㈠ 哪裡有專門的生物醫學前沿信息
最好的當然是外國的專業書刊，不過以我們的英語水準就算了，國內有幾種不錯的翻譯書刊，像《新發現》，《科學世界》，《環球科學》等等，一般的報亭就可以定
㈡ 要了解生物學前沿進展，上什麼網
生物谷
生物秀
科學美國人英文版的基礎科學欄目
再就是關注下Nature
science
cell等雜志的官方網站。
也就差不多了
㈢ 如何查最新及前沿生物文獻
如果想查國際前沿的生物文獻，我建議還是到pubmed去查找，你可以到搜索引擎（比如google）上去搜索NCBI，然後利用NCBI的pubmed資料庫（SCI雜志的文章都被收錄）就可以找到你想要的文獻了。
另外，多聽一些知名學者的學術講座，對你很有幫助的。
㈣ 怎樣知道生物科學研究前沿(最新動態)
國內的首推生物谷
http://www.bioon.com/
國外的有：
http://www.nature.com/browse/index.html?area=lifescience
http://www.sciencedaily.com/
㈤ 有哪些微信公眾號會發一些處於生物方面前沿的文章
科學人
Nature自然科研
生物探索
生物谷
BioArt
科學網
中科院之聲
㈥ 求有關生物話題的熱門論壇或網站及生物前沿網站，非常感謝！
可以去生物貼吧那~
㈦ 誰能幫我找一些生物的前沿知識啊！！！（越詳細越好！）
生物計算機
生物計算機是以生物界處理問題的方式為模型的計算機。目前主要有：生物分子或超分子晶元、自動機模型、仿生演算法、生物化學反應演算法等幾種類型。
計算機工業在近幾十年內飛速發展，其速度令人瞠目。然而目前晶體管的密度已近當前所用技術的理論極限，晶體管計算機能否繼續發展下去？所以，人們在不斷尋找新的計算機結構。另一方面，人們在研究人工智慧的同時，借鑒生物界的各種處理問題的方式，即所謂生物演算法，提出了一些生物計算機的模型，部分模型已經解決了一些經典計算機難以解決的問題。
生物計算機目前主要有以下幾類：
1. 生物分子或超分子晶元：立足於傳統計算機模式，從尋找高效、體微的電子信息載體及信息傳遞體入手，目前已對生物體內的小分子、大分子、超分子生物晶元的結構與功能做了大量的研究與開發。「生物化學電路」 即屬於此。
2. 自動機模型：以自動理論為基礎，致力與尋找新的計算機模式，特別是特殊用途的非數值計算機模式。目前研究的熱點集中在基本生物現象的類比，如神經網路、免疫網路、細胞自動機等。不同自動機的區別主要是網路內部連接的差異，其基本特徵是集體計算，又稱集體主義，在非數值計算、模擬、識別方面有極大的潛力。
3. 仿生演算法：以生物智能為基礎，用仿生的觀念致力於尋找新的演算法模式，雖然類似於自動機思想，但立足點在演算法上，不追求硬體上的變化。 4. 生物化學反應演算法：立足於可控的生物化學反應或反應系統，利用小容積內同類分子高拷貝數的優勢，追求運算的高度並行化，從而提供運算的效率。DNA計算機 屬於此類。以下將著重介紹自動機模型中的計算神經網路和生物化學反應演算法中的DNA計算機的模型。
計算神經網路
早在1943年心理學家W. McCulloch和數學家W. Pitts合作提出神經元的二值邏輯模型。1949年D. Hebb提出了改變神經元連接強度的學習規則，這一規則至今在各種網路模型中起著重要作用。1962年F. Rosenblatt提出感知機模型。1982年美國物理學家J.Hopfield提出一種全新的神經網路模型 ，它體現了D. Marr的計算神經理論、耗散結構和混沌理論的基本精神，用S型曲線替代二值邏輯，引入「能量」函數，使網路的穩定性有了嚴格的判斷依據，模型具有理想記憶、分類與誤差自動校正等智能。Hopfield模型的動力學特徵的分析提供了有力的研究方法。
神經網路系統模擬大腦的工作方式，由大量簡單的神經元廣泛相互連接而成，形成一種拓撲結構。大腦具有相當高級的處理信息的能力，與傳統計算機模型相比，大腦具有如下特徵：首先是大規模並行處理能力，其次是大腦具有很強的「容錯性」和聯想功能，第三是大腦具有很強的自適應能性和自組織性。在這些方面，目前的傳統計算機模型是難於實現的。
