计算机与生物研究的应用论文

1,序列比对(Sequence Alignment) 序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性.从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列.在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等.两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效.因此,启发式方法的引入势在必然,著名的BALST和FASTA算法及相应的改进方法均是从此前提出发的. 2, 蛋白质结构比对和预测 基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性.蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似.蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等.氨基酸的序列内在的决定了蛋白质的3维结构.一般认为,蛋白质有四级不同的结构.研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成.直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息.蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释.从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构.同源建模(homology modeling)和指认(Threading)方法属于这一范畴.同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构.然而,蛋白结构预测研究现状还远远不能满足实际需要. 3, 基因识别,非编码区分析研究. 基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置.非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制.显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中.分析非编码区DNA序列目前没有一般性的指导方法.在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等. 4, 分子进化和比较基因组学 分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树.既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性.通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的.早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据.近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化.在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因.这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现. 5, 序列重叠群(Contigs)装配 根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短枪(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs).逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配.从算法层次来看,序列的重叠群是一个NP-完全问题. 6, 遗传密码的起源 通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今.不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码.随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材. 7, 基于结构的药物设计 人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗.基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域.为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物.这一领域目的是发现新的基因药物,有着巨大的经济效益. 8.生物系统的建模和仿真 随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。 9.生物信息学技术方法的研究 生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。 10, 生物图像 没有血缘关系的人，为什么长得那么像呢？ 外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？ 有什么生物学基础？基因是不是相似？我不知道，希望专家解答。 11, 其他 如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法.从现在的发展不难看出,基因工程已经进入了后基因组时代.我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识.

计算机技术的应用及发展探究论文

摘要： 随着现代社会全球化、信息化发展的速度加快，计算机技术获得了更广阔的发展空间，被越来越多的应用在生活生产中的方方面面，计算机技术应用的普及为人们的生活行为方式带来了极大的便利。本文针对现阶段我国计算机技术的发展情况对未来趋势进行探讨。

关键词： 计算机技术；智能；应用

引言

计算机技术是计算机领域中所运用的技术方法和技术手段，计算机技术具有明显的综合特性，它与电子工程、机械工程、现代通信技术等紧密结合，因此发展很快。现在计算机技术已成为我国综合竞争力中重要的一部分，为我国的科学发展提供了充足动力。在此基础上本文对我国计算机技术的应用进行研究，希望能促进计算机技术的快速发展和在各个领域更广泛的应用。

1 计算机科学技术的发展进程

计算机的发展过程主要包括四个阶段，1946年美国制造出了世界上的第一台电子计算机，其中应用了18800个真空管，它的出现在一定程度上改变了人类的思维和生活方式，为计算机技术的进一步发展打下了坚实的基础。所以，第一代计算机不仅体积庞大，而且耗电量巨大。1954年由美国科学家崔迪克研制出来的第二代晶体管计算机尺寸小、重量轻、效率高、功耗低，很好的弥补了第一代计算机的缺点。70年代中小规模集成电路将第三代计算机体积进一步减小，可靠性及速度进一步提高。信息产业作为技术与知识密集型产业，为了适应现代化社会建设的需要，第四代计算机便应运而生。第四代计算机的出现促进了计算机的大量生产， 计算机被广泛的应用到公司企业和人们日常生活中[1]。

2 计算机科学技术的发展现状

普及性和发展性

计算机技术正逐渐成为社会发展的重要生产力，计算机技术已经融入了人类生活中的方方面面，如视频聊天、移动支付、网络约车等，充分体现出科学技术的迅速发展。计算机技术面向的用户群体从之前的军事和科研等转变为一个个的普通家庭。毋庸置疑，计算机技术将会成为人类生活学习的重要组成部分，对社会的发展产生巨大影响。

专业化和智能化

计算机技术正朝着专业化和智能化两个方向发展。随着科学技术的进步，计算机技术在越来越多的细分领域开花结果，逐渐变得专业化，比如神经网络、人工智能、面部识别、智能家居等领域[3]。与此同时，由于网络信息技术的发展，计算机的使用更加倾向于交流互动性，网络分布式系统逐渐替代了单机模式，大大提高了计算机技术的综合性。

微型化和人性化

随着计算机技术的逐渐普及，计算机技术在许多领域都取得了突破性的进展。计算机的更新速度变快了，人们对于计算机的便携性和计算机技术的先进性也提出了更高的要求，电脑越做越小，手机越做越薄，计算机技术还可以将更多的实用功能集成到手表之内。计算机技术可根据不同人群的需求，加以创新和改进，更多的体现出计算机技术的人性化和个性化。在计算机技术的'核心功能中增加人性化功能，需要设置更多独立且相互联系的组件，这不仅是计算机微型化和人性化的难度所在，也对微型传感器等计算机相关设备提出了新的要求。

