AI赋能的微生物组大数据挖掘:方法与应用

第1章微生物组1 11基本概念1 111微生物群2 112宏基因组4 113微生物组5 12微生物组高通量测序5 121扩增子测序6 122宏基因组测序7 123测序技术的发展9 124鸟枪法宏基因组测序的拓展研究11 13微生物组测序数据和基本分析流程14 小结16 参考文献16
第2章微生物组大数据及其主流分析方法20 21基本概念及分类20 22微生物组大数据的特征22 23微生物组的主流数据库23 24微生物组的主流数据分析方法和软件24 241扩增子分析软件27 242宏基因组分析软件27 243统计和可视化工具28 25微生物组数据整合中的批次效应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距离加权判别法31 255ComBat方法31 256基于奇异值分解方法31 257替代变量分析法31 26微生物数据分析流程32 26116S扩增子数据分析流程33 262宏基因组数据分析流程35 小结37 参考文献37
第3章微生物组大数据挖掘43 31微生物组大数据挖掘概述43 311微生物组数据挖掘背景43 312人工智能简介44 313人工智能和高性能计算47 314机器学习的概念及方法47 315深度学习的概念及方法52 316计算机经典算法简介58 32微生物组数据挖掘方法61 321微生物组大数据挖掘主流方法及其特征61 322微生物组数据挖掘技术简介62 323微生物标志物挖掘及经典案例64 324微生物组样本比对和特征预测及经典案例65 325微生物组时序网络挖掘及经典案例66 33微生物组大数据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在微生物组研究中的人工智能方法71 333人工智能应用实例73 34微生物组数据挖掘的瓶颈问题及应对策略77 341微生物组大数据挖掘瓶颈77 342微生物组大数据挖掘瓶颈问题的应对策略78 小结80 参考文献81
第4章微生物组大数据的应用85 41不同宿主环境下的微生物组数据研究86 411大黄蜂微生物组研究86 412鱼类微生物组研究87 413小龙虾微生物组研究89 414从抗生素耐药性角度研究水稻小龙虾共养模式90 415鸡微生物组研究91 416欧洲野兔微生物组研究91 417家畜微生物组研究92 42人体微生物组数据研究93 421肠型分析96 422肠道微生物亚群与饮食、代谢疾病的关联分析97 423人类饮食与肠道菌群的个性化关联98 424体育锻炼与肠道菌群的相关性研究98 425幼儿肠道微生物组的时间发育变化100 426肠道菌群与年龄预测101 427微生物组与癌症相关性研究101 428肠道菌群与非酒精性脂肪肝的防治102 429肠易激综合征患者肠道菌群的研究103 4210类风湿性关节炎患者微生物失调和代谢紊乱研究104 4211下呼吸道细菌性感染诊断研究105 4212肠道菌群可塑性研究105 43环境和工程领域的微生物组数据研究106 431土壤微生物组研究107 432污水处理厂微生物群落挖掘108 433植物根际微生物群落研究109 434甘草基因表达微生物群落代谢产物调控模式研究110 435地下水微生物来源分析111 436水体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全球海洋宏转录组研究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利用海洋宏基因组学预测新蛋白质家族116 4311重症监护病房微生物研究117 4312微生物溯源研究118 4313本体感知深度学习应用于微生物溯源的研究119 4314迁移学习应用于微生物分类研究120 小结121 参考文献122
第5章微生物组大数据挖掘的发展趋势和未来态势129 51人工智能赋能的微生物组大数据挖掘的总体知识框架131 52新技术和新发现驱动微生物组研究的不断进步131 53微生物组暗物质和大数据挖掘137 参考文献140
附录143 附录1术语解释144 附录2微生物基因组概述150 附录3基因组功能注释153 附录4人类微生物组研究的30个重大里程碑事件157