91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
云端基因組學(xué)
云端基因組學(xué)
Geraldine A. Van der Auwera, Brian D. O’Connor 著
杜春曉 譯
出版時(shí)間：2022年04月
頁(yè)數(shù)：484
近年來(lái)，基因組學(xué)領(lǐng)域數(shù)據(jù)激增。未來(lái)幾年，美國(guó)國(guó)立衛(wèi)生研究院（NIH）等機(jī)構(gòu)將托管50多拍字節(jié)（或5000多萬(wàn)吉字節(jié)）的基因組數(shù)據(jù)。它們已開始利用云基礎(chǔ)設(shè)施托管數(shù)據(jù)，以便將其開放給研究社區(qū)使用。你如何改進(jìn)基因組分析工具和協(xié)議，才能訪問(wèn)和分析云端海量數(shù)據(jù)？
本書緊貼工作實(shí)際，研究者可從本書學(xué)到如何用基因組分析工具集GATK、Docker容器、WDL語(yǔ)言和Terra平臺(tái)等開源工具編制和運(yùn)行基因組學(xué)分析算法。作者Geraldine A. Van der Auwera長(zhǎng)期管理GATK用戶社區(qū)，作者Brian D. O’Connor則來(lái)自加利福尼亞大學(xué)圣克魯茲分校基因組研究所。閱讀本書的過(guò)程，就仿佛是兩位專家?guī)阃瓿稍贫嘶蚪M分析項(xiàng)目。你將學(xué)習(xí)用基因組學(xué)分析算法處理真實(shí)數(shù)據(jù)。
本書主要內(nèi)容如下：
● 基因組學(xué)和計(jì)算科學(xué)背景知識(shí)。
● 云計(jì)算操作基礎(chǔ)。
● 帶你入門GATK和三個(gè)主要GATK最佳實(shí)踐流水線。
● 用WDL語(yǔ)言編寫工作流，用Cromwell系統(tǒng)管理工作流，實(shí)現(xiàn)自動(dòng)分析。
● 用并行技術(shù)在云端大規(guī)模執(zhí)行工作流，降低成本。
● 在云端用Jupyter筆記本做交互分析。
● 用Terra平臺(tái)實(shí)現(xiàn)安全協(xié)作和計(jì)算可復(fù)現(xiàn)。
  1. 序
  2. 前言
  3. 第1章 概述
  4. 1.1 生物學(xué)和生命科學(xué)大數(shù)據(jù)的希望和挑戰(zhàn)
  5. 1.2 大數(shù)據(jù)對(duì)基礎(chǔ)設(shè)施的挑戰(zhàn)
  6. 1.3 數(shù)據(jù)分享和分析云生態(tài)系統(tǒng)
  7. 1.3.1 云托管數(shù)據(jù)和云計(jì)算
  8. 1.3.2 生命科學(xué)研究平臺(tái)
  9. 1.3.3 基礎(chǔ)設(shè)施的標(biāo)準(zhǔn)化和復(fù)用
  10. 1.4 踐行FAIR理念
  11. 1.5 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  12. 第2章 基因組學(xué)簡(jiǎn)介：新手必讀
  13. 2.1 基因組學(xué)入門
  14. 2.1.1 基因作為獨(dú)立遺傳單元（從某種程度上講）
  15. 2.1.2 生物學(xué)中心法則：從DNA到RNA再到蛋白質(zhì)
  16. 2.1.3 DNA突變的起因和后果
  17. 2.1.4 基因組學(xué)是基因組內(nèi)和基因組間變異的清單
  18. 2.1.5 大規(guī)模系統(tǒng)性分析基因組的難點(diǎn)
  19. 2.2 基因組變異
  20. 2.2.1 以參考基因組為通用框架
  21. 2.2.2 變異的物理分類
  22. 2.2.3 種系變異和體細(xì)胞變異的區(qū)別
  23. 2.3 生成高通量測(cè)序數(shù)據(jù)
  24. 2.3.1 從生物樣本到大量讀段數(shù)據(jù)
  25. 2.3.2 DNA文庫(kù)類型：選擇合適的實(shí)驗(yàn)設(shè)計(jì)
  26. 2.4 數(shù)據(jù)處理和分析
  27. 2.4.1 將讀段匹配到參考基因組
  28. 2.4.2 變異識(shí)別
  29. 2.4.3 數(shù)據(jù)質(zhì)量和錯(cuò)誤源
  30. 2.4.4 規(guī)格統(tǒng)一：功能等價(jià)流水線
