⑴ 诺贝尔奖的基金大概有多少啊
今年诺贝尔奖金金额为1000万瑞典克朗，约合140万美元。按照诺贝尔当初的意愿，较为理想的诺贝尔奖金额，应能保证一位教授20年不拿薪水仍能继续他的研究。根据诺贝尔奖官方网站公布的数据，1901年的诺贝尔奖金数额为15.0872万瑞典克朗，即相当于当时一位教授20年的工资。此后，奖金数额不断缩水，1902年为14.1847万瑞典克朗，1903年为14.1358万瑞典克朗。直至1923年，诺贝尔奖金数额名义价值降到了历史最低，为11.4935万克朗。以后，诺贝尔奖金数额虽逐年扩大，但因瑞典克朗的数次贬值，一直到不了1901年的水平。1969年第一次颁发诺贝尔经济学奖时，奖金金额为37.5万瑞典克朗。
1991年，诺贝尔奖达到600万瑞典克朗，才与诺贝尔奖自颁发以来首次超过1901年时的实际价值相当。那以后，诺贝尔奖金又连年上涨，1992年诺贝尔奖为650万瑞典克朗，1993年为670万瑞典克朗，2000年诺贝尔奖五大单项奖和诺贝尔经济学奖达到了900万瑞典克朗（100万美元），远远超出了整个原始基金的名义价植，也大大超过了原始奖金的实际价值。2001年诺贝尔奖百年华诞时，诺贝尔奖金额达到1000万克朗，此后便一直维持在这个水平上。
按照阿尔弗里德·诺贝尔的遗愿，只有诺贝尔基金会的直接收益——利息和红利——才能用于诺贝尔奖金，从股份管理中得到的资本收益以前不能用于诺贝尔奖金，但从2000年1月1日开始，诺贝尔基金会被批准可以将从资产售卖中所获得的资本收益用于诺贝尔奖金。根据这个新规则，从诺贝尔基金资产销售中得到的收益还可以用于授奖活动及支付各种开支，“直到不再需要它们来维持长期良好的授奖能力”。此外，诺贝尔基金会还可以对投资于股市的资产份额作出决定。长期来看，这意味着诺贝尔基金会可能会将更大比例的资产投资于股票，从而带来更大的整体收益，以及更丰厚的诺贝尔奖金。因而，在未来一段时间内，如果诺贝尔基金会投资得当，诺贝尔奖金还会涨。
[B]诺贝尔基金会是怎么挣钱的[/B]
阿尔弗里德·诺贝尔于1896年12月10日逝世后，在其遗嘱中提出，将自己的部分遗产（920万美元）作为基金，以其利息分设物理、化学、生理或医学、文学及和平五种奖金，授予世界各国在这些领域对人类作出重大贡献的学者。遗嘱中的条款及其“非同一般”的目的，连同其部分未完全的形式，引来了巨大的关注，并很快导致了对其的怀疑和批评。只有在经过几年的谈判、协商，有时甚至是痛苦的冲突，克服了无数的困难和障碍之后，诺贝尔遗愿中的基本概念才得以以诺贝尔基金会的成立而出现稳定的模式。
诺贝尔基金会是一家私立机构，其职责是受托保护诺贝尔遗嘱中指定的授奖机构的共同利益，并对外代表诺贝尔机构。这具体包括各种各样的通知信息活动以及与授奖有关的各种安排事宜，但是诺贝尔基金会本身却不参与诺贝尔奖得主的遴选过程和最后的选择。“诺贝尔基金会的一项重要任务是以一种能够保护奖项本身及评奖过程的财政基础的方式管理其资产”。
因而，诺贝尔基金会的投资政策很自然地要把保持和增加它的基金、从而增加奖金的金额作为头等重要的因素来制定。遗嘱本身曾指示执行人把剩余的财产投资到“安全的证券”方面。在1901年最初为董事会制定的投资规则中，“安全的证券”这个提法曾根据当时的情况，被解释为意味着金边证券，或者以这类证券或不动产为抵押的贷款，而这类证券和不动产，主要是在瑞典和挪威发行或存在的。
基金会在前50年遇到了许多挫折，税务问题是其中之一。基金会成立的时候，人们还没想过税收问题，尽管诺贝尔遗嘱监护人一直要求对该基金会的投资活动进行税收豁免，但没人理会。1914年以前，基金会交纳的税率为10%，还勉强能维持。到了1915年，瑞典政府通过了一项“临时国防税”，使基金会的交税率成倍提高。1922年，当年的累征税负超已大于1923年的诺贝尔奖金了。
从此以后，关于是否该给基金会免税一直是瑞典议会的议题。这场旷日持久的讨论持续了几十年。直到1946年才有了结果：议会同意基金会享受免税待遇。瑞典议会的这一决定，也感染了美国人，美国规定从1953年起，诺贝尔基金会在美国的投资活动享受免税待遇。
基金会的投资开始从保守转向积极。1953年，政府允许基金会可独立进行投资，可将钱投在股市和不动产方面。这是基金会投资规则的一个里程碑式的改变。20世纪六七十年代，如以瑞典克朗计，诺贝尔基金数额的确增加了许多，但因瑞典克朗数次贬值，基金的实际价值并未增多。到了80年代，股市增长迅速，基金会的资产不断增值，不动产也在不断升值。但在1985年，瑞典又提高了不动产税，使得基金会的收益大打折扣。两年后，基金会作出一项重要决定：将基金会拥有的所有不动产转到一家新成立的上市公司名下，这家公司有个有趣的名字叫“招募人”。后来，基金会将持有的“招募人”公司股票全部出售，这正好赶在1990年初瑞典金融危机爆发之前，于是大大发了一笔。
