新功能、新界面、新体验,扫描即可下载生物谷APP!
首页 » 生物信息学 » 所有的生物学都是计算生物学

所有的生物学都是计算生物学

来源:生物谷 2017-03-15 11:24


编者按:英国剑桥大学的 Florian Markowetz 在《Plos Biology》发文称,他认为,今天的生物学,就是计算生物学。起因是,他感觉到了计算生物学并不为主流生物学界所接纳,同时,也没有得到应有的重视和理解。对此,他深感遗憾和愤懑,因而借此文引起人们对计算生物学的关注。小编也深感赞同,故现将该文翻译现整理如下。

生物学就是计算生物学

Florian Markowetz

英国剑桥大学,剑桥研究院

摘要

在这里,我认为计算思维和技术成为了追求理解生活的核心,今天所有的生物学已经成为了计算生物学。计算生物学带来了我们对生命的理解,它使生物学概念变得严格和可测试,它提供了一个参考范本,可以规范个人对生物学的见解。生物学中的下一个重大进化将由数学、统计和计算方法驱动,需要被吸收到主流生物培训中,将生物学转变为定量科学。


英国剑桥大学Florian Markowetz(图片来自:Google Plus)

正文

“像你这样的人,是怎么能够成为通讯作者,并发表文章的呢?”一位业界领先的细胞生物学家,在我2008年申请当前这个工作的面试中,问了我这个问题,这意味着我永远不能在研究项目中担任高级角色。我曾经接受过数学和机器学习的科学训练,但却正在面试一个癌症研究所的计算生物学工作。我的面试官们,不太确定我未来对生物学的贡献是什么。不是做计算的人只是服务的提供者么?这个社会做计算的人一抓一大把,但往往并没有任何真正的科学视野?她显然担心我是否能做独立的生物研究。

她不是最后一个担心我的。在2012年,在发表了几篇通讯作者的文章后,我被列入欧洲分子生物组织年轻研究员奖学金的入围者,但最好并没有得到它。面试小组提供的反馈称,我们的组是“数学服务单位”,声称“缺乏对生物学的深入理解”,并且声称“对合作者过度依赖”。

去年,我们终于看到计算工作的真正意义,在生物医学社区有多么低,当《新英格兰医学杂志》的主编使用术语“研究寄生虫”来描述计算生物学家有意义的发表数据时,我感到了无比的失望。

在过去20年中,计算方法已经成为生物学的一个成熟的部分,但上述例子表明,“老派”的或者“传统的”生物学家和临床医生, 也正好是那些可以做出决定什么文章可以发表的人, 以及生物学资金流向和职业发布的人, 继续对像我这种没有接受传统生物学的“科班培训”的人感到不爽。那些明明在其他领域混饭吃的人,现在却挤进了生物学领域,开始使用些老牌生物学家们从未学过的方法, 来搞生物学研究。(小编注:作者其实想说, 这应该让这些老牌生物学家们非常生气了,夺人饭碗,如杀妻夺子之仇。)如果,即使我的生命科学领域的同事也不明白为什么生物计算研究是重要的,难度没有任何其他人都能看到它的价值吗?

在下面,我将提出我的论断,计算思维和计算方法对于理解生命的追求至关重要,今天,所有的生物学都是计算生物学。

计算生物学带来了我们对生活的理解

Hallam Stevens对计算生物学的人种学和历史描述中提到(《 Life Out of Sequence 》),“生物学应该适应计算机,而不是反过来”。他解释说:“计算机不只是扩大老的生物学领域,他们还带来了完全新的工具和问题,如统计,模拟和数据管理,完全重塑了生物研究的方式。”

计算机重塑生物研究的一个关键例子,是使用数据库和本体(信息科学术语)。今天的生物学知识,通过计算被定义,组织和访问。如果瑞典植物学家和分类学之父Carl vonLinné(也被称为Carl Linnaeus, 卡尔 林奈)住在今天,他将是一个计算生物学家(图1)。作为植物学家,他可能在像transPLANT(http://www.transplantdb.eu/)这样的项目中发挥领导作用,组织我们加深对作物和模式植物的基因型和表型的了解。或者他可能与基因本体联盟(http://www.geneontology.org/)合作,创建共享生物学知识的共享词汇。就像Linné的Systema Naturae,这样的数据库是我们对生活理解的关键智力贡献。每一种其他类型的生物研究都建立在这些基础之上。


