本书主要基于作者近年来教授本科生“生物统计学”和研究生“生物信息学”等课程资料，同时参考了国内外众多很好教学和科研资料编写而成。本书共分为5章：第1章介绍生物统计学的基础概念和基本研究方法；第2章介绍传统生物统计学方法及其应用，包括试验资料的搜集与整理、生物统计量的计算和表征、假设检验及其应用等；第3章介绍生物大数据的特征与挑战，包括生物大数据的特征、生物大数据分析的常规方法、生物大数据经典案例分析等；第4章介绍生物大数据与概率统计模型，包括大数据机器学习基础、聚类降维、概率统计模型方法等；第5章介绍面向生物大数据挖掘的深度学习，包括深度学习的概念及方法、深度学习应用于生物大数据分析的基本流程和经典案例等。每章都附有练习题，供读者参考。
本书具有一定的深度和广度，可以作为生物统计学、生物大数据及机器学习相关课程的教学参考书，也可供生物学、统计学、机器学习、生物大数据等领域的科学工作者阅读。
第1章生物统计学基础/1
1.1生物统计学的概念/2
1.2生物统计学的主要内容/3
1.3生物统计学发展概况/4
1.4常用统计学术语/5
习题1/8
第2章传统生物统计学及其应用/9
2.1试验资料的搜集与整理/9
2.2生物统计量的计算和表征及其应用/16
2.3生物数据的分布分析及其应用/20
2.4针对生物数据的假设检验及其应用/28
习题2/45
第3章生物大数据的特征与挑战/47
3.1生物大数据的发展史和大数据属性/48
3.2生物大数据的特征/50
3.3生物大数据研究面临的挑战/52
3.4生物大数据分析的常规方法/53
3.5生物大数据研究经典案例分析/58
3.6生物大数据研究趋势/62
习题3/64
第4章生物大数据与概率统计模型/65
4.1大数据机器学习基础/66
4.2隐马尔可夫模型(HiddenMarkovModel，HMM)及其应用/69
4.3进化树的概率模型/96
4.4Motiffinding中的概率模型/101
4.5聚类方法和基因表达数据分析/109
4.6基因网络推断和分析/113
4.7数据降维及其应用/115
4.8其他概率统计模型方法简介和方法选择的建议/128
习题4/136
第5章面向生物大数据挖掘的深度学习/138
5.1深度学习的概念/139
5.2深度学习的基本方法/148
5.3深度学习应用于生物大数据分析的基本流程/155
5.4深度学习应用于生物大数据分析的经典案例/159
习题5/169
附录AR语言/171
A.1基础知识/171
A.2R的数据操作/190
A.3R绘图/194
附录B重要名词解释(按章节顺序排列)/199
附录C常用分布表/211
附录D生物案例分析/217
参考文献/235
宁康，华中科技大学生命科学与技术学院教授，博士生导师，生物信息与系统生物学系系主任，湖北省楚天学者特聘教授。目前主持国家自然科学基金项目、科技部重大研究计划课题等。已在Gut、Genome Biology、Bioinformatics、Nucleic Acids Research、PLoS Genetics、Plant Cell等生物学、医学和生物信息学很好学术期刊发表学术论文50余篇，其中以第一作者或通讯作者发表SCI论文30余篇，文章总引用超过2000次，H指数23（Google Scholar）。获得软件著作权6项，申请国家发明专利20余项。担任Scientific Reports、Genomics Proteomics & Bioinformatics等国际期刊编委。担任中国生物工程学会-计算生物学与生物信息学专业委员会委员，中国计算机协会-生物信息学专业委员会委员、中国遗传学会-生物大数据专业委员会委员，中国计算机学会-生物信息学专业委员会委员等。担任英国生物技术与生物科学研究理事会（UK-BBSRC）等基金评委。教授“生物统计学”、“生物信息学”等课程，并是4届iGEM金牌团队的指导老师。