由于诺贝尔基金会理财有方，世界上许多国家也纷纷效仿。设于1985年的日本两项大奖“日本奖”和“京都奖”，以奖金数额论，与诺贝尔奖属一个档次。他们就是根据诺奖的模式设立和操作的。为此，他们还为诺贝尔基金会捐了巨额资金。
⑵ 生物信息容易获得 基金吗
容易。生物信息在现如今无论是对于基础研究，还是商业化应用来说，都是炙手可热的一种“基本技术”了，今年国家自然科学基金也资助了不少此类项目，获得基金还是非常容易的。
⑶ 各位，我想知道中国现在有多少支基金，哪个基金值得关注，谢谢
1. 封闭式基金：36
2. 开放式基金：
股票型基金：172
保守配置型基金：8
普通债券基金：27
短债基金：3
保本基金：4
货币市场基金：51
3. 封闭式基金和开放式基金这样区分
如果这种公募基金在规定的一段时间内募集投资者结束后宣告成立(国家规定至少要达到1000个投资人和2亿元规模才能成立)，就停止不再吸收其他的投资者了，并约定大伙谁也不能中途撤资退出，但以后到某年某月为止，我们大家就算账散伙分包袱，中途你想变现，只能自己找其他人卖出去，这就是封闭式基金。
如果这种公募基金在宣告成立后，仍然欢迎其他投资者随时出资入伙，同时也允许大家随时部分或全部地撤出自己的资金和应得的收益，这就是开放式基金。
不管是封闭式基金还是开放式基金，如果为了方便大家买卖转让，就找到交易所(证券市场)这个场所将基金挂牌出来，按市场价在投资者之间自由交易，就是上市的基金。
不论国际还是国内,开放式基金已经成为市场主流,主要原因是开放式基金为投资人提供了可以随时申购赎回的方便,而且价格以基金净值为准,不受市场供求关系左右,比较公平。
4. （1）首先要明白自己投资类型，是稳健型的还是激进型的？
因为如果你买了这些基，那么在大牛市中，那天天上窜的基会折磨你的内心。
基金分红和上市公司分红比较类似，需要先抛售股票，形成可实现收益，然后再实施分红。基金持有人获得的是实实在在的分红收益，
拆分只是改变了基金份额净值和基金总份额的对应关系，并没有影响到投资人的资产总值变化。基金拆分不必卖出股票资产。其实拆分基最大的弊端就是会直接导致基金规模迅速扩大,间接影响一段时间里的收益增长迅速.有人认为，只要手上的基要拆分了,就该是考虑换基的时候了(小幅度的分红不包括在内)。
（2）在300多个基金中怎么挑选？
建议参考的是基金公司的实力，基金以往市场上的表现，以及基金经理的能力口碑如何。我个人看好，广发系，南方系，华夏系，易基系，大家选基只用买这些公司里的表现最优的基就可。比如广发里的广发聚丰。
（3）用什么途径买基金最好？
最好选择基金公司的网上销售这一途径买。
这样比在银行柜台与网上银行买的优势在于，一方面手续费便宜许多，
最重要的是，如果你买了一只基，表现不好，感觉自己买错了，那么可以及时地转换到同基金公司旗下表现好的其他基。
这样就省去了要从银行里赎回基再重新买入的时间与费用，一点都不耽误你天天数钱。
（4）怎样分配钱买基金？
如果你不是上百万的资金，那么以10W为基准，建议持有3-5只基就可。
长期收益来看，市场上排名前100位中的最好的基与最差的基，收益率相差最多不会超过，15%。
所以只要你买的不是市场上最差的基，完全没有必要手里养一堆的基，搞得累不累？
（5）选择盘大的基金买还是盘小的？
我认为，60亿左右规模的基，表现最稳健。
盘子大的，上了百多亿的大象，跑起来有时不是太灵活啊。
盘子小的，只有十亿或十亿以下，一定不要去买，为什么？
这里面有一个潜在的风险，那就是有些黑了心的基金公司，会为了赚手续费与管理费强行进行扩模。比如最近的鹏华价值就是个教训。
（6）怎样组合配置买基金？
看各大基金的十大重仓。我一直认为，买基，其实就是等于间接买了基金的十支重仓股票。
所以买之前，请看清，你间接持有的股票！这关系到你持有的基金未来的成长空间，当然这也是我强调基金经理能力的重要性。
好的基金经理，我们根本不用怀疑他的选股与调仓能力，能让人高枕无忧。
那么如果你要买2支以上的基的话，就要注意组合配置了，也就是选择的二支基，其十大重仓最好是互补型的，而不是重叠式重仓。
那样跟买同一只基，没有什么区别。目前市场的很多基，在十大重仓上重叠性很高，大家要留意看一下。
某些基金系,重仓地产股；某些基金系，重仓的是钢铁股；某些基金系，偏重金融股；这里不细说,大家要靠自己研究去发现,其实一点也不难找.
