生物信息学中的机器学习

　　Yan�Qing Zhang 　　Machine Learning in 　　Bioinformatics 　　2009, 456pp. 　　Hardcover
　　ISBN 9780470116623
　　John Wiley
　　
　　Yan�Qing Zhang等编
　　机器学习技术例如Markov模型、支持向量机、神经网络、图形模型等,已经在生命科学数据的分析研究中广泛应用。本书收录了一些近期的机器学习方法,涵盖了生物信息学研究中的大部分问题。
　　本书包括前言及20章内容,分别是:1.基因组和蛋白质组数据挖掘的特征选择;2.生物芯片数据中的比较、基因选择可视化以及分类方法;3. 通过矩阵分解实现的内核分类机进行生物数据分析;4. 用引导一致性方法优化基因芯片表达数据分类中的基因选择问题;5. 模糊基因挖掘:一种基于模糊的癌症芯片数据分析框架;6. 整体学习中的特征选择及其应用;7. 基于序列的蛋白质残基的预测;8. 蛋白质结构预测的一致方法;9. 蛋白质结构预测中的内核方法;10. 使用进化的GTKs预测蛋白亚细胞定位的方法;11. 序列大范围特征的概率模型;12.领域搜索中的基序提取;13. 使用Markov模型和神经模型识别真核启动子;14. 基于代码和序列特征选择和组合的真核启动子检测方法15. 人类基因组中的特征描述与双向启动子的检测;16. RNA研究中的监督学习方法;17. 单倍体计算分析中的机器学习;18. SNP相关疾病研究中的机器学习;19. 基于纳米孔化学信息的分子间相互作用研究;20. 生物医学信息中的信息聚合框架。
　　本书内容丰富,层次清晰,适合具有计算机背景的生物信息学研究人员阅读。
　　孙海汐,博士生
　　(中国科学院遗传与发育生物学研究所)
　　Sun Haixi, Doctoral Candidate
　　(Institute of Genetics and Developmental Biology,CAS)