医药分析信息学及信息处理技术

"第1章绪论1

1.1分析科学发展前沿若干问题1

1.2涉及的若干概念、界定及术语定义2

1.3分析信息获取问题3

1.4生物医药分析技术发展趋势5

1.5药物信息学与生物医药分析5

1.6复杂物质体系辨析与医药分析信息学7第2章分析数据处理技术基础知识10

2.1化学计量学与化学信息学10

2.1.1化学计量学10

2.1.2化学信息学10

2.2多元统计分析技术11

2.2.1基本概念12

2.2.2常用的多元统计分析方法13

2.3机器学习技术15

2.3.1机器学习的定义16

2.3.2机器学习的类型16

2.3.3机器学习的应用领域17

2.3.4几种常见的机器学习方法17

2.4模式信息处理技术18

2.4.1基本概念19

2.4.2模式识别基本方法20

2.5知识工程技术24

2.5.1知识工程定义25

2.5.2知识表示方法25

2.5.3知识搜索26

2.5.4知识推理机制27

2.5.5专家系统28

2.6人工神经元计算技术33

2.6.1神经网络的定义33

2.6.2基本概念与原理33

2.6.3神经网络的应用35

2.6.4几种常见的神经网络模型35

2.7数据库与数据挖掘技术37

2.7.1数据库技术概述37

2.7.2数据库的基本概念38

2.7.3数据仓库和数据挖掘技术38

2.8小波分析技术44

2.8.1基本概念44

2.8.2小波分析的基本原理45

2.8.3信号小波级数的展开及其变换算法的实现48

2.9数据可视化技术49

2.9.1数据可视化概念49

2.9.2数据可视化过程50

2.9.3数据可视化方法51

2.9.4数据可视化应用51

2.9.5展望52

2.10化学信息集成处理技术53

参考文献53第3章现代仪器分析信号处理55

3.1分析信号处理技术概述55

3.2分析仪器的信号与噪声特性56

3.3数字滤噪方法分类59

3.4滤噪效果评价方法59

3.4.1整体滤噪效果评价指标60

3.4.2局部滤噪效果评价指标60

3.5频带滤噪法61

3.5.1多点归并平滑法61

3.5.2加权平均平滑法61

3.5.3SG数字滤波器62

3.5.4可调型低通滤波器64

3.5.5几种常用频带滤噪法的性能比较66

3.6最佳滤波器68

3.6.1匹配滤波器69

3.6.2维纳滤波器和卡尔曼滤波器69

3.7基于小波变换法的滤噪技术69

3.7.1小波基自适应滤噪技术70

3.7.2基于小波包基分解与重构的滤噪技术75

3.8自适应滤波器76

3.8.1最小均方自适应滤波器77

3.8.2神经网络滤波器78

3.9新型滤噪方法研究实例79

3.9.1基于分形理论的自适应中位值滤噪方法研究实例79

3.9.2基于光谱信息计算解析的液相色谱滤噪方法研究实例81

3.10小波信号压缩84

参考文献85第4章分析谱图的谱峰辨识方法86

4.1谱峰辨识技术概要86

4.2谱峰检测方法87

4.2.1幅值检峰法87

4.2.2一阶导数检峰法87

4.2.3二阶导数检峰法88

4.2.4分形维检峰法89

4.3谱峰识别方法90

4.3.1基线漂移法91

4.3.2谱峰间距测定法91

4.3.3峰高比综合判别法92

4.4仿人智能辨识谱峰方法92

4.5谱峰自适应辨识方法93第5章多元校正与复杂分析数据解析95

5.1多元校正与复杂分析数据解析概述95

5.2多元校正97

5.2.1直接校正97

5.2.2间接校正100

5.2.3非线性多元校正107

5.3近红外光谱数据的多元校正1145.3.1近红外光谱预处理方法115

5.3.2波段选择116

5.3.3多元校正建模方法116

5.4复杂分析数据解析125

5.4.1多元分辨126

5.4.2应用实例129

参考文献136第6章化学与生物模式信息处理137

6.1数据预处理方法137

6.2常用的模式特征提取方法138

6.2.1主成分分析法139

6.2.2偏最小二乘法141

6.2.3核主成分分析法142

6.3复杂化学与生物模式的分步特征提取法143

6.3.1复杂化学与生物模式特征的分步提取方法原理143

6.3.2特征矢量的分类能力评价指标145

6.3.3复杂化学与生物模式特征的分步提取方法应用实例146

6.4最优分类特征提取方法148

6.4.1最优分类特征提取方法原理148

6.4.2最优分类特征提取方法应用实例150

6.5聚类分析法151

6.5.1相似性测度152

6.5.2系统聚类法153

6.5.3动态聚类法155

6.6判别函数法155

6.6.1判别函数156

6.6.2参数学习157

6.6.3多分类问题159

6.7近邻法160

6.7.1最近邻法160

6.7.2k近邻法161

6.8神经网络模式分类法162

6.8.1神经网络基本原理162