这样如果你同时看好地产股和金融股，那么你就要去找重仓这二个行业的基,进行配置购买;其他以此类推。
另，配置有色金属的有巨田资源和广小盘，所以这二只，很适合用来做小仓位配置基。
（7）买基金的前期要做些什么工作？
学习，分析，权衡，再做出决定
忌讳跟风购买，一看别人说什么就认为是好的，自己完全不了解的基，你认为你能养得长久吗？
基金的规模，基金经理，投资风格，这些是最起码的了解范畴。
更不要因为看到有只基一段时间里跑得很好，表现出色，就冲进去。
要知道很多基的风格就是涨得快，也跌得快，如果你认可这种风格，可以去买，否则不要为了眼前短暂的利润而冲动。
（8）应该以什么心态买基金？
平常心很重要。
不要成天盯着那涨跌榜看，自己的基前十了，就笑，自己的基跌到五十以后了，就郁闷。
要知道前十与十一可能就相差个，0.01%何必呢。。。因为一天中的小小差距，不开心。
长线持有的，也不用天天去看净值收益，不如拿这些时间来好好学些投资常识。
（9）现在还能买基金吗?点位这么高.是不是买新基更安全些呢?
关键就在于,你是否认定5000点是中国牛市的最高点.
如果认为是,那么你就没必要买基了,马上赎回空仓.
如果认为不是,那么只要大盘还有1000点的空间,那么基金就至少还有25%以上的收益空间.你自己权衡要不要进.
就算现在是阶段顶,那么你要么等回调进,要么现在进了,放长线投资.
如果说新基是不是比老基更安全,我想无非是净值的高低造成的.这种想法是走到了误区里的,是错误的.
其实在大盘高位时主要是基金的仓位取决基金的风险系数.新基金因为刚刚建仓,所以仓位会低,风险是小些,但同样也意味着收益率不高.
如果下一阶段大盘看涨,新基金就有踏空的风险.所以你如果看跌后市或认为后市必要调整一段时间,建议你可以买新基金.
在这里我的建议是,资金大的投资者或稳健型投资者,应选择稳健型的基购买.
有时候跑得快的不一定最适合你.因为跌的也有可能很快哟.
买基金,我还是认为,最适合自己投资风格的才是你眼中最好的基.
⑷ 浙江大学的生物信息专业怎么样
生命科学学院建有生态学国家重点学科、植物学和遗传学省重点学科、微生物学省重点扶持学科、药用植物资源学省中医药重点学科；植物生理学与生物化学国家重点实验室（浙江大学）；国家濒危野生动植物种质基因保护中心；教育部野生动物保护与繁育重点实验室；浙江省细胞与基因工程重点实验室等国家与省部级重点学科和实验室。“生物多样性与种质创新”项目获“211”二期重点建设资助；“逆境生物学”科技创新平台获“985”二期重点建设资助。
学院下设生物科学系和生物技术系，目前有生物科学、生物技术和生物信息学三个本科专业。拥有两个国家级人才培养基地，即国家生物学理科基础科学研究和教学人才培养基地和国家生命科学与技术人才培养基地。有一级学科博士点和生物学博士后流动站，涵盖植物科学、动物科学、微生物学、生态学、遗传学、细胞生物学、生化与分子生物学、生物物理学、生理学、水生生物学、发育生物学及生物信息学等13个二级学科博士点和14个硕士点。
学院现有教职工140人，其中有中科院院士1人，教育部长江特聘教授1人，国家杰出青年基金获得者4人，国家教育部跨世纪人才基金获得者2人，入选国家百千万人才工程3人，浙江省151人才工程11人；教授27人，副教授49人。
学院现有全日制在校本科生509人（含竺可桢学院班），研究生491人，其中博士研究生199人，硕士研究生292人。有在站博士后21人。2004年本科生一次就业率96.43％，考研录取（出国）率为69％。学院现有植物科学、野生动物保护生物学、微生物学、细胞工程、遗传学、生态学、生物化学、大分子与酶工程等8个校级研究所。学院2004年科研总经费2784万元。现承担“973”、“863”、“转基因专项”、“农业科技成果转化”等国家重大项目12项，国家基金各类项目43项，省部级重点、重大项目10余项；学院成立以来获得国家科技进步奖2项，省部级奖10余项，授权各类专利近20项。发表SCI/EI论文250余篇。
⑸ 基金000672打新股获配金额共多少
在现已公布网下配售结果的22只新股中，工银瑞信绝对收益、大成景恒保本两只基金成为了本轮打新最大的两个赢家，两只基金各获得了13只新股的网下配售资格。
