生物信息学 - 浙江大学邮件系统

浙江大学-浙江大学电子邮件系统浙江大学大学生科研训练计划（SRTP）项目名称：立项负责人姓名：参与项目完成人姓名：立项人所在学院（系）：联系电话：电子邮件：填表日期：本科生院教研处制表填表须知1．SRTP宗旨：大学生科研训练计划（Student Research Training Program 简称SRTP）是本科实践教育教学改革的重要举措之一，宗旨是充分发挥我校学科门类齐全、教学资源丰富、师资力量雄厚的优势，通过教师或学生立项，给予一定科研经费的资助，为本科生提供科研训练的机会，使学生尽早进入各专业科研领域，接触学科前沿，了解学科发展动态；增强学生创新意识，培养学生创新和实践动手能力；加强合作交流，培养团队协作精神，提高学生综合素质。

2．结题目的：①进一步规范SRTP组织管理工作；②培养学生申请立项、结题、答辩和撰写研究成果简介的科研训练全过程；③不断总结SRTP工作经验，进一步推进和提高SRTP质量；④鼓励和促进SRTP研究成果的发表和转化；⑤完成SRTP《研究成果简介》和优秀论文的汇编。

3．凡编入浙江大学SRTP指南的项目都要按期、按时填写SRTP项目结题表。

SRTP立项研究时间为1年期项目（每年6月---第二年5月），要求在第二年4月填写项目结题表，学院（系）组织答辩。

4．结题表中第一页SRTP项目《研究成果简介》将作为每期研究成果汇编和评估的主要材料，务必请填表人认真按提纲要求（重点从项目研究结果、成效、特色、创新点和推广应用等依次加以阐述）撰写。

SRTP《研究成果简介》字数控制在600---800文字，不附图表，要求表述明确，字迹清晰，建议用计算机打印一份上交学院（系）本科教学管理科。

学生结题项目负责人务必并将《浙江大学SRTP项目结题表》上传至《浙江大学本科生创新网》。

5．项目结题表填写后及时上交学院（系）本科教学管理科，组织答辩和成绩评定，学院（系）SRTP指导小组审核签署意见，学院盖章后。

浙江大学信息中心网络用户服务指南（2010研新生）为了方便2010新生在学习和工作中尽快熟悉和利用学校网络资源，信息中心将为2010级新生提供试用帐号（含浙江大学电子邮件信箱），帐号名为学号，初始密码为身份证后六位，试用期为一个月（至10月8日止）。

试用期满后，可通过校园卡充值继续使用该帐号（详见）。

现将访问校园网的有关注意事项通知如下：一、学生宿舍连通校园网方式：1、入住玉泉、西溪、华家池、之江校区学生宿舍，先到宿管中心办理IP－MAC地址绑定手续。

服务地址：玉泉校区：周一至周日8:30-11:30，13:00-17:00，1舍104室西溪校区：每周二上午8:30---11:30，西溪12幢122室华家池校区：每周二下午13:00---17:00，华家池3舍230室在非上述时间段内用户如需办理相关业务（绑定IP，），可通过以下几种方式：（1）、如需绑定或修改IP信息，可通过浙江大学学生公寓自助服务平台自助办理，访问：（2）、持有效证件（学生证、身份证）至玉泉校区网管会办公室办理。

时间：周一至周日8:30-11:30，13:00-17:00，地点：玉泉校区1舍104室。

宿舍网络报修热线：879334172、入住紫金港校区学生宿舍，需购买电信201＋卡通过认证访问校园网；认证时输入“卡号@zheda”形式的认证信息。

宿舍网络报修热线：88981111校内资源可访问：二、访问互联网设置方法：1、虚拟VPN：点击信息中心主页/，点击“VPN接入”下载VPN客户端安装软件，按说明设置后，利用试用帐户（学号密码）拔号，即可访问教科网定义的地址列表内网络资源，包括QQ在线、病毒库升级、图书馆资料检索等应用。

2、电子邮箱：学号@登录邮件服务器主页收发邮件：三、帐户收费标准：试用期满后，可根据需要在自服务系统选择帐户包月类型并用校园卡缴纳费用。

帐户费用根据校有关文件规定如下：10元包月：可访问教科网允许范围内的网络资源；50元包月：访问资源不受限制。

生物信息学札记（第4版）樊龙江浙江大学作物科学研究所浙江大学生物信息学研究所浙江大学IBM生物计算实验室2017年9月本材料已由浙江大学出版社出版：《生物信息学》，樊龙江主编，2017部分内容可通过下列网址获得：/bioinplant/札记前言第一版这份材料是我学习和讲授《生物信息学》课程时的备课笔记，材料大多是根据当时收集的一些外文资料翻译编辑而成。