具體的神經元模型主要是如何更好地反應神經元在刺激下發放電位的本質。大多數模型把神經元之間的連接考慮成線性連接，輸入層與輸出層直接相連，沒有中間所謂隱單元層。每個神經元只能是興奮態或抑制態，任一神經元的輸入是其他神經元的輸出通過突觸作用的總和。如果考慮興奮態和抑制態之間的過渡情況，可以採用S型曲線來表徵神經元的非線性輸入和輸出特性，如J. Hopfield模型；也可以按照統計物理學的概念和方法，神經元的輸入由神經元狀態更新的概率來決定，如波爾茲曼機模型；還可以在神經元的輸入與輸出層之增加中間變換層，如感知機模型；增加反向誤差校正通道的反傳播模型等等。通過對神經元的形態與功能的不同表達，可以產生不同的模型。
DNA計算機
1994年,美國加州大學的L. Adleman博士在《Science》上公布了DNA計算機的理論，並成功地在DNA溶液的試管中進行了運算實驗。L. Adleman博士的DNA計算機完全是一種新的觀念。其基本設想是：以DNA鹼基序列作為信息編碼的載體，利用現代分子生物學技術，在試管內控制酶作用下的DNA序列反應，作為實現運算的過程；即以反應前的DNA序列作為輸入的數據，反應後的DNA序列作為運算的結果。DNA計算機是一種化學反應計算機。到目前為止，已有人通過DNA計算機模型進行實驗解決了一些基本的NP問題。如L. Adleman博士做的對貨郎擔問題（哈密頓圖問題，HPP）的計算，和普林斯頓大學查科普頓作的可滿足性問題（SAT問題） 。所謂NP問題 ，是指人們根據問題類的演算法復雜程度的劃分而言，與P問題相對。P問題是指演算法復雜性隨著問題規模的增長而呈多項式增長的演算法，是可以計算的。NP問題是指指演算法復雜性隨著問題規模的增長而呈指數增長的演算法，是實際上不可計算的。DNA計算機的構想是一種創新，具有巨大的潛力。DNA計算機運算速度快，其幾天的運算量就相當於計算機問世以來世界上所有計算機的運算總量。它的存儲容量非常巨大，而耗能卻只有一台普通計算機的十億分子一。當然，DNA計算機畢竟只是一種理論設想，在很多方面還相當不完善。主要表現在：
1. 構造的現實性及計算潛力。DNA計算機以編碼後的DNA序列作為輸入，在試管內反應完成計算，反應產物及溶液給出了全部解空間，但是最優解如何與其他解分離，怎樣輸出，是一個技術性極強的問題。目前還沒有令人滿意的輸出手段。隨著求解問題規模的擴大，輸出將成為DNA計算機的瓶頸。
2. 運算過程中的錯誤問題。在擴增DNA的過程中，有較高的錯配率，而且大量的DNA在幾百步的反應中也會產生一些支路反應。錯誤會產生偽解，並增加最優解輸出的難度。
3. 人機界面。怎樣使得DNA計算機的輸入和輸出變成一般人可以接受的，否則就無法進行廣泛的應用。
不論如何，DNA計算機的提出拓寬了人們的視野，啟發人們用演算法的觀念研究生命，並向眾多領域提出了挑戰。
㈧ 微生物學生化葯學常用的期刊和文獻檢索
微生物前沿、生物過程、計算生物學、生物醫學……這些
㈨ 誰能幫我找一些生物的前沿知識啊，
處於高速發展階段，具有高科技的特點細胞生物學是研究細胞的形態結構。細胞生物學的研究需要分子層次的實驗器材，目前研究得較多的是蛋白質學。我感覺你可能是想問生命科學、生理機能, 細胞凋亡。這也只是我看《環球科學》上的感覺。研究范圍專注在生物學的微觀下與分子層次、細胞周期, 以及各種胞器及訊息傳遞路徑的學科，細胞分裂，郵局有賣（通常高中或大學校旁邊的報刊亭都會出售）值得高中及高中以上人看。（可舉例）細胞生物學的研究發展隨著科學的進步和技術的完善日新月異，也向你推薦，神經細胞學，這本雜志是Scientific American的中文版
㈩ 在哪裡可以獲得當前最前沿科技信息，如電子、生物、物理等
呵呵，你查nature和SCIENCE兩份雜志即可，這是世界公認的科學前沿。他們還有下屬的出版集團和相關出版物，專業會更細。