新闻网讯 近日，世界著名出版公司Springer（斯普林格）出版了我校生命学院宁康教授主编的Methodologies of Multi-Omics Data Integration and Data Mining: Techniques and Applications一书。该书由以生命学院生命生物信息学教学团队为主力，汇集安徽医科大学、中国海洋大学、南昌大学、青岛大学的专家组成的编写团队共同编撰而成。

在组学时代，各种来源的多组学数据为生物医学和临床问题提供了新线索。然而，如何对组学数据进行有效的整合、挖掘和全面理解依旧是一大挑战。该书基于当前主流的多组学研究数据集成和数据挖掘方法，重点阐述了生物多组学大数据“是什么”，“为什么”和“如何做”三大主题，以期对在癌症、炎症疾病和微生物组研究中进行多组学研究的学生、研究人员和从业人员提供帮助。

该书主要介绍了多组学大数据集成和数据挖掘有关知识。包括：多组学大数据集成和数据挖掘技术——通过举例和图表介绍了数据集成和数据挖掘技术，以更好地理解多组学和数据挖掘定义的本质，以及如何将它们结合起来去组学数据中获得最大的见解；多组学大数据具体研究进展——例举具有代表性的多组学研究基本程序，使读者了解面对特定数据集如何应用数据挖掘技术来满足特定生物学问题的需求；代数据资源、工具和分析平台——从组学数据集成出发，应用资源包括数据库、在线数据分析流程、可视化工具，以及数据集成过程中多组学数据相关性分析甚至因果或动态模式发现的各种方法的开发。该书还介绍了多种组学原理和应用的前沿研究，包括癌症组学数据分析和解释、炎症疾病、特定的微生物组转化研究等，其中癌症组学是组学分析的前沿，其主要集中在基因组学和转录组学，而多组学分析将成为深入挖掘癌症进展的重点方向；炎症疾病组学，随着患有炎症类疾病患者的比例越来越高，其引起了研究者的广泛兴趣，多组学研究，特别是对多组学动态的研究，将有助于更好地理解炎症疾病的发展；微生物组，这是当前的热门话题，微生物群落被认为与各种疾病有关，包括T2D、IBD等，然而微生物组对这些不同疾病的调节机制仍值得更深入研究，宏基因组数据的挖掘和解释在组学领域具有重要的转化价值。总的来说，该书作为一本关于组学时代生物医学大数据研究的书籍，从理论出发并通过前沿研究例证，为读者提供了解当代生物信息学的最佳实践、深入了解生物医学和临床问题的途径。

值得一提的是，该书在编撰过程中高度注重贯彻“课程思政”和“结合实际”的教育教学思想。一方面，在教学团队中担任助教的优秀研究生李玉雪同学整理提供了本书的多个教学案例并参加了内容修改，在书籍出版过程中得到了系统的科研训练。另一方面，本书罗列了许多生物医学大数据研究领域的前沿创新性工作，其数十项来自于中国学者。该书的编撰还得到了生命学院本科教务科、研究生教务科、学生工作组、实验教学中心等部门的支持。

据悉，为解决生物信息学领域发展迅速但已有教材无法完整反映领域内知识体系的矛盾，近年来，宁康教授带领的教学团队，针对当前国内大学本科生和研究生阶段的生物信息学、生物统计学等领域面临众多问题，集中力量出版了一系列教程和教材。教学团队基于多年来教授本科生《生物统计学》经验，同时参考了国内外众多顶级教学和科研资料，于2022年主编出版了《生物统计学习题集》，完成了《生物统计学：生物大数据的概率统计模型与机器学习方法》的编写工作。这两本教科书突出了统计建模、机器学习、深度学习等近年来生物信息学与生物统计学的最新发展前沿，并通过具体的生物学数据分析案例深入浅出的介绍了概率统计模型与机器学习方法的适用领域和成效，获得了中国科学院等多家单位专家的推荐。针对教学团队参与授课的研究生《生物信息学》课程，教学团队还于2022年和2023年分别主编出版了英文书籍Traditional Chinese Medicine and diseases: An omics big-data mining perspective和Methodologies of Multi-Omics Data Integration and Data Mining（均由Springer出版社出版），作为课程的教学辅导教材配套使用。

图书信息：DOI: 10.1007/978-981-19-8210-1，eBook ISBN 978-981-19-8210-1，Hardcover ISBN 978-981-19-8209-5。

图书链接：https://link.springer.com/book/10.1007/978-981-19-8210-1