  31. 2.5 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  32. 第3章 生命科學(xué)家必備計(jì)算技術(shù)入門
  33. 3.1 基礎(chǔ)設(shè)施的基本組件和性能瓶頸
  34. 3.1.1 幾種處理器硬件：CPU、GPU、FPGA和TPU
  35. 3.1.2 計(jì)算組織的層級(jí)：核、節(jié)點(diǎn)、集群和云
  36. 3.1.3 解決性能瓶頸
  37. 3.2 并行計(jì)算
  38. 3.2.1 并行處理一個(gè)簡(jiǎn)單分析任務(wù)
  39. 3.2.2 從核到集群和云：多層并行機(jī)制
  40. 3.2.3 并行需權(quán)衡速度、效率和成本
  41. 3.3 并行和自動(dòng)化流水線
  42. 3.3.1 工作流語(yǔ)言
  43. 3.3.2 常用基因組流水線語(yǔ)言
  44. 3.3.3 工作流管理系統(tǒng)
  45. 3.4 虛擬化和云
  46. 3.4.1 虛擬機(jī)和容器
  47. 3.4.2云簡(jiǎn)介
  48. 3.4.3 采用云服務(wù)從事研究的幾個(gè)場(chǎng)景
  49. 3.5 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  50. 第4章 云上第一步
  51. 4.1 開通谷歌云賬號(hào)并創(chuàng)建首個(gè)項(xiàng)目
  52. 4.1.1 創(chuàng)建項(xiàng)目
  53. 4.1.2 核對(duì)你的結(jié)算賬號(hào)并激活免費(fèi)試用額度
  54. 4.2 用Google Cloud Shell運(yùn)行基本命令
  55. 4.2.1 登錄Cloud Shell虛擬機(jī)
  56. 4.2.2 用gsutil訪問(wèn)和管理文件
  57. 4.2.3 拉取Docker鏡像并啟動(dòng)容器
  58. 4.2.4 掛載數(shù)據(jù)卷，從容器內(nèi)部訪問(wèn)文件系統(tǒng)
  59. 4.3 創(chuàng)建自定義虛擬機(jī)
  60. 4.3.1 創(chuàng)建和配置你的虛擬機(jī)實(shí)例
  61. 4.3.2 用SSH登錄虛擬機(jī)
  62. 4.3.3 驗(yàn)證身份
  63. 4.3.4 復(fù)制本書材料到你的虛擬機(jī)
  64. 4.3.5 在虛擬機(jī)上安裝Docker
  65. 4.3.6 構(gòu)建GATK容器鏡像
  66. 4.3.7 停用虛擬機(jī)，停止燒錢
  67. 4.4 配置IGV瀏覽器，讀取GCS桶數(shù)據(jù)
  68. 4.5 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  69. 第5章 GATK入門
  70. 5.1 開始用GATK
  71. 5.1.1 運(yùn)行要求
  72. 5.1.2 命令行句法
  73. 5.1.3 用Spark實(shí)現(xiàn)多線程
  74. 5.1.4 GATK實(shí)操
  75. 5.2 動(dòng)手找變異
  76. 5.2.1 用HaplotypeCaller尋找種系SNP和InDel
  77. 5.2.2 根據(jù)變異上下文注釋過(guò)濾變異識(shí)別結(jié)果
  78. 5.3 GATK最佳實(shí)踐簡(jiǎn)介
  79. 5.3.1 本書涵蓋的最佳實(shí)踐
  80. 5.3.2 其他主要應(yīng)用場(chǎng)景
  81. 5.4 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  82. 第6章 用GATK最佳實(shí)踐發(fā)現(xiàn)種系短變異
  83. 6.1 數(shù)據(jù)預(yù)處理
  84. 6.1.1 將讀段匹配到基因組參考
  85. 6.1.2 標(biāo)記重復(fù)讀段
  86. 6.1.3 重新校正堿基質(zhì)量值
  87. 6.2 聯(lián)合發(fā)現(xiàn)分析
  88. 6.2.1 聯(lián)合變異識(shí)別工作流概覽
  89. 6.2.2 識(shí)別每個(gè)樣本的變異，生成GVCF文件
  90. 6.2.3 整合GVCF文件
