深度测序数据的生物信息学分析及实例
目 录内容简介
目录
前言
1 深度测序技术与生物信息学 1
1.1 深度测序的常用平台 1
1.1.1 Illumina测序系统 1
1.1.2 Roche 454测序仪 5
1.1.3 Applied Biosystems SOLiD测序仪 7
1.1.4 PacBio RSII单分子测序 8
1.1.5 Ion PGM和Proton半导体测序仪 8
1.2 深度测序技术对生物医学研究和社会的影响 9
查看完整
前言
1 深度测序技术与生物信息学 1
1.1 深度测序的常用平台 1
1.1.1 Illumina测序系统 1
1.1.2 Roche 454测序仪 5
1.1.3 Applied Biosystems SOLiD测序仪 7
1.1.4 PacBio RSII单分子测序 8
1.1.5 Ion PGM和Proton半导体测序仪 8
1.2 深度测序技术对生物医学研究和社会的影响 9
查看完整
目 录内容简介
《深度测序数据的生物信息学分析及实例》几乎涵盖了深度测序数据分析及应用的各个方面，适用于从事深度测序数据分析研究的技术人员和学者。在《深度测序数据的生物信息学分析及实例》中，不仅可以了解到深度测序技术应用的领域，还可以通过具体实例，了解到不同软件的相关算法、原理及使用方法，以帮助选择适合自身研究和应用所需要的深度测序数据分析的解决方案。
《深度测序数据的生物信息学分析及实例》适合从事生物信息学、系统生物学、医学信息学、转化医学、精准医学、健康管理等研究领域的读者阅读。
《深度测序数据的生物信息学分析及实例》适合从事生物信息学、系统生物学、医学信息学、转化医学、精准医学、健康管理等研究领域的读者阅读。
目 录内容简介
目录
前言
1 深度测序技术与生物信息学 1
1.1 深度测序的常用平台 1
1.1.1 Illumina测序系统 1
1.1.2 Roche 454测序仪 5
1.1.3 Applied Biosystems SOLiD测序仪 7
1.1.4 PacBio RSII单分子测序 8
1.1.5 Ion PGM和Proton半导体测序仪 8
1.2 深度测序技术对生物医学研究和社会的影响 9
1.2.1 生物医学大数据与生物医学研究范式的改变 9
1.2.2 深度测序技术对经济市场的影响 10
1.2.3 深度测序技术对社会的影响 11
1.3 深度测序数据处理的挑战 12
1.3.1 数据存取方面的挑战 12
1.3.2 计算技术方面的挑战 13
1.3.3 数据应用方面的挑战 14
1.3.4 人才缺失与跨学科人才教育的挑战 15
1.4 常见的软件和分析平台介绍 15
1.4.1 生物信息学杂志特刊中的软件及其分类 15
1.4.2 R与Bioconductor软件平台 16
参考文献 17
2 深度测序相关数据库和数据格式 19
2.1 深度测序相关的数据库 19
2.2 深度测序相关的数据格式 22
2.2.1 序列与质量分数相关格式 22
2.2.2 序列比对的相关格式 24
2.2.3 序列组装的相关格式 24
2.2.4 突变的相关格式 25
2.2.5 序列注释及可视化的相关格式 25
2.3 格式转换 27
2.3.1 数据格式转换软件NGSFormatConverter 27
2.3.2 NGSFormatConverter的安装与应用 29
参考文献 30
3 碱基识别 32
3.1 深度测序碱基识别简介 32
3.2 Illumina平台碱基识别软件 33
参考文献 36
4 基因组序列比对 37
4.1 短序列片段比对软件的发展 37
4.1.1 深度测序技术带来的机遇 37
4.1.2 深度测序数据带来的比对定位瓶颈 37
4.2 深度测序片段比对软件的比较 39
4.2.1 深度测序片段比对软件 39
4.2.2 深度测序片段比对定位软件算法比较 40
4.2.3 比对定位软件性能比较 45
4.2.4 比对定位软件评价 47
4.3 深度测序片段比对软件实例演示 50
4.4 展望 51
参考文献 53
5 小片段序列组装 55
5.1 问题阐述：小片段序列组装 55
5.1.1 小片段组装类型 55
5.1.2 当前组装过程的挑战 56