学生在学习过程中经常要求我给他们提供一些中文的讲义或材料，这促使我把我的这份笔记整理并放到网上，供大家参考。

要提醒使用者的是，这份材料仅是根据我对生物信息学的一些浮浅的认识整理而成，其中的错误和偏颇只能请读者自鉴了。

2001年6月第二版自1999年开始接触生物信息学以来，一晃已近六年，而本札记也近四岁了。

2001和2002年中国科学院理论物理所的郝柏林院士在浙江大学首次开设生物信息学研究生课程，我作为他的助教系统地学习了生物信息学；同时，借着我国水稻基因组测序计划的机遇，在他的带领下从2001年开始从事水稻基因组分析，从此自己便完全投入到这一崭新、引人入胜的领域中来。

不断有来信向我索要本札记的电子版文件，同时在不少网站上看到推荐该札记的内容。

生物信息学、基因组学等发展很快，现在再回头审看该札记，有些部分已惨不忍读，这促使我下决心更新它。

但因时间和学识问题，还是有不少部分自己不甚满意，就只有待日后再努力了。

欢迎告诉我札记中的BUG，我的信箱*************.cn或******************.cn。

2005年3月30日第三版近年来高通量测序技术产生的序列数据大量出现（如小RNA和大规模群体SNP数据），本次更新根据这一进展增加了两章内容，分别是第七章有关小RNA的分析和第八章遗传多态性及正向选择检测。

两章内容由我的博士生王煜为主编写，李泽峰和刘云参与了文献整理。

另外还更新了第四章有关水稻基因组分析一节。

2010年1月第四版2014年浙江大学开展本科生教材建设工作，我当时作为系主任要带头，就承诺编写我主讲的《生物信息学》教材。

红河学院《生物信息学》课程教学大纲一、课程基本情况与说明（一）课程代码：（二）课程英文名称：bioinformatics（三）课程中文名称：生物信息学（四）授课对象：生物科学和生物技术专业本科生（五）开课单位：生命科学与技术学院（六）教材：1、生物技术专业：《生物信息学应用技术》，王禄山、高培基编，化学工业出版社，2008年2、生物科学专业：《生物信息学基础》，孙啸、陆祖宏、谢建明编，清华大学出版社，2005年（七）参考书目[1]《生物信息学》，DavidW.Mount著，钟扬等译，高等教育出版社，2003年[2]《基因组数据分析手册》，胡松年、薛庆中编，浙江大学出版社，2003年[3]《生物信息学中的计算机技术(Developing Bioinformatics Computer Skills)》，CynthiaGibas,Per Jambeck著，孙超等译，中国电力出版社，2002年[4]《生物信息学：基因和蛋白质分析的实用指南》，Andreas D. Baxevanis，Francis OuelletteB F著，李衍达、孙之荣等译，清华大学出版社，2000年[5]《生物信息学算法导论（An Introduction to Bioinformatics Algorithms ）》，琼斯，帕夫纳著，王翼飞等译，化学工业出版社，2007年（八）课程性质（五号宋体加粗）生物信息学是生命科学领域一门新兴的边缘学科，综合了生物学、计算机学、信息学、统计学等方面的知识。

该学科在学生掌握生物化学、遗传学、分子生物学以及计算机应用、高等数学等相关知识的基础上开设，属于生物类专业的专业课程（必修或选修）。

通过学习，学生能够加深对分子生物学和基因工程等课程的理解，并为进一步学习基因组学(genomics)和蛋白质组学(protemics) 奠定基础。

（九）教学目的1、给学生介绍生物信息学的主要内容以及未来可能的发展方向，为学生构建相关知识体系，开阔学生的视野，为将来进一步学习、科研打下基础。

生物信息学学习心得第一篇：生物信息学生物信息学是上世纪90年代初人类基因组计划(hgp)依赖，随着基因组学、蛋白组学等新兴学科的建立，逐渐发展起来的生物学、数学和计算机信息科学的一门交叉应用学科。

目前生物信息学的研究领域主要包括基于生物序列数据的整理和注释、生物信息挖掘工具开发及利用这些工具揭示生物学基础理论知识等领域。

生物信息学作为新型交叉应用学科，可以依托本校已有的计算机科学、信息学、生物学和数学等学科优势，充分展现投入少、见效快、起点高的特色，推动学校学科建设和本科教学水平。

本实验指导书中的8个实验均设计为综合性开发实验，面向生物信息学院全体本科学生和研究生，以及全校对生物信息学感兴趣的其他专业学生开放。

生物信息学实验室将提供系统的保障，包括采用mail服务器和linux帐号管理等进行实验过程管理和支持。

限选《生物信息学及实验》的生物技术专业本科生至少选择其中5个实验，并不少于8个学时，即为课程要求的0.5个学分。

其他选修者按照课时和学校相关规定计算创新学分。

实验一熟悉生物信息学网站及其数据的生物学意义实验目的：培养学生利用互联网资源获取生物信息学研究前沿和相关数据的能力，熟悉生物信息学相关的一些重要国内外网站，及其核酸序列、蛋白质序列及代谢途径等功能相关数据库，学会下载生物相关的信息数据，了解不同的数据文件格式和其中重要的生物学意义。

