Βιοπληροφορική: Διαφορά μεταξύ των αναθεωρήσεων

Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
Τι σχέση έχουν οι σχολές που διδάσκεται βιοπληροφορική με το λήμμα. Υποθέτω υπάρχουν εκατοντάδες πανεπιστήμια σε όλο τον κόσμο...
Ξεκίνησα μια μετάφραση της αγγλικής σελίδας
Γραμμή 1:
Η '''Βιοπληροφορική''' (''bioinformatics'') είναι ένα διεπιστημονικό πεδίο που αναπτύσει μεθόδους και εργαλεία λογισμικού για τη κατανόηση βιολογικών δεδομένων. Ως ένα διεπιστημονικό πεδίο της επιστήμης, η βιοπληροφορική συνδυάζει την υπολογιστική επιστήμη, τη στατιστική, τα μαθηματικά και τη μηχανική για να αναλύσει και να ερμηνεύσει βιολογικά δεδομένα. Η βιοπληροφορική έχει χρησιμοποιηθεί για in silico (υπολογιστικές) αναλύσεις βιολογικών ερωτημάτων χρησιμοποιώντας μαθηματικές και στατιστικές τεχνικές.
Η '''Βιοπληροφορική''' (''bioinformatics'') είναι επιστημονικός κλάδος ο οποίος προέκυψε από τη συνεργασία των επιστημών της [[μοριακή βιολογία|μοριακής βιολογίας]] και της [[Πληροφορική|πληροφορικής]]. Θεωρώντας τα βιολογικά δεδομένα ([[DNA]], [[RNA]], [[πρωτεΐνη|πρωτεΐνες]]) ως ψηφιακή πληροφορία, εφαρμόζει [[αλγόριθμος|αλγορίθμους]] για την επεξεργασία τους και την παραγωγή χρήσιμων συμπερασμάτων με αποδοτικό τρόπο. Συνήθως χρησιμοποιούνται μέθοδοι κλάδων της [[τεχνητή νοημοσύνη|τεχνητής νοημοσύνης]], όπως η [[εξόρυξη δεδομένων]] (π.χ. [[νευρωνικό δίκτυο|νευρωνικά δίκτυα]], [[μπεϋζιανή επαγωγή|μπεϋζιανά δίκτυα]] κλπ) και ο [[εξελικτικός υπολογισμός]] (π.χ. [[γενετικοί αλγόριθμοι]]).
 
Ο όρος βιοπληροφορική περικλείει το μέρος των βιολογικών ερευνών όπου ο προγραμματισμός είναι μέρος της μεθοδολογίας, αλλά και είναι αναφορά σε ειδικές διοχετεύσεις (pipelines) ανάλυσης που χρησιμοποιούνται συχνά, ειδικά στο πεδίο τη γενωμικής. Συχνές χρήσεις της βιοπληροφορικής περιλαμβάνουν την αναγνώριση υποψήφιων γονιδίων και μονονουκλεοτιδικών πολυμορφισμών (SNPs). Συχνά αυτή η αναγνώριση γίνεται με σκοπό τη κατανόηση της γενετικής βάσης μιας ασθένειας, μοναδικών προσαρμογών, επιθυμητών ιδιοτήτων (ειδικά στα γεωργικά είδη) ή τις διαφορές μεταξύ πληθυσμών.
 
Η '''Βιοπληροφορική''' (''bioinformatics'') είναι επιστημονικός κλάδος ο οποίος προέκυψε από τη συνεργασία των επιστημών της [[μοριακή βιολογία|μοριακής βιολογίας]] και της [[Πληροφορική|πληροφορικής]]. Θεωρώντας τα βιολογικά δεδομένα ([[DNA]], [[RNA]], [[πρωτεΐνη|πρωτεΐνες]]) ως ψηφιακή πληροφορία, εφαρμόζει [[αλγόριθμος|αλγορίθμους]] για την επεξεργασία τους και την παραγωγή χρήσιμων συμπερασμάτων με αποδοτικό τρόπο. Συνήθως χρησιμοποιούνται μέθοδοι κλάδων της [[τεχνητή νοημοσύνη|τεχνητής νοημοσύνης]], όπως η [[εξόρυξη δεδομένων]] (π.χ. [[νευρωνικό δίκτυο|νευρωνικά δίκτυα]], [[μπεϋζιανή επαγωγή|μπεϋζιανά δίκτυα]] κλπ) και ο [[εξελικτικός υπολογισμός]] (π.χ. [[γενετικοί αλγόριθμοι]]).
 