特别是工银瑞信绝对收益更是入围了两大热门股东方证券（600958.SH）和蓝思科技。从东方证券披露的网下投资者报价情况来看，2015年3月5日至2015年3月6日，发行人和保荐机构（主承销商）通过上交所申购平台进行初步询价，共有119家网下投资者的237个配售对象在规定的时间内通过上交所申购平台参与了初步询价报价。
包括工银瑞信绝对收益在内，多达34个配售对象都顶格申购了7亿股东方证券，每家动用打新资金高达70.21亿元之巨。而工银瑞信绝对收益对蓝思科技的申购数量也达到了3360万股，其申购资金为77246.4万元，最终获配数量为11.8856万股。
此外，工银瑞信绝对收益入围新股还包括北部港湾（603869.SH）、四通新材（300428.SZ）、富临精工（300432.SZ）、诚益通（300430.SZ）、龙韵股份（603729.SH）、埃斯顿（002747.SZ）、暴风科技（300431.SZ）、全筑股份（603030.SH）、九华旅游（603199.SH）、强力新材（300429.SZ）、龙津药业（002750.SZ）等11只新股。
⑹ 中国2000年6月以后人类基因组得工作进展
一、 人类基因组计划的主要研究内容
1.人类的遗传信息贮存于细胞染色体的脱氧核糖核酸（简称DNA）中。DNA基本组成单位是核苷酸，核苷酸有四种，按其碱基成分的不同分别称为A(腺嘌呤)、G（鸟嘌呤）、C（胞嘧啶）和T（胸腺嘧啶），它们以不同的顺序依次排列，形成由两条线性长链组成的双螺旋结构；两条链以其碱基间的氢键维系着双螺旋的结构，其一条链上的A与另一条链上的T形成互补碱基对，同样，G与C之间形成了另一对互补碱基。
基因（gene）是携带生物体遗传性状的基本单位，它的实质是染色体DNA线性链上的一段特定的核苷酸序列，这段序列蕴含了细胞中某一蛋白质或RNA的完整的遗传密码。据估算，一般认为人体基因的总数在10万个左右。
基因组（genome）〔3〕是指一个细胞所含的全部遗传信息,即染色体DNA(还有线粒体DNA)，它包括了全部的基因以及基因之间的区域。病毒的基因组很小，大肠杆菌的在4.6 Mb(百万碱基对)，人体基因组即指储存在细胞23对染色体上的全部核苷酸序列,其总数大约为30亿碱基对（3×109 bp）。
2.HGP的最终目标是完成人类基因组全序列的测定，其内容主要分为遗传图、物理图的构建和DNA序列测定两个方面；基因的定位和分析也将包括在内。同时，还将开展模式生物基因组的研究。
采用遗传分析的方法构建的基因组图谱称谓遗传图(genetic map)，它是指基因或DNA标志在染色体的相对位置与遗传距离，它又称为连锁图(linkage map)。遗传距离是以基因片段在染色体交换过程中的分离频率，即cM表示。cM值大，说明两点之间的距离远；反之亦然。使用的DNA标志越多，越密集，遗传图的分辨率越精细。
应用分子生物学的技术构建的基因组图谱叫做物理图(physical map)，它是指DNA线性链上两个基因片段之间的实际距离，其距离的长短以核苷酸数目的多少来表示。它是由DNA的限制酶片段或克隆的DNA片段有序排列而成。物理图是序列分析和结构研究的基础。
3.cDNA及转录图。蛋白质是基因的表达产物，然而，基因必须先转录成相应的信使RNA(简称mRNA)，随后才按mRNA模板上核苷酸序列所蕴含的氨基酸密码翻译成蛋白质。在细胞核内,由基因（DNA）合成mRNA的过程称为转录；然而,由mRNA变成DNA的过程叫反转录。反转录的过程能在试管中进行，因为产生的DNA序列是与mRNA相互补，所以，称它为cDNA（complementary DNA）。全长cDNA是指一个成熟mRNA被全部反转录的双链DNA，它包含了mRNA编码氨基酸的区域及其上游（5′端）和下游（3′端）的非编码区域。在试管中进行逆转录反应，经常只能是一个片段, 要获全长cDNA的难度是比较大的。其所获的片段通常称为“EST”（express sequencing tag，表达序列标签），EST可作为某一特定mRNA或基因的代表。
人体内的所有的细胞都有相同的基因组即染色体DNA，而其基因的转录却是受到严格的调控。不同的细胞为何显示不同的形态与功能，是因为基因组中不同的基因被转录的缘故。不同的细胞其基因组转录成mRNA的种类和数量不相同，产生的蛋白质不一样；就是同种细胞在其发育过程的不同阶段，mRNA的种类和数量也不尽相同。转录图的分析即可显示不同种细胞或同种细胞不同发育阶段、生理和病理状态下的基因表达情况，也可启示基因的生物功能〔4〕。
1990年正式启动 HGP，10年来取得了令人振奋的进展。归纳如下。
