과학 기술의 발달로 인류는 유전체의 정보를 염기서열 단위까지 좁혀서 생명체의 비밀을 밝혀내고 있다. 생명체에서 나오고 있는 데이터는 인류 역사상 가장 큰 규모의 데이터 크기를 자랑하고 있으며, 점점 더 커지고 다양해지는 데이터에 걸맞춰 좀 더 향상된 성능의 분석 소프트웨어를 요구하고 있다.

생물정보학 알고리듬은 이런 고성능 소프트웨어의 기반이 되는 지식이다. 이 책은 자칫 어려워 보일 수 있는 알고리듬이 어떻게 생물학적 데이터에 적용되는지 우리에게 친숙한 이야기로 풀어서 설명한다. 생물정보학 알고리듬에 익숙하지 않은 독자들과 깊이 있는 학습을 원하는 모든 분들에게 추천한다.

[목 차]

1장. DNA 복제는 유전체의 어디서부터 시작되는가?



__1,000마일의 여행

__복제 기점의 숨겨진 메시지

____DnaA 상자

____황금벌레의 숨겨진 메시지

____단어 세기

____빈번한 단어 문제

____Vibrio cholerae의 빈번한 단어

__더욱 놀라운 숨겨진 메시지

__숨겨진 메시지의 범람

____여러 유전체에서 숨겨진 메시지 찾기

____군집 찾기 문제

__DNA를 복제하는 가장 간단한 방법

__복제의 비대칭성

__정방향 및 역방향 반가닥의 독특한 통계

____숨어 있는 생물학적 현상 또는 통계적 우연?

____탈아민화

____비대칭 다이어그램

__다른 메시지보다 이해하기 어려운 일부 숨겨진 메시지

__대장균에서 DnaA 상자를 찾는 마지막 시도

__에필로그: ori 예측의 복잡성

__열린 문제

____박테리아 유전체의 다중 복제 기점

____고세균에서 복제 기점 찾기

____효모에서 복제 기점 찾기

____문자열에서 패턴 확률 계산

__충전소

____빈도 배열

____패턴과 숫자를 서로 변환하기

____정렬을 사용해 빈번한 단어 찾기

____군집 찾기 문제 해결

____미스매치를 포함한 자주 나오는 단어 문제 해결

____문자열 이웃 생성

____정렬로 미스매치를 포함한 빈번한 단어 찾기

__돌아가기

____Big - O 표기법

____문자열에서 패턴의 확률

____생물학에서 가장 아름다운 실험

____DNA 가닥의 방향성

____하노이 타워

____겹치는 단어 역설

__참고 문헌



2장. 분자 시계 역할을 하는 DNA 패턴은 무엇일까?



__우리는 시계 유전자를 갖고 있을까?

__생각보다 쉽지 않은 모티프 찾기

____저녁 요소 찾기

____모티프와 숨바꼭질

____모티프 검색: 무차별 대입 알고리듬

__모티프에 점수 매기기

____모티프에서 프로필 행렬과 컨센서스 문자열

____더 적절한 모티프 점수 계산 함수

____엔트로피와 모티프 로고

__모티프 찾기에서 중앙 문자열 찾기까지

____모티프 찾기 문제

____모티프 찾기 문제의 재구성

____중앙 문자열 문제

____모티프 찾기 문제를 다시 만든 이유

__탐욕 모티프 검색

____주사위를 굴리고자 프로필 행렬 사용하기

____탐욕 모티프 검색 분석

__모티프 검색과 올리버 크롬웰

____내일 해가 뜨지 않을 확률은 얼마인가?

____라플라스의 승계 법칙

____탐욕 모티프 검색의 발전

____무작위 모티프 검색

__주사위로 모티프 찾기

____무작위 모티프 검색이 작동하는 이유

__무작위 알고리듬은 어떻게 잘 작동하는가?

__깁스 샘플링

__깁스 샘플링의 작동

__에필로그: 결핵균은 어떻게 항생제를 피하려고 동면할까?

__충전소

____중앙 문자열 해결

__돌아가기

____유전자 발현

____DNA 어레이

____뷔퐁의 바늘

____모티프 찾기의 복잡성

____상대적 엔트로피

__참고 문헌



3장. 유전체는 어떻게 조립하는가?



