author 谢轩 2024.2月version1 2024.10version2
2025.1 此方向似乎对我个人而言没什么用，遂暂弃之
前言：
由于英文水平有限，本次综述采用中文撰写。撰写目的在于完成导论作业，同时帮助自己整理过去一周内的资料和文献阅读，以期全面思考和了解生物信息学。与此同时，也开始研究生物统计学，以便更清楚地了解自己的兴趣方向。
资料来源包括：Wikipedia、arXiv、Google搜索、知乎等。
研究状态说明：
已初步了解生物信息学的历史、现状以及产业发展情况，整理了行业的上下游和研究现状。
结合自身在信息学和化学竞赛中的经验，掌握了C/C++、Python、R语言的基础，并完成了Linux、Docker、Conda环境的搭建。本地已通过Fedora的dnf包管理器配置Docker和Anaconda中的Bioconda部署，形成了六个独立的Conda环境，并上传到Docker，以便随时拉取，避免设备迁移时遇到环境问题。
在阿里云租用了server，环境已完成迁移，并测试了QC、BLASTn等工具。编程方面，目前仍在学习R语言以及Biopython库。
大纲：生物信息学的综述
引言
1.1 生物信息学的定义与背景
生物信息学定义为计算机科学、数学与生物学的交叉学科，主要用于存储、分析和解释生物数据。
在当代生命科学中，生物信息学的重要性体现在处理和分析大规模数据，以及揭示潜在的生物学规律。1.2 生物信息学的发展历史
起源于基因组测序项目（例如人类基因组计划）并发展至现今的多组学分析阶段。
发展里程碑包括算法、数据库的建立以及高通量测序技术的不断进步。1.3 目的与意义
综述生物信息学的核心概念、技术工具以及其在各生物学领域中的应用，探讨未来发展趋势。生物信息学的理论基础
2.1 计算机科学与生物学的结合
2.1.1 数据结构与算法
序列比对算法，如动态规划和BLAST算法等。
数据结构（例如哈希表、后缀树）在大规模生物数据处理中的应用。
2.1.2 机器学习与人工智能
监督学习和无监督学习在生物数据分类与聚类中的应用。
深度学习在蛋白质结构预测与基因调控网络重构中的应用。2.2 数学与统计学在生物信息学中的作用
2.2.1 统计学基础
假设检验和显著性检验在基因表达分析中的应用。
多重检验校正（例如FDR校正）在高通量数据分析中的重要性。
2.2.2 数学建模
微分方程和概率模型在生物网络中的应用。
隐马尔可夫模型（HMM）在基因组注释中的应用。生物信息学的关键技术与工具
3.1 基因组学工具
3.1.1 基因组组装与注释
组装工具，如SPAdes、Canu及其算法基础。
注释工具，如Prokka、MAKER在基因功能预测中的应用。
3.1.2 变异分析与基因组关联研究
SNP和INDEL变异检测工具，例如GATK、SAMtools。
基因组关联研究（GWAS）中的生物信息学方法。3.2 转录组学与表达数据分析
3.2.1 RNA测序数据分析
RNA-seq数据处理流程，从原始读数到差异表达分析。
常用工具，如HISAT2、StringTie、DESeq2及其实现原理。
3.2.2 非编码RNA分析
miRNA、lncRNA、circRNA等非编码RNA的鉴定与功能预测。
RNA二级结构预测工具，如RNAfold。3.3 蛋白质组学与代谢组学
3.3.1 蛋白质结构与功能预测
蛋白质结构预测工具，如AlphaFold、I-TASSER。
蛋白质功能注释工具，如InterPro、Pfam。
3.3.2 代谢组学数据分析
数据处理工具，如MetaboAnalyst。
代谢途径分析与富集分析。3.4 系统生物学与网络生物学
3.4.1 生物网络构建与分析
构建与分析基因调控网络、蛋白质-蛋白质互作（PPI）网络。
常用网络分析工具，如Cytoscape、STRING。
3.4.2 通路分析与系统级建模
整合代谢通路与信号通路的分析工具，如KEGG、Reactome。
系统生物学中的数学建模，例如代谢流分析。生物信息学在各领域的应用
4.1 基因组学应用
4.1.1 人类基因组计划与后基因组时代
人类基因组计划（HGP）中的数据处理及生物信息学的贡献。
个人基因组学与精准医学中的生物信息学应用。
4.1.2 比较基因组学
序列比对与进化分析在比较基因组学中的应用。
研究基因组进化与物种多样性中的生物信息学方法。4.2 农业与环境生物信息学
4.3.1 植物基因组学
作物基因组测序与功能注释中的生物信息学应用。
作物改良与基因编辑中的技术支持。
4.3.2 微生物组学与环境生物信息学
微生物组数据分析工具，如QIIME、Mothur。
生物信息学在生态系统监测与环境修复中的应用。