3 计算机科学技术的发展展望

光计算机

与传统硅芯片计算机不同，光计算机用光信号代替电子进行信息处理和存储的新型计算机， 其在进行数据存储时主要利用的是光子和光运算，运算部分可直接对存储部分进行并行存取，运算速度极高、耗电极低[4]。光子计算机还具有很多优势，比如，不会受到电磁场的影响，信息传输中畸变和失真小，超大规模的信息存储容量及低能量消耗、低发热量等。光计算机在未来将广泛的应用于特殊领域，比如预测天气、监测气候等一些复杂而多变的过程等[5]。

化学、生物计算机

在运行机理上，化学计算机以化学制品中的微观碳分子作信息载体，来实现信息的传输与存储。生物计算机，也被称之为仿生计算机，主要原材料是生物工程技术产生的蛋白质分子，并以此作为生物芯片来替代半导体硅片，利用有机化合物存储数据。生物计算机的基本原理是用生化反应来模拟计算机操作，生物计算机的优点在于其所依托的生物体本身的多样性和复杂多变的生理现象[6]。生物计算机的运算速度要比当今最新一代计算机快10万倍，它具有很强的抗电磁干扰能力，并且能彻底消除电路之间的干扰。能量消耗仅相当于普通计算机的十亿分之一，且具有巨大的存储能力。这为生物计算机带来了很多优势，不仅表现在体积小功率高，而且存储和芯片也具有一定的可靠性[7]。

量子计算机

量子计算机的概念来源于对可逆计算机的研究，在可逆计算的模型中使用的能量很低。量子信息科学的核心目标是实现真正意义上的量子计算机和实现绝对安全的、可实用化的长程量子通信。量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置[8]。量子计算机与现有的电子计算机和正在研究的生物计算机、光计算机等的根本区别在于，其信息单元不是比特（bit），而是量子比特（qubit），即两个状态是0和1的相应量子态叠加，因此，单个量子CPU具有非常强大的数据平行处理能力，而且其运算能力随着量子处理器的增加呈现出指数倍的增强，所以量子计算机在数据处理的运算时间大幅度减小[9]。目前，很多专家学者也在不断的研究量子计算机，研究量子计算机的目的不是要用它取代现有的计算机，而是去解决一些经典计算机无法解决的问题。

神经网络计算机

人脑总体运行速度相当于每妙1000万亿次的电脑功能，可把生物大脑神经网络看做一个大规模并行处理的、紧密耦合的、能自行重组的计算网络。从大脑工作的模型中抽取计算机设计模型，用许多处理机模仿人脑的神经元机构，将信息存储在神经元之间的联络中，并采用大量的并行分布式网络就构成了神经网络计算机[10]。神经网络计算机的信息不是存在存储器中，而是存储在神经元之间的联络网中。若有节点断裂，电脑仍有重建资料的能力，它还具有联想记忆、视觉和声音识别能力。

4 结束语

总而言之，计算机技术在社会中有着广泛的应用范围，也在社会中发挥了高效的社会功能。现阶段，我国的计算机应用水平与国际应用水平还存在着一定的差距，相信随着我国科研人员对计算机技术的不断研究，计算机技术必将得到更加高速的发展。

参考文献：

[1] 全林. 科技史简论[M]. 科学出版社， 2002.

[2] 李博洋. 关于“人机关系”的哲学思考[J]. 江淮论坛， 2008， 231（5）： 127-131.

[3] 程中兴. 计算机技术对人类生物进化的影响及其机制[J]. 东华大学学报（社会科学版）， 2004， 4（4）：75-80.

[4] 文德春. 计算机技术发展趋势[J]. 科学论坛（下半月）， 2007， （5）： 78.

[5] 金翊. 走近光学计算机[J]. 上海大学学报（自然科学版）， 2011， 17（4）： 401-411.

[6] 沈俊杰. “细菌-噬菌体”联合生物计算机的研究[D]. 浙江大学， 2005.

[7] 许进. 生物计算机时代即将来临[J]. 中国科学院院刊， 2014， （1）： 42-54.

[8] 吴楠， 宋方敏. 量子计算与量子计算机[J]. 计算机科学与探索， 2007， 1（1）： 5-20.

[9] 郭光灿， 周正威， 郭国平， 等. 量子计算机的发展现状与趋势[J]. 中国科学院院刊， 2010， 25（5）： 516-524.

[10] 靳蕃. 神经计算智能基础： 原理·方法[M]. 西南交通大学出版社， 2000.

