生命系統(tǒng)的物理建模：概率、模擬及動力學（第二版）

引言：HIV 研究的突破得益于學科交叉1
第1篇 預備知識6
第1章 病毒動力學
1.1導讀：擬合………………………………………………………………6
1.2HIV 感染過程建模 ………………………………………………………7
1.2.1 生物背景 …………………………………………………………7
1.2.2 半對數(shù)圖可以揭示數(shù)據(jù)的指數(shù)關系………………………………9
1.2.3 鑒別系統(tǒng)要素及其主要相互作用是物理建模的第一步 ………10
1.2.4 數(shù)學分析可以預測一系列行為……………………………………11
1.2.5 大部分模型都需要用數(shù)據(jù)擬合 ……………………………………13
1.2.6 過約束與過擬合 ……………………………………………………14
1.3有關建模的幾句忠告 …………………………………………………15
總結 ……………………………………………………………………………16
拓展 ……………………………………………………………………………19
習題 ……………………………………………………………………………21
第2章 物理學與生物學26
2.1導讀：推斷………………………………………………………………26
2.2交叉…………………………………………………………………27
2.3量綱分析…………………………………………………………………28
總結 ……………………………………………………………………………28
習題 ……………………………………………………………………………30
第 2篇生物學中的隨機性
第3章 離散型隨機性34
3.1導讀：分布………………………………………………………………34
3.2隨機性事例………………………………………………………………35
3.2.1 五個典型事例闡明隨機性概念……………………………………35
3.2.2 隨機系統(tǒng)的計算機模擬 ……………………………………………39
3.2.3 生物和生化的隨機性事例 …………………………………………39
3.2.4 假象：流行病學中的成簇 …………………………………………40
3.3離散型隨機系統(tǒng)的概率分布 …………………………………………40
3.3.1 概率分布描述了隨機系統(tǒng)在什么程度上是可預測的 …………40
3.3.2 隨機變量將數(shù)值與樣本空間中的點相關聯(lián) ………………………42
3.3.3 加法規(guī)則 ……………………………………………………………43
3.3.4 減法規(guī)則 …………………………………………………………43
3.4條件概率…………………………………………………………………44
3.4.1 條件概率是兩概率的比值 …………………………………………44
3.4.2 獨立事件與乘法規(guī)則 ………………………………………………45
3.4.3 嬰兒床死亡事件與檢察官謬論 ……………………………………45
3.4.4 幾何分布描述一系列獨立嘗試后獲得成功所需的等待時間 …46
3.4.5 聯(lián)合分布 ……………………………………………………………48
3.4.6 醫(yī)學檢查的恰當解釋需要條件概率為前提 ……………………49
3.4.7 貝葉斯公式凝練了條件概率的計算………………………………52
3.5期望和矩…………………………………………………………………53
3.5.1 期望表達的是隨機變量多次試驗的平均值 ……………………53
3.5.2 隨機變量的方差是其漲落的一種度量……………………………55
3.5.3 平均值的標準誤差隨樣本數(shù)的增加而減小 ……………………57
3.5.4 關聯(lián)性和協(xié)方差 ……………………………………………………58
總結 ……………………………………………………………………………60
拓展 ……………………………………………………………………………63
習題 ……………………………………………………………………………65
第4章 實用離散分布74
4.1導讀：模擬………………………………………………………………74
4.2二項式分布………………………………………………………………74
4.2.1 溶液中取樣的過程等同于伯努利試驗……………………………74
4.2.2 多次伯努利試驗的總和遵循二項式分布…………………………75
4.2.3 期望和方差 …………………………………………………………76
4.2.4 如何計算細胞內的熒光分子數(shù) ……………………………………77
4.2.5 二項式分布的計算機模擬 …………………………………………78
4.3泊松分布………………………………………………………………79
4.3.1 樣本數(shù)趨于無窮時二項式分布變得簡單…………………………79
4.3.2 低概率的伯努利試驗之和服從泊松分布…………………………80
4.3.3 泊松分布的計算機模擬 ……………………………………………83
4.3.4 單離子通道的電導測定 ……………………………………………83
