CCCF专题导言｜信息技术和生物技术融合下的生物信息学研究

2022 年 4 月 14 日 中国计算机学会

信息技术和生物技术是21世纪的两大热门技术领域。从早期的“人类基因组计划”，到近年的“脑科学计划”和“人类细胞图谱计划”，再到近期的Alphafold2，这些都是信息技术与生物技术融合的重要研究成果。信息技术与生物技术融合发展已成为新一轮产业变革的重要驱动力。

关键词：信息技术　生物技术　生物信息学

信息技术（IT）和生物技术（BT）是21世纪的两大热门技术领域。信息技术与生物技术的融合有着其学科内涵的本质和科学发展的规律。从早期的“人类基因组计划”，到近年的“脑科学计划”和“人类细胞图谱计划”，再到近期的Alphafold2，这些都是信息技术与生物技术融合的重要研究成果。信息技术与生物技术融合发展相互促进，已成为新一轮产业变革的重要驱动力。

生物信息学(bioinformatics)作为信息技术与生物技术的交叉融合学科，致力于运用和发展信息技术来解决生物学和医学的实际问题。近年来，随着大数据和人工智能技术的飞速发展，国内的生物信息学研究取得了长足的进步。在此背景下，为了让国内学者较全面地了解生物信息学的研究现状和发展趋势，掌握生物信息学的前沿技术和重要应用方法，本期专题邀请了国内几位在生物信息学领域有所建树的专家撰文，从DNA存储、药物重定位、蛋白质结构预测、单细胞测序、计算空间组学、计算蛋白质组学和生物信息学算法性能评价等方面展开讨论，开阔读者的科研视野。

天津大学陈为刚教授和华中科技大学潘林强教授合作撰写的《DNA数据存储：高通量结绳记事》一文，介绍了DNA计算的基本模型和DNA数据存储的基本流程，梳理了造成DNA存储不可靠的主要因素，阐述了如何通过信息技术补偿分子生物学操作、生化反应可靠性不够的矛盾，实现生化操作、DNA分子/酶的设计、编码信息处理的协同设计与创新。

清华大学曾坚阳教授等人撰写的《机器学习在药物重定位中的应用》一文，对现有的基于机器学习的药物重定位进行了全面的分类与总结，详细介绍了药物重定位研究的新范式：如何利用生物医学家建立的相关假设，基于高通量测序与筛选技术产生的医药大数据和人工智能驱动的药物-靶标、药物-疾病关系预测模型，确认药物的新适应症，达到老药新用的效果。

中国科学院计算技术研究所卜东波研究员撰写的《大数据时代的生物信息研究范式嬗变——以蛋白质结构预测为例》一文，详细阐述了蛋白质结构预测的科学问题，介绍了不同研究领域的学者从不同角度看待这一问题的思路和解决的途径，并结合AlphaFold2的突破性进展，给出了大数据时代的生物信息研究范式：只要规律确实存在、数据足够多、规律足够简单或者能够简化，人工智能就可能发现这些规律。

西安电子科技大学高琳教授等人撰写的《单细胞数据驱动的关键问题与挑战》一文，介绍了单细胞分子水平组学数据分析方法与传统生物信息学分析方法的不同，阐述了单细胞测序技术给生物信息学带来的全新挑战，并且聚焦单细胞组学相关分析的几个前沿关键问题，系统性揭示了单细胞尺度的细胞特异调控网络与细胞间相互作用网络的构建与解析方法。

中国科学院数学与系统科学研究院张世华研究员等人撰写的《计算空间组学的未来与挑战》一文，介绍计算空间组学的发展现状和未来发展趋势，阐述该领域面临的巨大挑战，特别是针对空间转录组学、空间表观组、空间蛋白质组、空间代谢组等一系列空间组学所产生的复杂、高维异质的新型超大规模生物组学数据，探讨了如何借助深度学习等新一代人工智能技术，发展空间组学的计算建模、解析、集成与应用基础算法和工具。

中南大学李敏教授撰写的《计算蛋白质组学的研究进展与挑战》一文，介绍计算蛋白质组学的发展现状和未来发展趋势，阐述计算蛋白质组学面临的问题和挑战，并且针对新一代人工智能技术在计算蛋白质组学中的应用，深入探讨了如何设计高效的计算工具来解决蛋白质鉴定、蛋白质相互作用、蛋白质结构分析等研究中的重要问题。

天津大学杜朴风副教授撰写的《基于机器学习的生物信息学分类算法性能评价与比较的一些思考》一文，介绍了不同场景下生物信息学算法性能比较的具体方法，探讨了如何进行公平、有效的性能评估和比较，特别是在公平的性能评估和比较的条件无法满足时，如何“尽可能公平”地实施性能评估和比较。文章还展示了如何将研究数据集上的性能评估和比较的结果推广到真实世界中的数据上去。

希望借助本期专题，读者能快速了解生物信息学的研究内容和研究特色，开阔研究视野，也希望本期专题能够吸引更多读者关注国内生物信息学的研究。