舉報(bào)

會(huì)員
合成生物學(xué)智能化設(shè)計(jì)與應(yīng)用
最新章節(jié):
12.5 參考文獻(xiàn)
本書以人工智能技術(shù)在合成生物學(xué)領(lǐng)域的理論、方法及應(yīng)用為主線,詳細(xì)闡述人工智能在合成生物學(xué)不同層面設(shè)計(jì)中的應(yīng)用進(jìn)展,深入討論人工智能在合成生物學(xué)實(shí)際應(yīng)用中面臨的挑戰(zhàn)與困難。本書先概述合成生物學(xué)與人工智能基本概念以及發(fā)展簡(jiǎn)史,然后介紹人工智能技術(shù)在生物元件、生物模塊、生物系統(tǒng)設(shè)計(jì)方面的應(yīng)用,并通過(guò)案例展示了人工智能與合成生物學(xué)技術(shù)在生物醫(yī)藥領(lǐng)域的研究進(jìn)展,最后分析了人工智能驅(qū)動(dòng)合成生物技術(shù)的發(fā)展趨勢(shì),并討論了實(shí)際應(yīng)用所面臨的挑戰(zhàn)和困難,以及展望該交叉領(lǐng)域的未來(lái)研究方向。本書適合作為生物類、計(jì)算機(jī)類、化工類、環(huán)境類、醫(yī)藥專業(yè)的本科生及研究生的教學(xué)用書,也適合生物、信息、醫(yī)藥、化工、能源、資源和環(huán)境等領(lǐng)域的科研人員、程序開(kāi)發(fā)人員參考。
目錄(231章)
倒序
- 封面
- 版權(quán)信息
- 版權(quán)
- 內(nèi)容提要
- 編委會(huì)名單(排名不分先后)
- 序
- 前言
- 資源與支持
- 資源獲取
- 提交勘誤
- 與我們聯(lián)系
- 關(guān)于異步社區(qū)和異步圖書
- 第1章 合成生物學(xué)概述
- 1.1 發(fā)展歷程
- 1.2 定義與本質(zhì)
- 1.3 基本原理
- 1.3.1 層級(jí)化結(jié)構(gòu)
- 1.3.2 工程化設(shè)計(jì)
- 1.4 主要技術(shù)方法
- 1.4.1 DNA合成
- 1.4.2 DNA測(cè)序
- 1.4.3 DNA組裝
- 1.4.4 基因編輯
- 1.4.5 定向進(jìn)化
- 1.5 里程碑成果
- 1.5.1 合成能力飛速發(fā)展
- 1.5.2 核心技術(shù)不斷升級(jí)
- 1.5.3 創(chuàng)新應(yīng)用成果凸顯
- 1.6 小結(jié)
- 1.7 參考文獻(xiàn)
- 第2章 人工智能概述
- 2.1 人工智能的發(fā)展歷程
- 2.2 機(jī)器學(xué)習(xí)技術(shù)
- 2.2.1 集成學(xué)習(xí)
- 2.2.2 強(qiáng)化學(xué)習(xí)
- 2.2.3 遷移學(xué)習(xí)
- 2.2.4 反向傳播法
- 2.2.5 損失函數(shù)與優(yōu)化器
- 2.2.6 監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)
- 2.2.7 機(jī)器學(xué)習(xí)在合成生物學(xué)中的應(yīng)用
- 2.3 機(jī)器學(xué)習(xí)主要算法
- 2.3.1 決策樹
- 2.3.2 支持向量機(jī)
- 2.3.3 支持向量回歸
- 2.3.4 貝葉斯網(wǎng)絡(luò)
- 2.3.5 K-近鄰
- 2.3.6 隨機(jī)森林
- 2.3.7 梯度提升機(jī)
- 2.3.8 XGBoost
- 2.4 深度學(xué)習(xí)基礎(chǔ)
- 2.4.1 深度學(xué)習(xí)框架
- 2.4.2 神經(jīng)網(wǎng)絡(luò)
- 2.5 神經(jīng)網(wǎng)絡(luò)模型
- 2.5.1 深度置信網(wǎng)絡(luò)
- 2.5.2 線性神經(jīng)網(wǎng)絡(luò)
- 2.5.3 多層感知器
- 2.5.4 卷積神經(jīng)網(wǎng)絡(luò)
