Bioinformatics
Bioinformatics（生物信息学）是一门结合了生物学 (Biology)、计算机科学 (Computer Science)、数学与统计学 (Statistics) 的交叉学科。其核心任务是开发算法和软件工具，以存储、检索、组织和分析海量的生物数据（如 DNA 序列、蛋白质结构）。随着 NGS (二代测序) 技术的普及，生物数据呈指数级增长，生物信息学已成为现代生命科学的“操作系统”。它不仅用于基因组组装和注释，还通过 Machine Learning (机器学习) 技术（如 AlphaFold）在蛋白质结构预测、药物辅助设计以及 Precision Medicine (精准医疗) 中发挥着决定性作用。
核心流程：从数据到知识
生物信息学的工作流通常遵循“In Silico” (计算机模拟) 的路径，将湿实验产生的数据转化为生物学见解：
1. 序列比对 (Sequence Alignment)
这是生物信息学最基础的操作。通过 BLAST 等算法，将未知的 DNA 或蛋白质序列与数据库中的已知序列进行比对，从而推断其功能、同源性及进化关系。
2. 组装与注释 (Assembly & Annotation)
组装： 测序仪产生的只是数百万个短片段 (Reads)，算法（如 de Bruijn Graph）负责将其拼装成完整的基因组。
注释： 标记出基因组中哪些片段是基因、哪些是调控元件。
对比：湿实验 vs. 干实验
| 维度 | Wet Lab (湿实验) | Dry Lab (干实验 / 生信) |
|---|---|---|
| 核心工具 | 移液枪、离心机、培养皿 | 服务器、Linux 终端、Python/R |
| 处理对象 | 生物样本 (血液、组织、细菌) | 数字化数据 (FASTQ, BAM, PDB) |
| 成本构成 | 试剂耗材 (昂贵且消耗性) | 计算算力、存储、人力 |
| 典型产出 | 原始测序数据、显微图像 | 变异列表 (VCF)、进化树、3D结构 |
前沿突破：结构生物信息学
长期以来，预测蛋白质的 3D 结构是生物学的“圣杯”。
AlphaFold 的出现彻底改变了这一领域。它利用深度学习算法，仅根据氨基酸序列就能以原子级精度预测蛋白质结构，解决了困扰科学界 50 年的“蛋白质折叠问题”。这极大加速了新药研发和对致病机理的理解。
学术参考文献 [Academic Review]
[1] Altschul SF, et al. (1990). Basic local alignment search tool. Journal of Molecular Biology.
[点评]：BLAST 算法的奠基之作，是生物信息学史上引用率最高的论文之一，确立了序列比对的标准。
[2] Jumper J, et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature.
[点评]：DeepMind 团队关于 AlphaFold 的重磅论文，标志着 AI 在生物学领域的历史性突破。
[3] Lander ES. (2011). Initial impact of the sequencing of the human genome. Nature.
[点评]：回顾了人类基因组计划后十年间，生物信息学如何推动了基因组学从测序走向功能解析。