生物信息技术有哪些方面的应用

⑴ 生物信息学有哪些方面的应用

生物信息学是一门利用计算机技术研究生物系统之规律的学科。
目前的生物信息学基本上只是分子生物学与信息技术（尤其是因特网技术）的结合体。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。
生物信息学的主要研究方向： 基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，1989年在美国举办生物化学系统论与生物数学的计算机模型国际会议，生物信息学发展到了计算生物学、计算系统生物学的时代。
生物信息学目前主要应用于：
1,序列比对；
2, 蛋白质结构比对和预测；
3, 基因识别,非编码区分析研究.；
4, 分子进化和比较基因组学；
5, 序列重叠群(Contigs)装配；
6, 遗传密码的起源；
7, 基于结构的药物设计；
8.生物系统的建模和仿真；
9.生物信息学技术方法的研究；
10, 生物图像；
如果你有意献身于科研事业，为人类未来的发展做出自己的贡献，这门学科还是有很大的发展前景的，如果想毕业找工作，估计会很难

⑵ 生物信息学有哪些方面的应用

1,测序与序列比对(Sequence Alignment)
测序是生物信息学的基础和主要数据来源，可以是人类数据也可以是其他的数据。序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性.从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列.在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等.两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效.因此,启发式方法的引入势在必然,着名的BALST和FASTA算法及相应的改进方法均是从此前提出发的.

2, 蛋白质结构比对和预测

基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性.蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似.蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等.氨基酸的序列内在的决定了蛋白质的3维结构.一般认为,蛋白质有四级不同的结构.研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成.直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息.蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释.从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构.同源建模(homology modeling)和指认(Threading)方法属于这一范畴.同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构.然而,蛋白结构预测研究现状还远远不能满足实际需要.
3, 基因识别,非编码区分析研究.

基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置.非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制.显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中.分析非编码区DNA序列目前没有一般性的指导方法.在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等.

4, 分子进化和比较基因组学

分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树.既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性.通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的.早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据.近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化.在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因.这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现.
5, 序列重叠群(Contigs)装配
根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短枪(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs).逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配.从算法层次来看,序列的重叠群是一个NP-完全问题.
6, 遗传密码的起源
通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今.不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码.随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材.

7, 基于结构的药物设计
人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗.基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域.为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物.这一领域目的是发现新的基因药物,有着巨大的经济效益.
8.生物系统的建模和仿真
随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。
9.生物信息学技术方法的研究
生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。
10, 生物图像
没有血缘关系的人，为什么长得那么像呢？
外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？
有什么生物学基础？基因是不是相似？我不知道，希望专家解答。
11, 其他
如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法.从现在的发展不难看出,基因工程已经进入了后基因组时代.我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识.

⑶ 计算机在生物学方面的应用有哪些

计算机所能做的就是大量的繁琐的运算，只是帮人们解决公式化的问题。比如DNA的破解。倒是生物对计算机有很大帮助，下一代智能化计算机就有向生物计算机方向的发展。

⑷ 信息技术有哪些应用

1. 信息技术主要用于管理和处理信息。它主要是应用计算机科学和通信技术来设计、开发、安装和实施信息系统及应用软件。

2. 信息技术的应用包括计算机硬件和软件，网络和通讯技术，应用软件开发工具等。计算机和互联网普及以来，人们日益普遍的使用计算机来生产、处理、交换和传播各种形式的信息（如书籍、商业文件、报刊、唱片、电影、电视节目、语音、图形、影像等）。

