[轉錄]生物資訊的範疇

轉錄自台大批踢踢實業坊
作者: boblu (六百) 看板: Biology
標題: Re: [問題] 請問生物資訊的範疇
時間: Sun Aug 9 12:15:48 2009

抱歉不熟 ptt 轉錄功能 之前一篇轉壞了已自刪

本篇為手動轉錄自 ptt 生資版：

作者 huggie (huggie) 看板 BioMedInfo
標題 [討論] 生資的五個定義
時間 Wed May 6 11:46:22 2009
───────────────────────────────────────

生資的五個定義

http://bytesizebio.net/index.php/2009/02/27/not-dead-overloaded/

Iddo Friedberg，BioPython 的主要作者之一，認為 "bioinformatics"
這個字眼在許多人的心目中代表不同的意義，已經被多重定義搞混了，
因此在他的部落格裡他嘗試把生物資訊的多種角色釐清。他把生物資訊分
為五個定義 (B1 ~ B5)，我覺得解釋的蠻清楚的：

B1:
撰寫可以回答生物問題的演算法，例如增快重組序列的演算法，
或者是改善微陣列晶片的叢集演算法

B2:
撰寫程式來解決分子生物上面的問題。
跟 B1 的差別在於 B1 是一種抽象思考，B2 是實際的程式。

B3:
處理資料儲存跟工具。可以使用 B1 跟 B2 來解解決這件事情。
基本上就是把生物資料透過任何方式來呈現出來，例如網頁。
並且包裝B2 的工具。

許多人，尤其是做 bench 實驗的人，以為 B1 ~ B3 就是所謂的生物資訊，
因此覺得生物資訊不是一種科學，而是一種工程。
如果你做的只是 B1 ~ B3，你很難取得教職。

B4:
解決生物問題（而非 B1 ~ B3 的資訊問題），
透過 B1 ~ B3 來實際解決生物問題。
用 mining 來發現一些有趣生物現象等。
有些 bench學者認為 B4 不是一種科學因為缺乏 hypothesis-driven research。
但有許多 paper 發在點數高的 journal 上反駁這一個觀點。
從資料中仍然可以做 hypothesis-drive research.

B5:
透過 B1 ~ B3 來解決生物問題，並且參與實驗。
針對生物問題，有些問題無法單純透過 B4 解決，需要實驗的輔佐。
有些學者認為只有B5 才是真正的 hypothesis-driven research。

會有這篇文章是因為生資最近被看扁了...XD
從 http://www.ncbi.nlm.nih.gov/pubmed/19133107 到
http://shirleywho.wordpress.com/2009/01/28/soul-searching-in-bioinformatics/
都有一些文章在討論。