博文
计算生物学/生物信息学的未来是什么？
|||
做为一名快要毕业的生物信息学博士生，对于这个问题一直在思考。以我对于现在这个学科的粗浅的认识，我认为现在的生物信息学和计算生物学大部分都只是停留在辅助实验和解释生物学现象上，有一些工作发现了一些生物学规律，很少的工作提出了指导本领域或者整个生物学的发展。难道我们做生物信息学的就只能够当帮手吗？
https://blog.sciencenet.cn/blog-54276-497902.html
上一篇：计算生物学和生物信息学中有意义的5类工作
下一篇：WindowXp中配置Apache+perl+CGI
当年之所以选择生物信息学完全是受到理论物理学的激励，特别是20世纪上半部分那些理论物理学大师们就像战场上的英雄，他们所向披靡不可战胜，把所有的障碍推掉之后呈现给物理学的是一片广袤的疆域。每每读起这段历史我都会心潮澎湃，真想把自己也变成这样的英雄。可是做了几年的生物信息学发现自己似乎没有成为英雄的希望，这对我的打击是相当大的。我做理论生物学不就是想提出新理论指导生物学的发展吗？结果却成了实验生物学的打杂工。我想知道为什么会这样。
生物信息学和理论物理学好像有较大的差别。以我的孤陋寡闻，生物信息学可以包括下面的一些工作：
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
当然还有其他很多工作没有列出来，但是上面的工作很有代表性。除了进化分析稍微独立一点，其他的工作都与实验生物学紧密相关。这说明在生物信息学这个领域不太可能像在理论物理学中那样出现一位英雄人物能够凭一人之力引领整个领域的发展，可能更多的情况是一些大牛们各自占个山头，共同引领领域的发展。
生物信息学的未来是什么？很多人都认为是系统生物学，这是一个自然而然的过程，不过我们这些生物信息学的大部分还是会给实验生物学家打杂，这是这个学科注定的结局。
https://blog.sciencenet.cn/blog-54276-497902.html
上一篇：计算生物学和生物信息学中有意义的5类工作
下一篇：WindowXp中配置Apache+perl+CGI
