扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
宇宙、量子和人类心灵
-
>
(精)BBC地球故事系列-星际旅行
-
>
从一到无穷大
-
>
图说相对论(32开平装)
-
>
一本有趣又有料的化学书
-
>
刘薰宇的数学三书:原来数学可以这样学全3册
-
>
光学零件制造工艺学
从光子到神经元——光、成像和视觉 版权信息
- ISBN：9787030696397
- 条形码：9787030696397 ; 978-7-03-069639-7
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
从光子到神经元——光、成像和视觉 本书特色
适读人群 ：可作为生物物理学专业的教学参考书，物理学、生物学、眼视光学等其他领域读者本书全面梳理当前生命科学研究中涉及光的各种生物现象和重要技术，尤其重点介绍了视觉中从微观到宏观的不同层次的光学过程，内容之丰富、精彩，论述之清晰、透彻，均为同题材专著或教材所不及。
从光子到神经元——光、成像和视觉 内容简介
本书详细介绍了生物系统的典型光现象(主要是视觉相关过程)以及重要的光学成像和操控技术（如荧光共振能量转移技术、多光子成像技术、光遗传学等）。本书的论题以往只零散出现在不同学科的课程中，而作者从光的量子本性（波粒二象性）出发，抢先发售建立起一个统一的描述框架，将分子/细胞生物学、视觉的神经认知学、纳米技术等众多领域涉及的相关光学知识（包括波动光学、几何光学的技术应用）贯穿、整合为一体。本书主题深刻、内容丰富、阐述深入浅出，为读者了解光与生命之间的相互作用提供了一本难得的教材。
从光子到神经元——光、成像和视觉 目录
目录
作者序
译者序
网页资源
致学生
致指导教师
前言：预备知识 1
0.1 导读：不确定性 1
0.2 离散概率分布 2
0.2.1 概率分布展示了我们对不确定性的认知 2
0.2.2 条件概率可以量化事件之间的相关程度 4
0.2.3 随机变量可以由其期望和方差来部分描述 4
0.2.4 联合分布 6
0.2.5 离散分布举例 7
0.3 量纲分析 10
0.4 连续概率分布 10
0.4.1 概率密度函数 10
0.4.2 连续分布举例 12
0.5 概率分布的其他性质和运算 15
0.5.1 概率密度函数的变换 15
0.5.2 大量独立同分布随机变量的样本均值的方差小于任一单个变量的方差 16
0.5.3 计数数据呈现典型的泊松分布 16
0.5.4 两噪声之差的相对标准偏差比单个噪声的更大 17
0.5.5 随机变量之和的概率分布是两个分布的卷积 17
0.6 热随机性 18
总结 18
关键公式 18
延伸阅读 19
习题 20
I 光的多面性
第1章 光是什么 25
1.1 导读：光子 25
1.2 1905年前对光的认知 26
1.2.1 光的基本现象 27
1.2.2 光在很多情况下表现出波动行为 27
1.3 光是颗粒状的 28
1.3.1 光的颗粒特征在极低强度下*明显 29
1.3.2 光电效应 32
1.3.3 爱因斯坦的观点 35
1.3.4 生物学中的光诱导现象定性支持爱因斯坦关系 37
1.4 背景知识：泊松过程 37
1.4.1 泊松过程可以定义为伯努利重复试验的连续时间极限 38
1.4.2 固定时间间隔内的尖脉冲计数服从泊松分布 38
1.4.3 等待时间服从指数分布 39
1.5 光的新物理模型 39
1.5.1 光假说，**部分 39
1.5.2 光谱可视为某个概率密度分布乘上总速率 40
1.5.3 光可以从单个分子中击出电子从而引发光化学反应 41
1.6 光子吸收可能导致荧光或光致异构化 42
1.6.1 电子态假说 42
1.6.2 原子具有尖锐的谱线 43
