Вычислительная биология

Вычислительная биология относится к использованию анализа данных , математического моделирования и компьютерного моделирования для понимания биологических систем и взаимоотношений. ^[1] являющаяся пересечением информатики , биологии и больших данных Эта область, , также имеет основы прикладной математики , химии и генетики . ^[2] Он отличается от биологических вычислений , раздела информатики и техники , который использует биоинженерию для создания компьютеров .

История

Биоинформатика , анализ информационных процессов в биологических системах , началась в начале 1970-х годов. В это время исследования в области искусственного интеллекта использовали сетевые модели человеческого мозга для создания новых алгоритмов . Такое использование биологических данных побудило исследователей-биологов использовать компьютеры для оценки и сравнения больших наборов данных в своей области. ^[3]

К 1982 году исследователи обменивались информацией с помощью перфокарт . К концу 1980-х годов объем данных вырос в геометрической прогрессии, что потребовало новых вычислительных методов для быстрой интерпретации соответствующей информации. ^[3]

Пожалуй, самый известный пример компьютерной биологии — проект «Геном человека» , официально стартовавший в 1990 году. ^[4] К 2003 году проект картировал около 85% человеческого генома, достигнув своих первоначальных целей. ^[5] Однако работа продолжалась, и к 2021 году был достигнут уровень «полного генома», и только 0,3% оставшихся баз были покрыты потенциальными проблемами. ^[6]^[7] Отсутствующая Y -хромосома была добавлена в январе 2022 года.

С конца 1990-х годов вычислительная биология стала важной частью биологии, что привело к появлению множества подобластей. ^[8] Сегодня Международное общество вычислительной биологии признает 21 различное «сообщество особого интереса», каждое из которых представляет собой часть более широкой области. ^[9] Помимо секвенирования генома человека, вычислительная биология помогла создать точные модели человеческого мозга , составить карту трехмерной структуры геномов и смоделировать биологические системы. ^[3]

Приложения

Анатомия

Вычислительная анатомия — это изучение анатомических форм и форм на видимом или грубом анатомическом уровне. $50-100\mu$ масштаб морфологии . Он предполагает разработку вычислительно-математических и аналитических методов моделирования и моделирования биологических структур. Основное внимание уделяется визуализируемым анатомическим структурам, а не медицинским устройствам визуализации. Благодаря доступности плотных трехмерных измерений с помощью таких технологий, как магнитно-резонансная томография , компьютерная анатомия превратилась в область медицинской визуализации и биоинженерии для извлечения анатомических систем координат на уровне морфем в трехмерном пространстве.

Исходная формулировка вычислительной анатомии представляет собой генеративную модель формы и формы на основе образцов, на которые воздействуют посредством преобразований. ^[10] Группа диффеоморфизмов используется для изучения различных систем координат посредством преобразований координат , генерируемых лагранжевой и эйлеровой скоростями потока из одной анатомической конфигурации в ${\mathbb {R} }^{3}$ другому. Это связано со статистикой формы и морфометрикой с той разницей, что диффеоморфизмы используются для отображения систем координат, исследование которых известно как диффеоморфометрия.

Данные и моделирование

Математическая биология — это использование математических моделей живых организмов для изучения систем, которые управляют структурой, развитием и поведением биологических систем . Это влечет за собой более теоретический подход к проблемам, а не его более эмпирически мыслящий аналог экспериментальной биологии . ^[11] Математическая биология опирается на дискретную математику , топологию (также полезную для компьютерного моделирования), байесовскую статистику , линейную алгебру и булеву алгебру . ^[12]

Эти математические подходы позволили создать базы данных и другие методы хранения, извлечения и анализа биологических данных — область, известную как биоинформатика . Обычно этот процесс включает в себя генетику и анализ генов .

Сбор и анализ больших наборов данных освободили место для растущих областей исследований, таких как интеллектуальный анализ данных , ^[12] и вычислительное биомоделирование, которое относится к построению компьютерных моделей и визуальному моделированию биологических систем. Это позволяет исследователям предсказывать, как такие системы будут реагировать на различные среды, что полезно для определения того, может ли система «сохранять свое состояние и функции против внешних и внутренних возмущений». ^[13] В то время как современные методы сосредоточены на небольших биологических системах, исследователи работают над подходами, которые позволят анализировать и моделировать более крупные сети. Большинство исследователей считают, что это будет иметь важное значение для разработки современных медицинских подходов к созданию новых лекарств и генной терапии . ^[13] Полезным подходом к моделированию является использование сетей Петри с помощью таких инструментов, как esyN . ^[14]

Подобным же образом до последних десятилетий теоретическая экология в основном имела дело с аналитическими моделями, которые были отделены от статистических моделей, используемых экологами- эмпириками . Однако вычислительные методы помогли разработать экологическую теорию посредством моделирования экологических систем, а также расширить применение методов вычислительной статистики в экологическом анализе.

