登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

云之南

风声,雨声,读书声,声声入耳;家事,国事,天下事,事事关心

 
 
 

日志

 
 
关于我

专业背景:计算机科学 研究方向与兴趣: JavaEE-Web软件开发, 生物信息学, 数据挖掘与机器学习, 智能信息系统 目前工作: 基因组, 转录组, NGS高通量数据分析, 生物数据挖掘, 植物系统发育和比较进化基因组学

【转】计算生物学/生物信息学的未来是什么?  

2012-08-08 22:33:02|  分类: 生物信息学 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
1 基因的结构和功能确定。给定一条序列,如果能够找到与其相似度高的同源序列,那么它的结构和功能就差不多可以确定了。这个过程涉及到多序列比对和相似性搜 索。如果没法找到与之相似度高的序列,则需要考虑复杂一点的搜索技术,如基于profile的搜索和比对,或者寻找与之部分结构如结构域/motif相似 的序列,这类似于结构预测中的threading过程。如果这两步都搞不定,那么只能通过从头预测该序列的结构了,不过在实际应用中很不准。
2 序列信息的挖掘,如序列中aa组成,motif的发现等等
3 进化分析。这也是一个很大的领域,包括很多方向,如计算分子进化。从序列出发,去拟合最好的进化模型和参数,这就是计算分子进化。此外,基因组进化分析能够得到一些进化的规律,但是要系统的理解生物的进化还需要依赖于系统的思路。
4 组学的工作,如转录组,代谢组,蛋白组学等等。这类工作涉及的是网络分析。基于大规模的实验数据,通过网络分析可以从系统的水平上得到对于某个生物学过程更好的理解。这是生物学发展的趋势。
5 基因型到表型的mapping。如现在很热的GWAS研究,基于序列的抗原表位预测,或者基于分子marker的疾病预测模型等等
生物信息学的大部分还是要结合实验生物,这是这个学科注定的结局。

本文引用地址:http://blog.sciencenet.cn/blog-54276-497902.html

其他关于生物信息研究内容与方法:

生物信息学之我见-转载

我所理解的计算系统生物学

生物信息学的研究方向和方法及主要内容

如何成为顶级生物信息学家

个人补充:
其实计算生物学与生物信息学可以为广义与狭义之分,总之都是为了解决生物问题。
广义:只要利用计算机处理生物数据,都可以称为生物信息学。
狭义:一般指生物信息算法与软件的开发。
生物信息学研究的三个层面

1.初级层面
基于现有的生物信息数据库和资源,利用成熟的生物信息学工具(专业网站、软件)解决生物学问题

生物信息数据库NCBI、EBI等

基因组序列分析、序列比对软件 BLAST、CLUSTAL

系统发育树构造软件PHYLIP、PALM等

分子动力学模拟软件GROMACS、NAMD等

搜集、整理有特色的生物信息学数据集


2. 中级层面
利用数值计算方法、数理统计方法和相关的工具,研究生物信息学问题

概率、数理统计基础

科学计算基础

数理统计和科学计算工具(EXCEL,SPSS,SAS,R,MATLAB等)

建立有特色的生物信息学数据库

3.高级层面

提出有重要意义的生物信息学问题;自主创新,发展新型方法,开发新型工具,引领生物信息学领域研究方向。

面向生物学领域,解决生物学问题

数学、物理、化学、计算科学等思想和方法

建立模型,发展算法

自行编程,开发软件,建立网页(Linux与Shell,C/C++/C#/ASP.NET,JAVA/J2EE/SSH,JavaScript,HTML, PERL,Python, PHP数据库与数据挖掘技术)

从事生物信息学研究的人员必须具备多学科交叉的知识: 生物(植物,动物,基础医学, 这个要看研究的对象),计算机,数学,物理,化学等和本人研究相关的学科知识,研究发表生物数据处理的基本方法或者算法,但更重要的是生物意义与科学问题。
  评论这张
 
阅读(6495)| 评论(14)

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2018