1.6.3 荧光分子 44
1.6.4 分子的光致异构化 47
1.7 透明介质不会被光照改变，但会降低光速 49
总结 49
关键公式 50
延伸阅读 51
习题 61
第2章 光子和生命 63
2.1 导读：观察和操控 63
2.2 光致DNA损伤 63
2.3 荧光是观察细胞内部的手段之一 65
2.3.1 荧光可用来辨别术中的健康与病灶组织 65
2.3.2 荧光显微镜可以降低背景噪声，并特异性地显示目标 67
2.4 背景知识：膜电位 69
2.4.1 离子运动导致的电流 69
2.4.2 跨膜离子失衡可以产生膜电位 69
2.4.3 离子泵维持跨膜静息电位 70
2.4.4 离子通道调节膜电位以实现神经信号转导 70
2.4.5 动作电位可以长距离传输信息 70
2.4.6 动作电位的产生和利用 72
2.4.7 关于突触传输的更多说明 73
2.5 光控遗传修饰技术 75
2.5.1 大脑很难研究 75
2.5.2 光敏通道蛋白可受光控使神经元去极化 75
2.5.3 嗜盐菌视紫红质可受光控使神经元超极化 77
2.5.4 其他方法 78
2.6 荧光报告蛋白可以实时反映细胞状态 78
2.6.1 电压敏感型荧光报告蛋白 78
2.6.2 劈裂的荧光蛋白以及基因改造的钙离子报告蛋白 80
2.7 双光子激发可以对活体组织内部成像 82
2.7.1 厚样品成像问题 82
2.7.2 双光子激发对光强度敏感 83
2.7.3 多光子显微镜可以激发样本的特定体积元 84
2.8 荧光共振能量转移 86
2.8.1 如何判断两个分子何时彼此接近 86
2.8.2 FRET的物理模型 89
2.8.3 某些形式的生物发光也涉及FRET 91
2.8.4 FRET可用作光谱“标尺”91
2.8.5 FRET在DNA弯曲柔韧性研究中的应用 93
2.8.6 基于FRET的报告蛋白 95
2.9 光合作用回顾 96
2.9.1 光合作用非常重要 97
2.9.2 两个定量谜题促进了我们对光合作用的理解 97
2.9.3 共振能量转移解决了这两个谜题 100
总结 102
关键公式 102
延伸阅读 103
习题 111
第3章 色觉 115
3.1 导读：第五维度 115
3.2 色觉提升进化适应度 116
3.3 牛顿的颜色实验 116
3.4 背景知识：泊松过程的更多性质 118
3.4.1 稀释特性 119
3.4.2 合并特性 119
3.4.3 上述特性对光的重要性 120
3.5 合并两束光相当于光谱加和 120
3.6 色彩的心理学 121
3.6.1 红(R)加绿(G)看起来像黄色(Y) 121
3.6.2 颜色辨别是多对一的 122
3.6.3 感知匹配遵循某些定量、可重复和背景无关的规则 122
3.7 选择性吸收导致的颜色 125
3.7.1 反射和透射光谱 125
3.7.2 减色法 125
3.8 色觉的物理建模 126
3.8.1 色匹配函数的难题 126
3.8.2 眼睛中的相关湿件 128
3.8.3 三色模型 129
3.8.4 三色模型解释了为什么R+G～Y 131
3.8.5 我们的眼睛将光谱投射到 3D矢量空间 132
3.8.6 色匹配的力学类比 133
3.8.7 力学类比和色觉之间的联系 135
3.8.8 与实验观察到的色匹配函数进行定量比较 135
3.9 为什么天空不是紫罗兰 137
3.10 视锥细胞马赛克图案的直接成像 138
总结 139
关键公式 139
延伸阅读 140
习题 150
第4章 光子如何知道往哪走 153
4.1 导读：概率幅 153
4.2 重要现象 154
4.3 概率幅 158
4.3.1 调和光的粒子性和波动性需要引入一个新的物理量 158
4.4 背景知识：引入复数能简化计算 160
