Биоинформатика, междисциплинарная область, объединяющая биологию, информатику и статистику, произвела революцию в биологических исследованиях и проложила путь к прорывам в геномике, открытию лекарств и персонализированной медицине. В этой статье блога мы углубимся в истоки биоинформатики и раскроем выдающийся вклад ее основателей. Кроме того, мы рассмотрим некоторые популярные методы, используемые в биоинформатике, сопровождаемые примерами кода.

Отец биоинформатики:
Когда дело доходит до определения отца биоинформатики, одно имя выделяется на первый план: доктор Маргарет Окли Дэйхофф. Доктор Дэйхофф, американский биохимик, широко известен как пионер в этой области. Она разработала первую комплексную базу данных последовательностей белков, известную как Атлас последовательности и структуры белков, которая заложила основу для последующих биоинформатических исследований.

Методы биоинформатики:

1. Выравнивание последовательностей.
   Выравнивание последовательностей — это фундаментальный метод, используемый для сравнения и анализа биологических последовательностей, таких как ДНК, РНК и белки. Следующий код Python демонстрирует базовый пример попарного выравнивания последовательностей с использованием библиотеки Biopython:

from Bio import pairwise2
seq1 = "ACGTACGT"
seq2 = "AGTACG"
alignments = pairwise2.align.globalxx(seq1, seq2)
best_alignment = alignments[0]
print(best_alignment)

2. Сборка генома.
   Сборка генома — это процесс реконструкции полных геномов из фрагментированных последовательностей ДНК. Одним из популярных методов сборки генома является графовый алгоритм де Брейна. Вот упрощенный фрагмент кода на Python с использованием библиотеки pyscaffold:

from pyscaffold import Assembler
reads = ["ATG", "GCA", "TGC", "CAT"]
kmer_length = 2
assembler = Assembler(kmer_length)
assembled_genome = assembler.assemble(reads)
print(assembled_genome)

3. Анализ экспрессии генов.
   Анализ экспрессии генов включает изучение закономерностей и уровней активности генов в различных биологических образцах. Следующий код демонстрирует вычисление кратности изменения — распространенного показателя, используемого при анализе экспрессии генов, с использованием библиотеки numpy:

import numpy as np
control_samples = [1, 2, 3, 4]
treatment_samples = [5, 6, 7, 8]
fold_change = np.mean(treatment_samples) / np.mean(control_samples)
print(fold_change)

Биоинформатика обязана своим существованием и прогрессом вкладу таких блестящих ученых, как доктор Маргарет Окли Дейхофф, которые заложили основу для этой захватывающей области. Мы также исследовали некоторые важные методы биоинформатики, включая выравнивание последовательностей, сборку генома и анализ экспрессии генов, с сопроводительными примерами кода. Поскольку биоинформатика продолжает развиваться, она обещает открыть новые открытия и продвинуться в нашем понимании жизни и болезней.