AI賦能的微生物組大數(shù)據(jù)挖掘：方法與應(yīng)用

第1章微生物組1
11基本概念1
111微生物群2
112宏基因組4
113微生物組5
12微生物組高通量測序5
121擴增子測序6
122宏基因組測序7
123測序技術(shù)的發(fā)展9
124鳥槍法宏基因組測序的拓展研究11
13微生物組測序數(shù)據(jù)和基本分析流程14
小結(jié)16
參考文獻16
第2章微生物組大數(shù)據(jù)及其主流分析方法20
21基本概念及分類20
22微生物組大數(shù)據(jù)的特征22
23微生物組的主流數(shù)據(jù)庫23
24微生物組的主流數(shù)據(jù)分析方法和軟件24
241擴增子分析軟件27
242宏基因組分析軟件27
243統(tǒng)計和可視化工具28
25微生物組數(shù)據(jù)整合中的批次效應(yīng)28
 
251平均中心方法30
252Zscore方法30
253基于比值的方法31
254距離加權(quán)判別法31
255ComBat方法31
256基于奇異值分解方法31
257替代變量分析法31
26微生物數(shù)據(jù)分析流程32
26116S擴增子數(shù)據(jù)分析流程33
262宏基因組數(shù)據(jù)分析流程35
小結(jié)37
參考文獻37
第3章微生物組大數(shù)據(jù)挖掘43
31微生物組大數(shù)據(jù)挖掘概述43
311微生物組數(shù)據(jù)挖掘背景43
312人工智能簡介44
313人工智能和高性能計算47
314機器學習的概念及方法47
315深度學習的概念及方法52
316計算機經(jīng)典算法簡介58
32微生物組數(shù)據(jù)挖掘方法61
321微生物組大數(shù)據(jù)挖掘主流方法及其特征61
322微生物組數(shù)據(jù)挖掘技術(shù)簡介62
323微生物標志物挖掘及經(jīng)典案例64
324微生物組樣本比對和特征預測及經(jīng)典案例65
325微生物組時序網(wǎng)絡(luò)挖掘及經(jīng)典案例66
33微生物組大數(shù)據(jù)挖掘的人工智能方法67
331在生物研究中的人工智能方法67
332在微生物組研究中的人工智能方法71
333人工智能應(yīng)用實例73
34微生物組數(shù)據(jù)挖掘的瓶頸問題及應(yīng)對策略77
341微生物組大數(shù)據(jù)挖掘瓶頸77
342微生物組大數(shù)據(jù)挖掘瓶頸問題的應(yīng)對策略78
小結(jié)80
參考文獻81
第4章微生物組大數(shù)據(jù)的應(yīng)用85
41不同宿主環(huán)境下的微生物組數(shù)據(jù)研究86
411大黃蜂微生物組研究86
412魚類微生物組研究87
413小龍蝦微生物組研究89
414從抗生素耐藥性角度研究水稻小龍蝦共養(yǎng)模式90
415雞微生物組研究91
416歐洲野兔微生物組研究91
417家畜微生物組研究92
42人體微生物組數(shù)據(jù)研究93
421腸型分析96
422腸道微生物亞群與飲食、代謝疾病的關(guān)聯(lián)分析97
423人類飲食與腸道菌群的個性化關(guān)聯(lián)98
424體育鍛煉與腸道菌群的相關(guān)性研究98
425幼兒腸道微生物組的時間發(fā)育變化100
426腸道菌群與年齡預測101
427微生物組與癌癥相關(guān)性研究101
428腸道菌群與非酒精性脂肪肝的防治102
429腸易激綜合征患者腸道菌群的研究103
4210類風濕性關(guān)節(jié)炎患者微生物失調(diào)和代謝紊亂研究104
4211下呼吸道細菌性感染診斷研究105
4212腸道菌群可塑性研究105
43環(huán)境和工程領(lǐng)域的微生物組數(shù)據(jù)研究106
431土壤微生物組研究107
432污水處理廠微生物群落挖掘108
433植物根際微生物群落研究109
434甘草基因表達微生物群落代謝產(chǎn)物調(diào)控模式研究110
435地下水微生物來源分析111
436水體抗生素抗性基因研究112
437湖泊抗生素抗性基因研究113
438全球海洋宏轉(zhuǎn)錄組研究114
439海洋微生物群落中的抗生素抗性基因研究115
4310利用海洋宏基因組學預測新蛋白質(zhì)家族116
4311重癥監(jiān)護病房微生物研究117
4312微生物溯源研究118
4313本體感知深度學習應(yīng)用于微生物溯源的研究119
4314遷移學習應(yīng)用于微生物分類研究120
小結(jié)121
參考文獻122
第5章微生物組大數(shù)據(jù)挖掘的發(fā)展趨勢和未來態(tài)勢129
51人工智能賦能的微生物組大數(shù)據(jù)挖掘的總體知識框架131
52新技術(shù)和新發(fā)現(xiàn)驅(qū)動微生物組研究的不斷進步131
53微生物組暗物質(zhì)和大數(shù)據(jù)挖掘137
參考文獻140
附錄143
附錄1術(shù)語解釋144
附錄2微生物基因組概述150
附錄3基因組功能注釋153
附錄4人類微生物組研究的30個重大里程碑事件157