生物数据整合与挖掘

　　第1章 背景知识
　　1.1 生物信息学
　　1.1.1 基本概念
　　1.1.2 研究内容
　　1.1.3 研究方法
　　1.1.4 研究机构
　　1.2 数据整合
　　1.2.1 数据资源
　　1.2.2 数据整合的动因
　　1.2.3 数据整合的概念
　　1.2.4 数据整合的内容
　　1.3 数据挖掘
　　1.3.1 数据挖掘的定义
　　1.3.2 数据挖掘的任务
　　1.3.3 数据挖掘的类型
　　1.3.4 相关技术的差异
　　第2章 数据整合与数据挖掘方法
　　2.1 数据整合的方法
　　2.1.1 数据整合的方式
　　2.1.2 数据整合的步骤
　　2.2 数据挖掘的方法
　　2.2.1 数据挖掘过程示例
　　2.2.2 数据挖掘过程模型
　　2.2.3 数据挖掘应用方式
　　2.3 数据清洁技术
　　2.3.1 数据的质量问题
　　2.3.2 数据清洁的主要工作
　　2.4 数据仓库技术
　　2.4.1 数据仓库的概念
　　2.4.2 数据组织
　　2.4.3 主题设计
　　2.4.4 数据加载
　　2.4.5 数据规约
　　2.5 小结
　　第3章 生物数据源
　　3.1 生物数据
　　3.1.1 生物序列数据
　　3.1.2 生物分子结构数据
　　3.1.3 芯片及基因表达数据
　　3.1.4 生物网络数据
　　3.2 生物数据组织
　　3.2.1 生物数据的数据库组织形式
　　3.2.2 生物数据的互联网组织形式
　　3.3 生物数据库
　　3.3.1 生物序列数据库
　　3.3.2 基因组数据库
　　3.3.3 结构数据库
　　3.3.4 芯片和基因表达数据库
　　3.3.5 生物文献数据库
　　3.4 生物数据源的特征
　　3.5 小结
　　第4章 复杂生物数据源的数据抽取
　　4.1 生物数据抽取
　　4.1.1 生物数据抽取面临的问题
　　4.1.2 包装器的要素
　　4.1.3 抽取算法
　　4.1.4 元数据生成与包装器生成工具
　　4.2 包装器的设计
　　4.2.1 基于实例切分的抽取算法
　　4.2.2 基于定位器多结点共享的数据抽取模型
　　4.2.3 数据抽取模型描述
　　4.2.4 元数据的生成和维护
　　4.2.5 数据抽取模型表达能力
　　4.3 包装器解决方案
　　4.3.1 面向无噪声复杂数据源的解决方案
　　4.3.2 面向含噪声复杂数据源的解决方案
　　4.3.3 ReDE和L-树包装器生成工具的架构
　　4.3.4 ReDE和L-树包装器生成工具的实现技术
　　4.4 L-树匹配：面向复杂数据源的数据抽取算法
　　4.4.1 L-树上的数据映射机制
　　4.4.2 L-树匹配算法的相关概念
　　4.4.3 L-树匹配算法
　　4.4.4 L-树匹配算法举例
　　4.5 基于L-树的包装器生成工具
　　4.5.1 将ERE扩充成数据抽取脚本语言
　　4.5.2 可视化编辑调试环境
　　4.5.3 ERE的可视化构建
　　4.5.4 ERE的逻辑检查
　　4.5.5 抽取结果的可视化评价
　　4.5.6 以XML格式输出抽取结果
　　4.6 小结
　　第5章 生物数据整合案例
　　5.1 生物数据整合系统的设计
　　5.1.1 生物数据整合的关键问题分析
　　5.1.2 生物数据整合目标的确立
　　5.1.3 生物数据整合方式和技术的设计
　　5.2 基于GO的数据整合
　　5.2.1 GO简介
　　5.2.2 DB2GO表
　　5.2.3 语义相似数据库表
　　5.2.4 以GO统一数据的逻辑和语义
　　5.3 数据抽取和增量更新
　　5.3.1 数据抽取
　　5.3.2 数据的增量更新
　　5.4 基于GO的查询技术
　　5.4.1 异构生物数据库的语义查询
　　5.4.2 BioDW中语义查询的体系结构
　　5.4.3 GO语义相似性度量方法
　　5.4.4 语义相似性查询
　　5.5 BioDW系统
　　5.5.1 BioDW的系统结构
　　5.5.2 BioDW的系统的数据规模
　　5.5.3 BioDW的数据查询
　　5.6 小结
　　第6章 生物序列数据挖掘进展
　　6.1 生物序列数据挖掘的基本概念和内容
　　6.1.1 生物序列相似性
　　6.1.2 生物序列模式挖掘
　　6.1.3 生物序列聚类分析
　　6.1.4 生物序列分类分析
　　6.1.5 生物序列关联分析
　　6.1.6 生物序列异常分析
　　6.2 生物序列数据挖掘的研究阶段
　　6.2.1 基于统计技术的数据挖掘方法的应用阶段
　　6.2.2 一般化数据挖掘方法的应用阶段
　　6.2.3 专门数据挖掘技术的设计阶段
　　6.3 生物序列数据挖掘研究与应用现状
　　6.3.1 生物序列模式挖掘方面
　　6.3.2 生物序列聚类分析方面
　　6.3.3 生物序列分类分析方面
　　6.3.4 生物序列关联分析方面
　　6.3.5 生物序列异常分析方面
　　6.4 生物序列数据挖掘研究趋势
　　6.5 小结
　　第7章 生物序列数据挖掘技术
　　7.1 序列数据源
　　7.2 生物序列模式挖掘
　　7.2.1 生物序列模式挖掘问题
　　7.2.2 基于多支持度的生物序列模式挖掘框架
　　7.2.3 基于多支持度的生物序列模式挖掘算法
　　7.3 生物序列聚类分析
　　7.3.1 生物序列聚类问题分析
　　7.3.2 蛋白质序列聚类
　　7.3.3 基因序列聚类
　　7.4 生物序列分类分析
　　7.4.1 生物序列分类问题分析
　　7.4.2 转录因子分类
　　7.4.3 基于支持向量机的转录因子分类算法
　　7.5 小结
　　第8章 基因芯片数据挖掘
　　8.1 基因表达谱芯片数据挖掘
　　8.1.1 基因表达谱数据分析
　　8.1.2 基因表达相似性分析
　　8.1.3 基因表达共发生分析
　　8.1.4 基因表达路径分析
　　8.1.5 特殊表达基因分析
　　8.2 基因表达谱数据库建设
　　8.2.1 基因表达谱芯片数据的标准
　　8.2.2 基因表达谱数据库建设的难点
　　8.2.3 数据库结构设计
　　8.2.4 数据加载与数据管理
　　8.2.5 自动导入数据
　　8.3 基因表达谱数据挖掘系统
　　8.3.1 数据挖掘框架
　　8.3.2 BDMAPA架构扩展
　　8.3.3 基因表达谱芯片数据挖掘系统
　　8.4 小结
　　第9章 转录因子、顺式调控元件挖掘系统
　　9.1 转录因子、顺式调控元件挖掘原理
　　9.1.1 转录因子、顺式调控元件挖掘原理
　　9.1.2 顺式调控元件文本挖掘原理
　　9.2 转录因子、顺式调控元件挖掘系统设计
　　9.2.1 数据挖掘软件
　　9.2.2 数据分析服务
　　9.2.3 综合的转录因子、顺式调控元件数据库
　　9.3 小结
　　第10章 生物序列数据库管理系统
　　10.1 生物数据处理面临的问题
　　10.1.1 生物数据存储方式
　　10.1.2 生物序列数据库的查询需求
　　10.2 生物序列数据模型BioSeg
　　10.2.1 数据结构
　　10.2.2 代数操作
　　10.2.3 Open BUILTIN函数
　　10.2.4 等价规则
　　10.2.5 BioSeg模型的特点
　　10.3 生物序列数据库管理系统的设计
　　10.3.1 代数查询实例
　　10.3.2 查询语言
　　10.3.3 体系结构
　　10.4 小结
　　参考文献
　　致谢

