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顶级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 生物统计学的概念
1.2 生物统计学的主要内容
1.3 生物统计学发展概况
1.4 常用统计学术语
习题1
第2章 传统生物统计学及其应用
2.1 试验资料的搜集与整理
2.2 生物统计量的计算和表征及其应用
2.3 生物数据的分布分析及其应用
2.4 针对生物数据的假设检验及其应用
习题2
第3章 生物大数据的特征与挑战
3.1 生物大数据的发展史和大数据属性
3.2 生物大数据的特征
3.3 生物大数据研究面临的挑战
3.4 生物大数据分析的常规方法
3.5 生物大数据研究经典案例分析
3.6 生物大数据研究趋势
习题3
第4章 生物大数据与概率统计模型
4.1 大数据机器学习基础
4.2 隐马尔可夫模型（Hidden Markov Model，HMM）及其应用
4.3 进化树的概率模型
4.4 Motif finding中的概率模型
4.5 聚类方法和基因表达数据分析
4.6 基因网络推断和分析
4.7 数据降维及其应用
4.8 其他概率统计模型方法简介和方法选择的建议
习题4
第5章 面向生物大数据挖掘的深度学习
5.1 深度学习的概念
5.2 深度学习的基本方法
5.3 深度学习应用于生物大数据分析的基本流程
5.4 深度学习应用于生物大数据分析的经典案例
习题5
附录A R语言
A.1 基础知识
A.2 R的数据操作
A.3 R绘图
附录B 重要名词解释(按章节顺序排列)
附录C 常用分布表
附录D 生物案例分析
参考文献