机器学习方法及其在生物信息学问题上的应用介绍

机器学习技术正被越来越多地用于解决计算生物学和生物信息学中的问题。分析序列、基因和蛋白质表达、路径和图像等形式的高通量数据的新型计算技术对理解疾病和未来的药物发现变得至关重要。机器学习技术，如马尔科夫模型、支持向量机、神经网络和图形模型，在分析生命科学数据方面取得了成功，因为它们在处理数据噪音的随机性和不确定性以及概括性方面的能力。

《生物信息学中的机器学习》来自该领域国际公认的杰出研究小组，汇编了机器学习方法的最新方法及其在解决当代生物信息学问题中的应用。覆盖范围包括：基因组和蛋白质组数据挖掘的特征选择；比较基因选择和微阵列数据分类中的变量选择方法；模糊基因挖掘；基于序列的蛋白质残基级属性预测；生物序列中长程特征的概率方法；以及更多。

生物信息学中的机器学习是计算机科学家、工程师、生物学家、数学家、研究人员、临床医生、医师和医学信息学家不可缺少的资源。它也是本科生和研究生阶段的计算机科学、工程和生物学课程的宝贵参考文本。