Системная биология

Системная биология состоит из расчета взаимодействий между различными биологическими системами, от клеточного уровня до целых популяций, с целью обнаружения возникающих свойств. Этот процесс обычно включает в себя объединение клеточных сигнальных и метаболических путей . Системная биология часто использует вычислительные методы биологического моделирования и теории графов для изучения этих сложных взаимодействий на клеточных уровнях. ^[12]

Эволюционная биология

Вычислительная биология помогла эволюционной биологии:

Использование данных ДНК для реконструкции древа жизни с помощью компьютерной филогенетики
Подбор моделей популяционной генетики (либо ^[15] или назад во времени ) к данным ДНК, чтобы сделать выводы о демографической или выборочной истории.
Построение популяционной генетики моделей эволюционных систем на основе основных принципов, чтобы предсказать, что может развиваться.

Геномика

это исследование геномов клеток организмов и Вычислительная геномика — . Проект «Геном человека» является одним из примеров вычислительной геномики. Целью этого проекта является секвенирование всего генома человека в набор данных. После полной реализации это позволит врачам анализировать геном отдельного пациента . ^[16] Это открывает возможность персонализированной медицины, назначающей лечение на основе уже существующих генетических особенностей человека. Исследователи стремятся секвенировать геномы животных, растений, бактерий и всех других форм жизни. ^[17]

Одним из основных способов сравнения геномов является гомология последовательностей . Гомология — это изучение биологических структур и последовательностей нуклеотидов у разных организмов, происходящих от общего предка . от 80 до 90% генов в недавно секвенированных геномах прокариот . Исследования показывают, что таким способом можно идентифицировать ^[17]

Выравнивание последовательностей — это еще один процесс сравнения и обнаружения сходства между биологическими последовательностями или генами. Выравнивание последовательностей полезно во многих приложениях биоинформатики, таких как вычисление самой длинной общей подпоследовательности двух генов или сравнение вариантов определенных заболеваний . ^[18]

Нетронутым проектом в области компьютерной геномики является анализ межгенных областей, которые составляют примерно 97% генома человека. ^[17] Исследователи работают над пониманием функций некодирующих областей человеческого генома посредством разработки вычислительных и статистических методов и посредством крупных проектов консорциумов, таких как ENCODE и Roadmap Epigenomics Project .

Понимание того, как отдельные гены влияют на биологию организма на молекулярном , клеточном и организменном уровнях, известно как онтология генов . Миссия Консорциума генной онтологии — разработать современную, комплексную вычислительную модель биологических систем , от молекулярного уровня до более крупных путей, систем на уровне клетки и организма. Ресурс Gene Ontology обеспечивает вычислительное представление текущих научных знаний о функциях генов (или, точнее, белков и некодирующих молекул РНК , вырабатываемых генами) из самых разных организмов, от человека до бактерий. ^[19]

3D-геномика — это подраздел вычислительной биологии, который фокусируется на организации и взаимодействии генов внутри эукариотической клетки . Одним из методов, используемых для сбора трехмерных геномных данных, является картирование архитектуры генома (GAM). GAM измеряет трехмерные расстояния между хроматином и ДНК в геноме, сочетая криосекцию (процесс вырезания полоски ядра для исследования ДНК) с лазерной микродиссекцией. Ядерный профиль — это просто полоска или срез, взятый из ядра. Каждый ядерный профиль содержит геномные окна, представляющие собой определенные последовательности нуклеотидов — базовой единицы ДНК. GAM фиксирует геномную сеть сложных контактов хроматина с множеством энхансеров по всей клетке. ^[20]

Неврология

Вычислительная нейробиология — это изучение функций мозга с точки зрения свойств обработки информации нервной системой . Подраздел нейробиологии, он призван моделировать мозг для изучения конкретных аспектов неврологической системы. ^[21] Модели мозга включают в себя:

Реалистичные модели мозга. Эти модели отражают каждый аспект мозга, включая как можно больше деталей на клеточном уровне. Реалистичные модели предоставляют больше всего информации о мозге, но также имеют самый большой допуск на ошибку . Больше переменных в модели мозга создает вероятность возникновения большего количества ошибок. Эти модели не учитывают части клеточной структуры, о которых ученые не знают. Реалистичные модели мозга являются наиболее сложными в вычислительном отношении и самыми дорогими в реализации. ^[22]
Упрощение моделей мозга. Эти модели призваны ограничить область применения модели, чтобы оценить конкретное физическое свойство нервной системы. Это позволяет решать интенсивные вычислительные задачи и уменьшает количество потенциальных ошибок в реалистичной модели мозга. ^[22]

Работа вычислительных нейробиологов направлена на улучшение алгоритмов и структур данных, используемых в настоящее время для увеличения скорости таких вычислений.

