生物信息学

生物信息学(Bioinformatics)是生物学、数学和计算机科学交叉所形成的一门学科,它主要是运用信息科学和计算技术的手段,通过数据分析和处理,揭示海量数据间的内在联系和生物学含义,进而提炼有用的生物学知识。由于生物信息学是在20世纪90年代才出现的一门新兴学科,因此,许多挑战和尚待解决的问题吸引了生物学家、数学家、统计学家、信息学家等众多学者的广泛关注。《计算机教育》在2006年4月期的杂志上刊登了密苏里大学哥伦比亚分校许东博士的一篇名为《生物信息学与计算机科学》的论文,许多老师反映良好,并要求本刊再多介绍一些相关知识。…     

整合生物信息学

自人类基因组计划实施以来,生物信息学得到了长足的发展和应用。从序列分析、结构预测、功能分析到应用,生物信息学成为了生命科学发展必不可少的学科。目前,除了继续从事序列分析、数据库建设、数据库整合和数据挖掘、结构分析与功能预测、大规模功能表达谱的分析、代谢网络建模分析、程序开发以及商业化等领域的研究外,整合生物信息学的理念被开始重视。一、整合生物信息学的研究领域尽管目前一般意义上的生物信息学还局限在分子生物学层次,但广义上的生物信息学是可以研究生物学的任何方面的。生命现象是在信息控制下不同层次上的物质、…     

机器学习与生物信息学

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息将是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效及廉价的方法是非常必要的．机器学习是一种自动的、具有智能学习技术的方法，有助于达到上述目的。本文就知识发现、人工神经网络、决策树、贝叶斯网络、遗传算法、隐马尔科夫链、聚类、归纳逻辑编程、支持向量机等机器学习方法在生物信息学中的应用进行了系统地评述．这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展．     

生物信息学：我国生物信息学教育的发展与挑战

生物信息学（Bioinformatics）是生物学、数学和计算机科学交叉所形成的一门学科，它主要是运用信息科学和计算技术的手段，通过数据分析和处理．揭示海量数据间的内在联系和生物学含义。进而提炼有用的生物学知识。     

生物信息学中的智能模型

“生物信息学”是一门交叉学科,包含生物信息的获取、处理、存储、分发和解释等,它综合运用数学、信息科学和生物学的各种工具,阐明和理解大量数据所包含的生物学意义。文章对“生物信息学”的进展进行评述,从“人工智能”的观点,研究生物信息学中用到的模型和方法;并从计算机的角度分析了生物信息学存在问题和发展方向。     

生物信息学中的计算机技术应用

在跟踪了当前生物信息学发展的基础上,对生物信息学中的计算机技术应用进行分析,提炼出不同的计算机技术在生物信息学科中的不同作用,以让更多的同行对这方面有所认识并在选题上有所借鉴.文中采用由点到面的方法,得出了高性能的计算机体系和网络技术是生物信息学赖以生存和发展的生命线;数据库技术是生物信息学大厦的支柱;可视化技术是生物信息学研究的重要手段;人工智能以及神经网络技术是生物信息学得以发展的保障等结论.     

生物信息学中的计算机技术应用

在跟踪了当前生物信息学发展的基础上，对生物信息学中的计算机技术应用进行分析，提炼出不同的计算机技术在生物信息学科中的不同作用，以让更多的同行对这方面有所认识并在选题上有所借鉴。文中采用由点到面的方法，得出了高性能的计算机体系和网络技术是生物信息学赖以生存和发展的生命线；数据库技术是生物信息学大厦的支柱；可视化技术是生物信息学研究的重要手段；人工智能以及神经网络技术是生物信息学得以发展的保障等结论。     

生物信息学与计算机科学

生物信息学(Bioinformatics)是在20世纪90年代才出现的一个新名词,虽然作为一门新兴学科,但是对许多计算机工作者来说并不陌生。事实上,生物信息学已经成为计算机科学的一个重要分支,或者说计算机科学是生物信息学的主要支柱之一。另外两个重要支柱则是生物学和统计学,数学、物理学、化学、医学,以及工程都与之有密切的关系。这里笔者主要就生物信息学与计算机科学的关系作一点介绍,本文主要是针对计算机科学的研究者及学生,特别是对生物信息学研究有兴趣的人士。生物信息学的定义及兴起对于生物信息学的定义,一直以来都有不同的看法。目前…     

生物信息学网格服务注册中心

以分子生物学领域中主流的生物信息学应用软件包和服务为对象,研究建立一个统一的生物信息学网格服务注册中心,为在此中心注册的分子生物学不同领域、不同组织开发的应用服务提供统一个半自动化的服务搜索引擎和远程调用平台。     

