生物信息学和邁可·列維特

快捷方式: 差异，相似，杰卡德相似系数，参考。

生物信息学和邁可·列維特之间的区别

生物信息学 vs. 邁可·列維特

生物信息學（bioinformatics）利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。目前主要的研究方向有：序列比对、序列組裝、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及建立进化模型。 生物学技术往往生成大量的嘈杂数据。与数据挖掘类似，生物信息学利用数学工具从大量数据中提取有用的生物学信息。生物信息学所要处理的典型问题包括：重新組裝在霰弹枪定序法测序过程中被打散的DNA序列，从蛋白质的氨基酸序列预测蛋白质结构，利用mRNA微阵列或质谱仪的数据检验基因调控的假说。 某些人将计算生物学作为生物信息学的同义词处理；但是另外一些人认为计算生物学和生物信息学应当被当作不同的条目处理，因为生物信息学更侧重於生物学领域中计算方法的使用和发展，而计算生物学强调应用信息学技术对生物学领域中的假说进行检验，并尝试发展新的理论。 生物信息学可以定义为对分子生物学中两类信息流的研究：. 邁可·列維特，FRS（Michael Levitt，），是一位出生於南非的犹太裔美国、英國、以色列籍生物物理學家，現任美國史丹佛大學結構生物學教授，研究專長為計算生物學，也是美國國家科學院院士。 列維特與馬丁·卡普拉斯、阿里耶·瓦舍爾，因「為複雜化學系統創造了多尺度模型」，共同獲得2013年諾貝爾化學獎。.

计算生物学

计算生物学（Computational Biology）是生物学的一个分支。根据美国国家卫生研究所（NIH）的定义，它是指开发和应用数据分析及理论的方法、数学建模和计算机仿真技术，用于生物学、行为学和社会群体系统的研究的一门学科。该领域被广泛定义，包括计算机科学，应用数学，动画，统计学，生物化学，化学，生物物理学，分子生物学，遗传学，基因组学，生态学，进化，解剖学，神经科学和科学可视化的基础。 计算生物学与不同，生物计算是计算机科学和计算机工程的子领域，使用生物工程和生物学建造计算机，但是类似于生物信息学，这是一个跨学科的科学，使用计算机存储和处理生物数据。.

生物信息学和计算生物学 · 计算生物学和邁可·列維特 · 查看更多 »

蛋白质

蛋白质（protein，旧称“朊”）是大型生物分子，或高分子，它由一个或多个由氨基酸残基组成的长链条组成。氨基酸分子呈线性排列，相邻氨基酸残基的羧基和氨基通过肽键连接在一起。蛋白质的氨基酸序列是由对应基因所编码。除了遗传密码所编码的20种“标准”氨基酸，在蛋白质中，某些氨基酸残基还可以被改變原子的排序而发生化学结构的变化，从而对蛋白质进行激活或调控。多个蛋白质可以一起，往往是通过结合在一起形成稳定的蛋白质复合物，发挥某一特定功能。 与其他生物大分子（如多糖和核酸）一样，蛋白质是地球上生物体中的必要组成成分，参与了细胞生命活动的每一个进程。酶是最常见的一类蛋白质，它们催化生物化学反应，尤其对于生物体的代谢至关重要。除了酶之外，还有许多结构性或机械性蛋白质，如肌肉中的肌动蛋白和肌球蛋白，以及细胞骨架中的微管蛋白（参与形成细胞内的支撑网络以维持细胞外形）。另外一些蛋白质则参与细胞信号传导、免疫反应、细胞黏附和细胞周期调控等。同时，蛋白质也是动物饮食中必需的营养物质，这是因为动物自身无法合成所有氨基酸，动物需要和必须从食物中获取必需氨基酸。通过消化过程将蛋白质降解为自由氨基酸，动物就可以将它们用于自身的代谢。.

生物信息学和蛋白质 · 蛋白质和邁可·列維特 · 查看更多 »