生物信息学中的数据挖掘方法及应用

　　前言
　　第1章 绪论
　　1.1 什么是生物信息学
　　1.2 生物信息学的研究对象
　　1.2.1 基因组数据
　　1.2.2 蛋白质组数据
　　1.2.3 基因表达数据
　　1.3 生物信息学的研究领域
　　1.4 生物信息学的进展和存在的问题
　　1.4.1 生物信息学的进展
　　1.4.2 生物信息学存在的问题
　　参考文献
　　第2章 操纵子预测
　　2.1 操纵子预测的研究背景及现状
　　2.1.1 操纵子简介
　　2.1.2 操纵子预测的研究现状
　　2.2 操纵子预测的相关数据
　　2.2.1 基因间距离
　　2.2.2 COG功能分类
　　2.2.3 保守基因对（簇）
　　2.2.4 系统进化谱
　　2.2.5 基因本体
　　2.2.6 KEGG同源
　　2.2.7 同义密码子使用偏好性
　　2.2.8 其他属性信息
　　2.2.9 基因组和已知操纵子数据
　　2.3 操纵子预测的相关基础
　　2.3.1 预测问题定义
　　2.3.2 预测数据预处理
　　2.3.3 预测效果评价
　　2.4 基于神经网络的操纵子预测模型
　　2.4.1 模型的具体流程
　　2.4.2 模型的实验验证
　　2.5 基于图聚类方法的操纵子预测模型
　　2.5.1 模型预测流程概括
　　2.5.2 模型预测的具体流程
　　2.5.3 模型的实验验证
　　2.6 小结
　　参考文献
　　第3章 原核生物系统发生树的构建
　　3.1 系统发生树构建的研究背景及现状
　　3.1.1 系统发生树简介
　　3.1.2 原核生物系统发生树构建的研究现状
　　3.2 系统发生树构建的相关数据和基础
　　3.2.1 原核生物基因组数据
　　3.2.2 已知系统进化树数据
　　3.2.3 直系同源信息
　　3.2.4 水平转移基因信息
　　3.2.5 操纵子信息
　　3.2.6 构建问题定义
　　3.2.7 结果性能估计
　　3.3 基于连续直系同源基因的系统发生树构建方法
　　3.3.1 方法描述
　　3.3.2 方法的具体流程
　　3.3.3 方法的实验验证
　　3.4 基于全基因组序列和注释信息的系统发生树构建方法
　　3.4.1 方法描述
　　3.4.2 方法具体流程
　　3.4.3 方法的实验验证
　　3.5 小结
　　参考文献
　　第4章 基于数据扰动的误标记样本检测
　　4.1 误标记样本检测的研究背景及现状
　　4.2 基于LOOPC矩阵的误标记样本检测方法
　　4.2.1 LOOPC矩阵
　　……
　　第5章 基因表达数据中的差异表达基因识别
　　第6章 基于微阵列数据的特征选择
　　第7章 改进的双聚类算法在癌症基因芯片数据中的应用
　　参考文献

　　    生物信息学是一门新兴的交叉学科，《生物信息学中的数据挖掘方法及应用》针对该领域的一些前沿课题，在简要介绍基因组学和转录组学基础知识及有关研究方向的背景后，以数据挖掘算法为中心，系统地介绍了机器学习、统计学习及多种智能算法在生物信息学相关领域的应用，为生物信息方向的初学者提供了入门知识，也为相关研究人员在特定方向进一步深入研究提供参考信息。《生物信息学中的数据挖掘方法及应用》的主要包括操纵子预测、原核生物系统发生树的构建、基于数据扰动的误标记样本检测、差异表达基因识别以及微阵列数据的特征选择等内容。