1.人类基因组作图已基本完成。遗传图的分辨率已精确到0.75cM左右；物理图已定位了52 000个STS（sequencing target site, 序列标签位点，指的是染色体上一段特异的核苷酸序列片段，可作为位置标志用）；在基因的分离与鉴定方面,已测定出新的EST 180万条,全长cDNA的克隆进展甚速。
2.人类基因组全序列的“工作草图”即将完成。人的22号染色体是人23对染色体中第二小的一条（最小的是21号），它的DNA全序列已于去年12月初完成，这是英、日、美、加拿大和瑞典五国科学家共同努力的结果。Dunham等〔1〕216位科学家署名的论文报道了人22号染色体常染色质区的全序列由3 340万碱基对（3.34×107 bp）组成，至少编码有545个基因和134个“假基因”（pseudogene）。并发现这一区域中含有与某些遗传病有关的基因，如猫眼综合征（cat eye syndrome）和先天性胸腺发育不全 (即DiGeoge 综合征)，还存在有与精神分裂症敏感性相关的位点。这是首次提供了人体一条完整染色体的全部遗传信息，对完成人类基因组全序列测定具有里程碑的意义；同时,也表明应用克隆拼接技术（clone by clone approach）是可以完成一条染色体全长的测定。
除22号染色体外，第7号、21号及X等染色体也都接近或完成了40％～50％的工作量(见：www.ncbi.nlm.gov/genome/seq/)，有望在今年3月底完成人类23对染色体DNA全序列的“工作草图”。
3.模式生物基因组测序对象不断扩大。酵母的全序列(14 Mb)测定已于1996年4月完成,1997年9月和1998年底又相继完成了大肠杆菌(4.6Mb)与线虫基因组(100 Mb)的序列测定。果蝇和小鼠的基因组测序工作进展加快；微生物、真菌和寄生虫基因组研究倍受重视。根据TIGR微生物数据库(www.tigr.org/tdb/mdb/mdbhmtl )的报道，目前已有20多种微生物基因组完成了序列测定，其中与疾病相关的占了11种左右〔6〕。例如结核分支杆菌(Mycobacterium tuberculosis), 微小幽门螺旋菌(Helicobacter pylori) ，沙眼衣原体 (Chlamydia tetrachomatis) 等。在寄生虫方面，人恶性疟原虫的基因组分析进展很快。
我国的人类基因组研究正式启动于1994年，它获得了国家自然科学基金、国家高技术发展计划（863计划）、以及地方政府等多种渠道的经费资助。1998年实施的国家重大基础研究规划项目也投入了较大的经费。国内的企业家和投资者开始注视着该项目的开发潜力。
1.人类基因组全序列测定是一个以美国为主，有英、法、德、日等国参加的国际间的合作项目。自1999年9月中国被正式接纳参加此项计划，承担其中1%的任务，测序的具体部位是从人3号染色体短臂的端粒(ter)到D3S3610标记，其遗传距离为31.4 cM。在国家863计划和中国科学院共同资助下，中科院遗传所以及国家人类基因组南、北两个研究中心的科技人员，正按照国际计划的进程，同步完成所承担的任务，力争今年3月底完成“工作框架”图。
在模式生物基因组测序中，除中科院为主承担的水稻基因组之外，微生物基因组测序已经开始。痢疾杆菌、泉生热袍菌(C.fonfana)和钩端螺旋体等基因组测序工作正在进行之中。
大规模测序、基因组扫描、cDNA阵列、基因芯片、SNP筛查和蛋白质组学等技术方法的建立与成熟应用，以及生物信息学的深入推广，将促进我国基因组研究的进一步发展。
四、展望
人类基因组全序列测定即将完成，研究工作已开始进入后基因组时代，重点转向功能基因组学的研究。如此飞速的进展将对21世纪生命科学包括医学科学在内的发展产生巨大的推动作用。同时，生物技术内涵已被进一步扩展，生物技术产业化也将有更大的发展。具有重要的生物学功能的新基因以及疾病相关基因的分离和克隆，可用于基因工程产品的生产、疾病的诊断与治疗或人类疾病发生机理的研究，并为创新药物研制提供基础。
我国的人类基因组研究正式启动于1994年，它获得了国家自然科学基金、国家高技术发展计划（863计划）、以及地方政府等多种渠道的经费资助。1998年实施的国家重大基础研究规划项目也投入了较大的经费。国内的企业家和投资者开始注视着该项目的开发潜力。
