Bayesian Modeling in Bioinformatics

生物信息学中的贝叶斯建模

作者：Dipak K. Dey, Samiran Ghosh, Bani K. Mallick

出版：Chapman and Hall

索书号：Q811.4-32/B357/2019/Y

ISBN: 978-0-36738-365-7

藏书地点:武大外教中心

贝叶斯生物信息学建模讨论了贝叶斯统计方法的发展和应用，该方法用于分析由于分子和结构生物学以及与疾病相关的医学研究（例如癌症）中的问题而引起的高通量生物信息学数据。它概述了两个主要的高通量平台上的统计推断，聚类和分类问题：微阵列基因表达和系统发育分析。

该书探讨了贝叶斯技术和模型，用于检测差异表达的基因，分类差异基因的表达并鉴定生物标记。它为生物信息学问题开发了新颖的贝叶斯非参数方法，为cDNA微阵列开发了测量误差和生存模型，为CGH阵列数据开发了贝叶斯马尔可夫建模方法，为系统发育分析提供了贝叶斯方法，为蛋白质-蛋白质相互作用预测提供了稀疏先验，并且为基因提供了贝叶斯网络。文本还描述了面向模式的随机搜索算法的应用，体外到体内的因子分析，使用贝叶斯核仁机器的比例风险回归以及QTL映射。

本书从贝叶斯角度着重于设计，统计推断和数据分析，探讨了生物信息学数据分析和建模中的统计挑战，并为这些问题提供了解决方案。它鼓励读者利用不断发展的技术并促进生物信息学这一领域的统计发展

贝叶斯方法论在生物信息学数据中的应用的绝佳参考资源，因为它提供了广泛的模拟和真实数据示例，以及有关可用的最新开源软件包的信息以及实现该方法的代码的链接。每章中描述的方法，此外，对所涵盖的技术概念的清晰而全面的解释以及每章末尾的扩展参考列表，使本书成为一种有用的学习和教育工具对贝叶斯领域做出了重大贡献统计资料，并且应该归入任何从事生物信息学领域先进统计技术的科学家的收藏。对新主题进行了明确，认真的介绍，并且文章对于研究人员和研究生来说都易于阅读。对于有兴趣学习有关基因组学和蛋白质组学数据的最新贝叶斯方法的研究人员和研究生，这本书将是一个很好的参考。

这本书窥视了生物信息学的世界，复杂的数据结构和对生物信息学家提出的具有挑战性的问题。本书展示了贝叶斯方法为生物信息学提供高通量数据的方式。杰出的贝叶斯研究人员撰写的文章。几篇文章介绍了与高通量数据相关的现代贝叶斯方法；其中包括撰写精辟的文章，回顾了工艺先验和生物信息学研究人员将喜欢的贝叶斯内核机器。本篇论文都写得很好，为主题问题以及可能性选择和先验之类的贝叶斯问题提供了很好的入口。这本书的最大优势是可以通过微阵列实验解决的各种问题。这是对不同类型的微阵列数据和此类数据进行的出色调查。

总的来说，这本书是与生物信息学相关的方法和应用的有趣组合。一个特别吸引人的功能是，许多章节都使用免费提供的数据集和软件，并提供了获取这些内容的链接。潜入该领域当前研究的几个有趣领域，这本书无疑激发读者进一步探索某些领域的兴趣。

《生物信息学中的贝叶斯建模》一书于2019年由Chapman and Hall出版，作者是Dipak K. Dey, Samiran Ghosh, Bani K. Mallick。

《生物信息学中的贝叶斯建模》一书中，研究人员介绍了生物信息学中的贝叶斯建模的技术和方法，重点是最近的技术发展，讨论的主题主要包括几个部分。《生物信息学中的贝叶斯建模》一书从各个方面讲解了生物信息学中的贝叶斯建模的基础内容和研究方法，旨在为想要进一步研究生物信息学中的贝叶斯建模的研究人员提供简明易懂的介绍以及方法技术指导。

《生物信息学中的贝叶斯建模》一书作为计算机科学和生物学相结合的专业研究读物，观点新颖独到，内容饱满详实、语言浅显易懂，除此之外，还包括一些其他的特点：

1、本书分为十六个章节，既讲解了生物信息学中的贝叶斯建模过程的基础知识，还讲解了深入研究生物信息学中的贝叶斯建模，是一本应用性很强的书籍，对于想要学习如果研究生物信息学中的贝叶斯建模的研究人员来说是一本很有意义的指导书籍。

2、每个章节都是由相关领域的专业人士所撰写，因此，本书讲解既详细又专业，作者能够从中了解到生物信息学中的贝叶斯建模相关的专业知识以及最新的前沿进展。

总的说来，《生物信息学中的贝叶斯建模》一书为想要了解生物信息学中的贝叶斯建模研究方法的人员提供了清晰的导读路径，作为生物信息学中的贝叶斯建模领域的一本前沿研究图书，是一本值得为想要涉足该领域的人员推荐的专业书籍。

关于作者：

Dipak K. Dey是康涅狄格大学的教授兼统计系主任。

Samiran Ghosh是印第安纳大学-普渡大学数学科学系的助理教授。

Bani K. Mallick是德克萨斯A＆M大学的统计学教授和贝叶斯生物信息学实验室主任。

本书目录：

时间课程微阵列实验中的估计和测试

C.Angelini，D.De Canditilis和M.Pensky

使用贝叶斯层次模型

N.Bochkina和A. Lewin

对差异基因表达进行分类

A.Dobra，L.Briollais，H.Jarjanazi，H.Ozelik和H. Massam

对离散多方向数据进行面向模式的随机搜索（MOSS）在全基因组研究中的应用

非参数贝叶斯生物信息学

D.Dunson

cDNA微阵列和事件发生时间数据的测量误差模型及其在乳腺癌中的应用

J.Gelfond和J. Ibrahim

贝叶斯鲁棒推断差异基因表达

R.Gottardo

阵列CGH数据的贝叶斯隐马尔可夫建模

S.Guha

贝叶斯系统发生学的最新发展

M.Holder，J.Sukumaran和R. Brown

高通量数据中生物标志物鉴定的基因选择

J.Jeong，M.Vannucci，K.Do，B.Broom，S.Kim，N.Sha，M.Tadese，K.Yan和L.Puzstai

蛋白质-蛋白质相互作用预测的稀疏先验，I.Kim，Y.Liu和H. Zhao

学习贝叶斯网络以获取基因表达数据

F.Liang

表达基因组学的体外到体内因子分析

J.Lucas，C，Carvalho，D.Merl和M. West

使用贝叶斯核机器进行比例风险回归

A.Maity和B. Mallick

用于蛋白质生物标记物发现的贝叶斯混合模型

P。Muller，K。Baggerly，K。Do和Bandopadhyay

用于检测差异表达基因的贝叶斯方法

贝叶斯和经验贝叶斯方法被察觉的微阵列数据分析

D.张

QTL映射的贝叶斯分类方法

张敏

林岚 武汉大学生命科学学院 博士研究生