谁一个、、论文不才交么……生物信息在生物学研究中的作用。生物信息是指生物体中包含的全部信息，如基因组信息、蛋白质、核酸、糖类等生物大分子的结构等。生物信息对生物体的生存、繁殖都起着重要作用。生物信息包含的范围很广，除遗传物质、神经电冲动和激素之外，生物体发出的声音、气味、颜色以及生物的行为本身都含有信息，都对生物的个体和群体产生影响，和生物的生存与进化密不可分。生物信息的特点是消耗极少的能量和物质即可产生极大的生物效应。生物信息一般可分为遗传信息、神经和感觉信息及化学信息。虽然遗传信息和神经感觉信息的载体都属于化学物质，但通常所指的化学信息是除以上两类物质以外的化学物质所携带和传递的信息。高等生物的激素及昆虫外激素都属于这一类。遗传信息是指生物为复制与自己相同的东西、由亲代传递给子代、或各细胞每次分裂时由细胞传递给细胞的信息, 即碱基对的排列顺序(或指DNA分子的脱氧核苷酸的排列顺序） 。遗传信息以密码形式存储在DNA分子上，通过DNA的复制传递给子代。在后代生长发育过程中，遗传信息自DNA转录给RNA，后翻译成特异的蛋白质，以执行各种生命功能。从历史上看，首先是由（1866）的研究形成了概念，即相应于生物各种性状的因素（现在称为基因）中包含着相应的信息（以后等人（1941）所开创了遗传生物化学的研究，描绘出这样一个轮廓：基因和决定生物结构与功能的蛋白质之间具有一对一的对应关系。 关于基因的化学本质方面，根据等（1944）进行的转化实验，以及和（1952）用大肠杆菌噬菌体的DNA进行的性状表达实验，已阐明DNA是遗传信息的载体。附着DNA结构研究的进展，现在已经确立了这样的概念，即基因所具有的信息可将DNA的碱基排列进行符号化。信息在表达时，DNA的碱基排列首先被转录成RNA的碱基排列，然后再根据这种排列合成蛋白质。有的病毒的遗传信息的载体不是DNA，而是RNA。遗传信息不仅有相应于蛋白质的基因信息，也包括对信息解读所必需的信息、控制信息表达所必需的信息，以及生物为了复制与自己相同结构所必需的一切信息。神经和感觉信息靠电脉冲和神经递质携带和传递。神经系统接受内外环境中的信息，进行加工处理，调节和控制机体各部分功能。生物靠神经系统电脉冲和神经递质携带和传递。神经系统的功能是接收、传递内外环境中的信息，加以处理、分析,从而控制和调节机体各部功能,对环境作出适当的反应。因此，神经信息对于有机体的生存以及正常生活起着至关重要的作用。化学信息是除上述两类物质外由化学介质传递的信息。生物体的各种功能能够有条不紊地进行，对环境能及时做出反应，是由于生物体内存在着通过各种各样的化学信息分子进行传递的信息系统。生物信息在生物研究中有重要作用，然而，原始的生物信息资源挖掘出来后，生命科学工作者面临着严峻的挑战：数以亿计的ACGT序列中包涵着什么信息？基因组中的这些信息怎样控制有机体的发育？基因组本身又是怎样进化的？生物信息学产业的高级阶段体现于此，人类从此进入了以生物信息学为中心的后基因组时代。结合生物信息学的新药创新工程即是这一阶段的典型应用。因此，生物信息学便是生物信息在生物研究中重要应用。 生物信息学是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。生物信息学研究对象是生物信息。其研究重点主要体现在基因组学和蛋白学两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。 具体而言，生物信息学作为一门新的学科领域，它是把基因组DNA序列信息分析作为源头，在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计。基因组信息学,蛋白质空间结构模拟以及药物设计构成了生物信息学的3个重要组成部分。从生物信息学研究的具体内容上看，生物信息学应包括这3个主要部分：(1)新算法和统计学方法研究；(2)各类数据的分析和解释；(3)研制有效利用和管理数据新工具。 生物信息学作为基因组研究的有力武器，被广泛地用来加快新基因的寻找过程，以达到将“有用”新基因抢先注册专利的目的。在这场世界范围内的竞争中，中国科学家以及科研资金投向的决策部门如何结合我国科研水平的现状、优势领域等客观情况将有限的投资投入以求获得最大可能的科学研究以及商业回报，是一个无法回避的新课题。 生物信息学的主要研究方向： 基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，随着包括人类基因组计划在内的生物基因组测序工程的里程碑式的进展，由此产生的包括生物体生老病死的生物数据以前所未有的速度递增，目前已达到每14个月翻一番的速度。同时随着互联网的普及，数以百计的生物学数据库如雨后春笋般迅速出现和成长。然而这些仅仅是原始生物信息的获取，是生物信息学产业发展的初组阶段，这一阶段的生物信息学企业大都以出售生物数据库为生。以人类基因组测序而闻名的塞莱拉公司即是这一阶段的成功代表。 综上所述,对生物信息的研究对生物学的蓬勃发展具有重要作用。