《精要速览系列：生物信息学（第2版·中译版）》结构新颖，视角独特；重点明确，脉络分明；图表简明清晰；英文自然易懂，被国内多所重点院校选用作为双语教材。第二版保持第一版编写特色，《精要速览系列：生物信息学（第2版·中译版）》分为三部分：生物信息中的生物学概述，数学、物理、统计和计算机基础，学科介绍与数据标准。《精要速览系列：生物信息学（第2版·中译版）》均采用生物学相关数据与事例，并结合序列分析、转录、代谢、蛋白质组、大分子体系、系统生物学，以及数据整合、图像分析等内容展开论述。《精要速览系列：生物信息学（第2版·中译版）》适合普通高等院校生命科学、医学、农学、信息科学等相关专业使用，也可作为双语教学参考教材使用。

　　显微镜
　　图像分析通常可以用于增强图像，并且帮助量化显微镜的图像。显微镜系统本身可能会产生数字图像（如聚焦显微镜）；也可以将普通的显微镜和数码相机相连，从而产生数字图像。两种方法最后都会产生一个电子版本的高放大的样本图像。图像的特征分辨率可以受到相机的分辨率的影响。例如，在传感器上的百万像素的数目，或者显微镜系统本身的光学的分辨率，示例如图Q．4所示。
　　科学家可能对最终图像的距离感兴趣，寻找和量化染色区域，或者计算一些实例，如计算一个特定类型细胞的数目。一个样本的时间序列可以得到，图像按照特定的时间间隔存储。从这些数据，可以得到一个按照时间流逝的电影，或者图像内部的运动可以按照时间窗口被量化。
　　为了提高图像的质量，处理一个典型的显微镜图像有很多步骤可以实施。例如，去卷积，是指去除图像中出焦光的问题。最终图像的一个像素的密度不仅来源于初始的焦平面，还来自于低于或高于焦平面。这使图像在一个模糊的冗余的图片中突显出来。我们没有详细叙述关于怎样去处理这个问题，只是将出焦光的影响塑造成最终图像的一个点，然后从图像中将其去除。去卷积有时被用作是一个近似图像的方式。两类技术都是消除来自于焦平面以外的光，只是它们所用的方法不一样。聚焦技术是通过显微镜技术操作实现的；而去卷积技术通过提供采集软件来实现的。
　　你可能认为聚焦显微镜产生的相对精度高的清晰标注荧光的图像可以让他们自己想象图像分析和量化技术。然而，当你量化任何图像时，必须谨慎，因为你必须考虑所有可能影响图像获取数据的元素。例如，我们可能想要在聚焦图像上使用荧光强度去估计样本中蛋白质的活动，但是要谨慎。两个有直接关系的可能在我们的研究中引发错误。时刻想着图像是怎么形成的。荧光分子通过激光激发产生，同时会发射特定长度的光。然后这个光被显微镜捕捉，存储成图像中的像素。影响像素强度的不只是样本中荧光分子的数目，还应考虑激光密度的改变、样本的深度、激发光和发射光的穿越、整个可视的图像范围光的一致性、显微镜的光学性能等。所有这些因素可能影响到最终图像的像素强度。当使用任何图像捕捉的仪器时，必须谨慎确保（哪怕只是在练习），图像数据是可靠的，可以代表你想要它们代表的信息。
　　医学图像分析
　　X射线、CT（计算断层照相法）扫描、MRI（磁共振成像）扫描等产生的图像对于现代医学是非常重要的。医学图像分析和其他领域是不同的，因为，一般来说，在三维情况下使用数据是非常重要的，并且软件是专家的帮助工具，而不是产生最后的数字结果。计算机胜任的一个领域是测量这些图像的面积和体积。实现这个的技术中，分割分析技术是很常用的。它以一种（半）自动的方式去定义图像中感兴趣的部分，如大脑中的一些区域、整个组织、血管结构等。
　　定量的照旨分析
　　在一些生物领域，如表型的测量、组织对于刺激的应答，照片图像经常被用来描绘结果。一般来说，图像的分析已经被量化（X比Y更蓝）或简单的量化（X有6mm长）。图像分析可以提供实现客观的连续的图像分析的工具。
