新書推薦：
《
海外中国研究·米芾：风格与中国北宋的书法艺术（艺术系列）
》
售價：HK$
194.4
《
华南地区边坡绿化乡土植物图鉴
》
售價：HK$
147.2
《
千秋堂丛书002：北洋之乱——一本书讲清武夫治国、军阀混战的北洋时代
》
售價：HK$
112.7
《
声学手册 第7版 声学设计与建筑声学实用指南
》
售價：HK$
218.3
《
掼蛋入门到精通（礼盒版）
》
售價：HK$
193.2
《
中国书法散论（熊秉明文艺三书）
》
售價：HK$
71.3
《
战争事典083：细说靖难之役 ： 明成祖朱棣的戎马征程
》
售價：HK$
114.8
![时尚箱包及配饰 [英]达拉-简·吉尔罗伊](http://103.6.6.66/upload/mall/productImages/24/31/9787111756842.jpg)
《
时尚箱包及配饰 [英]达拉-简·吉尔罗伊
》
售價：HK$
170.2
|
| 編輯推薦： |
|
本书作者在研究实践基础上，结合国内外最新研究进展，对微生物组数据相关的基础知识和理论进行了系统梳理，并对微生物组数据挖掘、尤其是人工智能方法在微生物组数据中的应用等内容进行了简明清晰的阐释。内容聚焦而系统，立意新颖，紧跟学科前沿，填补了相关内容出版物的空白。
|
| 內容簡介： |
|
微生物组学（microbiomics）是继基因组学之后，生物学研究领域的重大突破之一。特别是近20年来，国际上有关微生物组学的研究进展极其迅速，不仅积累了上百万的微生物群落样本，而且在人体健康、环境保护、工业生产等方面发掘了大量的微生物资源，发现了大批的微生物变化规律。当今人工智能（AI）技术一日千里，将其运用于微生物组的大数据挖掘，可极大地促进微生物资源的理性转化与应用。本书较为全面系统性地梳理了AI赋能微生物组的基本概念和分析流程，以及21世纪前20年来相关数据挖掘方法和典型应用案例，并对其未来发展趋势和应用潜力进行了总结与展望，可供微生物组研究相关的科研工作者，以及对组学数据挖掘感兴趣的师生参考。
|
| 關於作者： |
|
宁康：华中科技大学生命科学与技术学院教授，博士生导师，生物信息与系统生物学系系主任，华中卓越学者特聘教授，湖北省楚天学者特聘教授。在生物信息学领域从事科研工作10余年，研究重点方向为生物大数据和微生物组的挖掘及其在健康与环境等领域的应用。目前主持国家自然科学基金项目、科技部重大研究计划课题等。已作为通讯作者在PNAS、Gut、Genome Biology、Genome Medicine、Microbiome、Briefings in Bioinformatics、Nucleic Acids Research等生物学、医学和生物信息学顶级学术期刊发表学术论文100余篇，文章总引用超过5000次。担任Genomics Proteomics Bioinformatics、Microbiology Spectrum等国际期刊编委，担任中国生物信息学学会-基因组信息学分会副主任等。
|
| 目錄：
|
第1章微生物组1
11基本概念1
111微生物群2
112宏基因组4
113微生物组5
12微生物组高通量测序5
121扩增子测序6
122宏基因组测序7
123测序技术的发展9
124鸟枪法宏基因组测序的拓展研究11
13微生物组测序数据和基本分析流程14
小结16
参考文献16
第2章微生物组大数据及其主流分析方法20
21基本概念及分类20
22微生物组大数据的特征22
23微生物组的主流数据库23
24微生物组的主流数据分析方法和软件24
241扩增子分析软件27
242宏基因组分析软件27
243统计和可视化工具28
25微生物组数据整合中的批次效应28
251平均中心方法30
252Zscore方法30
253基于比值的方法31
254距离加权判别法31
255ComBat方法31
256基于奇异值分解方法31
257替代变量分析法31
26微生物数据分析流程32
26116S扩增子数据分析流程33
262宏基因组数据分析流程35
小结37
参考文献37
第3章微生物组大数据挖掘43
31微生物组大数据挖掘概述43
311微生物组数据挖掘背景43
312人工智能简介44
313人工智能和高性能计算47
314机器学习的概念及方法47
315深度学习的概念及方法52
316计算机经典算法简介58
32微生物组数据挖掘方法61
321微生物组大数据挖掘主流方法及其特征61
322微生物组数据挖掘技术简介62
323微生物标志物挖掘及经典案例64
324微生物组样本比对和特征预测及经典案例65
325微生物组时序网络挖掘及经典案例66
33微生物组大数据挖掘的人工智能方法67
331在生物研究中的人工智能方法67
332在微生物组研究中的人工智能方法71
333人工智能应用实例73
34微生物组数据挖掘的瓶颈问题及应对策略77
341微生物组大数据挖掘瓶颈77
342微生物组大数据挖掘瓶颈问题的应对策略78
小结80
参考文献81
第4章微生物组大数据的应用85
41不同宿主环境下的微生物组数据研究86
411大黄蜂微生物组研究86
412鱼类微生物组研究87
413小龙虾微生物组研究89
414从抗生素耐药性角度研究水稻小龙虾共养模式90
415鸡微生物组研究91
416欧洲野兔微生物组研究91
417家畜微生物组研究92
42人体微生物组数据研究93
421肠型分析96
422肠道微生物亚群与饮食、代谢疾病的关联分析97
423人类饮食与肠道菌群的个性化关联98
