بیوانفورماتیک
بیوانفورماتیک، یک دانش بین رشته‌ای است که بنابه ماهیت خود، با علوم مختلف زیست شناسی، ریاضی، آمار، فیزیک و کامپیوتر، در ارتباط همیشگی است. متخصصان این رشته، از ابزارهای مختلف محاسباتی، برای تفسیر داده‌های زیستی کمک می‌گیرند و به همین دلیل، می‌بایست از پایه علمی محکمی در زمینه‌های ریاضی و کامپیوتر، برخوردار باشند.
ارتباط تنگاتنگی بین رشته بیوانفورماتیک و زیست شناسی محاسباتی (Computational Biology) وجود دارد. به طور کلی، این گرایش‌ها مجموعه‌ای از رایانه‌ها، نرم‌افزارها و پایگاه‌های اطلاعاتی را در یک ساختار منظم و هدفمند، به کار می‌گیرند تا از آن برای پاسخگویی به پرسش‌هایی در حوزه زیست شناسی، بهره بگیرند.
گاهی، پاسخ‌دهی به این پرسش‌ها، نیازمند پردازش حجم انبوهی از اطلاعات است. پردازش داده‌های ژنومیکس و پروتئومیکس، نمونه‌ای از چنین داده‌کاوی‌هایی در مقیاس وسیع، به شمار می‌روند.
بیوانفورماتیک به بخشی مهم در بسیاری از زمینه های زیست شناسی تبدیل شده است. در زیست شناسی مولکولی، تکنیک های بیوانفورماتیک مانند پردازش تصویر و سیگنال امکان استخراج نتایج مفید از مقدار زیادی داده خام را فراهم می کند. در زمینه ژنتیک ، به توالی و حاشیه نویسی ژنوم و جهش های مشاهده شده آن کمک می کند. این نقش در متن کاوی ادبیات بیولوژیکی و توسعه هستی شناسی های بیولوژیکی و ژنی برای سازماندهی و پرس و جو از داده های بیولوژیکی ایفا می کند.
از نظر تاریخی ، اصطلاح بیوانفورماتیک معنای امروزی آن نبود. پائولین هوگوگ و بن هسپر آن را در سال 1970 ابداع کردند تا به مطالعه فرآیندهای اطلاعاتی در سیستم های بیوتیک اشاره کنند. این تعریف بیوانفورماتیک را به عنوان زمینه ای موازی با بیوشیمی (مطالعه فرایندهای شیمیایی در سیستم های بیولوژیکی) قرار داده است.
برای مطالعه چگونگی تغییر فعالیت های سلولی طبیعی در حالت های مختلف بیماری ، داده های بیولوژیکی باید ترکیب شوند تا تصویری جامع از این فعالیت ها تشکیل شود. بنابراین ، حوزه بیوانفورماتیک به گونه ای تکامل یافته است که مهمترین وظیفه اکنون شامل تجزیه و تحلیل و تفسیر انواع مختلف داده است. این شامل توالی نوکلئوتید و اسید آمینه ، حوزه های پروتئینی و ساختارهای پروتئینی است.
هدف اصلی بیوانفورماتیک افزایش درک فرآیندهای بیولوژیکی است. آنچه که آن را از سایر رویکردها متمایز می کند ، تمرکز آن بر توسعه و استفاده از تکنیک های فشرده محاسباتی برای دستیابی به این هدف است. مثالها عبارتند از: شناخت الگو ، داده کاوی ، الگوریتمهای یادگیری ماشین و تجسم. عمده تلاش های تحقیقاتی در زمینه شامل تراز توالی ، یافتن ژن ، مونتاژ ژنوم ، طراحی دارو ، کشف دارو ، ترازبندی ساختار پروتئین ، پیش بینی ساختار پروتئین ، پیش بینی بیان ژن و فعل و انفعالات پروتئین-پروتئین ، مطالعات ارتباط ژنوم گسترده ، مدل سازی تکامل و تقسیم سلولی / میتوز.
