本书系统阐述人工智能在生物学领域的前沿应用，是一部兼具理论深度与实践价值的专业教材。全书以人工智能基础理论为切入点，分模块解析蛋白质结构预测、遗传变异分析、药物发现、癌症筛查等核心领域的技术突破，结合AlphaFold算法迭代、药物优化设计等典型案例，呈现机器学习、深度学习等技术在生物医学研究中的创新应用范式。书中整合

本书是一部注重实践、以项目为驱动的专业指南，旨在弥合现代机器学习与真实世界生物学研究之间的鸿沟。无论你的专业背景是生物学、软件工程还是数据科学，《深度学习在生物学中的应用》都将为你提供开发深度学习模型的系统工具，以应对广泛的生物学挑战。作者CharlesRavanari与NatashaLatysheva将通过一系列实操

本书从建筑设计实践者的视角阐述活体材料的创造过程，清晰记录了从传统设计实践向实验室研究的转型路径，强调了跨领域建立合作关系的策略，同时展示了研究活体材料开发的实验室方法和探索途径，并致敬日益壮大的实践者、科学家、活动家和人类学家群体，他们正在重新思考应对当代环境挑战的策略。书中进一步探讨了将具有自身生命需求的活性组分纳

生物统计学是运用数理统计的原理与方法，分析和解释生命科学现象及其试验数据的应用学科。在生命科学领域的科研与生产实践中，常产生大量数据，生物统计学能够帮助研究者从这些繁杂的数据中提取有效信息，并得出科学结论。本书系统介绍了生物统计学的基本原理与方法，重点阐述了试验资料的描述性统计分析、概率分布、抽样分布、假设检验、方差分

本书介绍了生物数学常用的数学模型方法，涵盖经典理论与应用两大模块。经典理论部分介绍了生物数学基础理论如定性、稳定性理论，分支理论，最优控制理论及统计分析方法；应用部分介绍了经典生物数学问题及学科前沿和近年来的热点问题的建模思路、研究方法及分析技巧。

本书分为9章，涵盖描述性统计、概率与概率分布、统计推断、假设检验、方差分析、非参数检验、回归分析等核心内容。

本书既有对原来陈旧实验内容的替换，也有前沿生物技术的融入，能有效解决实验课程存在内容和教学模式单一、实验操作简单、实验方法与技术陈旧等问题。同时，采用虚实结合、线上线下一体实验教学新模式，有助于开展个性化、数字化教学。新的实验教学形态不仅能激发学生实验兴趣，而且能提升实验教学水平。

生物安全是国家安全的重要组成部分，也是关键基础。本书立足实践经验，充分吸纳国内外研究与实践进展，紧密围绕从业人员安全，概述了实验室生物安全的相关概念、分级和分类、发展历程以及发展趋势，重点阐述了生物安全实验室的风险管理和运行管理，包括不同防护要求实验室的设施与环境、设备与材料、微生物操作技术、人员要求、样本管理要求和应

本书首先在介绍性层面逐步解释了检验效能的计算过程，然后逐渐发展到越来越复杂和多样化主题。对于每种类型的研究设计，都解释了执行计算所需的信息和影响检验效能的因素。以统计的严谨性概念进行解释，但通过直觉和案例即可理解。整个过程中给出了为实际研究进行样本量和检验效能计算的实用建议。本教材指导读者完成各种研究结果和设计的检验效

本书还结合了近五年的文献报道成果，帮助读者深入理解各类仪器的工作原理和操作方法的同时，能够更清晰地认识生物仪器分析领域的前沿发展。通过理论与实践的结合，为学生提供了从基础到应用的全面知识体系，是掌握现代生物分析技术的重要工具书。附录部分提供了典型光谱分析及电化学分析实验案例，进一步增强了本书的实用性和指导性。