【ZiDongHua 之自動化學院派收錄關(guān)鍵詞： 人工智能 大數(shù)據(jù) 物聯(lián)網(wǎng) 云計算】
　　
　　新書上架丨《人工智能在生物信息學中的應(yīng)用》
 
　　
　　隨著大數(shù)據(jù)、物聯(lián)網(wǎng)和云計算的迅速發(fā)展，當今社會已從信息時代逐漸步入智能時代，人工智能技術(shù)已經(jīng)滲透到生命科學研究的各個層面，例如，在生物組學研究領(lǐng)域的成果層出不窮，采用人工智能方法對多組學數(shù)據(jù)進行整合分析研究，已成為科學家探索生命奧秘和疾病機理的新方向。因此，《人工智能在生物信息學中的應(yīng)用》（雷秀娟，潘毅著. 北京：科學出版社，2023.10）一書的出版正當時。
　　
　　▋?nèi)斯ぶ悄茉诙嘟M學數(shù)據(jù)分析中的應(yīng)用
　　
　　隨著科學研究的發(fā)展，人們發(fā)現(xiàn)單純研究某一方向無法解釋全部生物醫(yī)學問題，科學家提出從整體的角度出發(fā)去研究人類組織細胞結(jié)構(gòu)、基因、蛋白質(zhì)及其分子間的相互作用，通過整體分析反映人體組織器官功能和代謝的狀態(tài)，為探索人類疾病的發(fā)病機制提供新的思路。
 
　　
　　▲ 多組學研究
　　
　　多組學融合技術(shù)是指結(jié)合兩種或者兩種以上的組學數(shù)據(jù)集來研究生物系統(tǒng)中多種物質(zhì)之間的相互作用。將多組學數(shù)據(jù)進行整合，能夠從大量并且繁雜的多組學數(shù)據(jù)中找到它們之間的內(nèi)在聯(lián)系，幫助人們?nèi)娴卣J識生命系統(tǒng)，對研究生命科學問題具有重要意義。由于組學數(shù)據(jù)是異質(zhì)異構(gòu)的，具有不同的維度、類型和格式，因此很難進行融合?，F(xiàn)有的整合研究手段主要有基于統(tǒng)計的方法、基于機器學習的方法、基于深度學習的方法，后兩種方法屬于人工智能方法。
 
　　
　　▲ 多組學數(shù)據(jù)整合分析的人工智能方法分類
　　
　　在進行多組學數(shù)據(jù)融合時，通常首先需要提取多組學數(shù)據(jù)的特征。特征提取主要分為結(jié)點自身的生物屬性特征和從關(guān)聯(lián)網(wǎng)絡(luò)中提取到的特征。前者主要考慮生物學意義，后者主要考慮網(wǎng)絡(luò)中結(jié)點的拓撲信息。
　　
　　生物的屬性特征主要表征生物實體自身的特性，例如，基因的特征可以通過基因表達數(shù)據(jù)或基因本體信息來獲得；RNA的特征可以通過將序列信息編碼為數(shù)字特征向量來獲得；蛋白質(zhì)的特征可以通過挖掘基因和蛋白質(zhì)關(guān)聯(lián)的數(shù)據(jù)或自身的蛋白質(zhì)相互作用（protein-protein interaction，PPI）網(wǎng)絡(luò)來獲得；基于三維化合物結(jié)構(gòu)和分子指紋信息可以將化合物的分子結(jié)構(gòu)量化為一系列的值，并以此作為藥物的特征。
　　
　　此外，基于網(wǎng)絡(luò)來提取特征的方法也備受關(guān)注。基于網(wǎng)絡(luò)傳播類的方法有隨機游走、PageRank、LeaderRank、HeteSim等。表示學習類算法如DeepWalk、Node2vec、Metapath2vec等。矩陣分解類的方法也被廣泛使用，如概率矩陣分解和歸納矩陣完備化。圖神經(jīng)網(wǎng)絡(luò)方法有圖卷積網(wǎng)絡(luò)(graph convolutional network，GCN)、圖注意力網(wǎng)絡(luò)（graph attention network，GAT）、圖自編碼器（graph autoencoders，GAE）和圖生成對抗網(wǎng)絡(luò)（generative adversarial network，GAN）等。
