尼古拉·卡萨波夫（编辑） 斯普林格生物/神经信息手册。 （英语） Zbl 1304.92001号 Springer手册多德雷赫特：施普林格（ISBN 978-3-642-30573-3/hbk；978-3-442-30574-0/电子书）。lvii，1229页。(2014). 本手册分为12个部分，涵盖了与生物和神经信息学相关的各种概念，从计算角度介绍，用于知识发现或生物网络识别和表征的机器学习技术，以及生物信息学在医学中的应用，特别关注大脑过程，以及大脑信号分析和建模。在第一章导言中，在对信息科学、生物信息学和神经信息学进行了一般介绍之后，重点介绍了范围和开发的方法，编辑简要描述了手册十二部分（a至L）的主题。A部分由六章组成，首先讨论了分子生物学的中心原理，并描述了所涉及的成分：DNA和RNA。接下来，对信号传导进行了综述，随后是一系列综合方法（如介电泳及其在分离血细胞中的应用）以了解细胞中的不同过程。第四章转到基因组学层面，重点介绍用于测量基因表达的高通量（HT）技术和数据分析的典型工作流。文中还讨论了数据表示和可视化、噪声检测和归一化以及模式识别。第五章侧重于蛋白质水平，包括用于蛋白质分离、量化和表征的HT平台的概述。还讨论了翻译后修饰。第六章介绍了模式形成和动物形态发生的概念。首先，回顾了状态空间模型和网络等标准模型。接下来，这些被纳入形态学的进化和发展的讨论中；本章以达尔文对基因和发育的解释结束。A部分的最后一章回顾了细菌菌落模型。从描述细菌扩散的形态转变和动力学开始，作者重点研究了奇异变形杆菌和枯草芽孢杆菌接下来，使用环状芽孢杆菌例如。本章最后介绍了目前菌落生长模型的局限性。本书的第二部分讨论了与基因组和蛋白质组信息学相关的分子生物学的不同概念。它由四章组成，涉及基因组的组织、确定影响mRNA表达的microRNAs（miRNAs）和顺调控元件、蛋白质建模和结构预测。第八章首先描述基因组结构。接下来，提出了一种基于染色体构象捕获的方法来检测相互作用染色质的存在。本章最后介绍了确定基因组位点的方法；这些例子基于酵母基因组。在第九章中，作者介绍了miRNAs，并回顾了在预测和确定其作用方式（这些分子如何影响基因表达）方面的困难。引入了一些准确度概念，如假阳性和假阴性，然后介绍了浓缩分析，即超几何浓缩，在这种情况下，超几何浓缩相当于补充集中基序的耗尽。作者回顾了现有的富集方法，并介绍了Sylamer，一种专为miRNA种子位点富集设计的工具。本章以Sylamer在真实生物数据上的一个例子作为结束。在第十章中，作者重点讨论了影响mRNA表达的顺调控因素。它首先讨论了这种任务所需的mRNA序列数据的要求；接下来，作者介绍了已知的调控元件，如RNA结合蛋白靶点和miRNA靶点，并介绍了从头开始基于一级、二级和三级结构的顺元素发现方法。在第十一章中，作者讨论了基于替代表的蛋白质建模以及可溶性蛋白质和膜蛋白的结构差异预测。还详细讨论了计算方法（无模板和基于模板的建模）。C部分由七章组成，重点介绍了使用机器学习方法进行知识发现和建模。它包括比较模糊和清晰（基于规则）方法，讨论为微阵列开发的方法和一些系统发育分析的概念。在第12章中，作者回顾了监督学习和非监督学习的基本概念。他讨论了多类分类和内核学习，包括案例研究示例。对于无监督学习，作者提出了以下方法：层次聚类、贝叶斯方法和最大似然估计（MLE），并用蒙特卡罗方法进行了总结。在第十三章中，作者利用医学实例提出了一种基于案例的推理和特征分割方法。对这些进行了详细描述，并为决策步骤提供了理由。在第十四章中，作者讨论了一种特殊类型的HT基因表达测量：微阵列。讨论了传统聚类和混合聚类等方法；作者还介绍了集群验证方法。第十五章对模糊方法和基于规则的方法进行了并行比较。作者首先描述了模糊神经网络，重点介绍了初始化和训练步骤以及在基准数据中的应用。接下来，对聚类和预测精度进行了比较。第十六章揭示了生物信息学数据分析的另一个角度：系统发育分析。