生物信息学

灵之亡灵肆

一、生物信息学


生物信息学(Bioinformatics)是研究生物信息的采集、处理、存储、传播，分析和解释等各方面的学科，也是随着生命科学和计算机科学的迅猛发展，生命科学和计算机科学相结合形成的一门新学科。
它通过综合利用生物学，计算机科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。它是当今生命科学和自然科学的重大前沿领域之一，同时也将是21世纪自然科学的核心领域之一。
其研究重点主要体现在基因组学（Genomics）和蛋白质组学（Proteomics）两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。
研究方法以数据（库）为核心1 数据库的建立2 生物学数据的检索3 生物学数据的处理**4 生物学数据的利用：计算生物学
**生物信息学的主要研究方向：基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，1989年在美国举办生物化学系统论与生物数学 的计算机模型国际会议 ，生物信息学发展到了计算生物学、计算系统生物学的时代。
二、计算生物学(computational biology)*


计算生物学（Computational Biology）是生物学的一个分支，是指开发和应用数据分析及理论的方法、数学建模和计算机仿真技术等，用于生物学、行为学和社会群体系统的研究的一门学科。
计算生物学的最终目的不仅仅局限于测序，而是运用计算机的思维解决生物问题，用计算机的语言和数学的逻辑构建和描述并模拟出生物世界。 就整个学科的内容而论，计算生物学最终是以生命科学中的现象和规律作为研究对象，以解决生物学问题为最终目标，数学和计算机仅仅是解决问题的工具和手段。
计算生物学的研究范畴相当广泛，几乎渗透到现代生物学研究的每一个领域。也就是说，任何关于生物学问题的交叉学科研究，只要其工作假设(working hypothesis)可以通过建立数学模型和计算机仿真来进行检验，都可纳入计算生物学的研究范畴。
计算生物学的研究可以划分成两个部分或者两个阶段。一是数据挖掘和知识发现， 从大量的实验数据中提取背后隐藏的模式，然后形成假设； 第二个阶段是建立数学模型，利用计算机模拟来检验各种假设 ，为进一步的体内、体外实验研究提供预测结果和指导建议。 因此，计算生物学的两个阶段可以归纳为“发现的科学”(discovery science)和“假设驱动的科学”(hypothesis-driven science)。
计算生物学应用
从基因组科学新视角来探究人类健康和疾病的各个方面，使将人类基因组计划的成果转化为医学领域的进步成为可能。 运用计算生物学，科学家有望鉴定基因和生物通路在健康和疾病中的角色，挖掘它们与环境因素之间的关系。 发展、评价以及应用以基因组为基础的诊断方法来预测对疾病的易感性，预测药物反应，发现疾病的早期诊断标记、疾病在分子水平上的发展机制。 应用基因组和代谢通路的知识，通过分子模拟等方法进行计算机辅助药物设计，缩短新药开发周期，从而开发有效的、新的疾病治疗方法;发展基于基因组的工具来改善大众的健康状况。
三、生物信息学与计算生物学的异同**


一、专业性质不同**
1、生物信息学：是研究生物信息的采集、处理、存储、传播，分析和解释等各方面的学科，是生命科学和计算机科学相结合形成的一门新学科。
2、计算生物学：是生物学的一个分支，是指开发和应用数据分析及理论的方法、数学建模和计算机仿真技术等，用于生物学、行为学和社会群体系统的研究的一门学科。
二、研究内容不同
1、生物信息学：通过综合利用生物学，计算机科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。
2、计算生物学：运用计算机的思维解决生物问题，用计算机的语言和数学的逻辑构建和描述并模拟出生物世界。
三、研究方法不同
1、生物信息学： 以数据（库）为核心，数据库的建立，生物学数据的检索，生物学数据的处理，生物学数据的利用：计算生物学。
2、计算生物学： 各种计算方法已开始广泛应用于药物研究，以及研发创新的、具有自主知识产权的疾病靶标和信息学分析系统等。
同时，运用计算生物学，科学家有望直接破译在核酸序列中的遗传语言规律，模拟生命体内的信息流过程，从而认识代谢、发育、进化等一系列规律。 相对于生物信息学，计算生物学的层次更高。虽然两者之间界限模糊，但生物信息学略微偏向于生物，而计算生物学略微偏向计算机。生物信息学侧重于数据的提取、挖掘，而计算生物学侧重对数据的处理、运用。计算生物学的最终目的不只局限于测序，而是运用计算机的思维解决生物问题，用计算机的语言和数学的逻辑构建和描述并模拟出生物世界。
对那些海量数据只进行一些传统处理，并不能给生命科学以及医学带来太大的促进，迫切需要一个有效的研究方法体系来帮助人们了解像人体这样一个极其复杂的生物体系，这就是计算生物学。
有些人将计算生物学作为生物信息学的同义词处理；但也有些人认为计算生物学和生物信息学应当被当作不同的条目处理，因为 生物信息学更侧重于生物学领域中计算方法的使用和发展，而计算生物学强调利用数学模型和计算仿真技术对生物学问题进行研究，应用信息学技术对生物学领域中的假说进行检验，并尝试发展新的理论。
因为两者之间界限模糊，所以美国很多大学开设的专业方向将这两者结合在一起。