Вычислительная нейропсихиатрия — это новая область, которая использует математическое и компьютерное моделирование механизмов мозга, участвующих в психических расстройствах . Несколько инициатив продемонстрировали, что компьютерное моделирование является важным вкладом в понимание нейронных цепей, которые могут генерировать психические функции и дисфункции. ^[23]^[24]^[25]

Фармакология

Вычислительная фармакология — это «исследование влияния геномных данных с целью поиска связей между конкретными генотипами и заболеваниями, а затем проверка данных о лекарственных препаратах ». ^[26] Фармацевтическая промышленность требует изменения методов анализа данных о лекарствах. Фармакологи смогли использовать Microsoft Excel для сравнения химических и геномных данных, связанных с эффективностью лекарств. Однако отрасль достигла так называемой баррикады Excel. Это связано с ограниченным количеством ячеек, доступных в электронной таблице . Это развитие привело к необходимости компьютерной фармакологии. Ученые и исследователи разрабатывают вычислительные методы для анализа этих огромных наборов данных . Это позволяет эффективно сравнивать важные данные и разрабатывать более точные лекарства. ^[27]

Аналитики прогнозируют, что если основные лекарства потерпят неудачу из-за патентов, то компьютерная биология будет необходима для замены существующих лекарств на рынке. Докторантов в области вычислительной биологии поощряют делать карьеру в промышленности, а не занимать постдокторские должности. Это прямой результат того, что крупные фармацевтические компании нуждаются в более квалифицированных аналитиках больших наборов данных, необходимых для производства новых лекарств. ^[27]

компьютерная онкология стремится определить будущие мутации рака Точно так же с помощью алгоритмических подходов. Исследования в этой области привели к использованию высокопроизводительных измерений, которые собирают миллионы точек данных с помощью робототехники и других сенсорных устройств. Эти данные собираются из ДНК, РНК и других биологических структур. Области фокуса включают определение характеристик опухолей , анализ молекул, которые детерминированы в возникновении рака, и понимание того, как геном человека связан с возникновением опухолей и рака. ^[28]^[29]

Техники

Вычислительные биологи используют широкий спектр программного обеспечения и алгоритмов для проведения своих исследований.

Обучение без присмотра

Обучение без учителя — это тип алгоритма, который находит закономерности в неразмеченных данных. Одним из примеров является кластеризация k-средних , целью которой является разделение n точек данных на k кластеров, в которых каждая точка данных принадлежит кластеру с ближайшим средним значением. Другая версия — алгоритм k-medoids , который при выборе центра кластера или центроида кластера выбирает одну из точек данных в наборе, а не просто среднее значение кластера.

Тепловая карта расстояний Жаккара ядерных профилей

Алгоритм состоит из следующих шагов:

Случайным образом выберите k различных точек данных. Это начальные кластеры.
Измерьте расстояние между каждой точкой и каждым из кластеров «k». (Это расстояние точек от каждой точки k ).
Назначьте каждую точку ближайшему кластеру.
Найдите центр каждого кластера (медоид).
Повторяйте до тех пор, пока кластеры не перестанут меняться.
Оцените качество кластеризации, суммируя вариации внутри каждого кластера.
Повторите процессы с разными значениями k.
Выберите лучшее значение для «k», найдя «колено», на графике которого значение k имеет наименьшую дисперсию.

Одним из примеров этого в биологии является трехмерное картирование генома. Информация о области HIST1 мышиной хромосомы 13 получена из Gene Expression Omnibus . ^[30] Эта информация содержит данные о том, какие ядерные профили обнаруживаются в определенных геномных регионах. Имея эту информацию, расстояние Жаккара можно использовать для нахождения нормализованного расстояния между всеми локусами.

Графовая аналитика

Графовая аналитика, или сетевой анализ , — это исследование графов, которые представляют связи между различными объектами. Графы могут представлять все виды сетей в биологии, такие как сети белок-белкового взаимодействия , регуляторные сети, метаболические и биохимические сети и многое другое. Есть много способов проанализировать эти сети. Один из них рассматривает центральность в графиках. При поиске центральности в графах ранжирование узлов определяется их популярностью или центральностью в графе. Это может быть полезно для определения наиболее важных узлов. Это может быть очень полезно в биологии во многих отношениях. Например, если бы у нас были данные об активности генов в определенный период времени, мы могли бы использовать центральность по степени, чтобы увидеть, какие гены наиболее активны во всей сети или какие гены больше всего взаимодействуют с другими во всей сети. Это может помочь нам понять, какую роль в сети играют определенные гены.

Существует множество способов вычисления центральности в графах, каждый из которых может дать различную информацию о центральности. Поиск центральных элементов в биологии может применяться во многих различных обстоятельствах, некоторые из которых связаны с регуляцией генов, взаимодействием белков и метаболическими сетями. ^[31]

Контролируемое обучение

Обучение с учителем — это тип алгоритма, который учится на помеченных данных и учится назначать метки будущим данным, которые не помечены. В биологии обучение с учителем может быть полезным, когда у нас есть данные, которые мы знаем, как классифицировать, и мы хотели бы классифицировать по этим категориям больше данных.