首先，讨论了生物数据中的异质性，并提出了评估异质性的统计方法。接下来，定义节俭性，并使用生物数据进一步描述概念。在第十七章中，作者讨论了蛋白质折叠识别，介绍了围绕一维、二维和三维结构的概念以及蛋白质数据库和特征向量。其次，通过支持向量机（SVM）分类器、基于PCA/LDA的SVM和二次判别分析引入特征选择和分类。在第十八章中，作者提出了一种解决分类问题的理论方法，介绍了核方法及其性质和用途，这可以提高SVM的准确性。作为例子使用的生物学应用包括肽识别、使用核谱点积和使用对核预测蛋白质同源性。D部分着重于监管网络的建模；它由七章组成，涵盖了从数据中推断转录网络和转录调控的方法，包括神经网络模型中基于差异进化的方法，以及基于蛋白质之间相互作用的方法。在第十九章中，作者使用组学数据来寻找生物网络中的路径。首先，描述了网络表示，然后是预测交互的监督技术。接下来，使用交互网络来解释数据，并详细讨论了因果对偶性。在第二十章中，作者使用动力学和调控学，使用概率方程对转录网络进行建模。接下来，详细介绍了基于ODE系统分解的GP-RODES算法。本章最后以一个生物示例中上调和下调mRNA的逆向工程为例。在第二十一章中，作者重点关注转录调控，并从发现结合基序的算法概述开始，其中包括基于对齐、基于单词和基于学习的方法。接下来，将提供可用于确认预测的外部信息。本章最后介绍了一些识别靶基因的方法，并从理论上证明了PMW和SVM之间的联系。在第二十二章中，作者提出了一种利用递归神经网络（RNN）推断基因调控网络（GRN）的方法。在概述了推断GRN的最新技术之后，作者介绍了差分进化（DE）方法，并详细描述了对标准RNN的修改，以纳入DE信息。本章以两个方面的重建实验结束生物信息学和体内网络。第二十三章使用蛋白质相互作用网络来发现结构模式。首先提出了基于传统图聚类的方法，然后提出了基于几何随机图和层次随机图的随机方法。该章总结道，使用随机图模型和人类交互组的示例评估了该方法的效率。第二十四章根据mRNA和转录因子或小RNA之间的相互作用讨论转录调控网络；这些例子是在原核系统中。本章最后概括了人类系统中的这些方法（包括蛋白质相互作用及其计算预测）。在第二十五章中，作者提出了一种利用整个外显子组测序数据鉴定体细胞突变的方法。对管道进行了详细描述，每个步骤都显示了相关软件和预期阈值。E部分由两章组成，描述生物信息学研究中常用的数据库和本体。在第二十六章中，作者提出了四种类型的数据库：序列数据库，带有EMBL核苷酸序列数据集、GenBank和UniProt，结构数据库，包括蛋白质数据库（PDB）、蛋白质结构分类（SCOP）和蛋白质接触图，相互作用组学数据库存储实验确定的相互作用，例如分子相互作用（MINT）和蛋白质组学数据库，例如PeptideAtlas、NCI存储库和PRIDE。第二十七章概述了生物信息学中使用的本体。从本体及其基本结构的定义开始，作者还介绍了概念参考以及在这些数据库中找到它们的工件。在简要介绍了这些本体在生物信息学中的使用历史之后，介绍了一些表示本体的语言和系统，如语义网、RDF和OWL。本章最后概述了BioPAX、统一医学语言系统（UMLS）的路径本体以及本体在生物信息学分析中的使用指南。第F部分由八章组成，重点介绍生物信息学在医学健康和生态学中的应用。第二十八章从统计学的角度着重于癌症干细胞形成的信号处理。作者首先提出了模型，并讨论了正问题和逆问题，提供了过程的理论描述和建模转换的伪代码。还包括仿真结果。第二十九章讨论了DNA甲基化，从一般概念开始，逐步介绍甲基化与癌症之间的联系。详细讨论了染色质重塑、组蛋白修饰以及参与这一过程的不同酶的作用。本章最后概述了表观遗传学在癌症治疗中的作用。第三十章以红斑狼疮为例讨论自身免疫性疾病的动力学。在描述了疾病模型和控制输入之后，作者提出了一种将生物过程转换为方程的方法，并对其进行了模拟。