⑸ 信息技术在日常生活中有哪些应用

电视、电脑、智能手机、电子商务、网上购物、手机里的应用软件等。

⑹ 生物信息技术的介绍

（1）信息技术为生物技术的发展提供强有力的计算工具。在现代生物技术发展过程中，计算机与高性能的计算技术发挥了巨大的推动作用。在赛莱拉基因研究公司、英国Sanger
中心、美国怀特海德研究院、美国国家卫生研究院和中国科学院遗传所人类基因组中心联合绘制的人类基因组草图的发布中，美国多家研究机构特别强调正是信息技术厂商提供的高性能计算技术使这一切成为可能。同样，在被称为“生命科学阿波罗登月计划”的人类基因草图的诞生过程中，康柏公司的Alpha服务器也为研究人员提供了出色的计算动力。业界分析人士称，在这场激烈的基因解码竞赛背后隐含的是一场超级计算能力的竞赛，同时，这次竞赛有助于大众对超级计算机的超强能力形成普遍认知。在此之前，这些造价至少在数百万美元以上可以超高速运转的机器一直默默无闻，他们被用于控制核反应堆、预报天气或是与世界级国际象棋大师同台对弈。如今，人们越来越清醒地认识到，超级计算机在创造新品种的药物、治愈疾病以及最终使我们能够修复人类基因缺陷等方面是至关重要的，高性能计算可以为人类作出更大的贡献。
赛莱拉公司执行总裁在接受《今日美国》的采访时说:“将人类基因密码以线型方式组合起来，这还是人类有史以来的第一次。”赛莱拉公司要将32亿个碱基对按照正确顺序加以排列，在曾经尝试过的大规模计算中，这次挑战是最为严峻的一次。为了完成这次历史性课题所需的数量极为庞大的数据处理工作，赛莱拉公司动用了700台互联的Alpha64位处理器，运算能力达到每秒1.3万亿次浮点运算。同时，赛莱拉公司还采用了康柏的Storage Works系统，用以完成对一个空间为50TB且以每年IOTB速度增长的数据库管理工作.康柏电脑公司董事会主席曾在一次演讲上说道:“如今，我们很难将生物技术的进步与高性能计算领域的发展割裂开来。实际上，许多一流的科学家都相信，高性能计算是生物和医药的未来。今后，越来越多的具有强大功能的计算机和软件将会被用来搜集、存储、分析、模拟和发布信息。
信息技术还有助于加强生物技术领域的各种数据库管理、信息传递、检索和资源共享等。另一个仅次于基因排序器、在生物技术领域引起关注的硬件是基因芯片，它的研制也非常依赖于信息技术。在显微镜载片或硅片等基片上把基因片段排列、固定，这就是基因芯片。把这个芯片上的基因片段和检体的基因片段放到基因芯片读出器（也是一种破译装置）上，就能迅速比较和破译检体信息。 基因排序器是从零入手破译检体的遗传信息的装置，而基因芯片和其读出器则是与已经有的遗传信息相对照破译信息的装置。 在这个领域，美国的企业比较有名，但日本企业也在同美国企业合作的同时，积极参与这个领域的开发。
（2）生物技术发展需要特定软件技术的支持。生物技术及其产业的发展对于生物技术类软件的需求将进一步增加，软件技术将成为支撑生物技术及其产业发展的关键力量之一。在生物技术各领域中均需要相应的专业软件来支撑：1) 各类生物技术数据库的构建需要性能优良、更新换代迅速的软件技术；2) 核酸低级结构分析、引物设计、质粒绘图、序列分析、蛋白质低级结构分析、生化反应模拟等等也需要相应的软件及其技术支撑；3) 加强生物安全管理与生物信息安全管理也离不开软件及其技术发展的支持。
2.生物技术为信息技术发展开辟了新的道路
（1）生物技术推动超级计算机产业的发展。随着人类基因组计划各项任务的完成，有关核酸、蛋白质的序列和结构数据呈指数增长。面对如此巨大而复杂的数据，只有运用计算机进行数据管理、控制误差、加速分析过程，使得人类最终能够从中受益。然而要完成这些过程，并非一般的计算机力所能及，而需要具有超级计算能力的计算机。因此，生物技术的发展将对信息技术提出更高的需求，从而推动信息产业的发展。比较有说服力的例子是，2002年11月22日出版的《自然》杂志上，以色列科学家宣布研制出一种由DNA分子和酶分子构成的微型“生物计算机”，一万亿个这样的计算机仅一滴水那样大，运算速度达到每秒10亿次，准确率为99.8%。当然像所有的新技术一样，有的科学家表示怀疑。他们认为，这种试管里的计算机存在致命的缺陷，因为生化反应本身存在一定的随机性，这种运算的结果可能不完全精确；而且，参与运算的DNA分子之间不能像传统计算机一样通信，只能“各自为战”，不足以处理一些大型计算。
欧美各国及日本相继成立了生物信息数据中心，美国有国家生物技术信息中心(NCBI)、英国有欧洲生物信息研究所(ebi)、日本有70余家制药、生物及高技术公司组成的“生物产业信息化共同体”等。而戈德曼-萨克斯财团2001年的一份报告显示，美国国际商用机器公司(IBM)、SUN、康伯和摩托罗拉等公司每家已至少与生物技术公司和调研公司达成12项合作意向，共有140多项合作协议，合作内容涉及到各种技术领域，包括基因芯片，用计算机模拟药效等。
（2）生物技术将从根本上突破计算机的物理极限。目前使用的计算机是以硅芯片为基础，由于受到物理空间的限制、面临耗能和散热等问题，将不可避免地遭遇发展极限，要取得大的突破，需要依赖于新材料的革新。2000年美国加利福尼亚大学洛杉矶分校的科学家根据生物大分子在不同状态下可产生有和无信息的特性，研制出分子开关（molecular switches）。2001年世界首台可自动运行的DNA计算机问世，并被评为当年世界十大科技进展。2002年，DNA计算机研究领域的先驱阿德勒曼教授利用简单的DNA计算机，在实验中为一个有24个变量、100万种可能结果的数学难题找到了答案，DNA计算机的研制迈出了重要一步。
信息产业和生物产业无疑都是高科技的产物，在生命科学的研究中，始终不能缺少计算机的工作，如果到基因组测序的研究所去看一看，大量的以超级计算机为基础的测序仪，会使你误以为到了一家信息技术公司。生物产业因计算机的加盟而提速，信息技术产业也因生命科学的需要而得以发展、获利。运用数学、计算机科学和生物学的各种工具，来阐明和理解大量基因组研究获得数据中所包含的生物学意义，生物学和信息学交叉、结合，从而形成了一个新的学科。生物信息学或信息生物学，它的进步所带来的效益是不可估量的。美国已经出现了大批基于生物信息学的公司，希冀在基因工程药物、生物芯片、代谢工程等领域掘出财富，生物信息学工业潜力巨大。可以说，生物科技(生物技术)与信息科技(信息技术)的融合，才是世界经济市场的未来。在深圳举行的第三届中国国际高新技术成果交易会高新技术论坛上，中国工程院副院长侯云德院士指出，应该把生物技术产业定位为仅次于信息产业的重点产业。他说，信息和生物技术是关系到我国新世纪经济发展和国家命运的关键技术，并将成为我国创新产业的经济增长点。

⑺ 生物信息学在医学领域都有哪些具体应用

基因组测序，基因工程和蛋白质工程中数据库的构建与运用等等，反正有关数据的都可以

⑻ 生物信息技术有什么用

信息技术（Information Technology，缩写IT），是主要用于管理和处理信息所采用的各种技术的总称。它主要是应用计算机科学和通信技术来设计、开发、安装和实施信息系统及应用软件。它也常被称为信息和通信技术（Information and Communications Technology, ICT）。主要包括传感技术、计算机技术和通信技术。