实验原理：利用互联网资源检索相关的国内外生物信息学相关网站，如：ncbi、sanger、tigr、kegg、swissport、ensemble、中科院北京基因组研究所、北大生物信息学中心等，下载其中相关的数据，如fasta、genbank格式的核算和蛋白质序列、pathway等数据，理解其重要的生物学意义。

实验内容：1.浏览和搜索至少10个国外和至少5个国内生物信息学相关网站，并描述网站特征；2.下载各网站的代表性数据各10条（组）以上，并说明其生物学意义；3.讨论各网站适合做何种生物信息学研究的平台，并设计一个研究设想。

生物信息学学习心得第一篇：生物信息学生物信息学是上世纪90年代初人类基因组计划(hgp)依赖，随着基因组学、蛋白组学等新兴学科的建立，逐渐发展起来的生物学、数学和计算机信息科学的一门交叉应用学科。

目前生物信息学的研究领域主要包括基于生物序列数据的整理和注释、生物信息挖掘工具开发及利用这些工具揭示生物学基础理论知识等领域。

生物信息学作为新型交叉应用学科，可以依托本校已有的计算机科学、信息学、生物学和数学等学科优势，充分展现投入少、见效快、起点高的特色，推动学校学科建设和本科教学水平。

本实验指导书中的8个实验均设计为综合性开发实验，面向生物信息学院全体本科学生和研究生，以及全校对生物信息学感兴趣的其他专业学生开放。

生物信息学实验室将提供系统的保障，包括采用mail服务器和linux帐号管理等进行实验过程管理和支持。

限选《生物信息学及实验》的生物技术专业本科生至少选择其中5个实验，并不少于8个学时，即为课程要求的0.5个学分。

其他选修者按照课时和学校相关规定计算创新学分。

实验一熟悉生物信息学站及其数据的生物学意义实验目的：培养学生利用互联资源获取生物信息学研究前沿和相关数据的能力，熟悉生物信息学相关的一些重要国内外站，及其核酸序列、蛋白质序列及代谢途径等功能相关数据库，学会下载生物相关的信息数据，了解不同的数据件格式和其中重要的生物学意义。

实验原理：利用互联资源检索相关的国内外生物信息学相关站，如：ncbi、sanger、tigr、kegg、swissport、ensemble、中科院北京基因组研究所、北大生物信息学中心等，下载其中相关的数据，如fasta、genbank格式的核算和蛋白质序列、pathway等数据，理解其重要的生物学意义。

实验内容：1. 浏览和搜索至少10个国外和至少5个国内生物信息学相关站，并描述站特征；2. 下载各站的代表性数据各10条（组）以上，并说明其生物学意义；3. 讨论各站适合做何种生物信息学研究的平台，并设计一个研究设想。

浙江大学大学生科研训练计划（SRTP）第十五期项目结题表项目名称：立项负责人姓名：参与项目完成人姓名：立项人所在学院（系）：联系电话：电子邮件：填表日期：本科生院教研处制表填表须知1．SRTP宗旨：大学生科研训练计划（Student Research Training Program 简称SRTP）是本科实践教育教学改革的重要举措之一，宗旨是充分发挥我校学科门类齐全、教学资源丰富、师资力量雄厚的优势，通过教师或学生立项，给予一定科研经费的资助，为本科生提供科研训练的机会，使学生尽早进入各专业科研领域，接触学科前沿，了解学科发展动态；增强学生创新意识，培养学生创新和实践动手能力；加强合作交流，培养团队协作精神，提高学生综合素质。

2．结题目的：①进一步规范SRTP组织管理工作；②培养学生申请立项、结题、答辩和撰写研究成果简介的科研训练全过程；③不断总结SRTP工作经验，进一步推进和提高SRTP质量；④鼓励和促进SRTP研究成果的发表和转化；⑤完成SRTP《研究成果简介》和优秀论文的汇编。

3．凡编入浙江大学SRTP指南的项目都要按期、按时填写SRTP项目结题表。

SRTP 立项研究时间为1年期项目（每年6月---第二年5月），要求在第二年4月填写项目结题表，学院（系）组织答辩。

4．结题表中第一页SRTP项目《研究成果简介》将作为每期研究成果汇编和评估的主要材料，务必请填表人认真按提纲要求（重点从项目研究结果、成效、特色、创新点和推广应用等依次加以阐述）撰写。

