組學機器學習檢視原始碼討論檢視歷史

來自 孔夫子網 的圖片

《組學機器學習》，劉琦 著，出版社： 科學出版社。

書籍是人類進步的階梯，合理閱讀使一個人完善自身的知識結構，全面提升人文素質，為走向成功奠定堅實的基礎。

內容簡介

人工智能驅動的組學挖掘是數據驅動的生物醫學研究的支撐技術。組學測序技術逐步向多尺度、跨模態、有擾動等方向發展，但體現出的高維度、高噪聲、多模態、標記稀缺等特點，成為制約其有效挖掘的瓶頸。《組學機器學習》面向生命組學數據特點，較為系統和深入地對組學機器學習的主要研究範式、適用場景、分析方法、理論思想進行介紹。結合相應組學挖掘的具體研究案例，向讀者展示組學人工智能驅動的生命健康交叉研究的絢爛圖景。

目錄

• • 部分 組學機器學習導論

第1章 組學機器學習概述 3

1.1 組學概述 3

1.2 組學機器學習 6

1.3 本章小結 8

參考文獻 10

第二部分 組學的表徵學習

第2章 組學的表徵——度量13

2.1 度量學習 13

2.2 案例一：基於參考單細胞轉錄組進行細胞類型識別的度量學習 17

2.3 案例二：整合多個參考單細胞組進行細胞類型識別的度量學習 34

2.4 案例三：藥物基因組的度量學習 47

2.5 本章小結 58

參考文獻 58

第3章 組學的表徵——嵌入66

3.1 嵌入66

3.2 案例：CRISPR功能基因組的嵌入學習72

3.3 本章小結 83

參考文獻 84

第4章組學的表徵——多模態整合 87

4.1多模態整合87

4.2案例：單細胞RNA-seq和單細胞ATAC-seq多模態整合 95

4.3本章小結 114

參考文獻114

第三部分 組學的弱監督學習

第5章 組學的不完備監督——半監督學習 123

5.1 半監督學習 123

5.2 案例：抗癌藥物組合預測的半監督學習 127

5.3 本章小結 138

參考文獻138

第6章 組學的不完備監督——遷移學習141

6.1 遷移學習 141

6.2 案例一：基因編輯系統優化設計的遷移學習146

6.3 案例二：藥物小分子設計的遷移學習 158

6.4 本章小結 166

參考文獻167

第7章 組學的不完備監督——元學習 171

7.1 元學習171

7.2 案例：抗原 -TCR識別的元學習 175

7.3 本章小結 186

參考文獻187

第8章 組學的不完備監督——主動學習190

8.1 主動學習 190

8.2 案例：基於主動學習的化學反應定量建模 198

8.3 本章小結 208

參考文獻208

第四部分 組學的隱私計算

第9章 組學的隱私保護——聯邦學習 217

9.1 聯邦學習 217

9.2 案例一：藥物小分子定量構效關係建模的聯邦學習 220

9.3 案例二：單細胞組學整合的聯邦學習 225

9.4 本章小結 233

參考文獻 234

總結與展望 237

術語表 239