本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略

第一节　选择原则和方法 一、选用与人的机能、代谢、结构及疾病特点相似的实验动物 二、选用遗传背景明确，具有已知菌丛和模型性状显着且隐定的动物 三、选用解剖、生理特点符合实验目的的要求的动物 四、选择不同种系实验动物存在的某些特殊反应 第二节　各类实验动物选择索引 一、两栖纲 二、爬行纲 三、鸟纲 四、哺乳纲

第一节 分子杂交与印迹技术 Molecular Hybridization & Blotting Technology 第二节 聚合酶链反应 Polymerase Chain Reaction 第三节 核酸序列分析 Nucleic Acid Sequence Analysis 第四节 基因文库 Gene Library 第五节 疾病相关基因的克隆与鉴定 Cloning and Identification of Disease Relative Genes 第六节 遗传修饰动物模型的建立及应用 The Establishment and Application of Heredity Modified Animal Model 第七节 生物芯片技术 Biological Chip Technology 第八节 蛋白质相互作用研究技术 Research Technology of Interaction of Protein

● 遗传密码——三联子 ● tRNA的结构、功能与种类 ● 核糖体的结构与功能 ● 蛋白质合成的过程 ● 蛋白质的运转机制

•第一节 糖类化学 carbohydrates •第二节 脂类化学 •脂肪(真脂):甘油三酯(三酯酰甘油) •类脂 磷脂：含磷酸及有机碱的脂类 糖脂：含糖及有机碱的脂类 •类固醇 胆固醇及其酯 胆汁酸 类固醇激素 •脂类 （lipides） •第三节 氨基酸、多肽与蛋白质化学 •第四节 核酸化学 • DNA 遗传的物质基础 • 核酸 mRNA 作为Pr合成模板 • RNA tRNA 转运AA • rRNA 作为Pr合成场所

微生物的培养方法 微生物的同步生长及同步培养方法 微生物生长的测定方法 第六章 微生物的遗传与变异

遗传算法 Genetic Algorithms, GA 粒子群优化算法 Particle Swarm Optimization, PSO 贝叶斯优化算法 Bayesian Optimization 算法应用示例 Application Demos 自动化机器学习 Automated machine learning

概述 第一节 基本元件 第二节 遗传密码（Genetic code） 第三节 肽链的合成 第五节 蛋白质前体的加工与转运机制 第四节 准确翻译的机制

第一节 遗传物质的本质 第二节 核酸的化学组成 第三节 DNA的二级结构 第四节 DNA的物理化学性质 第五节 超螺旋和拓扑异构

9.1 层次分析法 9.2 人工神经网络与神经网络优化算法 9.3 遗传算法 9.4 模拟退火算法 9.5 神经网络权值的混合优化学习策略