5.1.3 小片段组装过程的意义 56
5.2 组装策略：如何将小片段组装成重叠群 58
5.2.1 基因组序列的组装 58
5.2.2 转录组序列的组装 63
5.3 算法评价：如何选取一个合适的组装软件 63
5.3.1 基因组组装软件的选择 64
5.3.2 转录组组装软件的选择 66
5.4 程序示例：如何执行一个片段组装过程 67
5.4.1 基因组测序数据的组装 67
5.4.2 转录组测序数据的组装 69
5.5 总结和展望：组装算法何去何从 70
参考文献 71
6 染色质免疫共沉淀测序数据分析 73
6.1 ChIP-Seq简介 73
6.1.1 ChIP-Seq的出现 73
6.1.2 ChIP-Seq的基本实验流程 75
6.1.3 影响ChIP-Seq实验成功的因素 76
6.2 ChIP-Seq数据计算分析 77
6.2.1 碱基识别 77
6.2.2 定位到基因组 78
6.2.3 富集区域的鉴定 78
6.2.4 其他下游分析 80
6.3 Peak Calling算法比较 81
6.4 ChIP-Seq数据分析应用实例 84
6.4.1 峰的寻找 84
6.4.2 基因关联 86
6.4.3 Motif发现 87
6.4.4 注释分析 87
6.4.5 可视化 88
6.5 ChIP-Seq软件的改进和发展方向 89
参考文献 91
7 转录组测序数据分析 93
7.1 RNA-Seq简介 93
7.2 RNA-Seq技术的应用 96
7.3 RNA-Seq数据处理与软件 97
7.3.1 概述 97
7.3.2 剪接位点预测软件 98
7.3.3 基因表达水平分析软件 101
7.3.4 综合性分析软件 102
7.4 软件安装与使用 105
7.4.1 选择性剪接软件 105
7.4.2 基因表达水平分析软件 110
7.4.3 综合性分析软件 111
7.5 展望 118
参考文献 119
8 microRNA-Seq数据分析 121
8.1 microRNA简介 121
8.2 深度测序与microRNA-Seq技术 122
8.2.1 概述 122
8.2.2 microRNA-Seq实验流程 123
8.2.3 microRNA-Seq数据处理 123
8.3 microRNA-Seq数据分析软件 125
8.3.1 概述 125
8.3.2 本地分析软件 126
8.3.3 在线分析软件 138
8.4 软件性能比较 146
8.4.1 测试数据与环境配置 146
8.4.2 运行时间比较 147
8.4.3 敏感度与准确度比较 147
8.4.4 新的miRNA预测 148
参考文献 149
9 变异检测 151
9.1 引言 151
9.2 基因组多态性 153
9.3 变异的类型及其检测 157
9.3.1 SNP 157
9.3.2 结构变异 159
9.4 变异检测软件实例 166
9.4.1 Genome Analysis Toolkit简介 166
9.4.2 Genome Analysis Toolkit安装 166
9.4.3 Genome Analysis Toolkit使用 168
9.5 展望 171
参考文献 172
10 单细胞测序数据分析 176
10.1 单细胞测序技术的简要发展历程 176
10.2 单细胞测序的技术实现及主要分类 177
10.2.1 常用单细胞分离的技术 178
10.2.2 单细胞基因组测序技术 179
10.2.3 单细胞转录组测序技术 180
10.2.4 单细胞表观遗传组测序技术 181
10.3 单细胞测序的技术应用 181
10.3.1 单细胞测序技术在癌症生物中的应用 182
10.3.2 单细胞测序技术在发育生物中的应用 182
10.3.3 单细胞测序技术在微生物学研究中的应用 183
10.3.4 单细胞测序技术的临床应用前景 183
10.4 单细胞测序技术的数据分析实例 183
10.4.1 输入数据以及数据分析工具介绍 184
10.4.2 数据的读入与归一化 184
10.4.3 根据归一化后的数据鉴定样本中高度差异表达的基因 184
10.5 单细胞测序技术的未来发展趋势 185
参考文献 186