  91. 6.2.4 用聯(lián)合鑒定基因型方法處理多個(gè)樣本
  92. 6.2.5 重校正變異質(zhì)量值，過(guò)濾聯(lián)合識(shí)別結(jié)果集
  93. 6.2.6 改進(jìn)基因型分配結(jié)果并調(diào)整其可信度
  94. 6.2.7 下一步和延伸閱讀
  95. 6.3 用CNN過(guò)濾法識(shí)別單樣本變異
  96. 6.3.1 CNN單樣本工作流概覽
  97. 6.3.2 采用1D CNN過(guò)濾單樣本W(wǎng)GS變異識(shí)別結(jié)果集
  98. 6.3.3 采用2D CNN在模型中加入讀段數(shù)據(jù)
  99. 6.4 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  100. 第7章 用GATK最佳實(shí)踐發(fā)現(xiàn)體細(xì)胞變異
  101. 7.1 癌癥基因組研究面對(duì)的挑戰(zhàn)
  102. 7.2 體細(xì)胞短變異（SNV和InDel）
  103. 7.2.1 腫瘤—正常組織配對(duì)分析工作流概覽
  104. 7.2.2 創(chuàng)建Mutect2 PoN隊(duì)列
  105. 7.2.3 在腫瘤—正常組織配對(duì)上運(yùn)行Mutect2工具
  106. 7.2.4 估計(jì)樣本交叉污染
  107. 7.2.5 過(guò)濾Mutect2識(shí)別結(jié)果
  108. 7.2.6 用Funcotator工具注明識(shí)別結(jié)果的功能性預(yù)測(cè)效果
  109. 7.3 體細(xì)胞拷貝數(shù)變異
  110. 7.3.1 僅有腫瘤樣本的分析工作流概覽
  111. 7.3.2 創(chuàng)建體細(xì)胞CNA PoN
  112. 7.3.3 去噪
  113. 7.3.4 連接片段并識(shí)別CNA
  114. 7.3.5 附加分析方法
  115. 7.4 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  116. 第8章 用工作流自動(dòng)執(zhí)行分析任務(wù)
  117. 8.1 WDL和Cromwell系統(tǒng)簡(jiǎn)介
  118. 8.2 安裝和配置Cromwell系統(tǒng)
  119. 8.3 你的第一個(gè)WDL工作流：Hello World
  120. 8.3.1 編寫最小示例，學(xué)習(xí)WDL基本句法
  121. 8.3.2 在你的谷歌虛擬機(jī)上用Cromwell系統(tǒng)運(yùn)行簡(jiǎn)單WDL腳本
  122. 8.3.3 解釋Cromwell輸出日志的要點(diǎn)
  123. 8.3.4 加個(gè)變量并以JSON格式提供輸入
  124. 8.3.5 增加另一任務(wù)，完善工作流
  125. 8.4 你的第一個(gè)GATK工作流：Hello HaplotypeCaller
  126. 8.4.1 探索WDL工作流
  127. 8.4.2 生成JSON輸入文件
  128. 8.4.3 運(yùn)行工作流
  129. 8.4.4 破壞工作流，學(xué)習(xí)句法檢查和錯(cuò)誤提示功能
  130. 8.5 介紹分散—聚集并行機(jī)制
  131. 8.5.1 探索WDL工作流
  132. 8.5.2 生成圖表，實(shí)現(xiàn)可視化
  133. 8.6 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  134. 第9章 真實(shí)基因組工作流詳解
  135. 9.1 神秘工作流1：加入條件語(yǔ)句，提高靈活性
  136. 9.1.1 工作流制圖
  137. 9.1.2 逆向破解條件切換
  138. 9.2 神秘工作流2：模塊化和代碼重用
  139. 9.2.1 工作流制圖
  140. 9.2.2 拆解套娃
  141. 9.3 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  142. 第10章 用Pipelines API運(yùn)行多個(gè)工作流
  143. 10.1 GCP平臺(tái)PAPI服務(wù)簡(jiǎn)介
  144. 10.2 直接發(fā)送Cromwell作業(yè)到PAPI
