前言
近年来，生命科学和数据科学已经融合。机器人和自动化技术的进步使化学家和生物学家能够生成大量的数据。今天的科学家在一天内生成的数据比20年前他们的前辈在整个职业生涯中所能生成的还多。这种快速生成数据的能力也带来了许多新的科学挑战。我们不再处于一个数据可以通过加载到电子表格并通过制作几个图表来处理的时代。为了从这些数据中集中提取科学知识，我们必须能够识别和提取其中隐含的不明显的关系。
在过去几年中出现的深度学习技术是识别数据模式和关系的一种强大工具。深度学习是一类算法，它彻底改变了解决诸如图像分析、语言翻译和语音识别等问题的方法。深度学习算法擅长于识别和利用大型数据集中的模式。基于这些原因，深度学习在生命科学中有着广泛的应用。本书概述了深度学习在生命科学许多领域的应用，包括在遗传学、药物发现以及医学诊断中的应用。我们描述的许多示例都附有代码，这些代码提供了对方法的实际介绍，并为读者提供了未来研究和探索的起点。
本书约定
在本书中使用如下排版约定：
斜体字（Italic）
表示新的术语、链接、电子邮件地址、文件名和文件扩展名。
等宽字体（Constant width）
用于表示代码行以及段落内引用的程序中的元素，如变量、函数名、数据库、数据类型、环境变量、语句和关键词。
等宽黑体(Constant width bold)
表示由用户输入的命令或其他文本。
等宽斜体（Constant width italic）
表示应替换为用户提供的值或由上下文确定的值来替换的文本。
使用书中的代码
本书补充材料（代码示例、练习等）可从https://github.com/deepchem/DeepLearningLifeSciences 下载。
本书可帮你完成你的工作。一般来说，你可以在你的程序和文档中使用本书提供的示例代码。不需要联系我们获得许可，除非你正在编制该代码的重要部分。例如，使用本书中的几个代码块编写程序不需要获得许可，销售或发行O’Reilly 图书中的示例光盘则需要获得许可，通过引用本书和书中的示例代码来回答问题不需要许可，将本书中的大量示例代码用到你的产品文档中则需要获得许可。
我们提倡但不强制要求归属权声明。引用信息通常包括题目、作者、出版商和ISBN。例如：“Deep Learning for the Life Sciences by Bharath Ramsundar,Peter Eastman, Patrick Walters,and Vijay Pande (O’Reilly).Copyright：2019Bharath Ramsndar，Karl Leswing，Peter Eastman ，and Vijay Pande，978-1-492-03983-9”。
如果你觉得在使用本书的代码示例过程中超出了合理的使用范围或上述许可范围，请通过permissions@oreilly.com 与我们联系。
O’Reilly 在线学习
40 年来，O’Reilly 一直在提供技术和商业培训、知识、见解，以帮助公司取得成功。
我们独一无二的专家和创新者团队会通过书籍、文章、会议和在线学习平台分享他们的知识和专业知识。O’Reilly 在线学习平台为你提供了按需访问在线培训课程、深入的学习路径、交互式编码环境，以及来自O’Reilly 和200多家其他出版商的大量文本和视频。有关详细信息，请访问http://oreilly.com网站。
联系我们
任何有关本书的意见或疑问，请按照以下地址联系出版社。
美国：
O’Reilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中国：
北京市西城区西直门南大街2 号成铭大厦C 座807 室（100035）
奥莱利技术咨询（北京）有限公司
我们在这本书的网页中列出了勘误表、示例和任何附加信息。可以在http://bit.ly/deep-lrng-for-life-science 网站访问此页面。
发表评论或咨询有关本书的技术问题，请发送电子邮件至bookquestions@oreilly.com。
关于我们的书籍、课程、会议和新闻的更多信息, 请参阅http://www.oreilly.com。
我们的Facebook：http://facebook.com/oreilly。
我们的Twitter：http://twitter.com/oreillymedia。
我们的YouTube：http://www.youtube.com/oreillymedia。
致谢
我们要感谢O’Reilly 的编辑Nicole Tache，以及技术审稿人和测试版审稿人对本书的宝贵贡献。此外，我们还要感谢Karl Leswing 和Zhenqin (Michael)Wu 对书中代码的贡献，以及Johnny Israeli 对基因组学一章的宝贵建议。
Bharath 感谢其家人在他许多个漫长的周末和夜晚编写本书时给予的支持和鼓励。
Peter 要感谢妻子始终如一的支持以及许多同事的帮助，他从他们那里学到了很多关于机器学习的知识。
Pat 要感谢妻子Andrea，以及女儿Alee 和Maddy，感谢她们的爱和支持。他还想感谢过去和现在在Vertex Pharmaceuticals 和Relay Therapeutics 公司的同事们，他从他们那里学到了很多。
最后，我们要感谢Deepchem 开放源码社区在整个项目中给予的鼓励和支持。