- 2.5.5 循環(huán)神經(jīng)網(wǎng)絡(luò)
- 2.5.6 殘差神經(jīng)網(wǎng)絡(luò)
- 2.5.7 深度生成模型
- 2.5.8 注意力網(wǎng)絡(luò)
- 2.6 小結(jié)
- 2.7 參考文獻(xiàn)
- 第3章 合成生物學(xué)中的數(shù)學(xué)模型
- 3.1 標(biāo)準(zhǔn)定量機(jī)制
- 3.2 數(shù)學(xué)模型
- 3.2.1 米氏方程
- 3.2.2 希爾方程
- 3.2.3 種群生長(zhǎng)Logistic模型
- 3.2.4 基因表達(dá)的隨機(jī)模型
- 3.2.5 基因調(diào)控網(wǎng)絡(luò)模型
- 3.3 邏輯拓?fù)浣Y(jié)構(gòu)
- 3.3.1 簡(jiǎn)單調(diào)控
- 3.3.2 級(jí)聯(lián)
- 3.3.3 前饋
- 3.3.4 反饋
- 3.3.5 單輸入模塊
- 3.3.6 多輸入模塊
- 3.4 小結(jié)
- 3.5 參考文獻(xiàn)
- 第4章 調(diào)控元件
- 4.1 調(diào)控元件的類型及特點(diǎn)
- 4.1.1 原核生物轉(zhuǎn)錄調(diào)控元件
- 4.1.2 真核生物轉(zhuǎn)錄調(diào)控元件
- 4.2 調(diào)控元件的人工智能挖掘
- 4.2.1 啟動(dòng)子的挖掘
- 4.2.2 轉(zhuǎn)錄因子結(jié)合位點(diǎn)的挖掘
- 4.3 調(diào)控元件的智能設(shè)計(jì)
- 4.4 采用人工智能算法所面臨的挑戰(zhàn)
- 4.4.1 “維度災(zāi)難”和類不平衡性
- 4.4.2 數(shù)據(jù)噪聲和異質(zhì)性
- 4.4.3 模型可解釋性
- 4.4.4 網(wǎng)絡(luò)架構(gòu)的選擇
- 4.4.5 計(jì)算資源的消耗
- 4.5 小結(jié)
- 4.6 參考文獻(xiàn)
- 第5章 蛋白質(zhì)工程
- 5.1 基本策略
- 5.1.1 定向進(jìn)化
- 5.1.2 半理性設(shè)計(jì)
- 5.1.3 從頭設(shè)計(jì)蛋白質(zhì)
- 5.2 人工智能輔助蛋白質(zhì)工程策略
- 5.2.1 蛋白質(zhì)數(shù)據(jù)集的構(gòu)建
- 5.2.2 蛋白質(zhì)的向量表示法
- 5.2.3 模型的選擇與構(gòu)建
- 5.2.4 模型的訓(xùn)練與評(píng)估
- 5.2.5 模型的可解釋性
- 5.3 人工智能在蛋白質(zhì)工程中的應(yīng)用實(shí)例
- 5.3.1 人工智能顛覆蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)
- 5.3.2 人工智能指導(dǎo)定向進(jìn)化策略
- 5.3.3 人工智能驅(qū)動(dòng)蛋白質(zhì)從頭設(shè)計(jì)
- 5.4 人工智能輔助蛋白質(zhì)工程應(yīng)用
- 5.4.1 生物醫(yī)藥與抗體研發(fā)
- 5.4.2 生物制造與酶工程
- 5.5 小結(jié)
- 5.6 參考文獻(xiàn)
- 第6章 基因線路
- 6.1 基因線路設(shè)計(jì)
- 6.1.1 質(zhì)粒的設(shè)計(jì)與構(gòu)建
- 6.1.2 底盤細(xì)胞的選擇
- 6.1.3 實(shí)驗(yàn)設(shè)計(jì)工具
- 6.2 基因線路的性能優(yōu)化與建模策略
- 6.2.1 基因線路的性能優(yōu)化
- 6.2.2 基因線路設(shè)計(jì)的建模策略
- 6.3 控制系統(tǒng)理論與設(shè)計(jì)
- 6.3.1 細(xì)胞內(nèi)控制
- 6.3.2 細(xì)胞間控制
- 6.3.3 網(wǎng)絡(luò)細(xì)胞控制
- 6.4 利用人工智能設(shè)計(jì)基因線路
- 6.5 基因線路的應(yīng)用
- 6.5.1 在生物傳感器中的應(yīng)用