__폭발하는 신문들

__문자열 재구축 문제

____유전체 조립은 당신 생각보다 더 어렵다

____문자열을 k-mer로부터 재구성하기

____반복 서열은 유전체 조립을 어렵게 한다

__겹침 그래프에서의 움직임과 같은 문자열 재구축

____문자열에서 그래프로

____유전체가 사라진다

____그래프 표현법 두 가지

____해밀턴 경로와 범용 문자열

__문자열 재구축을 위한 또 다른 그래프

____노드 접착 및 드 브루인 그래프

__드 브루인 그래프에서 움직이기

____오일러 경로

____드 브루인 그래프를 구축하는 또 다른 방법

____k-mer 구성으로부터 드 브루인 그래프 구축하기

____드 브루인 그래프 대 겹침 그래프

__쾨니히스버그의 7개의 다리

__오일러 정리

__오일러 정리에서부터 오일러 순환 경로를 찾는 알고리듬까지

____오일러 순환 경로 구축하기

____오일러 순환 경로에서 오일러 경로로

____범용 문자열 구축하기

__리드 쌍으로부터 유전체 조립하기

____리드에서 리드 쌍으로

____리드쌍을 가상의 긴 리드로 바꾸는 방법

____구성에서 쌍체 구성으로

____쌍을 이루는 드 브루인 그래프

____쌍을 이루는 드 브루인 그래프의 함정

__에필로그: 유전체 조립이 실제 시퀀싱 데이터를 마주하다

____리드들을 k-mer들로 쪼개기

____유전체를 컨티그들로 쪼개기

____오류가 많은 리드들을 조립하기

____드 브루인 그래프에서 에지의 다양성 추론하기

__충전소

____인접 행렬을 접착하는 효과

____모든 오일러 순환 경로 만들기

____쌍을 이루는 드 브루인 그래프의 경로를 따라서 문자열 구축하기

____그래프의 최대 비분기 경로

__돌아가기

____DNA 시퀀싱 기술의 짧은 역사

____인간 유전체의 반복 서열

____그래프

____이코시안 게임

____다루기 쉬운 문제와 다루기 어려운 문제

____오일러에서 해밀턴 그리고 드 브루인으로

____칼리닌그라드의 일곱 다리

____이중 가닥 DNA를 조립할 때의 함정

____BEST 정리

__참고 문헌



4장. 항생제의 서열은 어떻게 알아낼까?



__항생제의 발견

__박테리아는 어떻게 항생제를 만드는가?

____유전체가 펩티드를 암호화하는 방법

____바실루스 브레비스 유전체의 어떤 부분이 티로시딘을 암호화하는가?

____선형에서 고리형 펩티드로

__분자생물학 중심 원리 회피

__항생제를 작게 조각 내 서열 해독

____질량 분석법 소개

____고리형 펩티드 시퀀싱 문제

__고리형 펩티드 시퀀싱의 브루트 포스 알고리듬

__분기 한정법 알고리듬을 고리형 펩티드 시퀀싱에 적용

__골프를 만난 질량 분석법

____이론에서부터 실제 스펙트럼으로

____오류가 있는 스펙트럼에 고리형 펩티드 시퀀싱 적용

__20에서 100개 이상의 아미노산

__스펙트럼 컨볼루션으로 문제 해결

__에필로그: 가상의 스펙트럼에서 실제 스펙트럼으로

__열린 문제

____순환 도로와 유료 도로 문제

____영장류에서 고리형 펩티드 시퀀싱

__충전소

____펩티드의 이론 스펙트럼 생성

____CYCLOPEPTIDESEQUENCING은 얼마나 빠를까?

____펩티드 Leaderboard 자르기

__돌아가기

____가우스와 리센코주의

____코돈의 발견

____쿼럼 센싱

____분자 질량

____셀레노시스테인과 피롤리신

____유료 도로 문제의 의사 다항식 알고리듬

____분할 유전자

__참고 문헌



5장. DNA 서열들을 비교하려면 어떻게 해야 할까?