<hr/>起源：1950-1970

20世纪50年代早期，DNA的历史地位还没有被建立，那个时候人们普遍认为蛋白质才是遗传信息的载体。直到1952年的噬菌体感染实验，人们才第一次证明DNA是真正的遗传物质。因为这个历史原因，生物信息学在DNA中的应用要落后于蛋白质研究将近20年时间。
生物信息从蛋白质研究开始

50年代后期，人们得到了胰岛素的蛋白质序列，这一成就激励人们去开发获得蛋白质序列更有效的方法。Edman降解法就是其中之一，肽链的第一个N-末端氨基酸用异硫氰酸苯酯（PITC）标记，然后通过降低pH来进行切割。通过重复该过程，一次一个N-末端氨基酸进而可以确定肽序列。
第一位生物信息学家

Margaret Dayhoff（1925-1983）是一位美国物理化学家，他开创了计算方法在生物化学领域的应用。Dayhoff 对这一领域的贡献非常重要，NCBI前主任 David J. Lipman 称她为”生物信息学的母亲和父亲” 。1960年，她成为国家生物医学资源基金会的副主任。与Robert S. Ledley 一起开发出了第一个生物信息学软件：COMPORTEIN, 用于使用Edman测序数据确定蛋白质的一级结构，使用fortran 语言开发并运行在打孔卡上，完全运行在这个软件运行在IBM 7090 大型机上。
1984年，威斯康星大学遗传学计算机课题组(Genetics Computer Group)发表了与他们同名的“GCG”软件合集。GCG软件包是包括33个命令行工具的集合，可以用于操作DNA，RNA或蛋白质序列。要记住，这是为序列分析开发的第一个软件集合。

资料参考

• http://www.365future.com/Cms/Html/633656.htm
  
• 为什么生物信息学比较难学？
  
• https://zhuanlan.zhihu.com/p/447686129
  
• 我和我的专业 | 生物信息学专业
  
• 生物信息学简史
  

<hr/>2014年，世界动物卫生组织(The World Organisation for Animal Health, OIE) 与该研究所共建了生物信息学合作研究中心，目前该中心招聘CSC奖学金博士生或CSC奖学金联合培养博士生（生物信息学方向）。

• 雅思6.5是申请格拉斯哥大学的标准。
  
• 格拉斯哥大学病毒研究所网址： MRC-University of Glasgow Centre for Virus Research
  
• 世界动物卫生组织-格拉斯哥大学生物信息学联合研究中心网址：http://bioinformatics.cvr.ac.uk/
  
• 候选人要求:
  
• 精通编程（例如R, C++, Perl or Python），或者HTML以及Java。
  
• 熟悉UNIX/LINUX系统优先考虑。
  
• 具体项目要求如下, 请优秀候选人尽快准备好英文简历联系导师。
  
• 简历请发至如下邮箱(2选1)：
  
• [email protected]
  
• [email protected]
  

Developing tools for viral genomics and bioinformatics

• Co-PhD supervisors
  
• Dr Joseph Hughes & Dr Andrew Davison
  

Project outline

• The Viral genomics and Bioinformatics research programme at the CVR welcomes self-funded Chinese PhD students and visiting PhD in bioinformatics. The researchers in the team have a broad range of interests, which cover intra-host diversity, transcriptomics, genomics, virus evolution, viral transmission dynamics, metagenomics, the development of software and databases for the analysis of viruses.
  
• The candidate should be enthusiastic about scientific research and have a strong interest in computer science and biology. The skills required for conducting a PhD in the team are a very good knowledge of a programming language (e.g. R, C++, Perl or Python) and some experience with HTML and Javascript. Experience in software development and competence to work on UNIX/Linux servers is very desirable.
  
• If you are interested in conducting a project in our team, please contact Dr Andrew Davison ([email protected]) or Dr Joseph Hughes ([email protected]).