　　
　　▲ 基于網(wǎng)絡(luò)的多組學特征提取方法
　　
　　基于人工智能的多組學數(shù)據(jù)整合分析的應(yīng)用十分廣泛，它可為精準醫(yī)療與醫(yī)藥研發(fā)提供有效的途徑。目前人工智能和多組學數(shù)據(jù)的研究如火如荼，通過人工智能方法來研究多組學數(shù)據(jù)也可以加速新藥研發(fā)，人工智能生物制藥公司也在利用其獨特的優(yōu)勢推動個性化醫(yī)療的發(fā)展，我國生物信息領(lǐng)域的研發(fā)能力已經(jīng)接近或領(lǐng)先世界水平，我們正在進入一個由人工智能驅(qū)動的嶄新時代。
　　
　　▋?nèi)斯ぶ悄芘c生物醫(yī)藥
　　
　　近年來，人工智能技術(shù)正在融入生命科學的各個領(lǐng)域，已經(jīng)成為臨床診療中的重要工具，在新藥研發(fā)領(lǐng)域也有著廣闊前景。眾所周知，新藥研發(fā)是一個成本高昂、周期漫長、充滿風險的過程。高通量技術(shù)的發(fā)展和應(yīng)用產(chǎn)生了豐富的藥物、疾病、基因和蛋白質(zhì)等數(shù)據(jù)，使得人工智能藥物發(fā)現(xiàn)成為可能。人工智能技術(shù)與分子動力學、物理、化學等技術(shù)的結(jié)合，將有助于提高藥物發(fā)現(xiàn)與發(fā)展這一關(guān)鍵環(huán)節(jié)的效率與成功率，從而降低新藥研發(fā)成本，為新藥研發(fā)帶來了新的發(fā)展動力。
　　
　　▲ 人工智能技術(shù)在藥物發(fā)現(xiàn)中的應(yīng)用
　　
　　人工智能技術(shù)在藥物發(fā)現(xiàn)過程中有三個主要階段（藥物研發(fā)、臨床研究、審批上市階段），使用人工智能方法有助于縮短藥物發(fā)現(xiàn)所耗的時間，提高藥物發(fā)現(xiàn)效率。在藥物研發(fā)階段，利用機器學習、深度學習等算法可以識別藥物靶點，篩選先導(dǎo)化合物，并進行結(jié)構(gòu)學習與藥理預(yù)測，進而生成新的藥物化合物；在臨床研究階段，基于人工智能的圖像處理等技術(shù)能及時跟蹤病人的體內(nèi)變化，宏觀了解健康狀況；在審批上市階段，則可以利用大數(shù)據(jù)智能計算來為新藥找尋市場定位。
　　
　　← 左右滑動查看 詳細信息 →
　　
　　《人工智能在生物信息學中的應(yīng)用》一書基于作者團隊近年來的相關(guān)研究成果，運用人工智能方法對組學數(shù)據(jù)分析問題進行了全新闡述，力圖為讀者提供一些解決問題的新方法與新思路。本書首先對多個組學的基礎(chǔ)知識和現(xiàn)有數(shù)據(jù)庫進行了詳細描述，繼而對所涉生物網(wǎng)絡(luò)構(gòu)建方法、相似性計算方法等進行了歸納整理，并對研究中所涉及的人工智能算法如群智能優(yōu)化、機器學習和深度學習等進行了概述，涵蓋優(yōu)化、聚類、統(tǒng)計、圖神經(jīng)網(wǎng)絡(luò)和算法設(shè)計等多方面的知識。本書力求結(jié)構(gòu)清晰、圖文并茂、深入淺出，簡明易懂，使初學者能在短時間內(nèi)了解其感興趣的生物組學數(shù)據(jù)以及相關(guān)人工智能方法的具體應(yīng)用。
　　