== Εισαγωγή ==
Η βιοπληροφορική έχει γίνει ένα σημαντικό τμήμα πολλών πεδίων της βιολογίας. Στη πειραματική μοριακά βιολογία, βιοπληροφορικές τεχνικές όπως είναι η ανάλυση εικόνας και σήματος, επιτρέπουν την εξόρυξη χρήσιμων αποτελεσμάτων από τεράστιο αριθμό ακατέργαστων δεδομένων. Στο πεδίο της γενετικής και της γενωμική, βοηθάει στην αλληλούχιση και το σχολιασμό γονιδιωμάτων και των παρατηρηθεισών μεταλλαγών τους. Παίζει σημαντικό ρόλο στην εξόρυξη κειμένου (text mining) από τη βιολογική βιβλιογραφία και στην ανάπτυξη βιολογικών και γονιδιακών οντολογιών για να οργανωθούν και διερωτηθούν τα βιολογικά δεδομένα. Έχει ρόλο και στην ανάλυση της γονιδιακή και πρωτεϊνικής έκφρασης και ρύθμισης. Βιοπληροφορικά εργαλεία βοηθούν στη σύγκριση γενετικών και γονιδιωματικών δεδομένων και πιο γενικά στη κατανόηση των εξελικτικών πτυχών της μοριακής βιολογίας. Σε ένα άλλο επίπεδο ενσωμάτωσης, βοηθάει στην ανάλυση και τη καταγραφή των βιολογικών μονοπατιών και δικτύων που αποτελούν σημαντικό μέρος της βιολογίας συστημάτων. Στη δομική βιολογία, βοηθάει στη προσομοίωση και μοντελοποίηση του DNA<ref name=":0">{{Cite journal|url=http://www.sciencedirect.com/science/article/pii/S0959440X12000632|title=Modeling nucleic acids|last=Sim|first=Adelene YL|last2=Minary|first2=Peter|date=2012-06-01|journal=Current Opinion in Structural Biology|issue=3|doi=10.1016/j.sbi.2012.03.012|series=Nucleic acids/Sequences and topology|volume=22|pages=273–278|pmc=PMC4028509|pmid=22538125|last3=Levitt|first3=Michael}}</ref>, RNA<ref name=":0" /><ref>{{Cite journal|url=http://www.sciencedirect.com/science/article/pii/S1046202316301050|title=Coarse-grained modeling of RNA 3D structure|last=Dawson|first=Wayne K.|last2=Maciejczyk|first2=Maciej|date=2016-07-01|journal=Methods|doi=10.1016/j.ymeth.2016.04.026|series=Advances in RNA Structure Determination|volume=103|pages=138–156|last3=Jankowska|first3=Elzbieta J.|last4=Bujnicki|first4=Janusz M.}}</ref>, πρωτεϊνών<ref>{{Cite journal|url=http://dx.doi.org/10.1021/acs.chemrev.6b00163|title=Coarse-Grained Protein Models and Their Applications|last=Kmiecik|first=Sebastian|last2=Gront|first2=Dominik|date=2016-07-27|journal=Chemical Reviews|issue=14|doi=10.1021/acs.chemrev.6b00163|volume=116|pages=7898–7936|issn=0009-2665|last3=Kolinski|first3=Michal|last4=Wieteska|first4=Lukasz|last5=Dawid|first5=Aleksandra Elzbieta|last6=Kolinski|first6=Andrzej}}</ref> καθώς και βιομοριακών αλληλεπιδράσεων.<ref>{{Cite book|url=https://www.worldcat.org/oclc/948286124|title=Computational biology and bioinformatics : gene regulation|last=Ka-Chun,|first=Wong,|isbn=9781498724975|location=Boca Raton, FL|id=948286124}}</ref><ref>{{Cite journal|url=https://academic.oup.com/bfg/article/14/1/39/197895/Structure-based-modeling-of-protein-DNA|title=Structure-based modeling of protein: DNA specificity|last=Joyce|first=Adam P.|last2=Zhang|first2=Chi|date=2015-01-01|journal=Briefings in Functional Genomics|issue=1|doi=10.1093/bfgp/elu044|volume=14|pages=39–49|issn=2041-2649|pmc=PMC4366589|pmid=25414269|last3=Bradley|first3=Philip|last4=Havranek|first4=James J.}}</ref><ref>{{Cite journal|url=http://www.sciencedirect.com/science/article/pii/S1876162314000091|title=New Strategies for Integrative Dynamic Modeling of Macromolecular Assembly|last=Spiga|first=Enrico|last2=Degiacomi|first2=Matteo Thomas|date=2014-01-01|journal=Advances in Protein Chemistry and Structural Biology|doi=10.1016/bs.apcsb.2014.06.008|series=Biomolecular Modelling and Simulations|volume=96|pages=77–111|last3=Dal Peraro|first3=Matteo}}</ref>
 