424体育锻炼与肠道菌群的相关性研究98
425幼儿肠道微生物组的时间发育变化100
426肠道菌群与年龄预测101
427微生物组与癌症相关性研究101
428肠道菌群与非酒精性脂肪肝的防治102
429肠易激综合征患者肠道菌群的研究103
4210类风湿性关节炎患者微生物失调和代谢紊乱研究104
4211下呼吸道细菌性感染诊断研究105
4212肠道菌群可塑性研究105
43环境和工程领域的微生物组数据研究106
431土壤微生物组研究107
432污水处理厂微生物群落挖掘108
433植物根际微生物群落研究109
434甘草基因表达微生物群落代谢产物调控模式研究110
435地下水微生物来源分析111
436水体抗生素抗性基因研究112
437湖泊抗生素抗性基因研究113
438全球海洋宏转录组研究114
439海洋微生物群落中的抗生素抗性基因研究115
4310利用海洋宏基因组学预测新蛋白质家族116
4311重症监护病房微生物研究117
4312微生物溯源研究118
4313本体感知深度学习应用于微生物溯源的研究119
4314迁移学习应用于微生物分类研究120
小结121
参考文献122
第5章微生物组大数据挖掘的发展趋势和未来态势129
51人工智能赋能的微生物组大数据挖掘的总体知识框架131
52新技术和新发现驱动微生物组研究的不断进步131
53微生物组暗物质和大数据挖掘137
参考文献140
附录143
附录1术语解释144
附录2微生物基因组概述150
附录3基因组功能注释153
附录4人类微生物组研究的30个重大里程碑事件157
|
| 內容試閱：
|
微生物是普遍存在于自然界中且具有重要意义的生命体，以微生物群落的形式存在。一个微生物群落包含几十到数千种微生物，这些微生物相互协作以适应环境的变化；同时，它们的生命活动也会对环境产生巨大影响。微生物组研究以这些微生物为基础，研究对象包括微生物群落中所有的遗传物质、相关环境参数和代谢产物，以及它们之间的复杂关系和动态变化特征等，研究过程具有极高的复杂性。
近年来，随着人们对微生物越来越深入的了解，有关微生物群落的基础研究及其在健康、环境等领域的应用研究的重要性愈发凸显，各国也越来越重视微生物组研究的发展。2016年，美国启动了”国家微生物组计划(NationalMicrobiome Initiative，NMI)”，此项研究计划投资1亿多美元。我国也在酝酿启动微生物组研究计划，并于2016年在《“十三五”国家战略性新兴产业发展规划》中重点强调”肠道微生物宏基因组学等关键技术创新与精准营养食品创制”，科技部在2017年将微生物组研究列为“重大颠覆性技术”之一。
微生物组的生物信息学分析主要依赖于微生物组学相关的海量测序数据和数据挖掘方法。随着高通量测序技术和下一代信息技术的日臻完善，微生物组研究日新月异，已经涵盖从群落结构到群落功能、从基因挖掘到规律发掘、从免疫到营养、从人体健康到环境监控等各类基础和应用研究方向。因此，微生物组学已经从传统意义上的生物学分支学科，转变为生物学、生物技术、大数据、人工智能等多学科交叉的综合类学科。
在微生物组数据整合与深入分析时，大数据技术和机器学习技术非常适用。首先，微生物组数据具备大数据的4V特点：①数据量大(volume);②类型繁多(variety);③速度快、时效高(velocity);④价值密度低(value)。其次，微生物组学大数据需要深入挖掘。从庞大的数据中提取未知、隐含且具备潜在价值的信息是一个艰难的过程，但微生物组学大数据的挖掘最终将直接服务于临床诊断、预测和潜在治疗方案的提出，具有明显的临床转化价值和意义。
然而，目前国内微生物组学大数据挖掘方面的相关书籍十分欠缺，特别是有关利用人工智能技术挖掘微生物组学大数据的图书基本属于空白。这种现状与国内微生物组研究如火如荼的趋势形成了鲜明对比，甚至影响了国内微生物组研究，尤其是在数据分析和挖掘方面的进展。行业内亟须一本介绍微生物组学大数据挖掘的学术专著，服务于微生物组研究相关的广大师生和科研人员，以及对微生物组感兴趣的大众读者。
本书包括微生物组数据整理和整合、微生物组数据挖掘方法、微生物组数据挖掘案例等多个部分。笔者团队组织多方力量，较为全面地介绍了21世纪前20年微生物组研究中有关数据分析挖掘和转化应用方面的知识与进展。
其中，第1章主要由宁康和杨朋硕组织整理，第2章主要由查毓国组织整理，第3章主要由计磊组织整理，第4章主要由李玉雪组织整理。最后，宁康在第5章就微生物组学大数据挖掘的发展趋势和应用潜力进行了展望和总结。本书附录提供了微生物基因组基础知识、基因功能注释、微生物组研究重大里程碑事件等内容，有助于读者获取当前微生物组大数据挖掘相关的全方位信息。
本书理论联系实际，较为全面和深入地介绍了微生物组学，特别是微生物组学大数据和数据挖掘方面的知识与研究进展。希望通过阅读本书，读者能够较为全面地掌握微生物组学相关大数据挖掘分析的方法，并能够通过实例指导自己的项目设计与分析。
需要强调的是，当今微生物组学研究成果层出不穷，建议读者主动阅读相关文献，这样既可以加深对微生物组学的理解，更好地学习相关新技术和新发现；又有助于不断提高业务水平，提升自己的微生物组研究洞察力和研究效率。
最后，祝大家在微生物组学习和研究的过程中，享受学习知识和探究科学的乐趣，同时取得更好的成果!让我们一起推动微生物组研究领域不断进步!
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
