引用

Zvelebil, M. J., & Baum, J. O. (2007). Understanding Bioinformatics. Garland Science.

为什么重要

现代生物学产生的序列和结构数据，已经无法靠逐条阅读来解释。生物信息学提供把数据转化为生物学问题和可检验假设所需要的概念与计算习惯。

算法只有在回答明确的生物学问题时才有用。本书把序列比较、基因识别、结构和网络与实验意义连接起来。

序列比对和数据库搜索利用相似性推断同源性、功能或进化历史。但这些推断依赖评分选择和精心挑选的参考数据。

概率模型可以表示有噪声的观察和不完整知识。软件输出一个数字并不意味着它就是事实，假设与验证同样重要。

数据格式、参数、注释和脚本都会影响计算结果。因此，良好的生物信息学还需要文档、版本控制和对数据库的批判性评估。

对每种方法写出输入、转换、输出，以及它支持的生物学主张。比较一种发现模式的方法与一种检验机制假设的方法。

《理解生物信息学》帮助生物学学生成为谨慎的计算工具使用者。它的持久启示是，生物学解释与算法思维必须共同发展。