- 6.5.2 在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用
- 6.5.3 在DNA計(jì)算中的應(yīng)用
- 6.6 小結(jié)
- 6.7 參考文獻(xiàn)
- 第7章 生物傳感器
- 7.1 全細(xì)胞生物傳感器
- 7.2 基于雙組分系統(tǒng)的生物傳感器
- 7.2.1 雙組分系統(tǒng)簡(jiǎn)介
- 7.2.2 雙組分系統(tǒng)的效率調(diào)控
- 7.2.3 雙組分系統(tǒng)的特異性
- 7.2.4 雙組分系統(tǒng)在生物傳感器中的應(yīng)用
- 7.3 合成生物學(xué)使能的生物傳感器
- 7.4 人工智能驅(qū)動(dòng)的生物傳感器
- 7.5 智能生物傳感器的實(shí)例及應(yīng)用
- 7.5.1 智能生物傳感器的應(yīng)用實(shí)例
- 7.5.2 智能生物傳感器的應(yīng)用領(lǐng)域
- 7.6 小結(jié)
- 7.7 參考文獻(xiàn)
- 第8章 工程化載體
- 8.1 工程化載體概述
- 8.1.1 腺病毒工程化載體
- 8.1.2 腺相關(guān)病毒工程化載體
- 8.1.3 逆轉(zhuǎn)錄病毒工程化載體
- 8.1.4 慢病毒工程化載體
- 8.2 傳統(tǒng)設(shè)計(jì)策略
- 8.2.1 嵌合病毒工程化載體策略
- 8.2.2 鑲嵌病毒工程化載體策略
- 8.2.3 假病毒工程化載體策略
- 8.2.4 利用DNA改組技術(shù)形成嵌合體
- 8.3 基于合成生物學(xué)的工程化載體設(shè)計(jì)策略
- 8.3.1 基于合成生物學(xué)的工程化載體設(shè)計(jì)特點(diǎn)
- 8.3.2 基于合成生物學(xué)的工程化載體設(shè)計(jì)策略
- 8.3.3 利用人工智能技術(shù)優(yōu)化改造工程化載體
- 8.4 小結(jié)
- 8.5 參考文獻(xiàn)
- 第9章 微生物基因組
- 9.1 合成基因組
- 9.1.1 病毒基因組的合成
- 9.1.2 細(xì)菌基因組的合成
- 9.1.3 真核細(xì)胞基因組的合成
- 9.2 最小基因組的設(shè)計(jì)
- 9.2.1 最小基因組概述
- 9.2.2 最小基因組的構(gòu)建原理
- 9.2.3 最小基因組構(gòu)建示例
- 9.2.4 最小基因組構(gòu)建的阻礙和挑戰(zhàn)
- 9.3 人工智能在基因組智能化設(shè)計(jì)中的應(yīng)用
- 9.3.1 人工智能輔助染色體完全合成
- 9.3.2 人工智能輔助必需基因發(fā)掘
- 9.4 小結(jié)
- 9.5 參考文獻(xiàn)
- 第10章 代謝工程
- 10.1 代謝工程概述
- 10.2 代謝工程中常見(jiàn)的模式菌株
- 10.2.1 大腸桿菌
- 10.2.2 枯草芽孢桿菌
- 10.2.3 谷氨酸棒狀桿菌
- 10.2.4 釀酒酵母
- 10.2.5 其他菌株
- 10.3 代謝途徑的改造策略
- 10.3.1 調(diào)控元件的改造
- 10.3.2 生物合成途徑的重構(gòu)
- 10.4 代謝工程改造示例
- 10.4.1 光滑念珠菌的代謝工程
- 10.4.2 放線菌屬的代謝工程
- 10.4.3 曲霉屬的代謝工程
- 10.5 人工智能在代謝工程中的應(yīng)用
- 10.5.1 人工智能在代謝途徑中的設(shè)計(jì)原理
- 10.5.2 人工智能輔助代謝途徑優(yōu)化
- 10.5.3 人工智能輔助細(xì)菌代謝系統(tǒng)的進(jìn)化預(yù)測(cè)
- 10.6 小結(jié)
- 10.7 參考文獻(xiàn)
- 第11章 人工智能在DNA計(jì)算及存儲(chǔ)中的應(yīng)用
- 11.1 DNA計(jì)算
- 11.1.1 DNA計(jì)算原理
- 11.1.2 DNA計(jì)算模塊
- 11.1.3 DNA計(jì)算數(shù)字邏輯