11 深度测序的数据可视化软件 188
11.1 数据可视化技术的生物问题和应用背景 188
11.1.1 生物问题 188
11.1.2 应用背景 188
11.2 数据可视化相关软件介绍和比较 189
11.2.1 基于网络的可视化浏览器 190
11.2.2 基于本地平台的可视化软件 191
11.3 软件示例 197
11.3.1 Savant安装 197
11.3.2 Savant运行实例 198
参考文献 205
^ 收 起
前言
1 深度测序技术与生物信息学 1
1.1 深度测序的常用平台 1
1.1.1 Illumina测序系统 1
1.1.2 Roche 454测序仪 5
1.1.3 Applied Biosystems SOLiD测序仪 7
1.1.4 PacBio RSII单分子测序 8
1.1.5 Ion PGM和Proton半导体测序仪 8
1.2 深度测序技术对生物医学研究和社会的影响 9
1.2.1 生物医学大数据与生物医学研究范式的改变 9
1.2.2 深度测序技术对经济市场的影响 10
1.2.3 深度测序技术对社会的影响 11
1.3 深度测序数据处理的挑战 12
1.3.1 数据存取方面的挑战 12
1.3.2 计算技术方面的挑战 13
1.3.3 数据应用方面的挑战 14
1.3.4 人才缺失与跨学科人才教育的挑战 15
1.4 常见的软件和分析平台介绍 15
1.4.1 生物信息学杂志特刊中的软件及其分类 15
1.4.2 R与Bioconductor软件平台 16
参考文献 17
2 深度测序相关数据库和数据格式 19
2.1 深度测序相关的数据库 19
2.2 深度测序相关的数据格式 22
2.2.1 序列与质量分数相关格式 22
2.2.2 序列比对的相关格式 24
2.2.3 序列组装的相关格式 24
2.2.4 突变的相关格式 25
2.2.5 序列注释及可视化的相关格式 25
2.3 格式转换 27
2.3.1 数据格式转换软件NGSFormatConverter 27
2.3.2 NGSFormatConverter的安装与应用 29
参考文献 30
3 碱基识别 32
3.1 深度测序碱基识别简介 32
3.2 Illumina平台碱基识别软件 33
参考文献 36
4 基因组序列比对 37
4.1 短序列片段比对软件的发展 37
4.1.1 深度测序技术带来的机遇 37
4.1.2 深度测序数据带来的比对定位瓶颈 37
4.2 深度测序片段比对软件的比较 39
4.2.1 深度测序片段比对软件 39
4.2.2 深度测序片段比对定位软件算法比较 40
4.2.3 比对定位软件性能比较 45
4.2.4 比对定位软件评价 47
4.3 深度测序片段比对软件实例演示 50
4.4 展望 51
参考文献 53
5 小片段序列组装 55
5.1 问题阐述：小片段序列组装 55
5.1.1 小片段组装类型 55
5.1.2 当前组装过程的挑战 56
5.1.3 小片段组装过程的意义 56
5.2 组装策略：如何将小片段组装成重叠群 58
5.2.1 基因组序列的组装 58
5.2.2 转录组序列的组装 63
5.3 算法评价：如何选取一个合适的组装软件 63
5.3.1 基因组组装软件的选择 64
5.3.2 转录组组装软件的选择 66
5.4 程序示例：如何执行一个片段组装过程 67
5.4.1 基因组测序数据的组装 67
5.4.2 转录组测序数据的组装 69
5.5 总结和展望：组装算法何去何从 70
参考文献 71
6 染色质免疫共沉淀测序数据分析 73
6.1 ChIP-Seq简介 73
6.1.1 ChIP-Seq的出现 73
6.1.2 ChIP-Seq的基本实验流程 75
6.1.3 影响ChIP-Seq实验成功的因素 76
6.2 ChIP-Seq数据计算分析 77
6.2.1 碱基识别 77
6.2.2 定位到基因组 78
6.2.3 富集区域的鉴定 78
6.2.4 其他下游分析 80
6.3 Peak Calling算法比较 81
6.4 ChIP-Seq数据分析应用实例 84
6.4.1 峰的寻找 84
6.4.2 基因关联 86
6.4.3 Motif发现 87