1.人类基因组全序列测定是一个以美国为主，有英、法、德、日等国参加的国际间的合作项目。自1999年9月中国被正式接纳参加此项计划，承担其中1%的任务，测序的具体部位是从人3号染色体短臂的端粒(ter)到D3S3610标记，其遗传距离为31.4 cM。在国家863计划和中国科学院共同资助下，中科院遗传所以及国家人类基因组南、北两个研究中心的科技人员，正按照国际计划的进程，同步完成所承担的任务，力争今年3月底完成“工作框架”图。
在模式生物基因组测序中，除中科院为主承担的水稻基因组之外，微生物基因组测序已经开始。痢疾杆菌、泉生热袍菌(C.fonfana)和钩端螺旋体等基因组测序工作正在进行之中。
大规模测序、基因组扫描、cDNA阵列、基因芯片、SNP筛查和蛋白质组学等技术方法的建立与成熟应用，以及生物信息学的深入推广，将促进我国基因组研究的进一步发展。
四、展望
人类基因组全序列测定即将完成，研究工作已开始进入后基因组时代，重点转向功能基因组学的研究。如此飞速的进展将对21世纪生命科学包括医学科学在内的发展产生巨大的推动作用。同时，生物技术内涵已被进一步扩展，生物技术产业化也将有更大的发展。具有重要的生物学功能的新基因以及疾病相关基因的分离和克隆，可用于基因工程产品的生产、疾病的诊断与治疗或人类疾病发生机理的研究，并为创新药物研制提供基础。
⑺ 求当代生命科学发展的相关报道 比较详细的 急！谢谢！
抽象的价值
——数学与当代生命科学
吴家睿
20世纪中期，随着蛋白质空间结构的解析和DNA双螺旋的发现，形成了以遗传信息载体核酸和生命功能执行者蛋白质为主要研究对象的分子生物学时代。分子生物学的诞生使传统的生物学研究转变为现代实验科学。但是，在生命科学领域的实验科学与其它实验科学如实验物理学相比，更多地是注重经验，而非抽象的理论或概念。此外，这些生物学家们大多关注定性的研究，以发现新基因或新蛋白质为主要目标，对于定量的研究，如分子动力学过程等没有给予足够的重视。尽管如此，现代生命科学在20世纪的下半叶还是取得了丰盛的成果。正如美国科学院院长分子生物学家阿尔伯特(B. Albert)所说，“在一个基因克隆占主要地位的时代，当今许多优秀的科学家在不具备任何定量研究的能力下仍然取得了巨大的成绩”。但是，随着后基因组时代的到来，生物学研究者的定量研究能力和知识已不再是可有可无的了。
大势所趋
英国生物学家保罗•纳斯(Paul Nurse) 因细胞周期方面的卓越研究成为了2001年度诺贝尔生理学或医学奖的得主。他曾在一篇回顾20世纪细胞周期研究的综述文章中以这样的文字结束：“我们需要进入一个更为抽象的陌生世界，一个不同于我们日常所想象的细胞活动的、能根据数学有效地进行分析的世界。”
也许基于同样的考虑，2000年10月美国国家科学基金会（NSF）的主任科勒威尔(R. Colwell)在向国会提交的报告中，称数学是当前所有新兴学科和研究领域的基础，要求下一年度对数学的资助要增加3倍以上，达到1.21亿元美金。在这些增加的预算中，有很大的一部分被用来支持数学与其它学科的交叉研究，尤其是数学与生物学的交叉研究项目。
尽管数学一直在现代生命科学中扮演着一定的角色，如数量遗传学、生物数学等。但真正体会到数学重要性的还是20世纪90年代生物学家。基因组学是这种趋势的主要催化剂。随着DNA序列测定技术的快速发展，20世纪90年代后期每年测定的DNA碱基序列以惊人的速度迅速增长。以美国的基因数据库（GenBank）为例，1997年拥有的碱基序列为1x109，次年就翻了一番，为2x109；到2000年GenBank已拥有近8x109个碱基序列。同样，在蛋白质组研究和转录组研究等快速推进的过程中，各种数据也在迅猛的增加。据估计，现在生物数据量可以达到每年1015字节。如何管理这些“海量”数据，以及如何从它们中提取有用的知识成为了对当前生物学家、数学家、计算机专家等的巨大挑战。由此引出了一门新兴学科：生物信息学(Bioinformatics)。此外，对细胞和神经等复杂系统和网络的研究导致了数学生物学(Mathematical Biology)的诞生。美国国家科学基金委员会为此专门启动了一项“定量的环境与整合生物学”的项目，以鼓励生物学家把数学应用到生物学研究中去。几乎在同一个时间，美国国立卫生研究院也设立了一项“计算生物学”的重大项目。
理解生命的新工具：模型
