合成生物學(xué)研究的技術(shù)方法和工具手段，可以突破生命自然進化的限制，有望引領(lǐng)生命科學(xué)研究的未來，具有廣闊的應(yīng)用前景。2004年，合成生物學(xué)被評為改變世界的十大新技術(shù)之一，2014年，又被美國國防部列為“21世紀優(yōu)先發(fā)展的六大顛覆性技術(shù)之一”。近年來，我國也日益重視合成生物學(xué)領(lǐng)域的研究和人才培養(yǎng)�！逗铣缮�物學(xué)：理論、方法與應(yīng)

《代謝途徑設(shè)計：實驗指南》共分為三篇，圍繞代謝途徑建模、代謝途徑開發(fā)、代謝途徑設(shè)計展開，主要內(nèi)容涉及如何用工程生物學(xué)的思路，在底盤細胞中對代謝途徑進行挖掘和設(shè)計。附錄部分還提供了生物設(shè)計工具箱，方便讀者使用。與偏重生物化學(xué)途徑的介紹類書籍不同，《代謝途徑設(shè)計：實驗指南》的工程生物學(xué)特色鮮明，較為系統(tǒng)地介紹了數(shù)學(xué)模型、計

本書介紹RNA結(jié)構(gòu)特征，特別是RNA三級結(jié)構(gòu)特征、構(gòu)象采樣表示模型、Rosetta框架、細胞反卷積算法、轉(zhuǎn)錄因子結(jié)合位點預(yù)測算法、特異性位點預(yù)測算法等內(nèi)容。本書重點研究RNA三級結(jié)構(gòu)預(yù)測算法與復(fù)雜性，構(gòu)象采樣和打分函數(shù)的構(gòu)建，基于轉(zhuǎn)錄組測序技術(shù)的細胞反卷積算法，轉(zhuǎn)錄因子結(jié)合位點預(yù)測算法，DNA特異性位點預(yù)測算法等。本書

系統(tǒng)生物學(xué)是綜合了生物、數(shù)學(xué)、物理和信息技術(shù)等在內(nèi)的交叉學(xué)科，所涉及學(xué)科眾多、內(nèi)容復(fù)雜�！断到y(tǒng)生物學(xué)》從生物學(xué)和數(shù)學(xué)建模與分析計算交叉的角度出發(fā)，結(jié)合作者近年的研究工作和國內(nèi)外一些新的研究進展，介紹了系統(tǒng)生物學(xué)這門學(xué)科的基本概念、方法和研究思路。內(nèi)容涵蓋生物化學(xué)反應(yīng)的數(shù)學(xué)描述、基因表達過程的隨機模擬、基因調(diào)控的數(shù)學(xué)模型

周叢生物直接影響水-土（或液-固）界面的物質(zhì)循環(huán)、能量流動和信息交換，是生態(tài)系統(tǒng)的重要組分和界面過程的關(guān)鍵帶、熱區(qū)。本書是作者研究團隊近二十年的方法總結(jié)，主要包括周叢生物的特征及其效應(yīng)、周叢生物綜合調(diào)查的采樣點布設(shè)方法、樣品采集與保存、室內(nèi)擴大化培養(yǎng)技術(shù)，以及周叢生物樣品常見物理、化學(xué)和生物指標的分析測試技術(shù)等內(nèi)容。

本書分為四個部分：第一部分介紹了煙酰胺輔酶的基本概念、煙酰胺輔酶的合成、細胞內(nèi)分布、主要功能概述和檢測方法，使讀者能夠快速了解煙酰胺輔酶的概況；第二部分介紹了煙酰胺輔酶參與細胞內(nèi)信號轉(zhuǎn)導(dǎo)和在細胞生理、生化過程中的作用，盡量細化到煙酰胺輔酶在其中究竟是怎么發(fā)揮作用的，使讀者能夠深入了解煙酰胺輔酶發(fā)揮重要功能的機制；第三部

《化學(xué)生物學(xué)實驗（第二版）》共8章，第1、2章介紹了化學(xué)生物學(xué)實驗基本知識和基本操作。第3～8章是實驗部分，共編寫了37個實驗，包括生化分離分析實驗、生物材料制備實驗、化學(xué)中基因工程實驗、化學(xué)中蛋白質(zhì)工程實驗、化學(xué)中細胞工程實驗和探索性實驗。書后的附錄介紹了化學(xué)生物學(xué)實驗特殊試劑的配制和*新生物信息數(shù)據(jù)庫等資料。為了適

《化學(xué)生物學(xué)綜合實驗》包含了當(dāng)今化學(xué)生物學(xué)研究前沿的常用實驗技術(shù)。全書精選了7個專題實驗，涵蓋核酸和蛋白質(zhì)的合成、小分子調(diào)控、相互作用研究、生物活性分析、活體標記和熒光成像技術(shù)等內(nèi)容，并詳細介紹了開展化學(xué)生物學(xué)研究所需的背景知識以及實驗技術(shù)。《化學(xué)生物學(xué)綜合實驗》適合作為高年級本科生、研究生及化學(xué)生物學(xué)相關(guān)領(lǐng)域研究人員

本書內(nèi)容共11章，分為三個主題，在第一部分聚焦酶工程基礎(chǔ)，講述酶的理性設(shè)計、酶的定向進化、融合酶、酶的化學(xué)修飾、酶的固定化等技術(shù)；在第二部分紊焦多酶系統(tǒng)，包括多酶級聯(lián)催化反應(yīng)、多酶組裝系統(tǒng)、輔酶再生和循環(huán)利用；在第三部分聚焦酶工程的最新發(fā)展動向，包括人工酶、化學(xué)－酶級聯(lián)催化、酶分子馬達及趨化作用等。

本書以人工智能方法和生物組學(xué)數(shù)據(jù)分析為主線，闡述了人工智能中的群智能優(yōu)化、機器學(xué)習(xí)、深度學(xué)習(xí)等算法的基本原理，并探討了如何將這些算法應(yīng)用于生物信息學(xué)相關(guān)問題的研究中，如蛋白質(zhì)復(fù)合物挖掘、關(guān)鍵蛋白質(zhì)識別、疾病基因預(yù)測、多種組學(xué)（轉(zhuǎn)錄組學(xué)、代謝組學(xué)、微生物組學(xué)）數(shù)據(jù)與疾病的關(guān)聯(lián)關(guān)系預(yù)測、circRNA-RBP結(jié)合位點預(yù)測、