计算生物学。一门跨学科的综合科学

0

多年来,由于收集标本和样本并对其进行编目,生物学总体上被认为是一门类似于图书馆科学的学科。(我为我的高中项目制作了一个标本馆。)然而,自20世纪70年代以来,分子生物学和生物研究相关领域的进步,使生物学变得多样化。它不再是一门图书馆科学。此外,跨学科研究的需求也变得更加突出。这一点在计算生物学和生物信息学中尤为明显,来自不同专业背景的科学家们都在为一个共同的问题而努力。在目前的情况下,随着更新的技术和工艺的出现,跨学科和综合科学研究技能的需求很大。

计算生物学和生物信息学是其中一个领域,具有不同背景专长的科学家在该领域取得了令人瞩目的成果。.下面这段话雄辩地概括了跨学科和综合研究的好处。

我们遇到的最吸引人的问题之一是,生物学家和计算机科学家通常具有明显不同的思维方式。.生物学家收集知识,经常把他或她的工作描述得像讲故事一样,努力得出结论和构建模型,并理解在我们的生物世界里,例外和规则一样普遍。与以逻辑和过程为导向的计算机科学家相比,规则和优化是他们的目标,你就有可能出现误传。这两组人在面对同样的问题时,会提出不同的问题,发现不同的细节,使用不同的隐喻来描述问题,并带着不同的假设进入这个环境。

从哪里开始呢?

在计算生物学中。 并非为解决生物问题而设计或发明的算法已经成功实施,开发的工具极大地推动了该领域的发展 [3].例如,旨在寻找最短路径的动态编程被成功地应用于序列的对齐(包括全局和局部对齐)。同样的延伸是BLAST,它是生物学家识别给定序列的同源物的流行和基本工具。因此,对算法的了解和用算法的变体来更新自己,对计算生物学家来说是至关重要的。

technology-298256_1920

随着更新的技术和工艺的出现,跨学科和综合性的科学研究技能需求量很大。

如果你是一个生物学家,有时间测试常规的实验室工作,会让你问 "我真的没有时间做这个!"。而且,你是对的。但是,这样想的话,计算生物学和生物信息学领域是由物理学家、生物学家、化学家、统计学家等先驱者开发和培育的。走出舒适区,在咖啡或饮料中倾听来自其他领域的研究人员的意见,是一种跳出框框思考问题的绝佳方式。在这方面,会议是一个雷区。与其听某人谈论他们的研究(假设该研究与您的重点领域严重重叠,而且您很可能在不同场合听过他们的演讲),而这些演讲最终会在几个月后被我读到;不如搜索那些与您的研究关系不大的会谈。这样的机会为您提供了集思广益的想法,以便将其他领域的技术落实到您自己的研究中,更具体地说就是计算生物学和生物信息学。

如果你不喜欢与人见面,那么关注微博、研究博客和加入讨论区是最好的选择。

一个人不需要成为所有方面的专家。相反,我们的目标是要了解那些为另一个目的而准备的工具、资源和方法,但我们要根据自己的需要对其进行修改。例如,遗传算法(GA)的灵感来自生物学中观察到的重组事件。因此,基于GA的技术是最优化的,而且相当流行。同样值得注意的是,基于GA的分子对接方法在计算生物学和生物信息学中同样流行,特别是在药物设计方面。

在生物学中使用统计学、数学、计算机科学和信号处理的潜力是巨大的。发展综合研究的关键是沟通。与其他部门的同事沟通是关键。此外,了解该领域的发展方向的诀窍也有帮助。一些在计算生物学中产生突破性成果的跨学科研究将在随后的文章中讨论。

综合性科学的时代已经到来!


Kolabtree帮助全球企业按需雇佣专家。我们的自由职业者已经帮助企业发表研究论文,开发产品,分析数据,以及更多。只需一分钟就可以告诉我们你需要做什么,并免费获得专家的报价。


分享。

关于作者

Ragothaman Yennamalli博士于2008年在新德里贾瓦哈拉尔-尼赫鲁大学完成了计算生物学和生物信息学的博士学位。他在爱荷华州立大学(2009-2011)、威斯康星大学麦迪逊分校(2011-2012)和莱斯大学(2012-2014)进行博士后研究。 目前他是印度喜马偕尔邦Waknaghat的Jaypee信息技术大学的助理教授。

发表回复

值得信赖的自由职业者专家,随时为您的项目提供帮助


世界上最大的科学家自由职业平台  

不,谢谢,我现在不打算雇用。