6.8.2感知器164

6.8.3误差反传神经网络164

6.8.4RBF网络167

6.9支持向量机168

6.9.1支持向量机基本原理168

6.9.2多类支持向量机170

6.9.3支持向量机应用实例171

6.10模糊模式识别方法174

6.10.1模糊数学的基本知识175

6.10.2模糊模式识别的一般过程175

6.10.3模糊聚类方法177

6.10.4模糊神经网络178

6.10.5应用实例180

参考文献181第7章化学指纹图谱计算处理1827.1化学指纹图谱计算处理方法简介182

7.1.1指纹图谱相似性计算原理183

7.1.2模式分类计算原理184

7.2化学指纹图谱测量参数的选择184

7.3化学指纹图谱配准方法188

7.4化学指纹图谱相似性测度的比较192

7.5化学指纹图谱模式分类计算方法195

7.5.1基于小波基分形参量的化学指纹图谱计算方法196

7.5.2基于Fisher因子的化学指纹图谱模式分类方法199

7.5.3化学指纹图谱类别相似性计算方法202

参考文献205第8章分析信息智能管理206

8.1实验室信息管理系统206

8.1.1LIMS的定义和范畴207

8.1.2LIMS的发展过程207

8.1.3LIMS的工作流程209

8.1.4LIMS的功能209

8.1.5LIMS的实施过程212

8.1.6LIMS的标准和认证体系214

8.2电子实验记录本214

8.2.1电子实验记录本的概念214

8.2.2电子实验记录本的功能215

8.3中药分析信息智能管理216

8.3.1中药化学信息数据库217

8.3.2中药化合物数据库218

8.4中药指纹图谱数据库管理系统218

8.4.1系统功能218

8.4.2应用实例222

8.5数字中药信息系统223

8.5.1数字中药信息系统结构223

8.5.2数字中药信息系统功能224

8.6中药分析信息的数据挖掘226

8.6.1基于因果关系发现的中药有效组分辨识方法227

8.6.2中药材关键药效成分辨识方法研究实例228

8.6.3中药复方关键药效成分辨识方法研究实例232

8.6.4中药复方有效组分配伍优化方法研究实例234

参考文献235第9章生物芯片分析信息处理237

9.1生物芯片概述237

9.2生物芯片分析过程238

9.3芯片数据获取239

9.3.1芯片图像处理239

9.3.2归一化方法240

9.3.3芯片数据形式242

9.4芯片数据分析242

9.4.1差异分析242

9.4.2分类分析243

9.4.3聚类分析2449.4.4网络分析250

9.4.5可视化方法252

9.5芯片分析信息处理发展趋势255

9.5.1数据质量评价与归一化255

9.5.2差异分析255

9.5.3测度选择255

9.5.4基因相互关系发现255

9.5.5聚类结果验证255

参考文献256第10章组学分析信息处理257

10.1组学及组学分析信息处理技术概述257

10.2蛋白质组分析信息处理259

10.2.1蛋白质组分析信息处理简述259

10.2.2基于形态特征的双向电泳图像处理方法261

10.3代谢组分析信息处理267

10.3.1代谢组信息处理技术简述267

10.3.2肾阳虚模型大鼠代谢模式分析268

10.3.3乳腺癌代谢物组模式特征发现270

10.3.4肺癌患者尿液代谢组分析274

10.4展望276

10.4.1组学分析信息处理的应用前景276

10.4.2组学分析信息学277

参考文献278附录279

1线性空间预备知识279

1.1基本概念及定义279

1.2矩阵代数279

1.3矩阵和向量的微积分280

2点盒分形维282

2.1分形的定义282

2.2分形维数定义283

2.3点盒维数定义283

"

"　　医药分析信息学是一门新近引起分析化学界和生物医药界高度重视并得到迅速发展的边缘学科，是当今生物科技和信息科技的研究前沿；而分析仪器数据处理技术则是运用信息科学和计算科学等多学科交叉综合手段解决复杂物质体系辨析问题的高新技术方法，已广泛应用于生物、医药、地质、环保、食品、农业、化学等众多领域，取得了令人瞩目的成果。全书共分10章，分别对分析数据处理技术的基础知识、现代仪器分析信号的处理、化学与生物模式信息处理、化学指纹图谱计算处理、分析信息智能管理、生物芯片分析信息处理、组学分析信息处理等进行了详细介绍，并对该技术在生物医药领域中的应用研究现；吠及进展做了全面介绍。本书可供广大生物医药和分析科学工作者以及相关应用领域的科技人员阅读，也可作为相关专业研究生教学参考用书。　　全书共分10章，分别对分析数据处理技术的基础知识、现代仪器分析信号的处理、化学与生物模式信息处理、化学指纹图谱计算处理、分析信息智能管理、生物芯片分析信息处理、组学分析信息处理等进行了详细介绍，并对该技术在生物医药领域中的应用研究现；吠及进展做了全面介绍。"