生命科学研究的科研人员及临床医生参考。





