第1章  绪论
  1.1  宏基因组学概述
    1.1.1  第二代测序技术
    1.1.2  鸟枪法宏基因组测序技术
    1.1.3  16S rRNA基因宏基因组测序技术
    1.1.4  微生物组成与丰度估计
    1.1.5  宏基因组学的应用
  1.2  微生物关联推断研究意义
    1.2.1  海洋微生物关联推断
    1.2.2  人类肠道微生物关联推断
  1.3  微生物关联推断研究成果
    1.3.1  通用关联推断算法
    1.3.2  OTU-OTU关联推断算法
    1.3.3  EF-OTU关联推断算法
    1.3.4  非线性关联推断算法
    1.3.5  其他关联推断算法
第2章  宏基因组学分析流程
  2.1  16S rRNA测序数据分析
    2.1.1  测序数据预处理
    2.1.2  可操作分类单元划分
    2.1.3  物种注释
    2.1.4  多样性分析
  2.2  宏基因组学数据分析
    2.2.1  测序数据预处理与组装
    2.2.2  基因预测与功能注释
    2.2.3  功能丰度谱构建与分析
    2.2.4  物种丰度谱构建与分析
    2.2.5  代谢通路富集分析
  2.3  分箱与基因组构建
    2.3.1  分箱原理与已有方法介绍
    2.3.2  分箱结果质量评估和去冗余
    2.3.3  物种鉴定
第3章  关联推断算法简介
  3.1  关联推断中存在的问题
    3.1.1  组成成分偏差
    3.1.2  过度散布
    3.1.3  间接关联
    3.1.4  环境因素
    3.1.5  非线性关联与时间变化
  3.2  关联推断算法
    3.2.1  通用关联推断算法
    3.2.2  OTU-OTU关联推断算法
    3.2.3  EF-OTU关联推断算法
    3.2.4  非线性关联推断算法
    3.2.5  其他关联推断算法
第4章  基于宏基因组数据构建布尔蕴含网络的BIMS算法
  4.1  BIMS方法介绍
    4.1.1  BIMS算法流程
    4.1.2  OTU丰度与环境数据预处理
    4.1.3  布尔蕴含关系推断
    4.1.4  布尔蕴含关系网络构建
    4.1.5  扩展到三维布尔蕴含关系
  4.2  BIMS功效的仿真实验
    4.2.1  仿真数据集的产生
    4.2.2  仿真结果
    4.2.3  BIMS功效讨论
    4.2.4  三维仿真结果分析
  4.3  真实数据分析与讨论
    4.3.1  真实数据
    4.3.2  二维布尔网络构建与分析
    4.3.3  三维布尔网络构建与分析
    4.3.4  BIMS方法研究讨论
第5章  基于层次贝叶斯模型的静态关联推断
  5.1  模型结构
  5.2  模型参数估计
  5.3  实验数据生成和处理
    5.3.1  仿真数据生成及评价
    5.3.2  TARA海洋数据处理
    5.3.3  结肠癌数据处理
    5.3.4  西英吉利海峡数据处理
  5.4  实验结果和讨论
    5.4.1  仿真实验结果
    5.4.2  TARA海洋数据实验结果
    5.4.3  结肠癌数据实验结果
    5.4.4  西英吉利海峡数据实验结果
第6章  基于环境变化的多关联网络推断
  6.1  模型假设
  6.2  模型结构
  6.3  基于EM算法的参数估计
  6.4  基于分治算法的参数估计
  6.5  实验数据生成和处理
    6.5.1  仿真数据生成
    6.5.2  评价指标
    6.5.3  美国肠道项目数据集处理
  6.6  实验结果和讨论
    6.6.1  仿真实验结果
    6.6.2  结肠癌数据集实验结果
    6.6.3  TARA海洋数据实验结果
    6.6.4  美国肠道微生物项目实验结果
第7章  人体肠道微生物与疾病的关联研究
  7.1  数据收集与分析
    7.1.1  数据收集
    7.1.2  数据处理
    7.1.3  机器学习模型训练与评估
    7.1.4  确定疾病的微生物标志物
  7.2  主要结果
    7.2.1  数据描述
    7.2.2  将肠道微生物群信息添加到人类变量中显著增强了肠道微生物与IBD的关联强度
    7.2.3  将肠道微生物群信息添加到人类变量中提高了肠道微生物与IBS、CDI和UH的关联强度
    7.2.4  将肠道微生物群信息添加到人类变量中对肠道微生物与DI、SIBO、LI和CD的关联强度没有影响
  7.3  讨论
    7.3.1  与人体疾病有关的重要微生物
    7.3.2  与人体疾病有关的重要变量
    7.3.3  去除益生菌、维生素B补充剂和维生素D补充剂摄入频率
    7.3.4  不同疾病的最佳模型和模型性能随OTU数的变化而变化
第8章  基于自然语言的微生物关联网络构建
  8.1  数据采集及预处理
  8.2  实体标注及命名体识别
  8.3  关联提取和筛选
  8.4  关联网络结果统计
  8.5  软件架构和实现
第9章  关联推断在水体微生物中的应用与研究
  9.1  蓝藻水华微生物
    9.1.1  蓝藻水华的概念
    9.1.2  太湖蓝藻水华微生物
    9.1.3  太湖蓝藻水华的宏基因组学研究
    9.1.4  样本采集
    9.1.5  半定量活检和扫描电镜分析
    9.1.6  DNA提取与高通量测序
  9.2  数据分析
    9.2.1  16S rRNA测序数据分析
    9.2.2  宏基因组测序数据分析
    9.2.3  两种优势藻藻块的比较分析
  9.3  主要结果
    9.3.1  数据描述和环境数据分析
    9.3.2  优势蓝藻属的交替演变
    9.3.3  附着细菌的交替演变
    9.3.4  生态网络的交替演变
    9.3.5  蓝藻藻块组成变化的驱动因子
  9.4  讨论
    9.4.1  水华中不同藻属的季节演变现象
    9.4.2  蓝藻和附着细菌的共生关系
第10章  总结与展望
  10.1  总结
  10.2  展望
参考文献