生物信息学的目标

有效的发展算法测量序列相似性是生物信息学的一个重要目标。的Needleman-Wunsch算法,基于动态编程,保证找到最优排列的双序列。这算法本质上是一个大问题(完整的序列)分为一系列的小问题(短序列片段)和使用的小问题的解决方案来构造一个解决大问题。相似的序列在一个矩阵,算法允许检测序列比对的差距。

尽管Needleman-Wunsch算法是有效的,但它太缓慢了,探测序列数据库。因此,都花费了大量的精力寻找快速的信息检索算法,可以处理大量的数据档案。就是一个例子程序爆炸(基本局部比对搜索工具)。爆炸的发展,被称为position-specific迭代(PSI)爆炸,利用相关序列的保护模式,结合了爆炸的高速度和高灵敏度找到相关的序列。

生物信息学的另一个目标扩展实验数据的预测。一个基本的目标计算生物学的预测蛋白质结构的氨基酸序列。自发折叠的蛋白质显示,这应该是可能的。进步发展的方法来预测蛋白质折叠是衡量双年展至关重要评估结构预测(CASP)的项目,这些项目涉及盲目测试结构预测方法。

生物信息学还用于预测蛋白质之间的相互作用,给出的各个结构的合作伙伴。这是被称为“对接的问题。“蛋白质复合物显示良好的互补性在表面形状和极性和稳定主要由弱相互作用,如葬礼的疏水表面,氢键,范德瓦尔斯力。计算机程序模拟这些交互预测最优空间绑定合作伙伴之间的关系。一个特别的挑战,一个重要的治疗应用,设计一个抗体结合高亲和力目标蛋白质。

最初,生物信息学的研究有一个相对狭窄的集中,专注于设计算法分析特定类型的数据,如基因序列或蛋白质结构。然而,现在的目标生物信息学综合,针对如何组合不同类型的数据可以用来理解自然现象,包括生物和疾病。