__비리보솜 코드 해독하기

____RNA 넥타이 클럽

____단백질 비교에서 비리보솜 코드까지

____종양 유전자와 성장 인자의 공통점은 무엇일까?

__서열 정렬에 대한 소개

____서열 정렬은 게임과 같다

____문자열 정렬과 최장 공통 하위문자열

__맨해튼 관광객 문제

____최적의 관광 코스는 무엇일까?

____임의의 방향성 그래프에서 관광하기

__서열 정렬은 맨해튼 관광객 문제가 위장하고 있는 것일 뿐이다

__동적 프로그래밍 소개: 변화 문제

____탐욕스럽게 거스름돈 받기

____재귀적으로 돈 거슬러 주기

____동적 프로그래밍을 사용한 거스름돈 계산

__다시 맨해튼 관광객 문제로

__맨해튼 문제에서 임의의 방향성 비순환 그래프로

____서열 정렬은 유사 - 맨해튼 그래프를 구축하는 것과 같다

____임의의 DAG에 동적 프로그래밍 적용하기

____위상학적 순서대로 나열하기

__정렬 그래프 역추적하기

__정렬 점수

____LCS 점수 모델의 문제는 뭘까?

____점수 행렬

__전역 정렬에서 지역 정렬까지

____전역 정렬

____전역 정렬의 한계

____정렬 그래프에서 공짜 택시 타기

__서열 정렬의 다양한 모습

____수정 거리

____적합 정렬

____겹침 정렬

__서열 정렬에서 삽입과 삭제에 대한 페널티를 주는 방법

____어파인 갭 페널티

____맨해튼을 3개의 층으로 구축하기

__공간 효율적인 서열 정렬

____선형적 메모리를 사용해 정렬 점수 계산하기

____중간 노드 문제

____놀랍도록 빠르고 메모리 효율적인 정렬 알고리듬

____중간 에지 문제

__에필로그: 다중 서열 정렬

____3차원 맨해튼 구축하기

____탐욕 다중 정렬 알고리듬

__돌아가기

____개똥벌레와 비리보솜 코드

____도시를 만들지 않고 LCS 찾기

____위상학적 나열 만들기

____PAM 점수 행렬

____분할 및 정복 알고리듬

____다중 정렬에 점수 매기기

__참고 문헌



6장. 인간 유전체에도 연약한 영역이 있을까?



__쥐와 남자

____사람과 쥐의 유전체는 얼마나 다를까?

____합성 블록

____반전

____재배열 핫스팟

__염색체 진화의 무작위 절단 모델

__반전을 통한 나열

__반전 나열을 위한 탐욕적 발견법

__절단점

____절단점이란 무엇인가?

____절단점 개수 세기

____절단점을 제거하는 반전 나열

__종양 유전체를 재배열하기

__단일 염색체에서 다중 염색체로

____전좌, 결합, 분열

____유전체에서 그래프로

____2 -절단

__절단점 그래프

__2-절단 거리 계산하기

__인간 유전체의 재배열 핫스팟

____무작위 절단 모델과 2-절단 거리 이론의 만남

____취약 절단 모델

__에필로그: 합성 블록 구축하기

____유전체 점 도표

____공유하고 있는 k - mer들 찾기

____공유 k - mer로부터 합성 블록 구축하기

____합성 블록을 그래프의 연결된 요소들로 생각하기

__미해결 문제: 재배열이 박테리아 진화의 비밀을 밝힐 수 있을까?

__충전소

____유전체에서 절단점 그래프 만들기

____2-절단 문제 해결하기

__돌아가기

____X 염색체의 유전자는 왜 잘 보존돼 있는 걸까?

____유전체 재배열의 발견

____지수 분포

____빌 게이츠와 데이비드 X. 코헨의 팬케이크 뒤집기

____반전을 사용해 선형 순열 나열하기

__참고 문헌



7장. 어떤 동물이 우리에게 SARS를 옮겼을까?