4.3.5 泊松分布的簡單卷積運算 …………………………………………84
4.4中獎分布及細菌遺傳學 ………………………………………………86
4.4.1 理論正確很重要 ……………………………………………………86
4.4.2 不可重復的實驗數(shù)據(jù)仍然可能包含重要信息 …………………87
4.4.3 抗性產生機制的兩個模型 …………………………………………88
4.4.4 盧-德假說對幸存數(shù)的分布做出可檢驗的預測 …………………89
4.4.5 展望 …………………………………………………………………92
總結 …………………………………………………………………………93
拓展 ……………………………………………………………………………95
習題 ……………………………………………………………………………98
第5章 連續(xù)分布107
5.1導讀：長尾分布 ………………………………………………………107
5.2概率密度函數(shù)……………………………………………………………107
5.2.1 連續(xù)隨機變量概率分布的定義 ……………………………………107
5.2.2 三個關鍵分布：均勻分布、高斯分布和柯西分布 ……………109
5.2.3 連續(xù)隨機變量的聯(lián)合分布 …………………………………………111
5.2.4 三個關鍵分布的期望和方差 ………………………………………112
5.2.5 卷積和混合分布 ……………………………………………………114
5.2.6 概率密度函數(shù)的變換 ………………………………………………115
5.2.7 特定分布的計算機模擬 ……………………………………………117
5.3高斯分布…………………………………………………………………118
5.3.1 高斯分布起源于二項式分布的極限情形…………………………118
5.3.2中心極限定理解釋高斯分布的普遍性………………………………119
5.3.3 高斯分布的局限性 ……………………………………………………120
5.3.4 擴散定律 ……………………………………………………………121
5.4長尾分布…………………………………………………………………123
5.4.1 許多復雜系統(tǒng)產生長尾分布 ………………………………………123
5.4.2 雙對數(shù)圖可以揭示數(shù)據(jù)的冪律關系…………………………………123
總結 …………………………………………………………………………………125
拓展 ………………………………………………………………………………128
習題 …………………………………………………………………………………132
第6章 能量面上的隨機行走141
6.1導讀：首通時間 …………………………………………………………141
6.2粒子………………………………………………………………………141
6.2.1分子擴散的隨機行走模型 ……………………………………………141
6.2.2 有偏隨機行走模型 …………………………………………………142
6.3勢阱中的隨機行走 ……………………………………………………144
6.3.1 力場可用位置依賴的步進概率來建模……………………………144
6.3.2 玻爾茲曼分布 ………………………………………………………144
6.4逃逸……………………………………………………………………146
6.4.1 首通時間為單分子水平上的速率概念提供了定量詮釋 ………146
6.4.2 簡單情況中拉力會加速解離 ………………………………………148
6.5逆鎖鍵……………………………………………………………………150
6.5.1 分子對有多種解離路徑 ……………………………………………150
6.5.2 單分子實驗測量整個解離時間分布………………………………152
6.5.3 逆鎖鍵在生物分子中的實現(xiàn) …………………………………………153
6.6生物學效應………………………………………………………………153
6.6.1 免疫細胞激活涉及逆鎖鍵 …………………………………………153
6.6.2 白細胞滾動也依賴于逆鎖鍵 ………………………………………156
6.6.3 細胞黏附復合物的形成 ……………………………………………157
總結 ……………………………………………………………………………158
拓展 ……………………………………………………………………………160
習題 ……………………………………………………………………………163
第7章 模型選擇和參數(shù)估計168
7.1導讀：似然………………………………………………………………168
7.2最大似然…………………………………………………………………169
7.2.1 模型好壞的評判 ……………………………………………………169
7.2.2 不確定情況下的決策 ………………………………………………170
7.2.3 貝葉斯公式給出新數(shù)據(jù)更新置信度的自洽方案 ………………171
7.2.4 計算似然的實用方法 ………………………………………………172
