總結了生物醫藥大數據和智能分析國家優選水平之一的團隊——天河團隊的研究成果，內容前沿；全面覆蓋生物醫藥大數據與智能分析的基本知識和重點前沿科學問題生物醫藥、大數據、超級計算、人工智能交叉科學前沿技術實踐的深入示範包含了產生實際社會和經濟效益的真實案例，參考價值高；包含代碼和數據集，方便科研人員和應用開發人員借鋻、重用。

●第一篇緒論
第1章生物醫藥大數據與智能分析概述2
1.1生物醫藥大數據2
1.2生物醫藥大數據的高效處理3
1.2.1大規模並行處理技術3
1.2.2雲計算技術5
1.3生物醫藥大數據的智能分析5
1.4總結6
1.5本書的內容安排6
第二篇生物醫藥大數據的高效處理
第2章生物醫藥大數據高效處理的基礎9
2.1大數據計算模型9
2.1.1外存模型9
2.1.2數據流模型9
2.1.3PRAM模型10
2.1.4MapReduce模型10
2.2並行計算10
2.2.1計算密集型和數據密集型11
2.2.2並行計算的粒度11
2.2.3並行編程的一般設計過程11
2.2.4並行編程模型12
2.3總結12
第3章海量基因表達譜分析13
3.1基因表達譜分析與生物效應評估概述14
3.2海量基因表達譜快速查詢15
3.2.1GSEA工具15
3.2.2海量基因表達譜查詢算法17
3.2.3性能評估25
3.3海量基因表達譜並行比對與聚類27
3.3.1基因表達數據庫CMap28
3.3.2基因表達譜並行比對29
3.3.3基因表達譜並行聚類30
3.3.4性能評估34
3.4總結40
第4章功能性前噬菌體預測42
4.1前噬菌體預測概述43
4.1.1噬菌體與功能性前噬菌體43
4.1.2前噬菌體與功能性前噬菌體預測的挑戰45
4.2功能性前噬菌體預測算法47
4.2.1LysoPhD流程設計47
4.2.2數據質量控制流水線49
4.2.3前噬菌體範圍的粗略預測50
4.2.4前噬菌體範圍的準確預測53
4.2.5前噬菌體功能性分析54
4.2.6基於末端延伸算法的溶原性噬菌體完整序列提取55
4.2.7性能評估57
4.3預測算法並行化62
4.3.1多線程並行加速63
4.3.2溶原性噬菌體數據庫構建64
4.4總結65
第5章高通量藥物虛擬篩選67
5.1藥物虛擬篩選概述68
5.1.1藥物虛擬篩選68
5.1.2虛擬篩選軟件D3DOCKxb70
5.2基於CPU多核的藥物虛擬篩選並行優化71
5.2.1D3DOCKxb程序分析72
5.2.2基於CPU多核的D3DOCKxb設計與實現73
5.2.3性能評估76
5.3基於CPU-MIC協同的藥物虛擬篩選並行優化79
5.3.1基於MIC協處理器的D3DOCKxb移植80
5.3.2CPU-MIC異構協同的mD3DOCKxb84
5.3.3性能評估86
5.4基於“天河二號”超級計算機的大規模高通量藥物虛擬篩選平臺90
5.4.1高通量虛擬篩選的主要挑戰90
5.4.2高通量虛擬篩選的算法設計91
5.4.3性能評估93
5.4.4應用研究97
5.5總結99
第三篇生物醫藥大數據的智能分析
第6章生物醫藥大數據的智能分析基礎102
6.1傳統的機器學習技術102
6.2深度學習在生物醫藥大數據中的應用103
6.2.1在組學研究中的應用104
6.2.2在生物醫學影像中的應用105
6.2.3在生物醫學信號處理中的應用105
6.2.4在藥物研發中的應用106
6.3常見的深度學習模型和框架107
6.3.1常見的深度學習模型107
6.3.2常見的深度學習框架111
6.4深度學習解決生物大數據問題的一般方法112
6.4.1數據獲取及編碼112
6.4.2數據預處理113
6.4.3模型訓練115
6.4.4性能評估116
6.5總結117
第7章基於字典學習的腫瘤基因表達譜分類118
7.1腫瘤基因表達譜分類概述119
7.1.1腫瘤與基因表達譜119
7.1.2分類算法123
7.2基於判別投影的字典學習基因表達譜分類126
7.2.1字典學習分類算法126
7.2.2基於判別投影的字典學習算法128
7.2.3性能評估132
7.3結合集成學習的字典學習基因表達譜分類134
7.3.1集成學習134
7.3.2結合集成學習的字典學習算法136
7.3.3性能評估140
7.4基於隨機序列和樣本距離的基因表達譜特征選擇143
7.4.1數據預處理方法144
7.4.2腫瘤基因表達譜數據的特征選擇145
7.4.3性能評估148
7.5總結149
第8章基於深度學習的RNA編輯位點識別150
8.1RNA編輯識別概述150
8.1.1RNA編輯150
8.1.2RNA編輯識別面臨的挑戰151
8.2RNA編輯位點金標集的構建152
8.2.1ENCODE計劃152
8.2.2基於ENCODE計劃的RNA編輯位點金標集設計154
8.2.3訓練集和測試集的構建155
8.3基於雙向LSTM的RNA編輯位點識別157
8.3.1雙向長短時記憶網絡157
8.3.2rnnRed算法網絡模型的構建、訓練及性能評估158
8.4基於ResNet的RNA編輯位點識別165
8.4.1殘差網絡165
8.4.2cnnRed算法網絡模型的構建、訓練及性能評估166
8.5總結171
第9章基於深度學習的增強子識別172
9.1增強子識別概述172
9.2增強子識別神經網絡174
9.2.1模型的設計174
9.2.2模型的優化177
9.3增強子序列數據集的預處理178
9.3.1增強子數據集178
9.3.2增強子序列的數值映射179
9.4模型的訓練180
9.4.1訓練集及實驗平臺180
9.4.2參數的選擇181
9.5模型的預測評估182
9.5.1測試集及實驗平臺182
9.5.2性能度量指標182
9.5.3模型性能評估184
9.6總結186
參考文獻187

生物醫藥大數據蘊含了非常豐富的信息和知識，是關乎人類生存與健康的重要戰略資源，但隻有對生物醫藥大數據進行高效處理和智能分析，纔能真正推動生物醫藥研究和產業化從原來的假設驅動向數據驅動轉變，因而近些年來生物醫藥大數據與智能分析逐漸成為潛力巨大且發展迅猛的交叉領域。本書簡要介紹了並行計算、機器學習和深度學習應用於生物醫藥大數據的相關基礎知識，並總結了作者團隊在生物醫藥大數據處理和分析領域的若干成果，主要涵蓋基因表達譜分析、微生物基因組、藥物虛擬篩選、腫瘤基因表達譜分類、RNA編輯位點識別、增強子識別等，以作者團隊的研究成果為實際案例，詳細介紹了研究的路線和方法。本書屬於高性能計算、大數據、機器學習和生物醫藥等專業的交叉領域，可以為這些領域的研究人員提供參考，也可作為相關專業高年級本科生和研究生的補充教材。