__가장 빠른 전염병

____메트로폴 호텔에서 생긴 문제

____SARS의 진화

__거리 행렬을 진화 트리로 바꾸기

____코로나 바이러스 유전체에서 거리 행렬 만들기

____진화 트리를 그래프로 나타내기

____거리 기반 계통 발생 구축

__거리 기반 계통 발생 구축을 위한 알고리듬을 향해

____이웃하고 있는 잎 탐색하기

____가지의 길이 계산하기

__가산적 계통 발생

____트리의 가지 다듬기

____가지 붙이기

____거리 기반 계통 발생을 구축하기 위한 알고리듬

____코로나 바이러스의 진화 트리 구축하기

__최소 제곱을 사용해 거리의 근사값에 기반한 계통 발생을 구축하는 방법

__초거리 진화 트리

__이웃-연결 알고리듬

____거리 행렬을 이웃 - 연결 행렬로 바꾸는 방법

____이웃-연결 알고리듬으로 코로나 바이러스 분석하기

____트리 구축에 있어서 거리 기반 접근 방법의 한계점

__특성-기반 트리 재구축

____특성표

____해부학적 특성에서 유전적 특성으로

____곤충의 날개는 얼마나 많은 진화에 의해 만들어졌을까?

__최소 단순성 문제

__최대 단순성 문제

__에필로그: 진화 트리로 범죄에 맞서다

__돌아가기

____HIV는 언제 유인원에서 인간으로 전파된 걸까?

____거리 행렬에 적합한 트리 찾기

____네 점 조건

____SARS를 옮긴 것은 박쥐일까?

____이웃-연결 알고리듬이 어떻게 이웃하는 잎을 찾는 것일까?

____이웃-연결 알고리듬에서 가지의 길이 계산하기

____자이언트 판다: 곰일까 라쿤일까?

____인간은 어디에서 왔을까?

__참고 문헌



8장. 효모는 어떻게 와인 제조사가 됐을까?



__와인 제조의 진화적 역사

____우린 언제부터 알코올에 중독돼 온 걸까?

____이중영양적 전환

__이중영양적 전환에 관련된 유전자 탐색하기

____다른 운명을 맞이하게 된 두 가지 진화 가설

____효모 유전자 중 어떤 것들이 이중영양적 전환을 이끌어 내는가?

__클러스터링 개론

____유전자 발현량 분석

____효모 유전자 클러스터링

__좋은 클러스터링 원칙

__클러스터링을 최적화 문제로 바라보기

__최장 최초 횡단

__k-Means 클러스터링

____제곱 왜곡 오차

____k-means 클러스터링과 무게 중심

__로이드 알고리듬

____중심적에서 클러스터로 그리고 다시 반대로

____로이드 알고리듬 초기화하기

____k-means++ 초기화

__이중영양적 전환에 관련된 유전자들을 클러스터링하기

__k-Means 클러스터링의 한계점

__동전 던지기에서 k-Means 클러스터링으로

____편향된 정도를 알 수 없는 동전 던지기

____계산 문제는 어디 있는가?

____동전 던지기에서 로이드 알고리듬으로

____클러스터링으로 돌아와서

__동전 던지기에서 소프트 결정 내리기

____기대값 극대화: E-step

____기대값 극대화: M-step

____기대값 극대화 알고리듬

__소프트 k-Means 클러스터링

____클러스터링에 기대값 극대화 알고리듬 적용하기

____중심점에서 소프트 클러스터로 가기

____소프트 클러스터에서 중심점으로 가기

__계층 클러스터링

____거리 기반 클러스터링에 대한 소개

____트리에서 클러스터 추론하기

____계층 클러스터링을 사용해 이중영양적 전환 분석하기

__에필로그: 암 샘플 클러스터링하기

__돌아가기

____전장 유전체 복제일까 아니면 연속적인 단일 유전자 복제일까?

____유전자 발현량 측정하기

____마이크로어레이

____무게 중심 이론의 증명

____발현량 행렬을 거리/유사도 행렬로 바꾸는 방법

____클러스터링과 손상된 클리크들

__참고 문헌



9장. 질병을 일으키는 돌연변이는 어떻게 찾는 걸까?