Распространенным алгоритмом обучения с учителем является случайный лес , который использует многочисленные деревья решений для обучения модели классификации набора данных. Дерево решений, образующее основу случайного леса, представляет собой структуру, целью которой является классификация или маркировка некоторого набора данных с использованием определенных известных особенностей этих данных. Практическим биологическим примером этого может быть взятие генетических данных человека и предсказание того, предрасположен ли этот человек к развитию определенного заболевания или рака. На каждом внутреннем узле алгоритм проверяет набор данных на наличие ровно одного признака (определенного гена в предыдущем примере), а затем разветвляется влево или вправо в зависимости от результата. Затем на каждом листовом узле дерево решений присваивает набору данных метку класса. Таким образом, на практике алгоритм проходит определенный путь от корня к листу на основе входного набора данных через дерево решений, что приводит к классификации этого набора данных. Обычно деревья решений имеют целевые переменные, которые принимают дискретные значения, например да/нет, и в этом случае их называют дерево классификации , но если целевая переменная является непрерывной, то она называется деревом регрессии . Чтобы построить дерево решений, его сначала необходимо обучить с использованием обучающего набора, чтобы определить, какие функции являются лучшими предикторами целевой переменной.

Программное обеспечение с открытым исходным кодом

Программное обеспечение с открытым исходным кодом предоставляет платформу для вычислительной биологии, где каждый может получить доступ и извлечь выгоду из программного обеспечения, разработанного в ходе исследований. ПЛОС цитирует ^{[ нужна ссылка ]} четыре основные причины использования программного обеспечения с открытым исходным кодом:

Воспроизводимость : это позволяет исследователям использовать точные методы, используемые для расчета связей между биологическими данными.
Ускоренная разработка: разработчикам и исследователям не придется заново изобретать существующий код для решения второстепенных задач. Вместо этого они могут использовать уже существующие программы, чтобы сэкономить время на разработке и реализации более крупных проектов.
Повышенное качество: участие нескольких исследователей, изучающих одну и ту же тему, обеспечивает определенную степень уверенности в том, что в коде не будет ошибок.
Долгосрочная доступность: программы с открытым исходным кодом не привязаны к каким-либо предприятиям или патентам. Это позволяет размещать их на нескольких веб-страницах и гарантировать их доступность в будущем. ^[32]

Исследовать

Есть несколько крупных конференций, посвященных вычислительной биологии. Некоторые известные примеры: « Интеллектуальные системы для молекулярной биологии» , Европейская конференция по вычислительной биологии и исследования в области вычислительной молекулярной биологии .

Существует также множество журналов, посвященных вычислительной биологии. Некоторые известные примеры включают Journal of Computational Biology и PLOS Computational Biology , рецензируемый журнал открытого доступа , в котором реализовано множество заметных исследовательских проектов в области вычислительной биологии. Они предоставляют обзоры программного обеспечения , учебные пособия по программному обеспечению с открытым исходным кодом и отображают информацию о предстоящих конференциях по вычислительной биологии. ^{[ нужна ссылка ]}

Связанные поля

Вычислительная биология, биоинформатика и математическая биология — это междисциплинарные подходы к наукам о жизни , основанные на количественных дисциплинах, таких как математика и информатика . НИЗ описывает вычислительную/математическую биологию как использование вычислительных/математических подходов для решения теоретических и экспериментальных вопросов биологии и , напротив, биоинформатику как применение информатики для понимания сложных данных наук о жизни. ^[1]

В частности, НИЗ определяет

Вычислительная биология: разработка и применение методов анализа данных и теоретических методов, математического моделирования и методов компьютерного моделирования для изучения биологических, поведенческих и социальных систем. ^[1]

Биоинформатика: исследование, разработка или применение вычислительных инструментов и подходов для расширения использования биологических, медицинских, поведенческих данных или данных о здоровье, в том числе для сбора, хранения, организации, архивирования, анализа или визуализации таких данных. ^[1]

Хотя каждое поле отличается, на их интерфейсе может быть значительное перекрытие. ^[1] настолько, что для многих биоинформатика и вычислительная биология являются терминами, которые используются как синонимы.

Термины «вычислительная биология» и «эволюционные вычисления» имеют схожее название, но их не следует путать. В отличие от вычислительной биологии, эволюционные вычисления не связаны с моделированием и анализом биологических данных. Вместо этого он создает алгоритмы, основанные на идеях эволюции разных видов. которые иногда называют генетическими алгоритмами Исследования в этой области, , могут быть применены к вычислительной биологии. Хотя эволюционные вычисления по своей сути не являются частью вычислительной биологии, вычислительная эволюционная биология является ее подобластью. ^[33]