上面的论述也许会造成这样一种印象，数学在现代生命科学中的应用主要是在“海量”数据的处理方面。可以这样说，今天的确是有许多生物学家是从“计算”的角度来看待数学对生命科学的作用。然而，对于理解生命现象来说，计算是远远不够的。当我们把通过基因芯片获得的成千上万的实验数据喂进一台计算机，让计算机根据一定的运行程序吐出一堆堆的结论时，我们是否可以认为，我们已经理解了所要研究的生物学问题？不仅如此，我们也许还需要警惕，不要让计算机代替我们的思考。
对于今天的生命科学工作者，数学的价值应该体现在“模型化”(Modelling)方面。通过模型的构建，那些看上去杂乱无章的实验数据将被整理成有序可循的数学问题；通过模型的构建，所要研究的问题的本质将被清晰地抽象出来；通过模型的构建，研究者们的实验不再是一种随意的探索，而是通过“假设驱动”（Hypothesis-driven approach）的理性实验，就如同物理学家们的工作一样。
上个世纪的实验生物学家把生命视为一个线性的系统，力图以一种简单的因果关系来解释生命活动。通常在那些寻找新基因的研究者的内心深处，大多拥有一个“基因决定论”的愿望：一旦找到了某一种基因，就能解答一个生物学问题。癌症有“癌基因”，长寿有“长寿基因”，聪明有“聪明基因”，甚至犯罪都是由一种“犯罪基因”所造成。但是，几十年的研究轨迹，划出的却是一幅幅越来越复杂的图案。以人类发现的第一个肿瘤抑制基因p53来说，自1979年发现至今，已有近2万5千篇文章涉及到它；直接与p53相互作用的蛋白质多达数十种，新的还在发现之中。现在人们看到的p53已经是一个相当复杂的调控网络。显然，没有数学模型的帮助，要理解和分析p53的功能将不是一件容易的事。不久前，发现p53的生物学家之一莱文尔(A. J. Levine)和数学家一起，建立了一个解释p53调控线路的数学模型[1]。
数学不仅能帮助我们从已有的生物学实验和数据中抽象出模型和进行解释，它还可以用于设计和建造生物学模型，也许这些生物学模型在自然的状态下是不存在的。在这种意义上说，基于数学模型和假设进行的生物学实验将更接近我们所熟知的物理学和化学实验，更多的依赖于抽象和理性，不再是一门经验科学。
新世纪伊始，数学指导实验已成为了现实。不久前，美国的科学家在《自然》（Nature）杂志上报道了他们人工设计的生物模型。普林斯顿大学科学家设计了一个自然界不存在的控制基因表达的网络。这个网络可以周期性的调控大肠杆菌内一个外源基因的表达[2]。在同一期杂志上，波士顿大学的生物学家也报告了他们相类似的工作[3]。这两个工作的共同特点是，首先应用某种微分方程（两个实验室采用了不同的微分方程）进行推导和设计，然后再根据其设计去进行生物科学实验，如构造基因表达质粒，进行检测基因表达情况等。这些科学家认为：“这种‘网络的理性设计’可以导致新型的细胞工程和促进人们对自然界存在的调控网络的理解。”[2]
“万物皆数也”
数学常常被人视为工具。它的确也是非常有用的工具。但是，只要是作为工具，就具有可替换性。“条条道路通罗马”。工具就是道路，可以选择途径A，也可以选择途径B，只要能达到目的地就行。当然，有的可能是捷径，有的可能是弯路。但它们毕竟都不是唯一的。就如同过去的生命科学研究，没有数学也取得了不错的成绩。数学的应用显然会对现在和今后的生物学研究有帮助，但生物学家不用数学行不行呢？
人类对自然和生命的关注，通常体现在两个方面的问题：构成世间万物的本质是什么以及如何去认识和探寻这种本质。前一类问题是属于本体论，后一类问题则属于认识论。如果采用这样假设：生命的本质最终是体现在数学规律的构成上。那么，没有数学显然我们就不能真正和彻底地揭示出生命的本质。
DNA和蛋白质是两类最重要的生物大分子。它们通常都是由众多的基本元件（碱基、氨基酸）相互联结而成的长链分子。但是，它们的空间形状并非是一条平直的线条，而是一个规则的“螺旋管”。尽管在20世纪中叶人们就发现了DNA双螺旋和蛋白质α螺旋结构，但至今为止，人们还是难以解释，为什么大自然要选择“螺旋形”作为这些生物大分子的结构基础。
