本书立足生物医学研究的实际需求，以“方法—工具—实践”为主线，系统梳理了当前生物医学大数据分析领域的核心技术与应用场景，旨在为科研人员提供一套从数据获取、处理到深度解析的完整解决方案。本书在内容编排上兼顾基础性与前沿性、理论性与实践性，主要从以下几方面介绍。
1.基础工具篇 从R语言及其生物信息学扩展生态（Bioconductor平台）入手，详解数据处理的核心语法与操作逻辑，同时介绍GEO、UCSC Xena、STRING、HPA等主流数据库的检索与使用方法，为数据分析搭建基础平台。
2.核心分析篇 聚焦差异表达分析、功能富集分析、生存分析与预后模型构建等经典分析模块，结合实际案例解析RNA-seq数据处理、生存曲线绘制、风险模型验证等关键流程，帮助读者掌握生物医学数据解读的基本范式。
3.高级方法篇 深入探讨加权基因共表达网络分析（WGCNA）、单细胞测序数据分析、蛋白质互作网络分析等前沿技术，从算法原理到实战操作层层递进，涵盖软阈值选择、模块关联分析、单细胞降维聚类、细胞轨迹推断等核心环节，助力读者应对复杂的数据场景。
4.模型与验证篇 系统介绍Fisher Score、Lasso回归、随机森林、支持向量机等机器学习方法在生物标志物筛选与表型预测中的应用，同时阐述ROC曲线、PR曲线、交叉验证等模型评估工具的原理与实践，构建“特征选择—模型构建—性能验证”的完整分析闭环。
5.实践与协作篇 关注生物信息学分析的可重复性与团队协作，详解Markdown、Jupyter Notebook等文档工具，Docker容器化技术，以及Git/GitHub版本控制的应用，为规范化研究流程、高效团队协作提供实用指南。
展开