在第三十一章中，作者介绍了营养基因组学，首先强调了生物活性营养素对基因表达、代谢产物谱和蛋白质表达的影响。本章还概述了系统生物学、生物信息学工具和方法，例如用于处理营养基因组学数据的系统生物学标记语言（SBML）和系统生物学图形符号（SBGN）。在第三十二章中，作者介绍了纳米医学，并提出了生物标记物发现的生物统计学方法，该方法考虑了多重比较，旨在降低评估基因表达数据差异表达时的错误发现率。接下来，这些方法通过人类健康示例进行了例证。第三十三章进一步介绍了基于个性化信息模型的个性化医疗。直接比较了全局模型、局部模型和个性化模型，并详细描述了个性化建模系统（PMS）（包括算法及其优化）。接下来，将此方法应用于结肠癌诊断，使用来自基因表达数据的轮廓来训练分类器组件。在第三十四章中，作者描述了健康信息学的组成部分，从编码方法和词汇、电子健康记录（EHR）中的数据组织和生理测量标准化方法开始。接下来，描述了从业者与自动化决策系统之间的交互以及错误避免。本章最后概述了消费者电子健康以及隐私和安全问题的处理。第三十五章利用生物信息学（生态信息学）方法预测和管理入侵物种。使用自组织映射（SOM）方法对物种进行优先排序，加权以纳入有害生物物种的确定。接下来，讨论了变量和特征选择以及处理缺失数据的方法。本章最后描述了适用于地理信息系统内传播过程的基于个体的模型。G部分过渡到神经信息学，引入大脑和神经系统中的信息处理模型。它由五章组成，讨论突触发生的过程、使用神经网络和神经电路的模型以及MRI分类的使用。第三十六章首先详细描述突触中发生的生物过程，然后介绍突触传递的生理学概念（突触前和突触后位点）。接下来，讨论兴奋性和抑制性突触输入的整合以及突触传递的调制。本章最后介绍了信号处理的计算技术，如噪声分析和成像方法。第三十七章从尖峰神经元模型开始。接下来，介绍了神经编码，并讨论了其对峰值神经网络的适应性。本章最后介绍了这种方法的应用，并概述了它们的进化体系结构，以将秩序种群编码和单程学习结合起来。第三十八章从磁共振成像（MRI）的概念开始，然后是基于线性模型的检测方法。其次，介绍了二级分析，并提出了广义线性混合模型。详细讨论了两阶段模型、方差估计以及阈值校正方法。本章最后使用格兰杰因果关系（GC）检验、F检验和模型选择方法对有效连通性进行了评估。第三十九章提出用于描述神经病理学振荡的神经电路模型。它从阿尔茨海默病海马θ节律研究的生物物理模型开始，然后描述应用于皮层节律的神经种群模型（神经网络模型）。本章以描述丘脑皮层阿尔法节律的神经质量模型结束。在第四十章中，作者将小波分解、特征选择和分类应用于核磁共振成像，以了解大脑功能。该任务使用了二次判别分析和主成分分析以及SVM和SOM。本章最后给出了实际数据的结果。H部分介绍了脑信号分析和建模的信号处理方法；它由三章组成，分别回顾了内核方法、多尖峰序列分析和应用于该主题的时频分析。第四章讨论了核自适应滤波（KAF）算法，更准确地说是核空间中的非线性自适应滤波。作者从线性和非线性自适应滤波器的介绍性概念开始，并介绍了核滤波器。接下来，详细介绍了核最小二乘算法。这些例子包括非线性信道均衡、混沌时间序列预测、尖峰再生核希尔伯特空间（RKHS）中的回归和滤波。第四十二章介绍了递推图及其在单变量分析中的应用，用于评估序列相关性、确定性混沌和多变量分析；接下来，介绍了对多个尖峰序列的分析，并以实例说明这些概念。第四十三章着重于自适应多尺度数据驱动的时频分析。首先介绍了经验模式分解，然后介绍了它的多元扩展。其次，通过多元经验模式分解（MEMD）的模式对齐，提出了非唯一性问题。本章最后讨论了MEMD的滤波器组特性、噪声辅助MEMD描述以及在运动图像数据相位同步和分类方面的应用。第一部分包括五章关于感知、感觉和认知的信息建模。本节第一章讨论了使用新认知元（一种用于鲁棒视觉模式识别的神经网络模型）进行视觉建模。从网络概述开始，作者接下来介绍了鲁棒识别的原理，并概述了S细胞的行为模式，重点介绍了特征提取和训练组件。