不久前，美国和意大利的一组科学家，利用离散几何的方法研究了致密线条的“最大包装”(Optimal Packing)问题，得到的答案是，在一个体积一定的容器里，能够容纳的最长的线条的形状是螺旋形 [4]。研究者们意识到，“天然形成的蛋白质正是这样的几何形状”[4]。显然由此我们能够窥见生命选择了螺旋作为其空间结构基础的数学原因：在最小空间内容纳最长的分子。凡是熟悉分子生物学和细胞生物学的人都知道，生物大分子的包装是生命的一个必要过程。作为遗传物质载体的DNA，其线性长度远远大于容纳它的细胞核的直径。例如构成一条人染色体的DNA的长度是其细胞核的数千倍。因此通常都要对DNA链进行多次的折叠和包扎，使长约5厘米的DNA双螺旋链变成大约5微米的致密的染色体。由此我们可以认为，生命遵循“最大包装”的数学原理来构造自己的生物大分子。
细胞是生命的基本组成单元和功能单元。而细胞分裂（又称为细胞增殖）是细胞最基本和最重要的活动。完成一次细胞分裂的活动称为细胞周期。不同物种的细胞周期的时间长短是不一样的，有着严格的调控。那么，是什么构成了细胞周期的“时钟”？最近的研究表明，对于酵母细胞而言，一种细胞周期调控蛋白的磷酸化程度有可能被用作细胞周期运行的“时钟”。这种被称为Sicl的蛋白质上有9个位置可以被蛋白激酶CDK进行磷酸化。当它被加上第1个磷酸基因至第5个磷酸基团的时候，其分子的行为没有出现变化。但是，一旦被加上第6个磷酸基团时，它就可以和一种称为Cdc4的蛋白发生相互作用，然后被蛋白酶降解，从而导致细胞进入DNA合成期（S期），最后完成细胞分裂。研究者详尽而深入的工作揭示出，Sicl蛋白的每一次磷酸化都有助于与Cdc4的相互作用，但只有到第6次或6次以上，其结合力才达到与Cdc4稳固的结合。此外，如果给Sicl蛋白人为装上一段外源氨基酸肽段，一次磷酸化就能使Sicl与Cdc4结合并导致其降解，这时Sicl控制细胞周期时间的功能就会丧失[5]。这个研究成果很典型地揭示了细胞是如何通过数量的控制来实现其生命活动。
古希腊着名的数学家毕达哥拉斯(Pythagoras)曾给后人留下过这样一个观点：“万物皆数也”。如果他的观点是正确的，作为大自然的杰作——生命，一定也是按照数学方式设计而成的。因此，数学不仅仅能够提升生命科学研究，使生命科学成为抽象的和定量的科学，而且是揭示生命奥秘的必由之路。
⑻ 生物信息学领域中，有哪些不得不知道的大牛教授/研究者
作者：知乎用户
链接：https://www.hu.com/question/42951437/answer/95466332
来源：知乎
着作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
genomics或者说测序依然是很大的领域，其中的方向细分依然是很多的。genomics整体可以分成两大类，一类主要做方法，一类主要做生物。前者一般使用public data做一些方法，后者主要使用现有的技术研究生物问题。如果说大牛一般都在后一类里面。但是也会有很多不同的方向，比如研究rna的，dna的，基因调控的。所以最好根据自己关注的方向去找。
一个很直接找genomic方向大牛的方法就是看encode，roadmap和4D nuckesomes这些大genomic cobsortium的主要pi。当然也有很多牛人不在这些项目里面。下面简单说几个比较熟悉的，欢迎纠正和补充。
Eric Lander
Broad的创始人，人类基因组计划发起人之一，不过现在自己lab似乎不做大多了，但很多broad的paper还会挂名。
John Rinn
Broad的PI，研究lncRNA。最早发现了H19。
Michell Guttman
Eric Lander的学生，和John Rinn一起发现了lncRNA，在clatech独立不久。
Howard Chang
主要研究RNA，John Rinn的postdoc老板。
Michael Synder
研究基因调控，具体方向很多，组特别大。
Job Dekker
3D genome领域的开拓者，3C，5C和HiC的发明者。
Bing Ren
最早开发了chip-chip技术，研究enhancer，现在做更多3D genome。
Joe Ecker
最早是植物领域的大牛，后来转到做甲基化。
Chuan He
化学出身，之前做DNA甲基化，现在开创了RNA甲基化的新领域。
Mark Gersrein
比较少的主要做计算的大牛，各种network和system biology
Menolis Kellis
Eric Lander的学生，主要做计算也做实验，各种consortium都很活跃。
John Stam
名字很长很难写，主要做DHS，当然还有很多其他方向。
Shirely Liu
主要做计算，lab开发了MACS