__오도 증후군의 원인은 무엇일까?

__다중 패턴 매칭에 대한 소개

__패턴들을 트라이로 만들기

____트라이 구축하기

____트라이를 다중 패턴 매칭 문제에 적용하기

__유전체 전처리로 대신하기

____접미사 트라이에 대한 소개

____패턴 매칭에 접미사 트라이 사용하기

__접미사 트리

__접미사 배열

____접미사 배열 구축하기

____접미사 배열을 사용한 패턴 매칭

__버로우즈-휠러 변형

____유전체 압축

__버로우즈-휠러 변환 구축하기

____반복 서열에서 런으로

____버로우즈-휠러 변환을 거꾸로 되돌리는 방법

____버로우즈 - 휠러 변환을 되돌리려는 첫 번째 시도

____처음 - 끝 특성

____처음 - 끝 특성을 사용해 버로우즈 - 휠러 변환 되돌리기

__버로우즈-휠러 변환을 사용한 패턴 매칭

____버로우즈 - 휠러를 사용한 첫 번째 패턴 매칭 시도

____패턴의 끝에서부터 뒤로 가기

____끝 -처음 연결

__버로우즈-휠러 패턴 매칭의 속도 높이기

____끝-처음 연결을 횟수 배열로 바꾸기

____버로우즈-휠러 행렬에서 첫 번째 열을 제거하는 방법

__일치하는 패턴들의 위치는 어디인가?

__과학 역사의 한 페이지를 장식한 버로우즈와 휠러

__에필로그: 미스매치를 허용하는 리드 매핑

____대략적인 패턴 매칭에서 정확한 패턴 매칭으로 나아가는 방법

____BLAST: 서열을 데이터베이스에 대조하기

____버로우즈- 휠러 변환을 사용한 대략적인 패턴 매칭

__충전소

____접미사 트리 구축하기

____최장 공유 하위 문자열 문제의 해결 방법

____부분 접미사 배열 구축하기

__돌아가기

____표준 인간 유전체

____인간 유전체에서의 재배열, 삽입, 삭제

____아호-코라식 알고리듬

____접미사 트리에서 접미사 배열 만들기

____접미사 배열에서 접미사 트리까지

____이진 탐색

__참고 문헌



10장. 생물학자들은 왜 아직까지 HIV 백신을 개발하지 못했는가?



__HIV 형질 분류하기

____HIV는 어떻게 인간의 면역 체계를 피하는 걸까?

____서열 정렬의 한계점

__야쿠자와 도박하기

__딜러의 소매에 숨어 있는 2개의 동전

__CG-아일랜드 찾기

__은닉 마코프 모델

____동전 던지기에서 은닉 마코프 모델까지

____HMM 도표

____카지노 문제를 수식으로 재구성하기

__복호화 문제

____비터비 그래프

____비터비 알고리듬

____비터비 알고리듬은 얼마나 빠를까?

__특정 HMM에서 가장 그럴듯한 결과물 찾기

__서열 정렬을 위한 프로필 HMM

____HMM과 서열 정렬은 어떤 관련이 있는가?

____프로필 HMM 구축하기

____프로필 HMM에서의 전이 확률과 방출 확률

__프로필 HMM을 사용해 단백질 분류하기

____프로필 HMM에 단백질 정렬하기

____유사 횟수의 귀환

____골치 아픈 침묵 상태 문제

____프로필 HMM은 실제로 유용한가?

__HMM의 매개변수 배워 보기

____감춰진 경로를 알고 있을 때 HMM 매개변수 추정하기

____비터비 학습

__매개변수 추정을 위한 소프트 결정

____소프트 복호화 문제

____순방향 - 역방향 알고리듬

__바움-웰치 학습

__HMM의 다양한 모습

__에필로그: 자연은 발명가가 아니라 수선가다

__돌아가기

____붉은 여왕 효과

____당화

____DNA 메틸화

____조건부 확률

__참고 문헌



11장. 티라노사우르스는 단지 큰 닭일까?