См. также

Ссылки

^ Перейти обратно: ^а ^б ^с ^д ^и «Рабочее определение биоинформатики и вычислительной биологии Национального института здравоохранения» (PDF) . Инициатива в области биомедицинской информатики и технологий. 17 июля 2000 г. Архивировано из оригинала (PDF) 5 сентября 2012 г. . Проверено 18 августа 2012 г.
^ «О ЦКМВ» . Центр вычислительной молекулярной биологии . Проверено 18 августа 2012 г.
^ Перейти обратно: ^а ^б ^с Хогевег, Паулин (7 марта 2011 г.). «Корни биоинформатики в теоретической биологии» . PLOS Вычислительная биология . 3. 7 (3): e1002021. Бибкод : 2011PLSCB...7E2021H . дои : 10.1371/journal.pcbi.1002021 . ПМК 3068925 . ПМИД 21483479 .
^ «Проект генома человека» . Проект «Геном человека» . 22 декабря 2020 г. Проверено 13 апреля 2022 г.
^ «Часто задаваемые вопросы по проекту генома человека» . Национальный институт исследования генома человека . 24 февраля 2020 г. Архивировано из оригинала 23 апреля 2022 г. Проверено 20 апреля 2022 г.
^ «T2T-CHM13v1.1 — Геном — Сборка» . НКБИ . Архивировано из оригинала 29 июня 2023 г. Проверено 20 апреля 2022 г.
^ «Список геномов — Геном» . НКБИ . Проверено 20 апреля 2022 г.
^ Борн, Филип (2012). «Взлет и упадок биоинформатики? Обещания и прогресс» . PLOS Вычислительная биология . 8 (4): e1002487. Бибкод : 2012PLSCB...8E2487O . дои : 10.1371/journal.pcbi.1002487 . ПМК 3343106 . ПМИД 22570600 .
^ «Информация COSI» . www.iscb.org . Архивировано из оригинала 21 апреля 2022 г. Проверено 21 апреля 2022 г.
^ Гренандер, Ульф; Миллер, Майкл И. (1 декабря 1998 г.). «Вычислительная анатомия: новая дисциплина» . В. Прил. Математика . 56 (4): 617–694. дои : 10.1090/qam/1668732 .
^ «Математическая биология | Факультет естественных наук» . www.ualberta.ca . Проверено 18 апреля 2022 г.
^ Перейти обратно: ^а ^б ^с «Подобласти вычислительной биологии» . Ниньская лаборатория вычислительной биологии . 18 февраля 2013 г. Проверено 18 апреля 2022 г.
^ Перейти обратно: ^а ^б Китано, Хироаки (14 ноября 2002 г.). «Вычислительная системная биология». Природа . 420 (6912): 206–10. Бибкод : 2002Natur.420..206K . дои : 10.1038/nature01254 . ПМИД 12432404 . S2CID 4401115 . ПроКвест 204483859 .
^ Фаврин, Бин (2 сентября 2014 г.). «esyN: построение сети, совместное использование и публикация» . ПЛОС ОДИН . 9 (9): е106035. Бибкод : 2014PLoSO...9j6035B . дои : 10.1371/journal.pone.0106035 . ПМК 4152123 . ПМИД 25181461 .
^ Антонио Карвахаль-Родригес (2012). «Моделирование генов и геномов в будущем» . Современная геномика . 11 (1): 58–61. дои : 10.2174/138920210790218007 . ПМЦ 2851118 . ПМИД 20808525 .
^ «Секвенирование генома для всех нас» . Научный американец .
^ Перейти обратно: ^а ^б ^с Кунин, Евгений (6 марта 2001 г.). «Вычислительная геномика» . Курс. Биол . 11 (5): 155–158. Бибкод : 2001CBio...11.R155K . дои : 10.1016/S0960-9822(01)00081-1 . PMID 11267880 . S2CID 17202180 .
^ «Выравнивание последовательностей — обзор | Темы ScienceDirect» . www.sciencedirect.com . Проверено 18 апреля 2022 г.
^ «Ресурс онтологии генов» . Ресурс по онтологии генов . Проверено 18 апреля 2022 г.
^ Бигри, Роберт А.; Скиалдоне, Антонио; Шулер, Маркус; Кремер, Дороти, Калифорния; Чоталия, Мита; Се, Шейла К.; Барбьери, Мариано; де Сантьяго, Инес; Лавитас, Лирон-Марк; Бранко, Мигель Р.; Фрейзер, Джеймс (март 2017 г.). «Сложные контакты между несколькими энхансерами, зафиксированные с помощью картирования архитектуры генома» . Природа . 543 (7646): 519–524. Бибкод : 2017Natur.543..519B . дои : 10.1038/nature21411 . ISSN 1476-4687 . ПМК 5366070 . ПМИД 28273065 .
^ «Вычислительная нейронаука | Нейронаука» . www.bu.edu .
^ Перейти обратно: ^а ^б Сейновский, Терренс; Кристоф Кох; Патрисия С. Черчленд (9 сентября 1988 г.). «Вычислительная нейронаука». Наука . 4871. 241 (4871): 1299–306. Бибкод : 1988Sci...241.1299S . дои : 10.1126/science.3045969 . ПМИД 3045969 .
^ Дауверманн, Мария Р.; Уолли, Хизер С.; Шмидт, Андре; Ли, Грэм Л.; Романюк, Лиана; Робертс, Нил; Джонстон, Ева К.; Лори, Стивен М.; Мурхед, Томас WJ (2014). «Вычислительная нейропсихиатрия – шизофрения как расстройство когнитивной сети мозга» . Границы в психиатрии . 5:30 . дои : 10.3389/fpsyt.2014.00030 . ПМЦ 3971172 . ПМИД 24723894 .
^ Треттер, Ф.; Альбус, М. (декабрь 2007 г.). « Вычислительная нейропсихиатрия» нарушений рабочей памяти при шизофрении: сетевая связь в префронтальной коре - данные и модели». Фармакопсихиатрия . 40 (С 1): С2–С16. дои : 10.1055/S-2007-993139 . S2CID 18574327 .
^ Марин-Сангвино, А.; Мендоса, Э. (2008). «Гибридное моделирование в вычислительной нейропсихиатрии». Фармакопсихиатрия . 41 : S85–S88. дои : 10.1055/s-2008-1081464 . ПМИД 18756425 . S2CID 22996341 .
^ Прайс, Майкл (13 апреля 2012 г.). «Вычислительная биология: следующие учёные-фармацевты?» .
^ Перейти обратно: ^а ^б Джессен, Уолтер (15 апреля 2012 г.). «Смена стратегии фармацевтики означает больше рабочих мест для компьютерных биологов» .
^ Барболози, Доминик; Чикколини, Джозеф; Лакарель, Бруно; Барлези, Фабрис; Андре, Николя (2016). «Вычислительная онкология - математическое моделирование схем приема лекарств для точной медицины». Обзоры природы Клиническая онкология . 13 (4): 242–254. дои : 10.1038/nrclinonc.2015.204 . ПМИД 26598946 . S2CID 22492353 .
^ Яхини, Зоар (2011). «Вычислительная биология рака» . БМК Биоинформатика . 12 :120. дои : 10.1186/1471-2105-12-120 . ПМК 3111371 . ПМИД 21521513 .
^ «Просмотрщик GEO Accession» .
^ Кошюцкий, Дирк; Шрайбер, Фальк (15 мая 2008 г.). «Методы центрального анализа биологических сетей и их применение к сетям регуляции генов» . Регуляция генов и системная биология . 2 : 193–201. дои : 10.4137/grsb.s702 . ISSN 1177-6250 . ПМК 2733090 . ПМИД 19787083 .
^ Прлич, Андреас; Лапп, Хилмар (2012). «Раздел программного обеспечения PLOS для вычислительной биологии» . PLOS Вычислительная биология . 8 (11): e1002799. Бибкод : 2012PLSCB...8E2799P . дои : 10.1371/journal.pcbi.1002799 . ПМК 3510099 .
^ Фостер, Джеймс (июнь 2001 г.). «Эволюционные вычисления». Обзоры природы Генетика . 2 (6): 428–436. дои : 10.1038/35076523 . ПМИД 11389459 . S2CID 205017006 .