SRTP《研究成果简介》字数控制在600---800文字，不附图表，要求表述明确，字迹清晰，建议用计算机打印一份上交学院（系）本科教学管理科。

学生结题项目负责人务必并将《浙江大学SRTP项目结题表》上传至《浙江大学本科生创新网》。

5．项目结题表填写后及时上交学院（系）本科教学管理科，组织答辩和成绩评定，学院（系）SRTP指导小组审核签署意见，学院盖章后。

生物信息相关考研院校生物信息相关考研院校生物信息学是生物学和计算机科学交叉领域的重要分支，借助计算机技术，对大量的生物学数据进行处理、分析和应用，以推动生物学的研究和应用。

因此越来越多的学生选择生物信息相关的科目作为自己研究生的方向。

在中国，也有不少学校开设相应的生物信息学专业课程。

下面，我将按照类别介绍一些生物信息学相关考研院校。

综合类大学综合类大学拥有多学科的优势，生物信息学是其中的一个方向。

在中国，清华大学、北京大学、复旦大学、上海交通大学、浙江大学等著名综合类大学都具备强大的生物信息学研究背景和课程设置。

这些学校培养的生物信息学专业人才在学科建设、科学研究和实践应用中都有很高的水平和得到广泛认可的贡献。

医学院校医学院校在生物信息学方面的研究与应用也备受关注。

在中国，复旦大学附属肿瘤医院等直属医学院校的生物信息学研究进行了大量的生物学数据基因组学、转录组学、蛋白质组学、代谢组学等方面的研究。

生物信息学在医学领域的应用是推动医药研究和治疗在科学技术进步中起到了庞大的力量。

农业院校农业院校也是生物信息学相关领域的热门院校之一。

农业生物信息学是将生物信息学方法应用于农业领域，在农业生产、食品安全、动植物保护等方面具有广阔的研究应用前景。

在中国，中国农业大学、南昌大学、西北农林科技大学等优秀的农业院校开设了不同层次的生物信息学相关专业，并取得了显著成绩，支持农业的发展和应用的进步。

理工科院校理工科院校的生物信息学方向也非常受欢迎。

这类院校注重数据分析、模拟与模型计算等方面的研究。

在生物信息学领域中，理工科院校的研究重点通常是生物信息学方法、动态建模、系统控制等方面。

在中国，中山大学、华中科技大学、南京大学等理工科院校的生物信息学专业在该领域的研究和应用方面具备良好的实力和经验。

总之，生物信息学是一个新近兴起的交叉学科，其专业在高校中的设置也是越来越多。

通过上述的分类，有意向进入生物信息学相关领域从事学习、科研和实践工作的同学们可以有所参考。

附件3环境工程与环保科普专题实践活动及报名办法、教授团队辅导与指导情况说明●本专题实践活动说明本专题实践活动历来由环境工程系教授为主指导，成为2004年启动、2007年、2008年全校性的浙江大学“求是学子农村环保科普行”暑期实践活动（浙江省环境科学学会、中国环境科学学会支持项目）的主要内容之一。

教授们结合各自城乡环保基础设施建设、科技特派员、地方和企业清洁生产技术服务、各地挂职、废气/废水污染控制项目等的工作平台，为同学们提供实践锻炼和学习的机会，对本科同学进行手把手的指导。

以往，本项目多对二三年级本科同学开放，2009年起，对一年级同学尤其对环境科学感兴趣的同学开放。

●实践活动申报及教授团队辅导说明活动申报：希望参加本专题实践的同学，根据环境与资源学院团委公布的教授名单、实践方向、实践地点、时间安排和团队辅导时间安排等，在规定时间内到学院团委报名，包括报名参加团队辅导，以便我们的教授协调好辅导与其他教学科研工作。

团队辅导：每次团队辅导有4-6位教授参加，具体形式为：1名教授+1名博士生+选择该方向的同学8-10人组成一个团队辅导组，围桌交流，内容包括大气污染控制与治理、废物生物处理及资源化、环境生物与生态工程、环境污染模拟与控制、水污染控制与治理、农业环境保护、环境规划与管理、环境质量控制与分析和环境工程技术新知识新技术应用推广；现场设PPT播放席，有兴趣的教授和博士生也播放相关片子或报告，帮助同学们增加感性认识。

一期工作：2009年5月14日前，确定和公布，学院团委与环境工程系，联合公布愿意为今年暑期的实践提供指导和参加团队辅导的教授等人员名单、可提供实践活动的时间、地点和做团队辅导的时间和地点，对参加的同学们的要求；5月14-21日，报名，每天上午8：30-12：00，下午1：00-5：00，同学们可到碧峰学园环境与资源学院团委预报名（有专职辅导员接待和专门的报名箱）；5月22日晚，公布入选团队辅导各个组的人员及安排，第一批次的团队辅导时间、地点、参加的教授和学生组合；6月2日晚18：30，第一批次集中团队辅导，现场辅导与交流一般2小时内。

