R.Durbin、S.Eddy、A.Krogh、G.Mitchison编写的《生物序列分析》是介绍蛋白质和核酸的概率论模型的一本经典的好书，全书涉及序列比对、Markov链和隐马模型、种系发生树、RNA结构分析等算法模型。该书对蛋白质和核酸序列分析进行了较透彻的介绍。因为是以序列分析生物信息学研究为出发点和基础，该书因此成为生物信息学研究必不可少的一本参考书，这也是我们选择此书翻译的一个重要原因。

R.Durbin、S.Eddy、A.Krogh、G.Mitchison编写的《生物序列分析》在结构上大致可以分为四个部分，每个部分所覆盖的问题分别是：二序列联配、多序列联配、系统发育树和RNA结构。具体分为：二序列联配、Markov链与隐马模型、使用HMM的二序列联配、用于序列家族的列型HMM、多序列联配方法、构造系统发育树和系统发育的概率论方法。本书介绍的列型чMM、多序列联配方法、构造系统发育树和系统发育的概率论方法。本书介绍的一些方法将不同的生物信息来源整合到一般的、清晰且可操作的序列分析概率论模型中，有助于研究者深入了解生物序列分析的基础。

本书可供生物信息学、分子生物学、数学、计算机科学以及物理学专业的研究生或高年级本科生及这些领域的老师和研究人员参考。

译者名单

中文版序一

中文版序二

译者的话

前言

第1章 绪论

 1.1 序列的相似性、同源性及联配

 1.2 本书概述

 1.3 概率与概率论模型

 1.4 补充读物

第2章 二序列联配

 2.1 引言

 2.2 计分模型

 2.3 联配算法

 2.4 更复杂模型的动态规划

 2.5 启发式联配算法

 2.6 线性空间联配

 2.7 分值的显著性

 2.8 从联配数据推导计分参数

 2.9 补充读物

第3章 Markov链与隐马模型(HMM)

 3.1 Markov链

 3.2 隐马模型

 3.3 HMM的参数估计

 3.4 HMM的模型结构

 3.5 更复杂的Markov链

 3.6 HMM算法的数值稳定性

 3.7 补充读物

第4章 采用HMM的二序列联配

 4.1 索引

 4.2 X和Y的对所有路径求和的全概率

 4.3 次优联配

 4.4 Xi联配上Yi的后验概率

 4.5 用于搜索的成对HMM与FSA之对比

 4.6 补充读物

第5章 用于序列家族的列型ItMM

 5.1 无空位计分矩阵

 5.2 添加插入与删除状态以获得列型HMM

 5.3 从多序列联配中导出列型HMM

 5.4 基于列型HMM的搜索

 5.5 用于非全局联配的列型HMM变体

 5.6 对概率估计的深入说明

 5.7 最优模型的构建

 5.8 训练序列的加权

 5.9 补充读物

第6章 多序列联配方法

 6.1 多序列联配的含义

 6.2 为多序列联配计分

 6.3 多维动态规划

 6.4 渐进联配方法

 6.5 由列型HMM训练的多序列联配

 6.6 补充读物

第7章 构造系统发育树

 7.1 生命之树

 7.2 树的背景知识

 7.3 用成对距离建树

 7.4 简约法

 7.5 树的评估：自举法

 7.6 联配与系统发育的同时处理

 7.7 补充读物

 7.8 附录：邻接法定理的证明

第8章 系统发育的概率论方法

 8.1 引言

 8.2 进化的概率论模型

 8.3 计算无空位联配的似然

 8.4 用似然做推断

 8.5 更现实的进化模型

 8.6 概率论方法与非概率论方法的比较

 8.7 补充读物

第9章 转换文法

 9.1 转换文法

 9.2 正则文法

 9.3 上下文无关文法

 9.4 上下文有关文法

 9.5 随机文法

 9.6 用于序列建模的随机上下文无关文法

 9.7 补充读物

第10章 RNA结构分析

 10.1 RNA

 10.2 RNA二级结构预测

 10.3 协方差模型：基于SCFG的RNA列型

 10.4 补充读物

第11章 概率论背景

 11.1 概率分布

 11.2 熵

 11.3 推断

 11.4 抽样

 11.5 从计数估计概率

 11.6 EM算法

参考文献

部分术语汉英对照

部分术语英汉对照

索引