__고생물학과 계산의 만남

__이 샘플에는 어떤 단백질들이 있을까?

__이상적 스펙트럼 해석

__이상 스펙트럼에서 실제 스펙트럼으로

__펩티드 시퀀싱

____스펙트럼에 맞는 펩티드 점수

____접미사 펩티드는 어디에 있는가?

____펩티드 시퀀싱 알고리듬

__펩티드 식별

____펩티드 식별 문제

____미지의 티렉스 단백질체에서 펩티드 식별

____펩티드-스펙트럼 일치 찾기

__펩티드 식별과 무한 원숭이 정리

____거짓 발견 비율

____원숭이와 타자기

____펩티드 스펙트럼 일치의 통계적 의의

__스펙트럼 사전

__티렉스 펩티드: 오염 물질일까 아니면 고대 단백질의 보물 창고일까?

____헤모글로빈 수수께끼

____공룡 DNA 논란

__에필로그: 변형되지 않은 펩티드에서 변형된 펩티드로

____번역 후 변형

____변형 탐색을 정렬 문제로

____스펙트럼 정렬을 위한 맨해튼 그리드 생성

____스펙트럼 정렬 알고리듬

__돌아가기

____유전자 예측

____그래프에서 모든 경로 찾기

____반대칭 경로 문제

____스펙트럼을 스펙트럼 벡터로 변환

____무한 원숭이 정리

____스펙트럼 사전의 펩티드 확률 공간

____육상 공룡은 정말 새의 조상일까?

____가장 가능성 높은 펩티드 벡터 문제 해결하기

____스펙트럼을 스펙트럼 벡터로 변환하기 위한 매개변수 선택

__참고 문헌



부록. 의사 코드 소개



__의사 코드란?

__의사 코드의 기본

____if 조건문

____for 반복문

____while 반복문

____재귀 프로그래밍

____배열

◈ 이 책에서 다루는 내용 ◈

저자들의 인기 온라인 강좌를 바탕으로 한 이 책은 생물정보학을 학습하는 학생들에게 역동적인 접근 방식을 제시한다. 현대 생물학의 실무적인 도전과 알고리듬의 근본적인 아이디어 사이의 독특한 균형으로 생물학과 컴퓨터 과학 학생들의 흥미를 사로잡는다.
각 장은 ‘인간 게놈에 취약한 부분이 있는가?’ 또는 ‘분자 시계의 역할을 하는 DNA 패턴은 무엇인가?’와 같은 중요한 생물학적 질문으로 시작해 이 질문에 답변하는 데 필요한 정교한 알고리듬을 꾸준하게 개발한다. 필요한 연습문제는 본문에서 제공하며 독자들은 자동화된 코딩 과제가 실려 있는 생물정보학 학습 온라인 플랫폼 Rosalind(http://rosalind.info)에서 지식을 테스트해볼 수 있다.

◈ 옮긴이의 말 ◈

사람의 유전체 서열은 어떻게 알아낸 걸까? DNA 서열들을 비교하려면 어떻게 해야 할까? 만약 돌연변이가 발생했다면 이를 어떻게 찾아낼 수 있을까? 바이러스의 감염 경로는 어떻게 알아내는 걸까? DNA부터 단백질까지, DNA 복제부터 진화까지, 이 책은 알고리듬이라는 것이 어떻게 생물학적 데이터를 만나 생명의 신비를 풀어가는지 차근차근 보여주고 있다. 각 장마다 서로 다른 생물정보학 분야의 내용으로 구성돼 있고, 가장 쉽고 단순한 예제부터 시작해서 점점 복잡한 알고리듬까지 나아간다. 또한 모든 부분에서 그림을 사용해 친절하게 설명해 주고 있기 때문에, 어렵게만 느껴지던 알고리듬에 친숙하게 다가갈 수 있게 만들어 준다.
만약 누군가 생물정보학을 공부하고자 한다면 이 책을 강력하게 추천할 정도로 이 분야의 교과서로 쓸 만하다는 생각이 들 정도로 이 책은 양질의 내용을 담고 있다. 생물정보학이 분야의 관련 도서가 많지 않으며 특히 국내 도서가 부족한 실정이기 때문에 이 책이 생물정보학을 공부하려는 사람들에게 조금이나마 도움이 되길 바란다. 부족한 번역이지만 책으로 독자들이 생물정보학과 알고리듬에 편안하게 다가갈 수 있기를 바란다.