4.5 光假说，第二部分 162
4.6 干涉现象 164
4.6.1 光假说解释双缝干涉 164
4.6.2 牛顿环阐明了三维装置的干涉 166
4.6.3 光假说的反对意见 168
4.7 稳相原理 169
4.7.1 菲涅耳积分阐明稳相原理 169
4.7.2 计算概率幅需要对光子所有可能路径求和 172
4.7.3 单个大光圈的衍射 173
4.7.4 调和光的粒子性和波动性 177
总结 178
关键公式 178
延伸阅读 179
习题 185
第5章 光学现象与生命 189
5.1 导读：分类和定向 189
5.2 昆虫、鸟类和海洋生物的结构色 189
5.2.1 一些动物使用透明材料的纳米结构产生颜色 190
5.2.2 光假说的扩展版本可描述界面处的反射和透射 192
5.2.3 单个薄透明层的反射与波长的弱依赖关系 193
5.2.4 多层薄透明介质的堆叠会产生光学带隙 195
5.2.5 海洋生物的结构色 197
5.3 几何光学 199
5.3.1 反射定律是稳相原理的结果 199
5.3.2 透射和反射光栅通过调制光子路径而产生非几何光学行为 200
5.3.3 折射定律是稳相原理应用于分段均匀介质的结果 201
5.3.4 全内反射为荧光显微镜提供了另一种增强信噪比的手段 203
5.3.5 折射通常与波长有关 205
总结 206
关键公式 206
延伸阅读 207
习题 209
II 人类与超人类视觉
第6章 直接成像 217
6.1 导读：既明亮又清晰的图像 217
6.2 无透镜成像 217
6.2.1 阴影成像 217
6.2.2 小孔成像足以满足某些动物的需求 218
6.3 加入透镜可得到既明亮又清晰的图像 219
6.3.1 聚焦准则将物距和像距与透镜形状关联起来 220
6.3.2 更一般的方法 224
6.3.3 完整像的形成 225
6.3.4 像差会在近轴极限之外降低成像质量 226
6.4 脊椎动物眼睛 226
6.4.1 空气-水界面的成像 228
6.4.2 复合透镜系统提升了聚焦能力 229
6.4.3 晶状体形变调焦 231
6.5 光学显微镜及其相关仪器 232
6.5.1“光线”是几何光学中很有用的理想化概念 232
6.5.2 实像和虚像 233
6.5.3 球差 234
6.5.4 色散产生色差 235
6.5.5 共聚焦显微镜可抑制失焦的背景光 236
6.6 达尔文困境 238
6.7 背景知识：角度和角面积 239
6.7.1 角度 239
6.7.2 角面积 240
6.8 衍射极限 240
6.8.1 完美透镜也不能完美聚焦光线 241
6.8.2 三维情况：瑞利判据 242
6.8.3 动物眼睛感光细胞的尺寸与衍射极限相匹配 244
总结 244
关键公式 245
延伸阅读 246
习题 247
第7章 基于统计推断的成像技术 256
7.1 导读：信息 256
7.2 背景：关于统计推断 257
7.2.1 贝叶斯公式可用于更新概率估计 257
7.2.2 基于均匀先验分布的推断相当于*大化似然函数 258
7.2.3 分布中心的推断 258
7.2.4 参数估计及置信区间 259
7.2.5 对数据分区会减少其信息量 259
7.3 单荧光基团的定位 260
7.3.1 定位可视为推断问题 260
7.3.2 建立概率模型 261
7.3.3 成像数据的*大似然分析 262
7.3.4 分子马达步进 264
7.4 定位显微镜 265
7.5 散焦定向成像 267
总结 269
关键公式 270
延伸阅读 270
习题 276
第8章 X射线衍射成像 281
8.1 导读：反演 281
8.2 原子分辨率的挑战 282
8.3 衍射图 283
8.3.1 周期性狭缝阵列产生衍射条纹 283
