引用

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

為什麼重要

現代生物學產生的序列和結構資料，已經無法靠逐條閱讀來解釋。生物資訊學提供把資料轉化為生物學問題和可檢驗假設所需要的概念與計算習慣。

演算法只有在回答明確的生物學問題時才有用。本書把序列比較、基因辨識、結構和網絡與實驗意義連接起來。

序列比對和資料庫搜尋利用相似性推斷同源性、功能或演化歷史。但這些推斷依賴評分選擇和精心挑選的參考資料。

機率模型可以表示有雜訊的觀察和不完整知識。軟體輸出一個數字並不意味著它就是事實，假設與驗證同樣重要。

資料格式、參數、註釋和腳本都會影響計算結果。因此，良好的生物資訊學還需要文件、版本控制和對資料庫的批判性評估。

對每種方法寫出輸入、轉換、輸出，以及它支持的生物學主張。比較一種發現模式的方法與一種檢驗機制假設的方法。

《理解生物資訊學》幫助生物學學生成為謹慎的計算工具使用者。它的持久啟示是，生物學解釋與演算法思維必須共同發展。