  145. 10.2.1 配置Cromwell，實(shí)現(xiàn)與PAPI通信
  146. 10.2.2 用PAPI并行運(yùn)行 HaplotypeCaller工具
  147. 10.2.3 在Google Compute Engine監(jiān)控工作流執(zhí)行
  148. 10.3 理解和優(yōu)化工作流的效率
  149. 10.3.1 操作粒度
  150. 10.3.2 權(quán)衡時(shí)間和金錢
  151. 10.3.3 成本優(yōu)化建議
  152. 10.3.4 針對(duì)平臺(tái)優(yōu)化和可移植性
  153. 10.4 用WDL Runner封裝Cromwell和PAPI的執(zhí)行
  154. 10.4.1 WDL Runner設(shè)置
  155. 10.4.2 用WDL Runner 并行運(yùn)行HaplotypeCaller工具
  156. 10.4.3 監(jiān)控WDL Runner的執(zhí)行
  157. 10.5 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  158. 第11章 在Terra平臺(tái)快捷運(yùn)行多個(gè)工作流
  159. 11.1 Terra入門
  160. 11.1.1 生成賬號(hào)
  161. 11.1.2 創(chuàng)建結(jié)算項(xiàng)目
  162. 11.1.3 克隆預(yù)先配好的工作區(qū)
  163. 11.2 在Terra平臺(tái)用Cromwell服務(wù)器運(yùn)行工作流
  164. 11.2.1 在單個(gè)樣本上運(yùn)行工作流
  165. 11.2.2 在數(shù)據(jù)表的多個(gè)樣本上運(yùn)行工作流
  166. 11.2.3 監(jiān)控工作流執(zhí)行
  167. 11.2.4 在數(shù)據(jù)表定位工作流輸出
  168. 11.2.5 再次運(yùn)行同一工作流，展示緩存調(diào)用
  169. 11.3 運(yùn)行一個(gè)真實(shí)、全規(guī)模GATK最佳實(shí)踐流水線
  170. 11.3.1 尋找和克隆GATK種系短變異發(fā)現(xiàn)最佳實(shí)踐工作區(qū)
  171. 11.3.2 檢查預(yù)加載數(shù)據(jù)
  172. 11.3.3 選數(shù)據(jù)并配置全規(guī)模工作流
  173. 11.3.4 啟動(dòng)全規(guī)模工作流并監(jiān)控其執(zhí)行
  174. 11.3.5 下載輸出數(shù)據(jù)的幾種方法，或不下載
  175. 11.4 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  176. 第12章 Jupyter Notebooks中的交互式分析
  177. 12.1 Terra平臺(tái)Jupyter 服務(wù)簡(jiǎn)介
  178. 12.1.1 Jupyter Notebooks概述
  179. 12.1.2 Jupyter Notebooks在Terra平臺(tái)的工作原理
  180. 12.2 開始用Terra平臺(tái)的Jupyter軟件
  181. 12.2.1 檢查和自定義筆記本運(yùn)行環(huán)境的配置項(xiàng)
  182. 12.2.2 以編輯模式打開筆記本并檢查內(nèi)核
  183. 12.2.3 運(yùn)行Hello World單元格
  184. 12.2.4 用gsutil工具操作谷歌云存儲(chǔ)桶
  185. 12.2.5 聲明變量，指向本書數(shù)據(jù)桶的種系數(shù)據(jù)
  186. 12.2.6 設(shè)置沙盒并將輸出文件存入工作區(qū)數(shù)據(jù)桶
  187. 12.3 在嵌入式IGV瀏覽器窗口查看基因組數(shù)據(jù)
  188. 12.3.1 設(shè)置嵌入式IGV瀏覽器
  189. 12.3.2 為IGV瀏覽器添加數(shù)據(jù)
  190. 12.3.3 設(shè)置訪問(wèn)令牌，查看私有數(shù)據(jù)
  191. 12.4 運(yùn)行GATK命令，學(xué)習(xí)、測(cè)試或解決問(wèn)題
  192. 12.4.1 運(yùn)行GATK基本命令：HaplotypeCaller