7.3參數(shù)估計…………………………………………………………………174
7.3.1 直覺 …………………………………………………………………174
7.3.2 模型參數(shù)的最大可能值可以由有限數(shù)據(jù)集得出 ………………174
7.3.3 置信區(qū)間給出與當前數(shù)據(jù)一致的參數(shù)范圍 ……………………176
7.3.4 小結 …………………………………………………………………177
7.4盧里亞-德爾布呂克實驗的似然分析…………………………………178
7.5定位顯微鏡………………………………………………………………178
7.5.1 顯微術 ………………………………………………………………178
7.5.2 納米精度的熒光成像 ………………………………………………179
7.5.3 完整成像：PALM/FPALM/STORM …………………………182
7.6拓展最大似然方法可以使我們從數(shù)據(jù)推斷函數(shù)關系………………184
總結 ……………………………………………………………………………186
拓展 ……………………………………………………………………………189
習題 ……………………………………………………………………………197
第8章冷凍電鏡單粒子重構205
8.1導讀：對齊校準 ………………………………………………………205
8.2強大的新工具……………………………………………………………206
8.2.1 冠狀病毒刺突蛋白是關鍵的治療靶點……………………………206
8.2.2 許多感興趣的大分子不能結晶……………………………………207
8.3從強噪聲數(shù)據(jù)中提取信號 ……………………………………………209
8.4互關聯(lián)……………………………………………………………………211
8.4.1 互關聯(lián)中的峰值標識了兩個信號的最佳匹配 …………………211
8.4.2 數(shù)值實現(xiàn) ……………………………………………………………212
8.5通過互關聯(lián)實現(xiàn)一維對齊的方法 ……………………………………213
8.6改進方法：最大化后驗概率 …………………………………………214
8.6.1 為提取圖像而邊緣化潛在的偏移變量……………………………215
8.6.2 互關聯(lián)與加權函數(shù) …………………………………………………218
8.6.3 卷積的數(shù)值實現(xiàn) ……………………………………………………219
8.6.4 迭代法重構圖像 ……………………………………………………220
8.6.5 一維圖像重構小結 …………………………………………………220
8.7通過互關聯(lián)處理二維問題 ……………………………………………221
8.8通過最大后驗改進二維方法 …………………………………………223
8.8.1 為提取二維圖像而邊緣化潛在平移和旋轉變量 ………………223
8.8.2 二維圖像重構小結 …………………………………………………226
總結 ……………………………………………………………………………226
拓展 ……………………………………………………………………………229
習題 ……………………………………………………………………………234
第9章 泊松過程及其模擬236
9.1導讀：平均速率 ………………………………………………………236
9.2 單分子機器動力學 ……………………………………………………236
9.3重溫幾何分布……………………………………………………………238
9.4泊松過程可以被定義為重復伯努利試驗的連續(xù)時間極限…………240
9.4.1 駐留時間滿足指數(shù)分布 ……………………………………………241
9.4.2 計數(shù)服從泊松分布 …………………………………………………244
9.5泊松過程的有用特性 …………………………………………………246
9.5.1 泊松過程被稀釋后還是泊松過程…………………………………246
9.5.2 兩個泊松過程合并后還是泊松過程………………………………246
9.5.3 稀釋和合并特性的意義 ……………………………………………247
9.6更多例子…………………………………………………………………248
9.6.1 低濃度時的酶轉化遵循泊松過程…………………………………248
9.6.2 神經遞質釋放 ………………………………………………………249
9.7多級過程與卷積 ………………………………………………………251
9.7.1 肌球蛋白V的步進時間顯示出雙頭特性 ………………………251
9.7.2 相對標準偏差能揭示動力學中的子步……………………………253
9.8計算機模擬………………………………………………………………254
9.8.1簡單泊松過程 ………………………………………………………254
9.8.2 多類事件的泊松過程 ………………………………………………254
總結 ……………………………………………………………………………255
拓展 ……………………………………………………………………………258
......