目錄
叢書序
序言
前言
第1章 緒論 1
1.1 迅速增長的生物數(shù)據(jù) 1
1.2 不斷發(fā)展的理論分析方法 6
1.3 本書的組織與使用 8
參考文獻 8
第2章 生物分子網(wǎng)絡分析 12
2.1 引言 12
2.2 細胞周期蛋白依賴性激酶研究 13
2.2.1 生物分子網(wǎng)絡模型 17
2.2.2 潛在藥物口袋分析 18
2.2.3 藥物口袋特異性分析 26
2.3 復合物結合靶點分析 29
2.3.1 靶點預測網(wǎng)絡模型 30
2.3.2 靶點預測網(wǎng)絡模型測試與結果分析 32
2.3.3 靶點預測網(wǎng)絡模型普適性分析 35
2.4 小結 39
參考文獻 39
第3章 生物分子相互作用預測 47
3.1 引言 47
3.2 相互作用預測模型 50
3.2.1 含有間接相互作用的預測模型 50
3.2.2 直接相互作用預測模型 52
3.3 RNA相互作用預測研究 57
3.3.1 受限玻爾茲曼機預測模型 58
3.3.2 長程空間結構相互作用預測分析 63
3.3.3 相互作用預測結構特征分析 65
3.3.4 相互作用預測與結構建模 67
3.4 小結 70
參考文獻 71
第4章 生物分子與深度學習 78
4.1 引言 78
4.2 神經(jīng)網(wǎng)絡與深度學習 80
4.2.1 神經(jīng)網(wǎng)絡 80
4.2.2 單層神經(jīng)網(wǎng)絡 83
4.2.3 多層神經(jīng)網(wǎng)絡 87
4.2.4 反向傳播算法 89
4.2.5 常用的深度學習模型 91
4.3 生物代謝物分析研究 95
4.3.1 基于深度學習的代謝物分析模型 98
4.3.2 模型精度與代謝物分析 100
4.3.3 模型信號質(zhì)量評估 101
4.3.4 單細胞代謝組學的性能驗證 102
4.4 小結 102
參考文獻 102
附錄 110
附錄A 結合位點預測主要代碼 110
附錄B 直接耦合分析主要代碼 115
附錄C RNA訓練集 123
附錄D 代謝物分析訓練主要代碼 133
索引 138