Внешние ссылки

bioinformatics.org

[nih-1] Перейти обратно: ^а ^б ^с ^д ^и «Рабочее определение биоинформатики и вычислительной биологии Национального института здравоохранения» (PDF) . Инициатива в области биомедицинской информатики и технологий. 17 июля 2000 г. Архивировано из оригинала (PDF) 5 сентября 2012 г. . Проверено 18 августа 2012 г.

[brown-2] «О ЦКМВ» . Центр вычислительной молекулярной биологии . Проверено 18 августа 2012 г.

[Hogeweg_2011-3] Перейти обратно: ^а ^б ^с Хогевег, Паулин (7 марта 2011 г.). «Корни биоинформатики в теоретической биологии» . PLOS Вычислительная биология . 3. 7 (3): e1002021. Бибкод : 2011PLSCB...7E2021H . дои : 10.1371/journal.pcbi.1002021 . ПМК 3068925 . ПМИД 21483479 .

[:0-4] «Проект генома человека» . Проект «Геном человека» . 22 декабря 2020 г. Проверено 13 апреля 2022 г.

[5] «Часто задаваемые вопросы по проекту генома человека» . Национальный институт исследования генома человека . 24 февраля 2020 г. Архивировано из оригинала 23 апреля 2022 г. Проверено 20 апреля 2022 г.

[6] «T2T-CHM13v1.1 — Геном — Сборка» . НКБИ . Архивировано из оригинала 29 июня 2023 г. Проверено 20 апреля 2022 г.

[7] «Список геномов — Геном» . НКБИ . Проверено 20 апреля 2022 г.

[:1-8] Борн, Филип (2012). «Взлет и упадок биоинформатики? Обещания и прогресс» . PLOS Вычислительная биология . 8 (4): e1002487. Бибкод : 2012PLSCB...8E2487O . дои : 10.1371/journal.pcbi.1002487 . ПМК 3343106 . ПМИД 22570600 .

[9] «Информация COSI» . www.iscb.org . Архивировано из оригинала 21 апреля 2022 г. Проверено 21 апреля 2022 г.

