大数据驱动的基因组与成像关联分析：方法革新与应用探索

《大数据在表观遗传学与成像中的关联分析——CRC出版社(2018)》是一本专著，针对新一代基因组学、传感和成像技术产生的大量数据进行深入探讨。这些数据包括DNA测序、转录组、表观遗传学、代谢、生理（如心电图、脑电图、肌电图和磁共振成像）、行为以及临床信息，涉及多种表型和数百万特征。本书关注的是关联分析和机器学习，这是在处理海量、复杂和异质的基因组、表观遗传和成像数据时的关键方法。 传统的基因组关联分析通常是逐个特征和表型进行，依赖于设计用于单一表型和常见变异体的统计工具。然而，随着大数据时代的到来，这些工具在处理高维、异构的基因组数据方面显得力不从心，尤其是在序列时代，需要从传统的多元数据分析转向功能数据分析，从低维度到高维度，从个人计算机到多核集群和云计算。这本书旨在弥合基于下一代测序（NGS）的关联分析中传统统计方法与现代高级统计方法、计算算法及云计算之间的差距。 过去几年，针对NGS的数据关联分析已经发展出许多新颖且先进的统计方法和计算算法，但相关教材相对较少。本书将统计建模、功能数据分析、凸优化、高维数据降维、机器学习和多表型数据分析等技术融合，提供一个全面的框架。它不仅涵盖理论原理，还包含实际数据案例和应用，以帮助读者理解和应用这些新方法。 该系列书籍属于"Chapman & Hall/CRC数学与计算生物学系列"，旨在捕捉整个数学和计算生物学领域的最新进展，并通过发布教科书、参考书籍和手册来促进生物医学领域的数学、统计和计算方法的整合。系列编辑包括来自不同学术背景的专家，强调理论与实践的结合，以满足学生、研究人员和跨学科研究者的不同需求。 《大数据在表观遗传学与成像中的关联分析》为理解疾病遗传和表观遗传结构的全面发现提供了关键视角，有望推动基础医学机制的理解，改进疾病诊断、预后预测、疾病进程描绘、健康管理以及治疗策略的发展。通过本书，读者可以掌握处理大数据时代复杂生物医学数据所需的现代分析技术。