  193. 12.4.2 加載數(shù)據(jù)（BAM和VCF）到IGV瀏覽器
  194. 12.4.3 在嵌入式IGV瀏覽器解決一個(gè)有問(wèn)題的變異識(shí)別結(jié)果
  195. 12.5 可視化變異上下文注釋數(shù)據(jù)
  196. 12.5.1 用VariantsToTable導(dǎo)出感興趣的注釋值
  197. 12.5.2 加載R腳本，繪制函數(shù)圖像
  198. 12.5.3 用makeDensityPlot繪制QUAL值密度圖
  199. 12.5.4 繪制QUAL和DP值散點(diǎn)圖
  200. 12.5.5 繪制附有邊緣密度的散點(diǎn)圖
  201. 12.6 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  202. 第13章 在Terra平臺(tái)自己組裝工作區(qū)
  203. 13.1 管理工作區(qū)內(nèi)外數(shù)據(jù)
  204. 13.1.1 以工作區(qū)桶為數(shù)據(jù)倉(cāng)庫(kù)
  205. 13.1.2 訪問(wèn)你在Terra平臺(tái)外部管理的私有數(shù)據(jù)
  206. 13.1.3 訪問(wèn)Terra Data Library數(shù)據(jù)
  207. 13.2 用基本組件重建教程工作區(qū)
  208. 13.2.1 新建工作區(qū)
  209. 13.2.2 添加工作流到Methods Repository并將其導(dǎo)入工作區(qū)
  210. 13.2.3 用JSON文件快速創(chuàng)建配置
  211. 13.2.4 添加數(shù)據(jù)表
  212. 13.2.5 填充工作區(qū)資源數(shù)據(jù)表
  213. 13.2.6 用數(shù)據(jù)表創(chuàng)建工作流配置
  214. 13.2.7 添加筆記本并檢查運(yùn)行環(huán)境
  215. 13.2.8 編寫工作區(qū)文檔并分享它
  216. 13.3 從GATK最佳實(shí)踐工作區(qū)開始
  217. 13.3.1 克隆GATK最佳實(shí)踐工作區(qū)
  218. 13.3.2 檢查GATK工作區(qū)數(shù)據(jù)表，理解數(shù)據(jù)組織方式
  219. 13.3.3 了解千人基因組高覆蓋度數(shù)據(jù)集
  220. 13.3.4 從千人基因組工作區(qū)復(fù)制數(shù)據(jù)表
  221. 13.3.5 用TSV加載文件從千人基因組工作區(qū)導(dǎo)入數(shù)據(jù)
  222. 13.3.6 對(duì)聯(lián)合數(shù)據(jù)集執(zhí)行聯(lián)合識(shí)別分析
  223. 13.4 圍繞數(shù)據(jù)集，建工作區(qū)
  224. 13.4.1 克隆千人基因組數(shù)據(jù)工作區(qū)
  225. 13.4.2 從Dockstore導(dǎo)入工作流
  226. 13.4.3 配置工作流，使用數(shù)據(jù)表
  227. 13.5 小結(jié)和下一步學(xué)習(xí)內(nèi)容
  228. 第14章 撰寫可完全復(fù)現(xiàn)的論文
  229. 14.1 案例研究概覽
  230. 14.1.1 計(jì)算可復(fù)現(xiàn)和FAIR框架
  231. 14.1.2 案例研究的原始研究成果和歷史
  232. 14.1.3 評(píng)估可用信息和關(guān)鍵挑戰(zhàn)
  233. 14.1.4 設(shè)計(jì)可復(fù)現(xiàn)的實(shí)現(xiàn)
  234. 14.2 生成合成數(shù)據(jù)集，替代私有數(shù)據(jù)
  235. 14.2.1 總體方法論
  236. 14.2.2 從千人基因組受試檢索變異數(shù)據(jù)
  237. 14.2.3 根據(jù)真人數(shù)據(jù)，仿造外顯子組數(shù)組
  238. 14.2.4 改變仿造外顯子組
  239. 14.2.5 生成最終數(shù)據(jù)集
  240. 14.3 重建數(shù)據(jù)處理和分析方法論
  241. 14.3.1 匹配和變異發(fā)現(xiàn)
  242. 14.3.2 變異效果預(yù)測(cè)、排序和變異負(fù)荷分析