接下来，介绍C细胞的作用。本章最后列举了从新认知论延伸而来的网络。第四十五章包含一个神经网络模型来模拟味觉系统。根据该系统的解剖学描述，作者将脑干中的味觉处理与前脑中的信息处理和味觉编码联系起来，重点关注神经回路。在第四十六章中，作者介绍了脑-计算机接口（BCI）的脑电图（EEG）信号处理集成。首先，回顾了BCI技术，并讨论了与此主题相关的概念和范例。接下来，作者介绍了BCI移动机器人控制的案例研究。本章最后介绍了一种基于源的脑机接口，重点介绍了序列蒙特卡罗问题公式、状态空间中的EEG源定位模型以及将波束形成用作空间滤波器。第四十七章讨论了用于空间和光谱时间模式识别的类脑信息处理。作者首先描述了单尖峰神经元模型，然后描述了尖峰神经元的学习和记忆概念。文中还讨论了一般分类、学习规则以及秩序和时态相结合的学习方法。本章最后回顾了用于时空模式识别（STPR）的计算神经遗传模型以及软件和硬件实现。在第四十八章中，作者将重点转移到自然语言上，并提出了使用单词的语音和词汇表征的神经计算模型。接下来，介绍了句子大小的语义表示，并详细讨论了记忆表示。本章以句法表示和基于SRN的语法模型的局限性和替代性的回顾作为结束。第J部分由两章组成，描述神经信息学数据库和本体。在第四十九章中，作者回顾了计算机科学、生物和神经信息学中与本体论相关的概念；接下来是对应用于这些本体的数据挖掘方法的回顾。在第五十章中，作者讨论了INCF组织中大规模神经信息学的整合。介绍了INCF科学项目，包括神经结构本体论项目、多尺度建模项目和数据共享标准项目。本章最后概述了INCF-神经信息门户网站。第K部分由六章组成，重点关注脑部疾病以及如何利用建模来了解其特征。第五十一章讨论阿尔茨海默病（AD）。从流行病学综述和形态病理学特征开始，作者继续描述代谢和基因水平的变化。AD大脑的计算模型是通过（Aβ）、τ传递和神经血管功能对胆碱能功能的调节来实现的。第五十二章通过识别和绘制淀粉样蛋白前体蛋白（APP）的相互作用以及理解蛋白水解过程，从淀粉样蛋白前体蛋白（APP）的角度介绍了AD。作者还概述了迄今为止收集的数据，并强调了APP与蛋白水解片段和更广泛的突触系统之间的关系。在第五十三章中，作者提出了一种识别判别路径的机器学习路径。本章从实验装置开始，包括特征选择步骤、路径丰富和子网络推理，然后进行稳定性和差异分析。接下来，对示例数据进行了描述，并对空气污染、帕金森病和AD的实验结果进行了回顾。在第五十四章中，作者介绍了皮质的基因依赖动力学在特发性癫痫中的应用。从概念概述开始，从神经发生到癫痫的计算模型，作者继续讨论基因表达调控，并描述了基于基因-蛋白质调控网络和相关参数的计算神经发生模型。接下来，讨论了模型的动力学，重点是参数估计。本章最后给出了仿真结果和神经遗传建模的未来方向。在第五十五章中，作者讨论了评估中风风险和结果的方法。从中风、症状和风险因素的描述开始，作者继续描述机器学习方法，例如可纳入危险模型的最近邻。在第五十六章中，作者介绍了表面肌电图（sEMG）分析在识别康复活动中的作用。在对sEMG进行描述之后，介绍了时域和频域分析方法。本章最后以实际数据为例。第L部分分五章描述了自然创新的集成信息技术。第五十七章描述了类脑机器人。本章首先介绍了自然大脑和人工大脑以及相应的模型。接下来，介绍了认知机器人，并详细讨论了本地和非本地架构，重点讨论了记忆、注意力和情感等关键领域。本章最后回顾了有关该主题的平台和研究项目。在第五十八章中，作者描述了用户活动的发展性学习，并从系统和挑战的回顾开始。接下来，他们介绍了系统架构，重点介绍了马尔可夫决策过程、增量层次判别回归和用于运动模式分类的HMM。本章以听觉和运动组件以及高级推理的实验结果结束。在第五十九章中，作者介绍了量子计算和生物计算。在描述NP问题、希尔伯特空间结构和复合系统之后，介绍了量子操作。作者还讨论了基于傅里叶变换和随机行走的量子算法。