　　朱扬勇，1963年生，浙江武义人。1994年于复旦大学获计算机软件专业理学博士学位。现为复旦大学计算机科学技术学院教授；上海市政府信息化专家；上海生物信息技术研究中心学术委员会委员；上海市计算机学会理事；上海市生物信息学会理事等。长期从事数据库、数据挖掘、生物信息等方面的研究，已发表论文100余篇，出版《数据库系统设计与开发》等教材5本。作为项目负责人，主持国家自然科学基金、“863计划”、上海市科委重点发展基金等10多项课题的研究工作。目前主要从事数据科学的研究.是该领域的主要倡导者。熊贇，1980年生，江西南昌人。2008年于复旦大学获计算机软件与理论专业理学博士学位。现为复旦大学计算机科学技术学院教师。主要研究领域为数据科学.包括数据整合与挖掘、生物信息技术等。在国内外主要刊物和会议上已发表论文20余篇。作为主要研究者参与国家自然科学基金、“863计划”、上海市科委重点发展基金等多项生物信息学领域的研究课题。作为项目负责人，主持上海市科委重点发展基金项目“面向医保基金风险防控的数据分析关键技术研究与实现”的研究工作。

　　《生物数据整合与挖掘》较为系统地介绍了生物数据整合与挖掘的技术框架，主要介绍了作者在这方面的研究成果，包括：生物数据抽取技术、生物数据整合技术、生物序列数据挖掘、基因表达谱芯片数据挖掘、转录因子及顺式调控元件挖掘、生物数据模型和数据库管理系统等内容，还介绍了一个生物数据整合系统、一个基因表达谱芯片数据库和数据挖掘系统、一个转录因子及顺式调控元件的挖掘分析平台等等的设计与实现。生物信息学应用计算机技术对各种生物数据进行管理和分析，以期发现生物数据所反映的生物规律，促进生命科学的发展。一方面，生命科学实验产生的巨量的生物数据保存在世界各地的相关研究机构中，或隐含在浩瀚的科学文献里。这些数据反映了生命科学研究的整体进展和成果，有重叠更相互补充，这就需要将这些生物数据整合在一起。另一方面，生物信息学也希望采用数据挖掘技术对生物数据进行分析，以期发现生物规律，因此根据生命科学的需要和领域知识，设计出有效的生物数据挖掘算法和软件工具是一个重要的研究内容。《生物数据整合与挖掘》的读者对象为从事生物信息学研究的科学工作者。《生物数据整合与挖掘》也可以作为生物信息学专业研究生的教学参考书和生物软件工程技术人员的参考书。