瑞典植物学家、双名法发明者 卡尔 林奈(图片来自:PLos Bio)

计算生物学让你获得大局观

计算机改造生物学的另一种方式,是引入统计和数据分析方法。一个很好的例子是,理解突变过程如何形成基因组。突变过程 - 来源于香烟,阳光直射或同源重组缺陷等 - 在个体突变中不可见,但仅在其全局模式中能够被理解。碱基C多长时间变成一个碱基T?这个频率如何根据突变碱基的近邻而变化?这种频率的多少由基因组的其他特征,如复制时间,来解释?回答这些问题,有助于我们了解在细胞中活跃的突变过程的基本属性,并且只有通过统计技术才能识别模式和相关性。

这些类型的分析需要大量数据收集,因此计算生物学的成功,与大规模努力收集基因型和模型生物以及和人类表型的数据密切相关。突出计算方法的力量的第一个例子,是人类基因组测序。显示计算排列和组合方法,如何有效地组装鸟枪法测序中产生的DNA片段。现代下一代DNA测序技术,完全依赖计算生物学的进步,以分析大量的短序列。DNA测序曾经是诺贝尔奖的重大技术。然而,现在,

计算生物学提供了完整的生命图谱

通过将大型数据收集,与数据库和统计数据相结合,计算生物学为生物学提供了一个参考地图,生物图谱将个人洞察力结合在一起。此地图不是Google街景视图提供的分辨率级别,而是哥伦布、麦哲伦或 瓦斯科·达伽马 (葡萄牙探险家)等等无畏探险家,在冒险 寻找 新大陆时,使用的地图。地图提供了一个大致的概述,但是许多区域是粗略的,并且一些重要的部分甚至可能丢失并等待发现。“这里有龙,等你去征服,”它只是这么说。但,即使有所有这些缺点,地图仍然是不可或缺的指南:计算生物学提供的生命地图,为未来的生物学研究提供了蓝图和执行策略。

计算生物学把思想转化为假设

最后,计算机通过使模糊概念严格和可测试,来重塑生物学。这里是我自己研究的一个例子:几十年来,癌症研究人员讨论了一种观点,即同一肿瘤中的细胞之间存在的遗传异质性,有助于使癌症对治疗逐渐产生抗性。这是一个简单的想法:细胞群体越多样化,细胞亚群越可能对治疗有抗性,并且在所有其他细胞被杀死后可以再生肿瘤。

但是,你怎么能测量“遗传异质性”,它对肿瘤的发展的影响有多大呢?为了回答这些问题,我们不得不将这个想法变成一个可验证的假设。我们使用基因组方法,来测量患者中不同部位的癌症基因组的变化,然后定义异质性的定量测量,使其可以与治疗抗性的临床信息进行统计比较。事实上,我们发现支持异质性决定了肿瘤耐药性的初始观点的证据。

这只是需要定量计算方法,以将模糊概念变成可验证假设的许多示例中的一个。计算生物学,其优点在于,将大量复杂数据,转化为在湿实验室中可测试的东西,从而形成和指导实验进程。

安息吧,计算生物学

移液管生物学家。显微镜生物学家。细胞培养生物学家。你有没有听说过这些职位?没有,当然没有。所有的都是生物学家,因为这些工具仅仅是用来帮你解决问题的,而不是仅仅是你使用的工具本身。同样的,计算生物学家,只是使用不同的工具生物学家而已 。

生物学的下一个飞跃式发展,将由数学、统计和计算方法,吸收到主流的、传统的生物学训练中来驱动。生物学的训练,将看起来越来越像物理学的训练,并结合教学实验技术与数学理论和数据分析。然后,等到那天到来的时候,即使是“老派”的生物学家,也会将计算生物学家视为自己的一员。(生物谷 Bioon.com)

本文系生物谷原创编译整理,欢迎转载!点击 获取授权 。更多资讯请下载生物谷app

原始出处:Florian Markowetz. All biology is computational biology. Plos Biology, 15(3), 2017.

温馨提示:87%用户都在生物谷APP上阅读,扫描立刻下载! 天天精彩!



相关标签

最新会议 培训班 期刊库