  243. 14.3.3 新實(shí)現(xiàn)的分析能力
  244. 14.4 通往FAIR的道路漫長(zhǎng)又曲折
  245. 14.5 總結(jié)
  246. 附錄 術(shù)語(yǔ)表
書名：云端基因組學(xué)
譯者：杜春曉 譯
國(guó)內(nèi)出版社：中國(guó)電力出版社
出版時(shí)間：2022年04月
頁(yè)數(shù)：484
書號(hào)：978-7-5198-6442-2
原版書書名：Genomics in the Cloud
原版書出版商：O'Reilly Media
Geraldine A. Van der Auwera
 
Geraldine A. Van der Auwera博士是博德研究所數(shù)據(jù)科學(xué)平臺(tái)（Outreach and Communications for the Data Sciences Platform，DSP）的外聯(lián)和通信主任。該研究所由麻省理工學(xué)院和哈佛大學(xué)聯(lián)合創(chuàng)辦。作為外聯(lián)，她擔(dān)負(fù)教育和倡導(dǎo)研究者使用DSP軟件和服務(wù)的職責(zé)，幫助研究者使用博德研究所行業(yè)領(lǐng)先的變異發(fā)現(xiàn)分析工具集GATK、Cromwell/WDL工作流管理系統(tǒng)和云分析平臺(tái)Terra.bio。Terra平臺(tái)整合計(jì)算資源、方法庫(kù)和數(shù)據(jù)管理工具，其工作環(huán)境對(duì)用戶非常友好。Van der Auwera原是微生物學(xué)家，2007年從比利時(shí)魯汶大學(xué)獲得生物工程博士學(xué)位，隨后到哈佛醫(yī)學(xué)院做了四年博士后。她于2012年加入博德研究所，成為GATK用戶社區(qū)仁慈的獨(dú)裁者，永遠(yuǎn)告別工作臺(tái)和移液器。
 
 
Brian D. O’Connor
 
Brian D. O’Connor博士是加利福尼亞大學(xué)圣克魯茲分校（UCSC）基因組研究所計(jì)算基因組平臺(tái)（Computational Genomics Platform）主任。他重點(diǎn)研究基因組數(shù)據(jù)分析所用的大規(guī)模和基于云的系統(tǒng)的開發(fā)和部署，其中包括NHGRI AnVIL和NHLBI Bio Data Catalyst平臺(tái)以及工作流和工具分享站點(diǎn)Dockstore。Brian積極從事標(biāo)準(zhǔn)制定工作。他擔(dān)任全球基因組學(xué)和健康聯(lián)盟云工作流（Global Alliance for Genomics and Health Cloud Work Stream）的聯(lián)合主席，從事API標(biāo)準(zhǔn)制定工作，以實(shí)現(xiàn)云端互操作。Brian從加拿大安大略癌癥研究所加入U(xiǎn)CSC。他之前從事的項(xiàng)目包括：帶隊(duì)開發(fā)全基因組泛癌分析（PanCancer Analysis of Whole Genomes）項(xiàng)目，實(shí)現(xiàn)全球性云端分析系統(tǒng)，創(chuàng)建Dockstore站點(diǎn)，并成功重建國(guó)際癌癥基因組聯(lián)盟（International Cancer Genome Consortium）的數(shù)據(jù)門戶。
 
 
本書封面的動(dòng)物是一種生有牛奶斑點(diǎn)的四齒鲀科魚類（凹鼻鲀，學(xué)名Chelonodon patoca），原見(jiàn)于印度洋—太平洋地區(qū)的江河入?？?、紅樹林、沿海地區(qū)和淡鹽水區(qū)域，現(xiàn)今在這些區(qū)域仍有分布。四齒鲀科魚類又稱河豚（blowfish），它們以其富有彈性的腹部而聞名，腹部膨脹可阻擋捕食者。
生有牛奶斑點(diǎn)的這種鲀，就像四齒鲀科其他魚類一樣，其皮膚也含毒素。其皮膚上的粘液層對(duì)人和其他捕食者有劇毒。其鱗片呈棕灰色，生有深色條紋和白斑。其腹部為白色，帶點(diǎn)淺黃，眼睛有一個(gè)黃環(huán)。成年凹鼻鲀可長(zhǎng)至10英寸。這種魚以無(wú)脊椎動(dòng)物為食，如軟體動(dòng)物、蠕蟲。它們也吃海草等植物。
購(gòu)買選項(xiàng)
定價(jià)：148.00元
書號(hào)：978-7-5198-6442-2
出版社：中國(guó)電力出版社