一对搭档：计算与生物

搭档是人类共谋或共做一事的称呼。“志同道合”、“一个好汉三个帮”、“集思广益”、“集成学习”都隐含了搭档的重要性。有人说，搭档的最好形式是优势互补。在生物信息学领域，就有一对最佳搭档：计算与生物。

计算属于计算机领域，如今的计算再也不是算盘和计算器，而是强调高性能计算。就在近日，计算机领域最高奖项就颁给了高性能计算领军人物Jack Dongarra（图1）。计算能力的提升，使得解析大数据从不可能变成可能。

图1 2021年度图灵奖获得者Jack Dongarra

在生物学领域，生物学大数据是研究生物学问题的热词。现在的生物学数据再也不是以前的小规模生物实验数据。不管是临床医疗数据，还是各种组学数据，都掀起了生物大数据挖掘的浪潮。

一个高性能（计算），一个大数据（生物），二者在大数据和高性能计算时代不期而遇，并且初步成为了跨领域互补的最佳搭档。可以说，计算驱动了新的生物学问题，生物促进了更高性能的计算（图2）。一干（计算）一湿（生物），完整的讲述了一个个精彩的上下集故事。关于计算和生物已经进行了哪些方面的合作，可以参考文献[1]。

图2 《Computation and biology: a partnership》论文

后话

计算不仅与生物是搭档，与其他许多领域也是搭档，例如医学、农学和药学。搭档好了，互相成就，反之，互相伤害！

参考文献与链接

[1] Computation and biology: a partnership. Nat Methods. 2021;18(7):695. doi:10.1038/s41592-021-01215-2

以往推荐如下：

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

4. 一份单细胞数据分析教程

5. R/Shiny交互式生物Web应用程序

6. VOSviewer：文献图谱可视化

7. ​卡片式笔记工具：Roam Research

8. ​国外知乎：Quora

9. 生信问答平台：Biostars

10. ​IT问答平台：Stack Overflow

11. 预印本知多少？

12. 借助Bioconductor策划单细胞分析

13. 要选哪个蛋白质互作数据库作为先验信息？

14. mRNA表达无法取代蛋白质表达

15. scIB：单细胞数据融合基准框架

16. ​临床医疗维修店铺

17. NAguideR：填充蛋白质组学数据缺失值

18. 怎样做好一项研究？

19. 怎样做开题报告？

20. 深度学习助力单细胞数据分析

21. Any RNA

22. 走进数据科学

23. ​直抵自闭症核心

24. 癌症内RNA