　　本書分為基礎(chǔ)篇和應(yīng)用篇，在基礎(chǔ)篇，主要介紹組學的基本知識和數(shù)據(jù)、生物網(wǎng)絡(luò)的特性與相似性計算、智能優(yōu)化算法、機器學習、深度學習等人工智能算法。在應(yīng)用篇，講述人工智能算法在蛋白質(zhì)復(fù)合物挖掘、關(guān)鍵蛋白質(zhì)識別、疾病基因預(yù)測、非編碼RNA與疾病的關(guān)聯(lián)關(guān)系預(yù)測、circRNA與RBP結(jié)合位點預(yù)測、代謝物與疾病關(guān)聯(lián)關(guān)系預(yù)測、微生物與疾病關(guān)聯(lián)關(guān)系預(yù)測及其在藥物發(fā)現(xiàn)中的應(yīng)用等。
　　
　　風勁帆滿海天闊，科技創(chuàng)新正當時?！度斯ぶ悄茉谏镄畔W中的應(yīng)用》一書的出版恰逢其時，作者結(jié)合近年來的研究工作全面系統(tǒng)地總結(jié)了這一領(lǐng)域的最新研究成果，具有一定的學術(shù)價值和實際意義。該書有望助推人工智能和生物信息交叉學科的蓬勃發(fā)展。
　　
　　習近平總書記高度重視科技工作和家國情懷，家國情懷是新時代高校師生最基本的素養(yǎng)。人工智能 與生物信息學的研究必須與國家重大需求相結(jié)合，必須更加高效地應(yīng)對科研范式變革所帶來的新挑戰(zhàn)。相信該書的出版不僅可以為交叉學科的研究添磚加瓦，在人才培養(yǎng)方面也會發(fā)揮應(yīng)有的作用。
　　
　　戴瓊海
　　
　　中國工程院院士
　　
　　中國人工智能學會理事長
　　
　　2022 年12 月
　　
　　本文摘編自《人工智能在生物信息學中的應(yīng)用》（雷秀娟，潘毅著. 北京：科學出版社，2023.10）一書“第1 章 緒論”“前言”“序”，有刪減修改，標題為編者所加。
　　
　　ISBN 978-7-03-076548-2
　　
　　責任編輯：趙艷春 高慧元
　　
　　本書以人工智能方法和生物組學數(shù)據(jù)分析為主線，闡述了人工智能中的群智能優(yōu)化、機器學習、深度學習等算法的基本原理，并探討了如何將這些算法應(yīng)用于生物信息學相關(guān)問題的研究中，如蛋白質(zhì)復(fù)合物挖掘、關(guān)鍵蛋白質(zhì)識別、疾病基因預(yù)測、多種組學（轉(zhuǎn)錄組學、代謝組學、微生物組學）數(shù)據(jù)與疾病的關(guān)聯(lián)關(guān)系預(yù)測、circRNA-RBP 結(jié)合位點預(yù)測、RNA甲基化位點預(yù)測以及藥物發(fā)現(xiàn)等。本書系統(tǒng)收集整理了生物組學相關(guān)數(shù)據(jù)庫，另結(jié)合應(yīng)用問題，從人工智能算法設(shè)計到具體流程計算，再到結(jié)果分析，均給出了詳細步驟，以上均是本書的特色所在。
　　
　　本書適合人工智能、計算機科學、生物信息學、生命科學、生物統(tǒng)計、生物化學以及其他交叉學科專業(yè)的高年級本科生及研究生學習，也可供其他理工科專業(yè)研究人員、程序開發(fā)人員和生物信息計算愛好者參考。
　　
　　《人工智能在生物信息學中的應(yīng)用》
　　
　　雷秀娟，潘毅 著
　　
　　*以上內(nèi)容包含廣告
　　
　　發(fā)貨及發(fā)票說明
　　
　　發(fā)貨說明：商品付款后，工作日48小時內(nèi)發(fā)貨，節(jié)假日不發(fā)貨，順延至工作日正常發(fā)貨。
　　
　　發(fā)票說明：藥渡書店圖書下單7天內(nèi)可以提供開票服務(wù)，下單時備注下發(fā)票抬頭、稅號及接收郵箱信息（三者缺一不可），則可在確認收貨無誤后我方提供增值稅電子版普通發(fā)票。