三一文库（）/心得体会/学习培训心得体会〔生物信息学学习心得〕＊第一篇：生物信息学生物信息学是上世纪90年代初人类基因组计划(hgp)依赖，随着基因组学、蛋白组学等新兴学科的建立，逐渐发展起来的生物学、数学和计算机信息科学的一门交叉应用学科。

目前生物信息学的研究领域主要包括基于生物序列数据的整理和注释、生物信息挖掘工具开发及利用这些工具揭示生物学基础理论知识等领域。

生物信息学作为新型交叉应用学科，可以依托本校已有的计算机科学、信息学、生物学和数学等学科优势，充分展现投入少、见效快、起点高的特色，推动学校学科建设和本科教学水平。

本实验指导书中的8个实验均设计为综合性开发实验，面向生物信息学院全体本科学生和研究生，以及全校对生物信息学感兴趣的其他专业学生开放。

生物信息学实验室将提供系统的保障，包括采用ail服务器和linux帐号管理等进行实验过程管理和支持。

限选《生物信息学及实验》的生物技术专业本科生至少选择其中5个实验，并不少于8个学时，即为课程要求的0.5个学分。

其他选修者按照课时和学校相关规定计算创新学分。

实验一熟悉生物信息学网站及其数据的生物学意义实验目的：培养学生利用互联网资源获取生物信息学研究前沿和相关数据的能力，熟悉生物信息学相关的一些重要国内外网站，及其核酸序列、蛋白质序列及代谢途径等功能相关数据库，学会下载生物相关的信息数据，了解不同的数据文件格式和其中重要的生物学意义。

实验原理：利用互联网资源检索相关的国内外生物信息学相关网站，如：nbi、sange、tig、kegg、sisspt、enseble、中科院北京基因组研究所、北大生物信息学中心等，下载其中相关的数据，如fasta、genbank格式的核算和蛋白质序列、pathay等数据，理解其重要的生物学意义。

实验内容：1.浏览和搜索至少10个国外和至少5个国内生物信息学相关网站，并描述网站特征；2.下载各网站的代表性数据各10条（组）以上，并说明其生物学意义；3.讨论各网站适合做何种生物信息学研究的平台，并设计一个研究设想。

浙江大学办公网（常用电话查询、各网站链接）：
/redir.php?catalog_id=1423
浙江大学首页/
新生服务网
本科生院
办公网
学生工作处/
浙大黄页/
CC98论坛/
丹阳青溪学园/
紫云碧峰学园./
蓝田学园http://10.202.69.46/
竺可桢学院/
现代教务管理系统/default2.aspx 浙大邮件系统/
信息化中心/
校园卡综合服务网/
浙江大学网络运行系统——用户自助中心
浙江大学信息共享空间（图书馆预约）
公共体育与艺术部/
统一身份认证/index.do
浙大勤工助学与创业教育网/
电话：88206281（办公网里没有收录的样子）浙大新闻网/index.php
浙大广播电视台http://10.10.10.88/
求是潮/
学生会/
校红十字会/
浙大素质拓展/
图书馆/libweb/
图书与信息中心（含图书馆、信息中心）/
精品课程
教学资源网/web/cn/index.jsp。