本章最后概述了量子计算的生物学应用。在第六十章中，作者介绍了受大脑中的神经和认知过程启发，使用ANN模型进行网络识别的方法。讨论了弱脑启发模型（如基于局部知识的学习）和强脑启发模型（如尖峰神经网络）。接下来，作者介绍了计算神经遗传模型和量子计算智能（CI）。本章最后概述了大脑、基因和量子信息集成的原理。在第六十四章中，作者讨论了创造力和对艺术的感知，并介绍了图像复杂性度量和复杂性定量度量，以模拟大脑的艺术成分。本节最后概述了艾伦大脑图谱，这是一个公开的资源，将小鼠、人类和其他非人类灵长类动物的基因表达数据与神经解剖学评论联系起来。作者首先描述了鼠标模型上的资源，并指出了如何进行集成搜索和可视化。接下来介绍人力资源和非人力资源。作者最后讨论了未来的发展方向。该手册是一个宝贵而及时的资源，可供本科生、研究生和资深研究人员使用。通过将各种（相关的）方法结合在一起，它为生物信息学家和神经信息学家提供了一个极好的来源。审核人：Irina Ioana Mohorianu（诺维奇） 引用于三文件 MSC公司： 92-00 与生物学有关的一般参考著作（手册、词典、书目等） 92-06 与生物学有关的会议记录、会议、收藏等 00B15号机组 杂项特定利益物品的收集 92秒20 生物研究、人工生命和相关主题中的神经网络 92C40型 生物化学、分子生物学 92 C50 医疗应用（通用） 92D10型 遗传学和表观遗传学 68T05型 人工智能中的学习和自适应系统 92B25型 生物节律和同步 92D20型 蛋白质序列，DNA序列 92D15型 与进化有关的问题 92C20美元 神经生物学 关键词：信息科学;分子生物学中心法则;介电泳;高通量基因表达;转录组数据分析;蛋白质组学;蛋白质分离;蛋白质建模;蛋白质特性;图案形成;动物形态发生;细菌扩散;阵列建模;骨料建模;染色体构象捕获;染色质;微小RNA;富集分析;顺调节元素;监督学习;无监督学习;微阵列;模糊逻辑;基于规则的方法;系统发育枝状图;蛋白质折叠;支持向量机;内核方法;生物网络;装订图案;蛋白质相互作用网络;分子网络;外显子组测序数据;生物数据库;信号处理;癌症干细胞形成;表观遗传学;自身免疫性疾病;营养基因组学;纳米医学;个性化医疗;自组织映射;突触传递;尖峰神经网络;连通性研究;神经电路模型;神经病理性振荡;阿尔茨海默病;脑震荡;磁共振成像;核空间;多尖峰列车;递归图;多尺度时频分析;新认知素;鲁棒识别;脑-计算机接口;类脑信息处理;自然语言;鉴别途径;基因依赖动力学;类脑机器人;量子计算;神经发生模型;脑图谱 软件：简单MKL;昂飞;梅德勒;地雷;eXiT*加州承载比;班比诺;SIRENE公司;生物网格;科帕西;iPARTS公司;MaSTerClass公司;游戏;UniProt公司;jCOLIBRI公司;LOOPER（回路）;无间道;基因组;模因;FUGUE公司;TRANSFAC公司;我的5C;GPS提示;Spikenet公司;UniHI公司;地理支持向量机;游戏;ArchPRED公司;阿拉斯加州;预SPI;PROCHECK检查;PHAT公司;TurboFold公司;瑞士模式;探针结;Protege公司;网络格式塔;BiGG公司;nocoRNAc基因;麦克拉德;HotKnots（热结）;生物-SPICE;重复遮罩;KDDONTO公司;C查找器;生物优化器;印章;HHpred公司;答对 了;i膜;Web徽标;QMEAN公司;化学需氧量;C索引器;ANNOVAR公司;miR基底;威卡;R（右）;伦敦银行支持向量机;法国皇家医学会;生物疗法;西拉默;纳莫蒂夫;神经元;KEGG公司;BacSim公司 PDF格式BibTeX公司 XML格式引用 \textit{N.Kasabov}（编辑），Springer生物/神经信息手册。多德雷赫特：施普林格（2014；Zbl 1304.92001） 全文： DOI程序