6.4.4 注释分析 87
6.4.5 可视化 88
6.5 ChIP-Seq软件的改进和发展方向 89
参考文献 91
7 转录组测序数据分析 93
7.1 RNA-Seq简介 93
7.2 RNA-Seq技术的应用 96
7.3 RNA-Seq数据处理与软件 97
7.3.1 概述 97
7.3.2 剪接位点预测软件 98
7.3.3 基因表达水平分析软件 101
7.3.4 综合性分析软件 102
7.4 软件安装与使用 105
7.4.1 选择性剪接软件 105
7.4.2 基因表达水平分析软件 110
7.4.3 综合性分析软件 111
7.5 展望 118
参考文献 119
8 microRNA-Seq数据分析 121
8.1 microRNA简介 121
8.2 深度测序与microRNA-Seq技术 122
8.2.1 概述 122
8.2.2 microRNA-Seq实验流程 123
8.2.3 microRNA-Seq数据处理 123
8.3 microRNA-Seq数据分析软件 125
8.3.1 概述 125
8.3.2 本地分析软件 126
8.3.3 在线分析软件 138
8.4 软件性能比较 146
8.4.1 测试数据与环境配置 146
8.4.2 运行时间比较 147
8.4.3 敏感度与准确度比较 147
8.4.4 新的miRNA预测 148
参考文献 149
9 变异检测 151
9.1 引言 151
9.2 基因组多态性 153
9.3 变异的类型及其检测 157
9.3.1 SNP 157
9.3.2 结构变异 159
9.4 变异检测软件实例 166
9.4.1 Genome Analysis Toolkit简介 166
9.4.2 Genome Analysis Toolkit安装 166
9.4.3 Genome Analysis Toolkit使用 168
9.5 展望 171
参考文献 172
10 单细胞测序数据分析 176
10.1 单细胞测序技术的简要发展历程 176
10.2 单细胞测序的技术实现及主要分类 177
10.2.1 常用单细胞分离的技术 178
10.2.2 单细胞基因组测序技术 179
10.2.3 单细胞转录组测序技术 180
10.2.4 单细胞表观遗传组测序技术 181
10.3 单细胞测序的技术应用 181
10.3.1 单细胞测序技术在癌症生物中的应用 182
10.3.2 单细胞测序技术在发育生物中的应用 182
10.3.3 单细胞测序技术在微生物学研究中的应用 183
10.3.4 单细胞测序技术的临床应用前景 183
10.4 单细胞测序技术的数据分析实例 183
10.4.1 输入数据以及数据分析工具介绍 184
10.4.2 数据的读入与归一化 184
10.4.3 根据归一化后的数据鉴定样本中高度差异表达的基因 184
10.5 单细胞测序技术的未来发展趋势 185
参考文献 186
11 深度测序的数据可视化软件 188
11.1 数据可视化技术的生物问题和应用背景 188
11.1.1 生物问题 188
11.1.2 应用背景 188
11.2 数据可视化相关软件介绍和比较 189
11.2.1 基于网络的可视化浏览器 190
11.2.2 基于本地平台的可视化软件 191
11.3 软件示例 197
11.3.1 Savant安装 197
11.3.2 Savant运行实例 198
参考文献 205
^ 收 起
目 录内容简介
《深度测序数据的生物信息学分析及实例》几乎涵盖了深度测序数据分析及应用的各个方面，适用于从事深度测序数据分析研究的技术人员和学者。在《深度测序数据的生物信息学分析及实例》中，不仅可以了解到深度测序技术应用的领域，还可以通过具体实例，了解到不同软件的相关算法、原理及使用方法，以帮助选择适合自身研究和应用所需要的深度测序数据分析的解决方案。
《深度测序数据的生物信息学分析及实例》适合从事生物信息学、系统生物学、医学信息学、转化医学、精准医学、健康管理等研究领域的读者阅读。
《深度测序数据的生物信息学分析及实例》适合从事生物信息学、系统生物学、医学信息学、转化医学、精准医学、健康管理等研究领域的读者阅读。
比价列表价格走势