=== Ακολουθίες ===
Οι υπολογιστές έγιναν απαραίτητοι στη μοριακή βιολογία όταν πρωτεϊνικές ακολουθίες έγινε διαθέσιμε, αφότου ο Frederick Sanger προσδιόρισε την ακολουθία της ινσουλίνης στις αρχές της δεκαετίας του 1950. Η σύγκριση πολλαπλών ακολουθιών με το χέρι αποδείχθηκε μη πρακτική. Πρωτοπόρος στο πεδίο ήταν η Margaret Oakley Dayhoff, την οποία αποκάλεσε "μητέρα και πατέρα της βιοπληροφορικής", ο David Lipman, διευθυντής του National Center for Biotechnology Information (NCBI).<ref>{{Cite book|url=https://www.worldcat.org/oclc/53284897|title=Digital code of life : how bioinformatics is revolutionizing science, medicine, and business|last=Glyn.|first=Moody,|date=2004|publisher=Wiley|isbn=9780471327882|location=Hoboken, N.J.|id=53284897}}</ref> Η Dayhoff συγκρότησε τη πρώτη βάση δεδομένων με πρωτεϊνικές ακολουθίες, την οποία αρχικά δημοσίευσε ως βιβλίο<ref>{{Cite book|title=Atlas of protein sequence and structure|last=Dayhoff|first=Margaret Oakley|publisher=National Biomedical Research Foundation|year=1966|isbn=|location=|page=215}}</ref>, και πρωτοπόρησε σε μεθόδους στοίχισης ακολουθιών και μοριακής εξέλιξης.<ref>{{Cite journal|url=http://science.sciencemag.org/content/152/3720/363|title=Evolution of the Structure of Ferredoxin Based on Living Relics of Primitive Amino Acid Sequences|last=Eck|first=Richard V.|last2=Dayhoff|first2=Margaret O.|date=1966-04-15|journal=Science|issue=3720|doi=10.1126/science.152.3720.363|volume=152|pages=363–366|language=en|issn=0036-8075|pmid=17775169}}</ref>
 
==Τα σύμβολα==
Τα βιολογικά μακρομόρια, όπως το DNA, το RNA και οι πρωτεΐνες, μπορούν να θεωρηθούν ως ακολουθίες συμβόλων, δηλαδή [[συμβολοσειρά|συμβολοσειρές]]. Για παράδειγμα το DNA μπορεί να θεωρηθεί ως μια ακολουθία χιλιάδων [[νουκλεοτίδιο|νουκλεοτιδίων]] ή βάσεων. Υπάρχουν τέσσερα είδη βάσεων και αντίστοιχα τέσσερα είδη [[νουκλεοτίδιο|νουκλεοτιδίων]]: η [[αδενίνη]], η [[θυμίνη]], η [[γουανίνη]] και η [[κυτοσίνη]]. Αντιστοιχίζοντας σε καθεμία απ' αυτές ένα σύμβολο, π.χ. «A» για την [[αδενίνη]], «T» για τη [[θυμίνη]], «G» για τη [[γουανίνη]] και «C» για την [[κυτοσίνη]], μπορούμε να κατασκευάσουμε τέτοιες [[συμβολοσειρά|συμβολοσειρές]] (π.χ. «...AAGATCGGTAC...»). Κατά παρόμοιο τρόπο, οι πρωτεΐνες μπορούν να περιγραφούν ως ακολουθίες [[αμινοξύ|αμινοξέων]]. Αυτού του είδους η αναπαράσταση είναι ιδιαίτερα πρόσφορη για επεξεργασία σε [[ηλεκτρονικός υπολογιστής|ηλεκτρονικό υπολογιστή]] που μπορεί να μας δώσει χρήσιμα αποτελέσματα.
 
== Βιοπληροφορικές σπουδές στην Ελλάδα ==
== Πηγές ==
 
* [http://bioinformatics.biol.uoa.gr/msc/ Εθνικό και Καποδιστριακό Πανεπιστήμιο, Τμήμα Βιολογίας, Βιοπληροφορική]