[:20-10] Гренандер, Ульф; Миллер, Майкл И. (1 декабря 1998 г.). «Вычислительная анатомия: новая дисциплина» . В. Прил. Математика . 56 (4): 617–694. дои : 10.1090/qam/1668732 .

[11] «Математическая биология | Факультет естественных наук» . www.ualberta.ca . Проверено 18 апреля 2022 г.

[nlcb.wordpress.com-12] Перейти обратно: ^а ^б ^с «Подобласти вычислительной биологии» . Ниньская лаборатория вычислительной биологии . 18 февраля 2013 г. Проверено 18 апреля 2022 г.

[Kitano_2002_206–10-13] Перейти обратно: ^а ^б Китано, Хироаки (14 ноября 2002 г.). «Вычислительная системная биология». Природа . 420 (6912): 206–10. Бибкод : 2002Natur.420..206K . дои : 10.1038/nature01254 . ПМИД 12432404 . S2CID 4401115 . ПроКвест 204483859 .

[Bean_2014-14] Фаврин, Бин (2 сентября 2014 г.). «esyN: построение сети, совместное использование и публикация» . ПЛОС ОДИН . 9 (9): е106035. Бибкод : 2014PLoSO...9j6035B . дои : 10.1371/journal.pone.0106035 . ПМК 4152123 . ПМИД 25181461 .

[:2-15] Антонио Карвахаль-Родригес (2012). «Моделирование генов и геномов в будущем» . Современная геномика . 11 (1): 58–61. дои : 10.2174/138920210790218007 . ПМЦ 2851118 . ПМИД 20808525 .

[16] «Секвенирование генома для всех нас» . Научный американец .

[Koonin_2001_155–158-17] Перейти обратно: ^а ^б ^с Кунин, Евгений (6 марта 2001 г.). «Вычислительная геномика» . Курс. Биол . 11 (5): 155–158. Бибкод : 2001CBio...11.R155K . дои : 10.1016/S0960-9822(01)00081-1 . PMID 11267880 . S2CID 17202180 .

[18] «Выравнивание последовательностей — обзор | Темы ScienceDirect» . www.sciencedirect.com . Проверено 18 апреля 2022 г.

[19] «Ресурс онтологии генов» . Ресурс по онтологии генов . Проверено 18 апреля 2022 г.

[20] Бигри, Роберт А.; Скиалдоне, Антонио; Шулер, Маркус; Кремер, Дороти, Калифорния; Чоталия, Мита; Се, Шейла К.; Барбьери, Мариано; де Сантьяго, Инес; Лавитас, Лирон-Марк; Бранко, Мигель Р.; Фрейзер, Джеймс (март 2017 г.). «Сложные контакты между несколькими энхансерами, зафиксированные с помощью картирования архитектуры генома» . Природа . 543 (7646): 519–524. Бибкод : 2017Natur.543..519B . дои : 10.1038/nature21411 . ISSN 1476-4687 . ПМК 5366070 . ПМИД 28273065 .

[21] «Вычислительная нейронаука | Нейронаука» . www.bu.edu .

[Sejnowski_1988-22] Перейти обратно: ^а ^б Сейновский, Терренс; Кристоф Кох; Патрисия С. Черчленд (9 сентября 1988 г.). «Вычислительная нейронаука». Наука . 4871. 241 (4871): 1299–306. Бибкод : 1988Sci...241.1299S . дои : 10.1126/science.3045969 . ПМИД 3045969 .

[23] Дауверманн, Мария Р.; Уолли, Хизер С.; Шмидт, Андре; Ли, Грэм Л.; Романюк, Лиана; Робертс, Нил; Джонстон, Ева К.; Лори, Стивен М.; Мурхед, Томас WJ (2014). «Вычислительная нейропсихиатрия – шизофрения как расстройство когнитивной сети мозга» . Границы в психиатрии . 5:30 . дои : 10.3389/fpsyt.2014.00030 . ПМЦ 3971172 . ПМИД 24723894 .

[24] Треттер, Ф.; Альбус, М. (декабрь 2007 г.). « Вычислительная нейропсихиатрия» нарушений рабочей памяти при шизофрении: сетевая связь в префронтальной коре - данные и модели». Фармакопсихиатрия . 40 (С 1): С2–С16. дои : 10.1055/S-2007-993139 . S2CID 18574327 .

[25] Марин-Сангвино, А.; Мендоса, Э. (2008). «Гибридное моделирование в вычислительной нейропсихиатрии». Фармакопсихиатрия . 41 : S85–S88. дои : 10.1055/s-2008-1081464 . ПМИД 18756425 . S2CID 22996341 .

[26] Прайс, Майкл (13 апреля 2012 г.). «Вычислительная биология: следующие учёные-фармацевты?» .

[Walter-27] Перейти обратно: ^а ^б Джессен, Уолтер (15 апреля 2012 г.). «Смена стратегии фармацевтики означает больше рабочих мест для компьютерных биологов» .