대표역자 한헌종

2019년 전 세계를 휩쓴 COVID-19 대유행에 인류는 유래 없이 빠른 속도로 개발된 mRNA 기반 백신으로 바이러스를 정복하고 일상생활로 나아가고 있다. 전 인류가 힘을 모아 숨가쁘게 백신과 치료제를 개발하고 팬데믹 상황을 극복하는 기반에는 지금껏 쌓아 온 생물학과 생물정보학 지식이 있었다. 인간 유전체 프로젝트 이후로 인류는 생명체의 분자 생물학적 비밀을 염기서열 단위로 좁혀서 탐구하고 있다. 이러한 생물정보학 분석의 기초가 되는 것은 바로 알고리듬이다.
이 책은 각 장마다 재미난 그림과 줄거리를 생물정보학의 이야기로 풀어 나가며 독자를 사로잡는다. 이 책의 장점이라고 할 수 있는 것은 생물정보학 알고리듬이 의사 코드의 형태로 제공된다. 의사 코드를 보고 자신에게 익숙한 프로그래밍 언어로 학습한 내용을 구현하며 생물정보학 알고리듬을 학습할 수 있다. 또한 이 책의 가장 큰 장점이라고 할 수 있는 점은 웹사이트 rosalind.info 플랫폼에서 자신이 구현한 프로그램을 업로드하고 정답을 맞혀 순위를 매겨 마치 게임처럼 즐겁고 재밌게 프로그래밍 능력과 생물정보학 알고리듬 지식을 쌓을 수 있다. 생물정보학 실력을 키우고 싶은 독자들에게 강력히 추천한다.
이 책에 관심을 갖고 찾아준 독자분들께 감사의 말씀을 드리며 부디 이 책이 여러분들의 생물정보학 지식과 알고리듬적 사고 향상에 도움이 될 수 있기를 기원한다.

공동역자 한주현

저자 : 필립 콤포
PHILLIP COMPEAU
카네기 멜론 대학교 컴퓨터 공학부 컴퓨터 생물학과의 교육부장으로 온라인 교육의 미래와 오프라인 교육을 개선할 수 있는 방법에 관심이 많다. 2014년 캘리포니아 대학교 샌디에이고에서 수학 박사 학위를 받았으며 이후 컴퓨터 과학 및 공학부에서 박사후 연구원으로 재직했다. 2012년 니콜라이 뱌히(NIKOLAY VYAHHI)와 로잘린드(ROSALIND)를 공동 설립했다. 은퇴한 테니스 선수로 언젠가 프로 골프 선수가 되는 꿈을 꾸고 있다.

저자 : 파벨 페브즈너
PAVEL PEVZNER
캘리포니아 대학교 샌디에이고 컴퓨터 공학과 교수인 로널드 테일러(RONALD R. TAYLOR)다. 러시아 모스크바 물리학 및 기술 연구소에서 박사 학위를 받았고 사이먼 프레이저 대학교에서 명예 학위를 받았다. 하워드 휴스 의학 연구소(HOWARD HUGHES MEDICAL INSTITUTE) 교수(2006), 컴퓨터 기계 협회(ASSOCIATION FOR COMPUTING MACHINERY) 펠로우(2010), 국제 전산 생물학과 펠로우(INTERNATIONAL SOCIETY FOR COMPUTATIONAL BIOLOGY FELLOW)(2012)를 지냈다. 저서로 『COMPUTATIONAL MOLECULAR BIOLOGY』(BRADFORD BOOK, 2000), 『AN INTRODUCTION TO BIOINFORMATICS ALGORITHMS』(THE MIT PRESS, 2004)(닐 존스(NEIL JONES) 공저)가 있다

역자 : 한헌종
생물정보학을 실생활에 적용해 다양한 문제를 해결하고자 하는 생물정보학자다.
2019년 연세대학교 생명공학과에서 박사학위를 받은 뒤 국립암센터를 거쳐 현재 쓰리빌리언에서 생물정보학 엔지니어로 근무하고 있다.
블로그(HTTPS://HHJ6212.GITHUB.IO/)를 통해 생물정보학에 관련된 다양한 정보를 공유하고 있다.

역자 : 한주현
생물정보학자로 생물정보학으로 우리 사회의 문제를 해결하고자 하는 바람을 갖고 있다.
마크로젠을 거쳐 현재 쓰리빌리언에서 생물정보학 엔지니어로 근무하고 있다.
공역서로 『니콜라스 볼커 이야기』(MID, 2016), 『생명정보학 알고리즘』(에이콘출판, 2020)이 있으며 저서로는 『바이오파이썬으로 만나는 생물정보학』(비제이퍼블릭, 2019)이 있다.
생물정보학자의 블로그(HTTPS://KORBILLGATES.TISTORY.COM)를 운영하며 온라인 및 오프라인에서 생명정보학을 알리고자 노력 중이다.