- 11.1.4 DNA計(jì)算模擬電路
- 11.2 神經(jīng)擬態(tài)計(jì)算
- 11.2.1 神經(jīng)擬態(tài)計(jì)算概述
- 11.2.2 基于DNA分子的神經(jīng)擬態(tài)計(jì)算
- 11.2.3 利用基因線路構(gòu)建神經(jīng)擬態(tài)計(jì)算
- 11.3 DNA存儲(chǔ)
- 11.3.1 DNA存儲(chǔ)簡(jiǎn)介
- 11.3.2 DNA存儲(chǔ)基本流程
- 11.3.3 DNA存儲(chǔ)模式
- 11.4 人工智能在DNA存儲(chǔ)中的應(yīng)用
- 11.5 小結(jié)
- 11.6 參考文獻(xiàn)
- 第12章 合成生物學(xué)與人工智能賦能的生物經(jīng)濟(jì)
- 12.1 生物經(jīng)濟(jì)概述
- 12.1.1 生物經(jīng)濟(jì)的定義
- 12.1.2 生物經(jīng)濟(jì)的發(fā)展趨勢(shì)
- 12.1.3 國(guó)外生物經(jīng)濟(jì)的發(fā)展戰(zhàn)略
- 12.1.4 國(guó)內(nèi)生物經(jīng)濟(jì)的發(fā)展戰(zhàn)略
- 12.2 合成生物學(xué)是生物經(jīng)濟(jì)發(fā)展的關(guān)鍵驅(qū)動(dòng)因素
- 12.3 人工智能賦能新一代生物經(jīng)濟(jì)
- 12.3.1 人工智能推動(dòng)生物產(chǎn)業(yè)的智能化與自動(dòng)化
- 12.3.2 人工智能助力合成生物學(xué)產(chǎn)業(yè)——以生物制藥業(yè)為例
- 12.4 小結(jié)
- 12.5 參考文獻(xiàn) 更新時(shí)間:2024-12-16 16:49:33
推薦閱讀
- 空間智能原理與應(yīng)用
- 這就是推薦系統(tǒng):核心技術(shù)原理與企業(yè)應(yīng)用
- 空間計(jì)算:人工智能驅(qū)動(dòng)的新商業(yè)革命
- 人工智能算法基礎(chǔ)
- 解碼智能時(shí)代2021:前沿趨勢(shì)10人談
- 智能無(wú)線機(jī)器人:人工智能算法與應(yīng)用
- 洞見(jiàn)未來(lái)的“元宇宙”世界(套裝8冊(cè))
- Chatbot從0到1(第2版):對(duì)話式交互實(shí)踐指南
- 會(huì)話式AI:自然語(yǔ)言處理與人機(jī)交互
- Python3智能數(shù)據(jù)分析快速入門
- 人機(jī)大戰(zhàn)
- 聊天機(jī)器人:對(duì)話式體驗(yàn)產(chǎn)品設(shè)計(jì)
- 虛擬現(xiàn)實(shí)VRP深度交互實(shí)例精解
- Python程序設(shè)計(jì):人工智能案例實(shí)踐
- 精通ROS機(jī)器人編程(原書第3版)
- AI大模型安全觀:通用人工智能的應(yīng)用場(chǎng)景、安全挑戰(zhàn)與未來(lái)影響
- OpenCV深度學(xué)習(xí)應(yīng)用與性能優(yōu)化實(shí)踐
- 大模型垂直領(lǐng)域低算力遷移:微調(diào)、部署與優(yōu)化
- 簡(jiǎn)易機(jī)器人制作入門
- 人工智能基礎(chǔ)與應(yīng)用
- ChatGPT:AIGC時(shí)代商業(yè)應(yīng)用賦能
- 玩轉(zhuǎn)ChatGPT:秒變AI寫作高手
- 人工智能:過(guò)去、現(xiàn)在與未來(lái)(全3冊(cè))
- 人工智能簡(jiǎn)史(第2版)
- AIGC驅(qū)動(dòng)工業(yè)智能設(shè)備:系統(tǒng)設(shè)計(jì)與行業(yè)實(shí)踐
- 制造業(yè)大模型的構(gòu)建與實(shí)踐
- ROS機(jī)器人開(kāi)發(fā):實(shí)用案例分析(原書第2版)
- 機(jī)器學(xué)習(xí)教程(微課視頻版)
- MLOps權(quán)威指南
- 一本書讀懂人工智能