　　然而，随着这些技术的使用，额外的谨慎是必需的，必须保证这些图像本身是可靠的。也就是说，图像的数据通过一个可以控制的方式来获得。同样的，显微镜和数码相机产生的图像应该谨慎的控制。相机设置和环境的改变都会影响相机记录的像素变量。例如，白平衡设置可以改变色调的记录。白平衡可以补偿特定色调照明的情况，并且如果采用中性或白色，白平衡可以矫正色调。也许你已经注意到荧光管怎样产生的一个不同颜色的光——在数码相机中这种效果被放大．因为人的研究很擅长补偿这些改变。不了解白平衡设置，很容易无意地失实报道图像的色调，特别是在白平衡的改变在图像捕捉会话时。相似的，环境的光线的改变也会影响客观事物的捕捉和记录。早上的光线比较偏冷色调，夕阳是橙色的光，这是因为晚上的光更靠近光谱的红色一端。在自然光下，一个物体在晚上比早上出现更红。意识到你研究的样本被这样的效应影响到了是很重要的。
　　同样的，相机的镜头和透视引起的失真，可能会歪曲真实的被拍到的事物的几何特性。这将影响任何几何测量的质量，如“测量长度”。
　　意识到这些事情，可以让研究者得到未进行任何分析的最好的图像。一旦图像被捕捉到，它在时间上是昂贵的，甚至是不能再一次捕捉这个图像。因此，在捕捉图像之前，应该全面理解捕捉过程和限制，以及这些与未来分析的关系。图像分析通常仅用于几个大规模的生物科学工作实际应用中。事实上，这是一个非侵人性的技术，并且非常灵活，应用非常广泛和多样。为了使用超声波传感器测得猪背部膘厚，可用图像处理识别实时喂猪的轮廓。三维技术也用于动物的结构分析。使用机器视觉技术指导锄头锄地的作物的行间的机械控制技术已经证明可行。使用图像分析算法的软件已经存在，可以估计植物根的生长速率。希望这些例子可以突出图像分析在生物科学的广泛的应用。
　　……

缩略词
A  生物学研究新面貌
B  生物信息学的定义
C  物理学要素
D  数据与数据库
E  数据类别
E1  数据类别
E2  生物信息学中呈现数据的最佳做法
F  计算
G  概率与统计
G1  概率和概率分布
G2  条件概率和贝叶斯法则
G3  基本的统计学检验
H  模型与数学技术
H1  系统特征
H2  图论及其应用
H3  常微分方程与代数
H4  高级建模技术
H5  形状、变形与生长
I  人工智能与机器学习
I1  人工智能与机器学习概论
I2  人工智能与机器学习的统计学方法
I3  人工智能与机器学习的计算方法
J  基因组与其他序列
J1  数据库与数据源
J2  基因组注释
J3  序列分析
J4  序列家族、序列比对与系统发育
J5  结构域家族与数据库
K  转录组学
K1  转录谱
K2  转录分析的统计学问题
K3  分析差异表达基因
K4  多元技术和网络推理
K5  数据标准和实验设计
L  蛋白质与蛋白质组学
L1  蛋白质组学技术
12  互作蛋白质组学
L3  相互作用数据库和网络
L4  结构生物信息学
L5  结构分类
L6  结构预测与建模
L7  分子动力学与药物设计
M  代谢物组学
N  超分子结构
N1  超分子结构
N2  组织与生物体尺度结构
0  生化动力学
01  代谢网络研究
02  微积分和代数学的应用
P  生理学
P1  生理学
P2  整合生物学与植物模拟
P3  整合生物学——总结
Q  图像分析
Q1  什么是图像分析？
Q2  图像分析如何应用到生物科学研究中？
Q3  图像增强
Q4  特征检测
Q5  数据析取
R  文本分析
进一步阅读
索引　 显