8.3.2 拓展到X射线晶体学 285
8.3.3 具有子结构的狭缝阵列的衍射图案可由形状因子调制 286
8.3.4 二维“晶体”产生二维衍射图 287
8.3.5 三维“晶体”也能用类似方法分析 288
8.4 DNA的衍射图案编码了其双螺旋特征 289
8.4.1 从衍射图可获知DNA螺距、碱基对间距、螺旋错位和螺旋直径 289
8.4.2 尺寸参数的精确测定解开了DNA结构和功能的难题 291
总
展开全部
从光子到神经元——光、成像和视觉 节选
前言：预备知识 自然之美在于细节， 但它同时展现出普遍性。 理解两者才能充分理解自然。 ——斯蒂芬 杰伊 古尔德(Stephen Jay Gould) 本书正式内容将从第1章开始。本章将简要回顾概率论的一些概念，也顺带给出本书的部分符号定义。如果你对这些概念比较陌生，可以阅读本章结尾的参考文献。你也可以先试着推导一些下文列出的部分结果，其中许多结论可以依据提示通过简单几行推导而获得。 后续章节会提供类似的简明背景介绍，以扩充这里引入的概念或者综述其他基础知识。 0.1 导读：不确定性 在日常生活中，我们为了优化某些东西而做出无数次决策，例如如何快速又安全地过马路。在科学研究中，我们尝试理解事物的运转机制，这不仅是因为我们对其本身有兴趣，也是为了其他更大的目标，例如寻找某种疾病的治疗方法。但无论是在生活还是科研中，我们都受到不确定性的困扰，即在看似完全相同的环境(或实验流程)条件下，重复完全相同的动作(或实验)却未必能得到相同的结果。 这种不确定性可能是我们对有关事实不够了解而造成的，而这些事实原本可以被了解得更透彻。例如： 当在有来车的情况下过马路的时候，司机的性格和当时的心理状态无疑会影响到我们行动的谨慎程度。 患者的个人病史、家族病史及其基因型或许会显著影响其对特定治疗方案的反应。 然而，在其他情况下，不确定性却反映了某种固有的随机性(或噪声)： 由于地球系统的高度复杂性，突发的阵风或其他天气现象无法预测。 宇宙射线引起的基因突变也是不可预测的。 在科学上，我们通常需要区分系统以及研究它的设备。相应地，不确定性也来自这两个方面： 细胞分裂时，亲代细胞中的不同调控分子可能会被分配到任一个子代细胞，但其具体数量是不可预测的。 由于测量仪器和测量程序的精度问题，每次重复测量(例如钟摆周期)都存在细微的误差。 本章要建立一个概念框架来量化上述不确定性，并探讨从随机事件能导出什么结论。 0.2 离散概率分布 如前所述，任何物理系统多少都存在一些随机性，而且(几乎)所有测量仪器还会增加额外的随机性。但另一方面，自然界的确又存在着某些规律。为了找出这些规律，我们需要发展出一些工具来描述这种不确定性。 即使在不确定的情况下，我们也并非完全无法做出预测。例如，当我们过马路时发现一米远处正好开来一辆高速汽车，此时过街肯定不是一个好主意。同理，如果我们对某个量感兴趣但尚未完成测量，那么对测量值的任何断言，我们都可以根据目前已有的部分信息赋予其一个置信度或概率。我们用位于0(命题为假)和1(命题为真)之间的数字来表示概率。 0.2.1 概率分布展示了我们对不确定性的认知 为了量化概率，下面考虑一个在日常生活中不太现实但在实验室中经常出现的情况。 设想这样一个实验或测量，其可能结果是离散数，例如细胞中某种类型分子的数量。如果我们知道在细胞分裂之前这类分子有M个，且在整个分裂过程中这类分子既没有产生也没有湮灭，则在一个子代细胞中这类分子数将是0与M之间的整数。 假设上述实验可以进行多次(“重复试验”)，且每一次试验都精确复制了每一个相关因素。这种情况称为可重复实验。 除了实验已经观察到的实际值外，还假设我们没有任何相关的先验信息。 在这种情况下，统计每个结果被观察到的次数N(也称为结果的“频率”)是有意义的，并且可以给每个允许值赋予一个置信度 (0.1) 这个公式可能不是很现实(因为我们能做的观察次数有限)，但是它原则上定义了的函数，即离散概率分布。