数学与21世纪生物学

1 (p1): 执行摘要
2 (p1-1): 建议
5 (p1-2): 建议的理由
10 (p1-2-1): 生物学的首要地位
12 (p1-2-2): 不可预测性
13 (p1-3): 未来前景
15 (p2): 1 领域的性质
15 (p2-1): 引言
16 (p2-2): 数学与生物学的交叉
19 (p2-3): 近年来有什么变化？
25 (p2-4): 计算生物学问题困难的原因是什么？
27 (p2-5): 数学与生物科学成功互动的常见因素
31 (p2-6): 为改善两个领域的利益协作打好基础
37 (p2-7): 本报告的结构
38 (p2-8): 参考文献
40 (p3): 2 历史上的成功
40 (p3-1): 种群生物学的开端
42 (p3-2): 通过同源性推断基因功能
45 (p3-3): 种群进化过程
47 (p3-4): 建模
48 (p3-5): 医学和生物学成像
50 (p3-6): 总结
50 (p3-7): 参考文献
53 (p4): 3 了解分子
53 (p4-1): 引言
54 (p4-2): 数学-生物学关系
57 (p4-3): 分子的数学应用领域
57 (p4-3-1): 序列分析
60 (p4-3-2): 结构分析
64 (p4-3-3): 动力学
65 (p4-3-4): 相互作用
67 (p4-4): 未来方向
69 (p4-5): 参考文献
71 (p5): 4 了解细胞
71 (p5-1): 引言
73 (p5-2): 这些问题的范例
76 (p5-3): 细胞结构
79 (p5-4): 细胞网络及其功能的发现
83 (p5-5): 从网络到细胞功能
90 (p5-6): 从细胞到组织
94 (p5-7): 数据整合
96 (p5-8): 生物学方面的考虑
99 (p5-9): 未来方向
101 (p5-10): 参考文献
117 (p6): 5 了解生物体
119 (p6-1): 心脏生理学
123 (p6-2): 循环生理学
124 (p6-3): 呼吸生理学
125 (p6-4): 信息、处理
127 (p6-5): 内分泌生理学
128 (p6-6): 形态发生和模式生成
132 (p6-7): 运动
133 (p6-8): 癌症
134 (p6-8-1): 针对靶向肿瘤细胞的治疗输送
134 (p6-8-2): 药物作用的机制
134 (p6-8-3): 细胞群体的生长和分化
135 (p6-8-4): 抗性的发展
136 (p6-9): HIV-1感染的体内动力学
138 (p6-10): 未来方向
139 (p6-11): 参考文献
148 (p7): 6 了解种群
148 (p7-1): 种群遗传学
155 (p7-2): 种群的生态方面
158 (p7-3): 生态学与进化论的综合
160 (p7-4): 参考文献
165 (p8): 7 了解群落和生态系统
174 (p8-1): 计算
176 (p8-2): 未来方向
184 (p8-3): 参考文献
195 (p9): 8 横切主题
195 (p9-1): “小n，大P”问题
197 (p9-1-1): 发现基因表达数据中的模式
200 (p9-1-2): 有监督学习
203 (p9-1-3): 无监督学习
205 (p9-2): 有序系统的分析
206 (p9-2-1): 隐马尔可夫模型在DNA、RNA和蛋白质序列分析中的应用
207 (p9-2-2): 序列谱隐马尔可夫模型
209 (p9-2-3): 基因发现中的隐马尔可夫模型
211 (p9-3): 蒙特卡罗方法在计算生物学中的应用
212 (p9-3-1): 模体发现中的吉布斯采样
213 (p9-3-2): 调控网络的推断
214 (p9-3-3): 蛋白质构象采样
215 (p9-4): 目前引入的数学主题的经验教训
216 (p9-5): 低级数据的处理
220 (p9-6): 结束语
221 (p9-7): 参考文献 本书全面总结了近年来数学生物学的研究现状和研究动态, 前瞻性地提出了数学与生物学的交叉学科前沿的发展趋势与未来研究方向