1. 《基因组》（The Genome）
作者：詹姆斯·D·沃森（James D. Watson） 简介：詹姆斯·D·沃森与弗朗西斯·克里克共同发现了DNA双螺旋结构，这本书详细描述了他们的发现过程，以及基因组研究的早期阶段。这本书是理解计算生物学基础的经典之作。
2. 《计算生物学：原理与实例》（Computational Biology: Principles and Applications）
作者：阿兰·M·莱文（Alan M. Lesk） 简介：本书全面介绍了计算生物学的原理和应用，包括序列分析、结构预测、分子进化等，适合作为计算生物学入门教材。
3. 《生物信息学：计算生物学与基因组学》（Bioinformatics:Computational Biology and Genomics）
作者：尼尔·J·亨德森（Neil J. Henderson） 简介：这本书涵盖了生物信息学的多个方面，包括基因序列分析、蛋白质结构预测、基因组注释等，是生物信息学领域的权威著作。
4. 《系统生物学：原理与应用》（Systems Biology: A Textbook with Exercises）
作者：埃里克·D·兰伯特（Erik D. R. Laporte） 简介：本书介绍了系统生物学的原理和方法，包括网络分析、信号传导、代谢组学等，对于理解生物系统的复杂性具有重要意义。
5. 《基因组序列比较》（Comparative Genomics）
作者：约翰·M·奥尔特曼（John M. Oltvai） 简介：本书详细探讨了基因组序列比较的方法和理论，包括同源分析、基因家族研究等，对于理解基因组进化具有重要意义。
6. 《蛋白质结构预测：算法、方法与应用》（Protein Structure Prediction: Algorithms, Methods, and Applications）
作者：克里斯托弗·J·波普尔（Christopher J. Ponder） 简介：本书介绍了蛋白质结构预测的各种算法和方法，包括同源建模、模板建模、自由建模等，对于理解蛋白质结构与功能关系至关重要。
7. 《分子进化与系统发育》（Molecular Evolution and Phylogenetics）
作者：尼尔·J·亨德森（Neil J. Henderson） 简介：本书介绍了分子进化和系统发育分析的理论和方法，包括序列比对、分子时钟、贝叶斯分析等，对于理解生物多样性和进化具有重要意义。
8. 《生物信息学数据分析》（Data Analysis in Bioinformatics）
作者：彼得·J·多德（Peter J. Dordick） 简介：本书介绍了生物信息学数据分析的方法和技术，包括数据挖掘、模式识别、统计推断等，对于生物信息学研究和应用具有重要意义。
9. 《计算生物学中的统计方法》（Statistical Methods in Computational Biology）
作者：迈克尔·I·哈特（Michael I. Hart） 简介：本书介绍了计算生物学中常用的统计方法，包括假设检验、参数估计、模型选择等，对于生物信息学研究和数据分析至关重要。
10. 《计算生物学中的机器学习》（Machine Learning in Computational Biology）
作者：约瑟夫·K·罗杰斯（Joseph K. Rogers） 简介：本书介绍了机器学习在计算生物学中的应用，包括分类、聚类、预测等，对于生物信息学研究和数据分析具有重要意义。
这些经典著作为计算生物学领域的研究者提供了丰富的理论基础和实践指导，是学习和研究计算生物学的必备读物。