值得注意的是： 任何离散概率分布的值都是处于0与1之间的无量纲数。 我们的测量就是“从分布P中抽样”。图0.1显示了用有限抽样数据制作直 方图从而估计分布的一个例子。 图0.1[数据总结。]离散概率分布的经验估计。(a)一个无偏硬币抛掷600次，统计相邻两次“正面向上”的间隔次数j。本图是各种结果出现频率的柱状图(或直方图)。本例中共有Ntot=289个间隔次数数据，没有观察到j>7的数据。(b)根据公式0.1，每个频率除以Ntot就是估算的概率分布。这个结果也能用柱状图表示。(c)将(b)的估计分布用半对数坐标表示，证明其大致呈指数形式。你将在习题0.3中解释这个经验事实。 我们假定每次试验都给出一个确定结果，则所有N.的总和必须等于Ntot，即 (0.2) 我们将样本空间定义为所有允许结果的列表，将事件定义为样本空间的子集.，还能得到一个紧密相关的公式。例如，在玩牌游戏中，样本空间可以是从52张牌中每次抽5张的不同组合的集合，而其中的一个事件就是称为“满堂红”的子集Efh，我们也可以称Efh为“被抽到满堂红”的事件。一个有意义的问题是从洗好的标准扑克中抽出的5张牌有多大概率恰是满堂红。 如果两个事件E1和E2的结果没有交集，我们称它们是“互斥的”，则方程0.1意味着 (0.3) 更一般地 (0.4) 在上述两个公式中，符号or表示两个事件的并集，结果表示为E1 or E2。符号and表示两个事件的交集，互斥事件的交集是空集(此时公式0.4还原为公式0.3)。 因为每个结果要么属于E、要么不属于E，所以我们也有一个“减法规则”： (0.5) 0.2.2 条件概率可以量化事件之间的相关程度 多个事件或其组合也可以用概率来描述。例如，事件E表示个体患有某种疾病，而事件E′表示针对该疾病的特定测试结果呈阳性。如果测得E′为真，那么我们可以推测E的概率。为了精确地表达这种直觉，可以引入条件概率： (0.6) 公式左边是“给定E′时E为真的概率”。重排公式有 (0.7) 如果E′为真无助于预测E，即P(E|E′)=P(E)，我们就称两个事件是统计独立的，乘法规则可简化为 (0.8) 而统计不独立的事件被称为相关的。 0.2.3 随机变量可以由其期望和方差来部分描述 我们感兴趣的事件通常都涉及某个可测的数值变量，称为随机变量。如果这个数值总是整数(例如某类分子的数量)，我们就得到离散分布。令表示变量.取特定值的事件，其发生概率可表示为，可进一步缩写成或。 虽然分布是的函数，但我们通常可用两个量来近似反映它，即的期望， (0.9) 及其方差 (0.10) 注意，尽管出现在公式中，但和var都不是变量的函数，这里出现的符号只是告诉我们正在讨论的是该变量的期望和方差，每个表达式本身都只是一个数字，这两个数值都取决于描述的分布。 任何的函数都可以用来生成一个新的随机变量。如果f是的函数，在此我们将使用相同的字符f来表示对应的随机变量，该随机变量是通过对抽样再将它们输入函数f来定义的。我们可以拓展上面的定义 (0.11) 其他书籍使用符号E(f)或μf来代表“f的期望值”，与此处使用的同义。方程0.9表明这些符号是指该随机变量的无限多次重复测量的均值(平均值)。另外，分布的标准偏差定义为方差的平方根，而相对标准偏差则是标准偏差除以期望： (0.12) 此处的期望值并非“某个有限次测量集合的均值”，后者称为样本均值，表示为f。样本均值本身也是一个随机变量：如果我们重复做有限次测量，就会得到不同的均值。相反地，期望仅仅是f自身分布的特性。 期望的一个关键性质是线性：如果f和g是任意两个随机变量，而a和b是任意两个常数，则 (0.13) 方差没有简单的线性，例如，并且和的方差不一定是各个方差之和(见0.2.4节)。