本书系统地研究和介绍了基于多组学数据的基因型与表型关联研究的有关概念和相关算法。全书共分为7章，第1章介绍本书的研究背景及意义、研究现状、本书主要内容等；第2章介绍多组学数据的概念、相关数据库及评价指标；第3章介绍基于组学内部关联关系的多组学融合分析；第4章介绍基于小样本的多组学数据中的基因型与表型关联分析；第5章介绍基于神经网络的基因型与表型关联分析；第6章介绍基于多表型统计数据的基因型与表型关联分析；第7章是研究的总结与展望。 本书内容新颖、逻辑严谨、语言通俗，既可作为高年级本科生或研究生的自学教材，也可作为从事生物信息学研究的教师及科研人员的参考书。

第1章 绪论
1.1 基因型与表型关联研究的背景及意义
1.1.1 GWAS
1.1.2 多组学的应用
1.1.3 基于多组学研究基因组学和表型组学关联关系的意义
1.2 基于多组学数据的研究现状及存在的问题
1.2.1 多组学融合方法现状分析
1.2.2 多组学数据的研究现状
1.3 本书主要内容及创新点
1.4 本书结构框架
第2章 相关数据库及算法评价指标介绍
2.1 多组学数据介绍
2.2 相关数据库介绍
2.2.1 TCGA数据库
2.2.2 NCBI RefSeq数据库
2.2.3 MSigDB
2.2.4 GEO数据库
2.2.5 PPI相关数据库
2.2.6 GTEx数据库
2.3 算法评价指标
2.3.1 聚类算法评价指标
2.3.2 分类算法评价指标
2.4 本章小结
第3章 基于组学内部关联关系的多组学融合分析
3.1 引言
3.2 算法介绍
3.2.1 Isomap算法
3.2.2 SNF算法
3.2.3 SNF—CC算法
3.2.4 整体算法实现
3.3 数据来源及预处理
3.4 实验结果分析
3.5 本章小结
第4章 基于小样本的多组学数据中的基因型与表型关联分析
4.1 引言
4.2 算法介绍
4.2.1 SPICi算法
4.2.2 SPLS算法
4.2.3 三层网络构建
4.2.4 算法实现
4.3 数据来源及预处理
4.4 实验结果分析
4.4.1 预测结果分析
4.4.2 样本量分析
4.4.3 通路分析
4.5 本章小结
第5章 基于神经网络的基因型与表型关联分析
5.1 引言
5.2 算法介绍
5.2.1 深度神经网络
5.2.2 基于eQTL数据的图嵌入式深度神经网络
5.2.3 模型参数设置
5.3 数据来源及预处理
5.4 实验结果分析
5.4.1 预测结果分析
5.4.2 样本量分析
5.4.3 通路分析
5.5 本章小结
第6章 基于多表型统计数据的基因型与表型关联分析
6.1 引言
6.2 算法介绍
6.2.1 三层网络构建
6.2.2 k-means聚类算法
6.2.3 双层网络算法
6.2.4 算法实现
6.3 数据来源及预处理
6.4 实验结果分析
6.4.1 预测结果分析
6.4.2 参数分析
6.4.3 通路分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献