生物信息学－国内外书目1. Bioinformatics: sequence and genome analysis,影印本,David W. Mount，科学出版社,20022. DNA芯片和基因表达:从实验到数据分析与模建，鲍尔迪，科学出版社，20033. 分子进化与系统发育，MasatoshiNei（根井正利）SudhirKumar. 译者：吕宝忠，钟扬，高莉萍，高等教育出版社，20024. 蛋白质化学与蛋白质组学，夏其昌，科学出版社，2004年5. 蛋白质组学：从序列到功能,钱小红、贺福初等译科学出版社，2002年9月6. 蛋白质组学:理论与方法，钱小红，贺福初主编.科学出版社，20037. 蛋白质组学导论：生物学的新工具，（美）利布莱尔，科学出版社，20058. 蛋白质组学导论：生物学的新工具，张继仁（译）科学出版社，2004年12月出版9. 后基因组信息学,MinoruKanehisa著；孙之荣等译,清华大学出版社,200210. 基础生物信息学及应用,蒋彦等编清华大学出版社，科学出版社，200311. 基因VⅢ，卢因，科学出版社，200512. 基因表达序列标签（EST）数据分析手册，胡松年，浙江大学出版社,200513. 基因组,袁建刚等主译科学出版社，200214. 基因组数据分析手册,胡松年，薛庆中主编，浙江大学出版社,200315. 基因组研究与生物信息学16. 基因组研究与生物信息学，李越中闫章才高培基，山东大学出版社，200317. 基于WWW的生物信息学应用指南，李桂源,钱骏主编,中南大学出版社200418. 计算分子生物学:算法逼近，帕夫纳，化学工业出版社，200419. 计算分子生物学导论，(巴西)J.塞图宝，J.梅丹尼斯著，朱浩等译，科学出版社，200320. 纳米生物技术学，张阳德，科学出版社，200521. 生物芯片分析，张亮，M.谢纳[美]，科学出版社，200422. 生物信息学，(英)D.R.韦斯特海德(D.R.Westhead)等著；王明怡等译,科学出版社200423. 生物信息学，DavidW.Mount著钟扬，王莉，张亮主译，高等教育出版社，200324. 生物信息学,张阳德编，科学出版社，200425. 生物信息学,赵国屏等编科学出版社，200226. 生物信息学：机器学习方法，（法）皮埃尔•巴尔迪（PierreBaldi），(丹)索恩•布鲁纳克（SorenBrunak）著；张东晖等译，中信出版社，200327. 生物信息学:基因和蛋白质分析的实用指南,[美][巴森文尼斯]AndreasD.Baxevanis,[美]B.F.FrancisOuellette著；李衍达,孙之荣等译，清华大学出版社,200028. 生物信息学导论，李巍主编,郑州大学出版社，200429. 生物信息学方法指南，(加)S.米塞诺,(美)S.A.克拉维茨著；欧阳红生,阮承迈,李慎涛等译,科学出版社，200530. 生物信息学概论,(美)DanE.Krane,MichaelL.Raymer著,孙啸，陆祖宏，谢建明等译，清华大学出版社200431. 生物信息学基础,孙啸,陆祖宏,谢建明编著,清华大学出版社200532. 生物信息学若干前沿问题的探讨：中国科协第81次青年科学家论坛论文集／黄德双等主编,中国科学技术大学出版社200433. 生物信息学手册,第2版,郝柏林等编，上海科学技术出版社，200234. 生物信息学网络资源与应用,黄韧等中山大学出版社，200335. 生物信息学中的计算机技术,(美）CyntbiaGibas,PerJambecks著；孙超等译中国电力出版社，200236. 生物序列分析,蛋白质和核酸的概率论模型[M].DurbinR,EddyS,KroghA,etal.北京:清华大学出版社,200237. 生物序列突变与比对的结构分析，沈世镒著，科学出版社200438. 探索基因组学、蛋白质组学和生物信息学（中译版）孙之荣主译，科学出版社，2004年8月出版39. 现代生物信息学理论与实践，李霞主编，科学出版社，2005年11月出版40. 药物基因组学——寻找个性化治疗，蒋华良、钟扬、陈国强、罗小民等译科学出版社，2005年7月出版41. 药物生物信息学，郑珩,王非，化学工业出版社，200442. 医学生物信息学，赵雨杰主编，人民军医出版社，200243. 遗传算法的基本理论与应用.李敏强，寇纪淞，林丹，李书全，科学出版社.2002年4月44. 遗传学:基因与基因组分析，哈特尔，科学出版社,200245. DNA Sequencing: From Experimental Methods to BioinformaticsAuthor(s): Luke Alphey46. Introduction to BioinformaticsAuthor(s): Teresa Attwood, David Parry-Smith47. Bioinformatics: The Machine Learning ApproachAuthor(s): P.Baldi and S. Brunak48. DNA Microarrays and Gene Expression: From Experiments to Data Analysis and Modeling Author(s): Pierre Baldi, G. Wesley Hatfield49. Bioinformatics for GeneticistsAuthor(s): Michael Barnes, Ian C Gray50. Bioinformatics: A Practical Guide to the Analysis of Genes and Proteins, Second EditionAuthor(s): Andreas D. Baxevanis and B. F. Francis Ouellette (Eds)51. Bioinformatics ComputingAuthor(s): Bryan P. Bergeron52. Genetics DatabasesAuthor(s): M. J. Bishop53. Structural BioinformaticsAuthor(s): Philip E. Bourne, Helge Weissig54. Computational Modeling of Genetic and Biochemical NetworksAuthor(s): James M. Bower and Hamid Bolouri55. Bioinformatics: A Biologist's Guide to Biocomputing and the InternetAuthor(s): Stuart M. Brown56. Discovering Genomics, Proteomics, and BioinformaticsAuthor(s): A. Malcolm Campbell, Laurie J. Heyer57. Bioinformatics for DummiesAuthor(s): Jean-Michel Claverie and Cedric Notredame58. Computational Molecular Biology: An IntroductionAuthor(s): Peter Clote, Rolf Backofen59. Nonlinear Estimation and ClassificationAuthor(s): D.D. Denison, M.H. Hansen, C.C. Holmes, B. Mallick & B. Yu (Eds.)60.Author(s): Richard Durbin, Sean R. Eddy, Anders Krogh, Graeme Mitchison61. Genomic Perl: From Bioinformatics Basics to Working CodeAuthor(s): Rex A. Dwyer62. Protein Bioinformatics: An Algorithmic Approach to Sequence and Structure Analysis Author(s): Ingvar Eidhammer, Inge Jonassen, William R.T. Taylor63. Computational Cell BiologyAuthor(s): Christopher P. Fall, Eric S. Marland, John M. Wagner and John J. Tyson, Editors64. Evolutionary Computation in BioinformaticsAuthor(s): Gary B. Fogel, David W. Corne65. Developing Bioinformatics Computer SkillsAuthor(s): Cynthia Gibas, Per Jambeck66. Statistical Methods in Bioinformatics: An IntroductionAuthor(s): Gregory R. Grant, Warren J. Ewens67. Algorithms on Strings, Trees and SequencesAuthor(s): Dan Gusfield68. Bioinformatics : Sequence, Structure, and Databanks : A Practical ApproachAuthor(s): Des Higgins (Editor), Willie Taylor (Editor)69. Post-genome InformaticsAuthor(s): Minoru Kanehisa70. Foundations of Systems BiologyAuthor(s): Hiroaki Kitano71. Guide to Analysis of DNA Microarray Data72. Microarrays for an Integrative GenomicsAuthor(s): Isaac S. Kohane, Alvin Kho, Atul J. Butte73. BLASTAuthor(s): Ian Korf, Mark Yandell, Joseph Bedell74. Hidden Markov Models for BioinformaticsAuthor(s): Timo Koski75. Fundamental Concepts of BioinformaticsAuthor(s): Dan E. Krane, Michael L. Raymer76. Advances in Molecular BioinformaticsAuthor(s): Steffen Schulze-Kremer (Editor)77. Molecular Bioinformatics: Algorithms and ApplicationsAuthor(s): Steffen Schulze-Kremer78. Computational BiologyAuthor(s): Lecture Notes in Computer Science, Vol. 206679. Analysis of Microarray Gene Expression DatasAuthor(s): Mei-Ling Ting Lee80. Bioinformatics: From Genomes to DrugsAuthor(s): Thomas Lengauer81. Sequence Analysis in a Nutshell: A Guide to Common Tools and Databases Author(s): Darryl LeÛn, Scott Markel82. Introduction to BioinformaticsAuthor(s): Arthur M. Lesk83. Computational Molecular BiologyAuthor(s): J. Leszczynski84. Bioinformatics: Databases and SystemsAuthor(s): Stanley Letovsky (Editor)85. Computational Cell BiologyAuthor(s): Eric Marland, John Wagner, John Tyson86. Bioinformatics and Genome AnalysisAuthor(s): H.W. Mewes, B. Weiss, H. Seidel87. Bioinformatics: Methods and ProtocolsAuthor(s): Stephen Misener (Editor), Stephen A. Krawetz (Editor)88. Bioinformatics: Sequence and Genome AnalysisAuthor(s): David W. Mount89. Bioinformatics: Genes, proteins and computersAuthor(s): C.A. Orengo, D.T. Jones and J.M. Thornton90. Mathematics of Genome Analysis91. Computational Molecular Biology: An Algorithmic ApproachAuthor(s): Pavel A. Pevzner92. Bioinformatics Basics Applications in Biological Science and MedicineAuthor(s): Hooman H. Rashidi, Lukas K. Buehler93. The Phylogenetic Handbook: A Practical Approach to DNA and Protein PhylogenyEdited by Marco Salemi, Anne-Mieke Vandamme94. Computational Methods in Molecular BiologyAuthor(s): S.L. Salzberg, D.B. Searls, S. Kasif95. Comparative Genomics: Empirical and Analytical Approaches to Gene Order Dynamics, Map Alignment and the Evolution of Gene FamiliesAuthor(s): David Sankoff, Joseph H. Nadeau96. Molecular Modeling and Simulation: An Interdisciplinary GuideAuthor(s): Tamar Schlick97. Bioinformatics: From Nucleic Acids and Proteins to Cell MetabolismAuthor(s): Dietmar Schomburg (Editor), Uta Lessel (Editor)98. Introduction to Computational Molecular BiologyAuthor(s): Joao Carlos Setubal, Joao Meidanis, Jooao Carlos Setubal99. Likelihood, Bayesian and MCMC Methods in Quantitative GeneticsAuthor(s): Daniel Sorensen, Daniel Gianola100. Microarray BioinformaticsAuthor(s): Dov Stekel101. Protein Structure Prediction - A Practical ApproachAuthor(s): Michael J. E. Sternberg102. Beginning Perl for BioinformaticsAuthor(s): James Tisdall103. Pathway Analysis and Optimization in Metabolic Engineering Author(s): Néstor V. Torres, Eberhard O. Voit104. Gene Regulation and Metabolism: Post-Genomic Computational ApproachesAuthor(s): Julio Collado-Vides and Ralf Hofestadt105. Computational Analysis of Biochemical Systems A Practical Guide for Biochemists and Molecular Biologists Author(s): Eberhard O. Voit106. Pattern Discovery in Biomolecular Data - Tools, Techniques, and ApplicationsAuthor(s): Jason T. L. Wang, Bruce A. Shapiro, and Dennis Shasha107. Introduction to Computational Biology: Maps, Sequences and GenomesAuthor(s): Michael S Waterman108. Instant Notes BioinformaticsAuthor(s): D.R. Westhead, J. H. Parish, R.M. TwymanAuthor(s): Limsoon Wong110. Neural Networks and Genome InformaticsAuthor(s): Cathy H. Wu, Jerry W. McLarty111. Intelligent Bioinformatics: The Application of Artificial Intelligence Techniques to Bioinformatics ProblemsAuthor(s): Edward Keedwell, Ajit Narayanan112. Jonathan Pevsner，Bioinformatics and Functional Genomics，John Wiley & Sons, Inc，2003。