生物信息学中的序列比对算法

生物信息学是以计算机为工具对生物信息进行储存、检索和分析的科学。序列比对是生物信息学中的一个基本问题,设计快速而有效的序列比对算法是生物信息学研究的一个重要内容,通过序列比较可以发现生物序列中的功能、结构和进化的信息,序列比较的基本操作是比对。本文介绍了序列比对算法的发展现状,描述了常用的各类序列比对算法,并分析了它们的优劣。     

计算机科学在生物信息学中的应用

生物信息学是一门新兴的交叉学科．计算机科学如何更快更好地发挥其在生物信息学中的作用是计算机研究和开发人员面临的一个重要的新课题。本文通过对生物信息学中计算机技术的介绍，使广大生物信息学家及计算机研究人员从中得到启示，借助日益发展的计算机技术更好推动生物信息学的发展。     

生物信息学中基因数据可视化

科学可视化技术是进行生物数据挖掘的重要手段。本文综合介绍了主要的基因数据可视化技术：各种基因调控网、层次树显示、信息壁技术、语义镜。     

生物信息学中的序列比对算法

序列比对是生物信息学中基本的信息处理方法,对于发现生物序列中的功能、结构和进化信息具有重要的意义。该文对典型的双序列比对算法Smith-Waterman、FASTA、BLAST以及多序列比对算法CLUSTAL进行了描述和评价;针对目前序列比对算法普遍存在的不足,简单介绍了应用KDD技术进行序列相似性发现的定义及其处理过程。     

数据挖掘在生物信息学中的应用

生物信息学是一门新兴的交叉学科.人类基因组计划的启动和实施使得核酸、蛋白质数据迅速增长,如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题.数据挖掘与生物信息学有很好的结合点,在生物信息学领域的应用潜力日益受到人们的重视.文中介绍了数据挖掘的概念、生物数据的挖掘步骤,初步探讨了数据挖掘在生物信息领域的应用潜力及生物信息学挖掘工具的开发和应用.研究证明数据挖掘技术是生物信息处理的强有力工具.数据挖掘在生物信息学中的应用将取得更大的进展.     

数据挖掘在生物信息学中的应用

生物信息学是一门新兴的交叉学科。人类基因组计划的启动和实施使得核酸?蛋白质数据迅速增长，如何从海量数据中获取有效信息成为生物信息学迫切要解决的问题。数据挖掘与生物信息学有很好的结合点，在生物信息学领域的应用潜力日益受到人们的重视。文中介绍了数据挖掘的概念、生物数据的挖掘步骤，初步探讨了数据挖掘在生物信息领域的应用潜力及生物信息学挖掘工具的开发和应用。研究证明数据挖掘技术是生物信息处理的强有力工具。数据挖掘在生物信息学中的应用将取得更大的进展。     

生物信息学中基因数据可视化

科学可视化技术是进行生物数据挖掘的重要手段。本文综合介绍了主要的基因数据可视化技术 :各种基因调控网、层次树显示、信息壁技术、语义镜     

生物信息学中的文本挖掘方法

从两个角度讨论应用于生物信息学中的文本挖掘方法。以搜索生物知识为目标,利用文本挖掘方法进行文献检索,进而构建相关数据库,如在PubMed中挖掘蛋白质相互作用和基因疾病关系等知识。总结了可以应用文本挖掘技术的生物信息学问题,如蛋白质结构与功能的分析。探讨了文本挖掘研究者可以探索的生物信息学领域,以便更多的文本挖掘研究者可以将相关成果应用于生物信息学的研究中。     

数据挖掘在生物信息学中的应用

生物信息学是对生物科学所产生的大量数据进行分析和管理的学科。数据挖掘技术在生物信息学领域具有良好的研究与应用前景。对在生物信息学中的数据挖掘技术的应用进行了研究。     

生物信息学中的结构比较算法

生物信息学中的结构比较在后基因时代中地位重要,在过去的十几年间,以蛋白质为主的结构比较算法研究取得了重大的进步。从几个方面对部分较重要和新近出现的算法进行了分析：以VAST与DALI算法为代表,阐述了全局与局部结构比较的情况：讨论了利用数学记号进行结构比较的算法;并简评了生物大分子表面结构比较的研究现状。     

生物信息学在新兴学科群中崛起

生物信息学以一种综合、全面、系统的观点来研究生命现象及其规律,它将会成为21世纪生命科学中的重要研究领域之一.本文简单介绍了生物信息学的产生,发展,研究内容,应用及重要意义等.