[28] Барболози, Доминик; Чикколини, Джозеф; Лакарель, Бруно; Барлези, Фабрис; Андре, Николя (2016). «Вычислительная онкология - математическое моделирование схем приема лекарств для точной медицины». Обзоры природы Клиническая онкология . 13 (4): 242–254. дои : 10.1038/nrclinonc.2015.204 . ПМИД 26598946 . S2CID 22492353 .

[29] Яхини, Зоар (2011). «Вычислительная биология рака» . БМК Биоинформатика . 12 :120. дои : 10.1186/1471-2105-12-120 . ПМК 3111371 . ПМИД 21521513 .

[30] «Просмотрщик GEO Accession» .

[:3-31] Кошюцкий, Дирк; Шрайбер, Фальк (15 мая 2008 г.). «Методы центрального анализа биологических сетей и их применение к сетям регуляции генов» . Регуляция генов и системная биология . 2 : 193–201. дои : 10.4137/grsb.s702 . ISSN 1177-6250 . ПМК 2733090 . ПМИД 19787083 .

[32] Прлич, Андреас; Лапп, Хилмар (2012). «Раздел программного обеспечения PLOS для вычислительной биологии» . PLOS Вычислительная биология . 8 (11): e1002799. Бибкод : 2012PLSCB...8E2799P . дои : 10.1371/journal.pcbi.1002799 . ПМК 3510099 .

[33] Фостер, Джеймс (июнь 2001 г.). «Эволюционные вычисления». Обзоры природы Генетика . 2 (6): 428–436. дои : 10.1038/35076523 . ПМИД 11389459 . S2CID 205017006 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

[29]

[30]

[31]

[32]

[33]

v т и Вычислительная наука
Biology	Anatomy Biological systems Cognition Genomics Neuroscience Phylogenetics
Chemistry	Electronic structure Molecular mechanics Quantum mechanics
Physics	Astrophysics Electromagnetics Fluid dynamics Geophysics Mechanics Particle physics Thermodynamics
Linguistics	Semantics Lexicology
Social science	Politics Sociology Economics
Other	Finance Materials science Mathematics Statistics Engineering Semiotics Transportation science

v т и Биоинформатика
Databases	Sequence databases: GenBank, European Nucleotide Archive, DNA Data Bank of Japan and China National GeneBank Secondary databases: UniProt, database of protein sequences grouping together Swiss-Prot, TrEMBL and Protein Information Resource Other databases: BioNumbers, Protein Data Bank, Ensembl, InterPro, KEGG, and Gene Ontology Specialised genomic databases: BOLD, Saccharomyces Genome Database, FlyBase, VectorBase, WormBase, Rat Genome Database, PHI-base, Arabidopsis Information Resource, GISAID and Zebrafish Information Network
Software	BLAST Bowtie Clustal EMBOSS HMMER MUSCLE PANGOLIN SAMtools SOAP suite TopHat
Other	Server: ExPASy Rosalind (education platform)
Institutions	Broad Institute Computational Biology Department (CBD) Microsoft Research - University of Trento Centre for Computational and Systems Biology (COSBI) Database Center for Life Science (DBCLS) DNA Data Bank of Japan (DDBJ) European Bioinformatics Institute (EMBL-EBI) European Molecular Biology Laboratory (EMBL) Flatiron Institute J. Craig Venter Institute (JCVI) Max Planck Institute of Molecular Cell Biology and Genetics (MPI-CBG) US National Center for Biotechnology Information (NCBI) Japanese Institute of Genetics Netherlands Bioinformatics Centre (NBIC) Philippine Genome Center (PGC) Scripps Research Swiss Institute of Bioinformatics (SIB) Wellcome Sanger Institute Whitehead Institute
Organizations	African Society for Bioinformatics and Computational Biology (ASBCB) Australia Bioinformatics Resource (EMBL-AR) European Molecular Biology network (EMBnet) International Nucleotide Sequence Database Collaboration (INSDC) International Society for Biocuration (ISB) International Society for Computational Biology (ISCB) Student Council (ISCB-SC) Institute of Genomics and Integrative Biology (CSIR-IGIB) Japanese Society for Bioinformatics (JSBi)
Meetings	Basel Computational Biology Conference‎ ([BC²]) European Conference on Computational Biology (ECCB) Intelligent Systems for Molecular Biology (ISMB) International Conference on Bioinformatics (InCoB) International Conference on Computational Intelligence Methods for Bioinformatics and Biostatistics (CIBB) ISCB Africa ASBCB Conference on Bioinformatics Pacific Symposium on Biocomputing (PSB) Research in Computational Molecular Biology (RECOMB)
File formats	CRAM format FASTA format FASTQ format NeXML format Nexus format Pileup format SAM format Stockholm format VCF format GFF format GTF format
Related topics	Computational biology List of biobanks List of biological databases Molecular phylogenetics Sequencing Sequence database Sequence alignment
Category Commons