アクセスランキング

01位
数学のための英語教本―読むことから始めよう― 
02位
入門計量経済学
03位
実用的でないPythonプログラミング―楽しくコードを書いて賢くなろう!― 
04位
サーストン万華鏡―人と数学の未来を見つめて― 
05位
ジオダイナミクス 原著第3版
  • ニュースメール
  • アフターサービス
  • facebook

統計物理化学から学ぶバイオインフォマティクス

書籍情報
ISBN978-4-320-05615-2
判型B5 
ページ数282ページ
発行年月2004年09月
本体価格5,500円
統計物理化学から学ぶバイオインフォマティクス 書影
統計物理化学から学ぶバイオインフォマティクス

1970年代初頭,生化学の研究室でゲル電気泳動は特殊な技術であった.分子生物学は驚異的な急成長を遂げ,ゲノム配列計画でも徹底的に使いこなされるようになった結果,いまでは大量の生データが産み出され,データ解析のための有効なコンピュータ・アルゴリズムが必須になってきている.計算生物学とかバイオインフォマティクスとよばれる学際的な研究分野には,計算機科学や数学および生物学からの理論と実践双方にわたる関与があり,数学モデルや統計解析,計算機シミュレーション,効果的アルゴリズム,データベースシステムにWebのインタフェースといったさまざまな要素の発展が必要とされる.
本書では,計算生物学に関する,一冊で完結した入門書になることを意図し,各種アルゴリズムがなぜ有効であるのかを理解するうえで必要な数学的背景を解説する。たとえば,隠れマルコフモデルを開発する際には,この重要なモチーフ認識アルゴリズムについての擬似コードを示すにとどまるよりも,むしろ背景となる確率理論の理解のほうが重要であろうとわれわれは考える。学習のためのツールとして,本文中にはC/C++や時にはJavaを用いた基本的な実行形式として多くのアルゴリズムを示してある。これらのソースコードは本書に関するWebページ(http://www.wiley.co.uk/statisticsからリンクをたどることができる)上でも参照できる。(まえがきより)

目次

第1章 分子生物学の基礎知識
1.1 有機化学について,少しだけ……
1.2 低分子化合物の基本的性質
1.3 糖
1.4 核酸
 1.4.1 ヌクレオチド
 1.4.2 DNA
 1.4.3 RNA
1.5 タンパク質
 1.5.1 アミノ酸
 1.5.2 タンパク質の構造
1.6 DNAからタンパク質へ
 1.6.1 アミノ酸とタンパク質
 1.6.2 転写と翻訳
1.7 演習

第2章 数学的基礎
2.1 確率論
 2.1.1 確率変数
 2.1.2 重要な確率分布
 2.1.3 マルコフ連鎖
 2.1.4 Metropolis-Hastingsアルゴリズム
 2.1.5 マルコフ確率場とギブスサンプラー
 2.1.6 最大尤度
2.2 組合せ最適化
 2.2.1 ラグランジュ乗数法
 2.2.2 勾配降下法
 2.2.3 シミュレーテッド・アニーリング法に関連した発見的手法
 2.2.4 モンテカルロ法の応用
 2.2.5 遺伝的アルゴリズム
2.3 エントロピーと分子生物学への応用
 2.3.1 情報論的エントロピー
 2.3.2 シャノンはボルツマンを包含する
 2.3.3 簡単な統計的ゲノム解析
 2.3.4 ゲノムセグメント分割アルゴリズム
2.4 演習
2.5 補遺:Bezoutの補助定理の改変

第3章 配列アラインメント
3.1 動機づけのための一例
3.2 スコア行列
3.3 大域的な対合配列アラインメント
 3.3.1 距離法(distance method)
 3.3.2 タンデムな重複を伴うアラインメント
 3.3.3 類似度法(similarity method)
3.4 多重配列アラインメント
 3.4.1 動的プログラミング
 3.4.2 ギブスのサンプラー
 3.4.3 Maximum-Weight Trace法
 3.4.4 隠れマルコフモデル
 3.4.5 シュタイナー配列
3.5 ゲノム再編成
3.6 潜在性遺伝子とガイドRNAの位置決定
 3.6.1 アンカーの法則と周期性の法則
 3.6.2 潜在性遺伝子の探索
3.7  トリパノソーマgRNAに関する長さの期待値
3.8 演習
3.9 補遺:対形成確率に関する最大尤度の推定

第4章 イヴのすべて
4.1 序
4.2 進化的変化の速度
 4.2.1 アミノ酸配列
 4.2.2 ヌクレオチド配列
4.3 クラスタリング法
 4.3.1 ウルトラメトリックなツリー
 4.3.2 相加的メトリック
 4.3.3 分枝長の推定
4.4 最尤法
 4.4.1 ツリーの尤度
 4.4.2 尤度の再帰的定義
 4.4.3 固定したトポロジーに対する最適分枝長
 4.4.4 トポロジーの決定
4.5 カルテットパズル法
 4.5.1 カルテットパズル法のステップ
 4.5.2 マジョリティコンセンサスツリー
4.6 演習

第5章 隠れマルコフモデル
5.1 尤度とモデルのスコア付け
5.2 パラメータの再推定
 5.2.1 Balm-Welch法
 5.2.2 Baum-Welch法の期待値最大化とジャスティフィケーション
 5.2.3 Balldi-Chauvinの勾配降下法
 5.2.4 MamitsukaのMAアルゴリズム
5.3 応用
 5.3.1 複数配列アラインメント
 5.3.2 タンパク質モチーフ
 5.3.3 真核生物DNAのプロモーター領域
5.4 演習

第6章 構造予測
6.1 RNAの2次構造
6.2 DNAの二重らせん解離
6.3 アミノ酸ペアポテンシャル
6.4 タンパク質の格子モデル
 6.4.1 モンテカルロとヘテロポリマータンパク質モデル
 6.4.2 HPモデルのたたみ込みのための遺伝的アルゴリズム
6.5 HartとIstrailの近似アルゴリズム
 6.5.1 性能
 6.5.2 下界
 6.5.3 ブロック構造,折れたたみ点,釣り合いのとれたカット
6.6 束縛ベース構造予測
6.7 タンパク質スレッディング
 6.7.1 定義
 6.7.2 分岐・結合アルゴリズム
 6.7.3 NP困難(NP-hardness)
6.8 演習

付録A 数学的補遺
A.1 漸近的計算量
A.2 計測の単位
A.3 ラグランジュ乗数法

付録B リソース
B.1 Webサイト
B.2 PDBフォーマット

参考文献