本书重点介绍了贝叶斯网络（Bayesian Network）在生物信息学中的各种应用。前面几章都是概率论的基础知识，提供了完整的公式证明和简单示例，可以作为很好的入门。从第五章开始，模型的重点开始放在贝叶斯网上面。一开始还是以基础知识入手，定义各种网络结构和条件概率的关系。后面逐渐变得纷繁复杂，一度看得头昏。。同时一些定理的证明并没有提供，而只给出了参考文献，使得虽然后半本书讨论的很多模型并没有复杂的生物背景，但是在用贝叶斯网的角度进行描述后变得很难读懂。感觉本书更加适合对贝叶斯网已经比较熟悉的读者来了解其实际应用的方式，而没法作为贝叶斯网的入门。另外，最后几个章节囊括的生物问题很散，使得章节过度显得生硬，并且很多讨论的问题较旧，显现不出用贝叶斯网的优势。

书中有个小地方没有给出证明，这里证明如下：
Page 56:
... that we need only find an irreducible aperiodic chain such that its transition matrix P satisfies
 r^T=r^T P (3.7)
It's not hard to see that if we determine values p_ij such that for all i and j
 r_i p_ij=r_j p_ji (3.8)
the resultant P satisfies Equality 3.7.
Proof:
r_i =sum_k r_k * p_ki =sum_k r_i * p_ik =r_i * sum_k p_ik =r_i (since sum_k p_ik =0).

图书信息：

Author	Neapolitan, Richard E.
Title	Probabilistic methods for bionformatics : with an introduction to Bayesian networks / Richard E. Neapolitan.
Publisher	Amsterdam ; Boston : Morgan Kaufmann/Elsevier, c2009.

图书目录：

Table of Contents
I	Background					1
1	Probabilistic Informatics					3
2	Probability Basics					11
3	Statistics Basics					41
4	Genetics Basics					63
II	Bayesian Networks					83
5	Foundations of Bayesian Networks					85
6	Further Properties of Bayesian Networks					135
7	Learning Bayesian Network Parameters					157
8	Learning Bayesian Network Structure					177
III	Bioinformatics Applications					223
9	Nonmolecular Evolutionary Genetics					225
10	Molecular Evolutionary Genetics					263
11	Molecular Phylogenetics					295
12	Analyzing Gene Expression Data					333
13	Genetic Linkage Analysis					367

转载本文请联系原作者获取授权，同时请注明本文来自胡熙浩科学网博客。
链接地址：https://blog.sciencenet.cn/blog-286702-608455.html

上一篇：【读书笔记】Support vector machines : theory and application
下一篇：【读书笔记】Genetics: from genes to genomes