但是方差确实存在一个实用的等价形式： (0.14) 0.2.4 联合分布 有时我们测量的变量多于一个，因而得到一个联合分布：事件表示**个可观测随机变量取值为，E′s0表示同一试验中第二个可观测随机变量取值为s0。我们将作为联合事件发生的概率的缩写。我们将样本空间(可能的结果)划分成许多不重叠的子集(结果的类别)，联合事件(E.0 and E′s0)中和s0的值覆盖所有的允许值。联合分布可用于计算和s0的某些函数的期望，我们不必对每个观察结果求和，只需对联合事件求和。比如求乘积的期望： (0.15) 现在假设两个随机变量统计独立，则由方程0.8可以导出 在这个公式中，是特定值的概率分布，与s值无关；Ps也类似。此时方程0.15所示的乘积的期望将变得更简单： (0.16) 上式与方程0.14联合，可知 (0.17) 用同样的方法可求出。综上可得如下结论 两个独立随机变量的和或差的方差等于各自方差的和。 (0.18) 衡量两个随机变量相关程度的一种度量称为协方差，其定义如下 (0.19) 方程0.16意味着如果和s统计独立，则协方差等于零。另一个有用的相关度量是无量纲的相关系数，定义为 (0.20) 虽然两个不相关的变量的相关系数等于零，但反之则不然。相关系数可以用来检验两个随机变量之间是否存在线性关系，但也不排除可能存在其他类型的相关性。
从光子到神经元——光、成像和视觉 作者简介
原作者简介： 菲利普·纳尔逊(Philip Nelson)是宾夕法尼亚大学教授，获得了多项奖项，包括丹尼斯M.德图尔克教学创新奖（宾夕法尼亚大学）。生物物理学会艾米丽·格雷奖，“对生物物理教学、开发创新教育材料和培养特别有利于生物物理教育的环境做出了深远而重大的贡献”。美国物理学会会员，“利用几何和拓扑方法对理解软生物材料、量子场和超弦做出的贡献。爱尔兰共和军艾布拉姆斯大学本科教学优秀纪念奖 (宾夕法尼亚大学)。 译者简介： 舒咬根 研究员，任职于中国科学院大学温州研究院。长期从事生物分子马达等物理生物学课题的研究以及生物信息快速检测技术的开发；发表论文50余篇，出席国际会议并作口头报告十余次。参与翻译了《生命系统的物理建模》（上海科学技术出版社，2018年）、《细胞的物理生物学》（科学出版社，2012年）和《生物物理学：能量、信息、生命》（上海科学技术出版社，2006年）等物理生物学教材。 黎明 教授，任职于中国科学院大学物理学院。长期从事物理生物学的科研与教学工作，主要研究方向是生物分子机器相关的理论与计算。曾参与翻译物理生物学教材《生命系统的物理建模》（上海科学技术出版社，2018年）、《生物物理学：能量、信息、生命》（上海科学技术出版社，第一版2006年，修订版2014年）以及软物质科普读物《软物质：构筑梦幻的材料》（上海科技教育出版社，2013年）。
书友推荐
- >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥40.6¥58.0 - >
唐代进士录
唐代进士录
¥17.1¥39.8 - >
月亮虎
月亮虎
¥15.4¥48.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥20.4¥49.8 - >
回忆爱玛侬
回忆爱玛侬
¥12.5¥32.8 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥6.9¥14.0 - >
姑妈的宝刀
姑妈的宝刀
¥11.4¥30.0
本类畅销
-
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6 -
2023读书月阅读盲盒——我什么场面没见过？
¥42.3¥158 -
2023读书月阅读盲盒——去码头整点什么薯条？
¥42.3¥158
