jgu的个人博客分享 http://blog.sciencenet.cn/u/jgu

博文

交叉学科生物信息学的三类研究

已有 4003 次阅读 2016-9-5 09:01 |个人分类:科研笔记|系统分类:观点评述| 生物信息学, 机器学习, 交叉学科, 生物网络

搞交叉学科研究不易,常在传统学科中间受夹板气。一个“学科”界定清楚自己的内涵和外延是非常重要的,今天秋高气爽,步行到地铁站上班的途中,对生物信息学的研究有一点想法,先记下来,日后再加以完善。


第零类(新增):基础的数据处理方法与理论。这其实是生物信息学最早的定义之一。如经典的序列比对算法,Smith-Waterman算法,BLAST、ClustalX、BLAT等老的序列分析软件,dChip、RMA、SAM等芯片分析工具,以及新的Bowtie、BWA、DESeq、DEGSeq、EdgeR等新一代测序数据的分析工具。要做到计算性能高、数学模型清楚、结果稳定可靠、易于使用、可视化好。

第二类:为了解决生物医学问题而提出的新方法(计算或计算实验相结合)。必须与解决同一问题的其他方法进行详细比较,比较结果的异同、计算性能的差异,特别是要思考对解决该问题有什么新的进展、对该问题提供了什么新的认识。明确新方法的适用范围,优势、劣势及其产生的原因。对解决该问题的新进展要明确、可验证。

第一类:借鉴生命系统的基本原理,或者基于第二类方法的泛化推广,发展出新的方法及其理论。比较典型的案例如神经网络、遗传算法等。这类方法必须有一定的普适性,可用于解决多种应用场景下的问题。生命系统可供借鉴的基本原理还有很多,新的生物医学数据对新的计算模型需求也很大,可以期待新的计算方法和理论从这个领域诞生。

第三类:为了取得生物医学发现的。这类研究必须问题明确,尽可能采用业内认可、或经过反复检验的方法。结果要简要、直接。要想办法对结果进行实验验证,最好的方式是跟生物医学专家合作。


目前,我们课题组比较关注于癌症分子分型(classification)与风险分层(stratification)、癌症子类型的关键调控网络与干预靶点的研究。希望能以第二类研究立足,与生物医学家合作开展第三类研究,尝试着做到第一类研究。




http://blog.sciencenet.cn/blog-407531-1000938.html

上一篇:精准医学与个体化医学的那些事
下一篇:极具潜力的癌症分子标志物:DNA甲基化

3 许培扬 孟佳 xiyouxiyou

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-10-18 10:31

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部