6.1 同源物来自同一祖先 6.2 序列比对的统计分析能够检测同源性 6.3 三维结构有助于了解进化关系 6.4 基于序列信息构建进化树 6.5 现代技术能够用实验方法研究进化

背景 ACEDB(一种线虫C.e/ egans数据库)是一种被广泛应用的管理和提供基因组数据的工具组。它 是在1991年由 Ri chard duri n和 Jean Thi erry-Mi eg首先提供的,他们发展它来支持和整理 C. elegans领域中的大范围序列和物理图谱的工作。在本章结尾所列出的因特网资源和资料中 可见1和2条。后续的程序由 Durbin和 Thierry- Mi eg编制和完善,还有许多其他人参与了代码 的编制。这一时期, ACEDB适用于许多动物和植物的基因组计划[3]

如第二章所述,建立 GenBank是为了适应人类基应组工程等科学研究产生的大量序列数据的信 息爆炸。总的来说, GenBank是带有注释的公用DNA蛋白质序列的集合。写作本书时, GenBank中有160万条链的纪录,含超过10亿个核苷酸碱基。向GenBank存入新的序列有两种方 法:通过 Sequi nBankl和等工具直接提交,或通过国际核苷酸序列数据库的组成部分 GenBank,eml,和DDB等相互之间传递数据的共享协议

本书对数据库的讨论及前几章中提供的信息都说明,当前各种公共数据库中的序列信息的数 量正急剧增加。与我们已知的核酸序列一样,所有蛋白质序列,无论是直接测得还是由核酸 序列中的开放阅读框转换而来,都包含有决定其结构功能的内在信息。可惜用实验方法获取 这些信息的速度远远赶不上单纯序列数据产生的速度。象圆二色谱、旋光色散、X光晶体衍射 和核磁共振都是确定结构特征的强有力技术,但它们的实现需要大量时间,并对技术和技巧 都有很高要求

附录1词汇表 al gori thm(算法):为完成一个特定任务而进行的一系列动作(例如,一些计算步骤) browser(浏览器):用来访问万维网的程序,超文本标识语言(HTM)使得浏览器可以在 不同的计算机平台上以相同的方式来显示一个网页。 characters and character states(特性及状态):在系统发生学中,特性指不同物种之 间的同源的特征。这些特征在某个个体上的具体表现称为状态。例如,对于“发色”,可以 有“金色”,“红色”,“黄色”等几种状态。在分子生物学中,状态可以是4种核苷酸 (A,T,C,G)之一,或20种氨基酸之一。也有一些作者将” character”定义为状态。 client(客户端):与远端计算机(服务器)交互的一台计算机或计算机上运行的软件

随着人类基因组计划的实施,通过基因组测序,蛋白质序列测定结构解析等实 验,分子生物学家提供了大量的有关生物分子的原始数据,需要利用现代计算技 术对这些原始数据进行收集、整理、管理以便于检索使用。而为了解释和理解这 些数据,还需要对数据进行比对、分析,建立计算模型,进行仿真、预测与验 证,因而出现生物信息学,它的出现,极大的促进了分子生物学的发展

第一节 生物统计简介 第二节 参数估计和假设检验 第三节 统计模型 第四节 高维统计方法 第五节 统计学习基础 第六节 统计因果推断

1 Soft Computing Approach to Pattern Classification and Object Recognition 2 Pattern Classification Based on Conventional Interpretation of MFI 3 Pattern Classification Based on New Interpretation of MFI 4 Pattern Classification Based on New Interpretation of MFI and Floating Point Genetic Algorithm 5 Neuro-Genetic Approach to Pattern Classification Based on the New Interpretation of MFI 6 Knowledge-Based Occluded Object Recognition Based on New Interpretation of MFI and Floating Point Genetic Algorithm 7 Neuro-Fuzzy Approach to Occluded Object Recognition Based on New Interpretation of MFI

8.2.1 委托——代理关系假设 8.2.2 委托——代理的均衡合同 8.3.1 激励机制的目标 8.3.2 激励机制的框架

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例