浙大生物信息学考研科目摘要：一、生物信息学考研科目概述1.生物信息学简介2.浙大生物信息学考研科目及要求二、考研科目内容详解1.序列与结构的生物信息学分析2.分子设计理论与实验3.复杂性疾病系统生物学4.机器学习在生物信息学中的应用三、考研科目的实践应用1.生物信息学在生物学研究中的应用2.生物信息学在医学领域的应用四、备考策略及建议1.合理安排学习时间2.注重理论联系实际3.掌握考试大纲要求4.积极参加学术交流和实践活动正文：生物信息学是一门研究生物信息的采集、处理、存储、传播，分析和解释等各方面的学科。

近年来，随着生命科学和计算机科学的迅猛发展，生物信息学逐渐成为了一门新兴的热门学科。

浙江大学作为我国重点高校之一，在生物信息学领域的研究和教学方面具有很高的声誉。

本文将针对浙大生物信息学考研科目进行详细介绍。

一、生物信息学考研科目概述生物信息学考研科目主要包括：序列与结构的生物信息学分析、分子设计理论与实验、复杂性疾病系统生物学以及机器学习在生物信息学中的应用。

这些科目旨在选拔具有较高理论水平和实践能力的生物信息学人才，以满足我国生物信息学领域的研究和应用需求。

二、考研科目内容详解1.序列与结构的生物信息学分析该科目主要研究生物大分子（如蛋白质、核酸等）的序列和结构分析方法，以及生物信息学在基因组学、蛋白质组学等方面的应用。

考生需要掌握生物信息学的基本概念、原理和方法，并能够运用这些知识解决实际问题。

2.分子设计理论与实验该科目主要涉及药物设计、酶工程、生物材料等方面的理论与实验研究。

考生需要了解分子设计的基本原理，掌握实验方法和技能，具备分析和解决实际问题的能力。

3.复杂性疾病系统生物学该科目主要研究复杂性疾病的分子机制、诊断和治疗方法，涉及基因组学、转录组学、蛋白质组学等多个方面。

考生需要了解复杂性疾病的病因和发病机制，掌握生物信息学在疾病诊断和治疗中的应用方法。

4.机器学习在生物信息学中的应用该科目主要研究机器学习算法在生物信息学领域的应用，如基因表达数据的分析、蛋白质序列比对等。

整合生物信息学
陈铭
【期刊名称】《计算机教育》
【年(卷),期】2006(000)009
【摘要】@@ 自人类基因组计划实施以来,生物信息学得到了长足的发展和应用.从序列分析、结构预测、功能分析到应用,生物信息学成为了生命科学发展必不可少的学科.目前,除了继续从事序列分析、数据库建设、数据库整合和数据挖掘、结构分析与功能预测、大规模功能表达谱的分析、代谢网络建模分析、程序开发以及商业化等领域的研究外,整合生物信息学的理念被开始重视.
【总页数】4页(P7-10)
【作者】陈铭
【作者单位】浙江大学生命科学学院
【正文语种】中文
【相关文献】
1.基于生物信息学整合分析探讨青光眼高压反应性视神经星形胶质细胞相关核心基因 [J], 杨毅敬;项宇;田野;夏飞;周亚沙;彭俊;彭清华;;;
2.整合生物信息学鉴定宫颈高级别鳞状上皮内病变的关键基因 [J], 高铭;郑沾福;刘兴华;林泳煌;周萍;何玉清
3.基于生物信息学整合分析醒脾舒肝汤调节自噬治疗中医郁病的分子机制 [J], 杨仁义;龚翠兰;车雄宇;颜思阳;周德生;傅馨莹;陆展辉
4.整合生物信息学挖掘胃癌潜在关键生物标志物 [J], 李超;耿艳芳;洪展桐
5.基于整合生物信息学和网络药理学策略探索CD14+免疫细胞调控白塞病血管炎
症免疫的生物分子网络的机制 [J], 杨凯麟;许尚栋;陈彧;董松波;阳晟;金秀峰;郑军;孙立忠
因版权原因，仅展示原文概要，查看原文内容请购买。