یکی از بهترین روش های موجود برای بررسی ساختار و رفتار مواد، شبیه سازی رایانه ای است. امروزه با پیشرفت فن آوری رایانه ها، به شبیه سازی هایی که برای محاسبه خواص مواد با استفاده از ساختار ذرات تشکیل دهنده آن ها انجام می گیرد توجه ویژه ای می شود. از جمله مزایای روش های شبیه سازی می توان به موارد زیر اشاره کرد:
کاهش تعداد آزمایش های لازم
صرفه جویی در زمان و هزینه های تحقیقاتی
درک بهتر مسائل شیمی و فیزیک
آزمایش سریعتر فرضیه ها و نظریه های جدید
آزمایش های بدون مواد زائد و پسماند
امنیت و تمیزی آزمایش ها
دستیابی همزمان به نتایج چندین آزمایش در زمینه های مختلف
تکنیک های تجربی فقط برای ترکیباتی که در شرایط موجود پایدار هستند به کار می روند. درحالی که روش های محاسباتی برای ترکیبات ناپایدار و حتی برای ترکیب هایی که هنوز ناشناخته اند نیز قابل استفاده می باشند. اولین شبیه سازی رایانه ای در سال 1949 توسط متروپلیس و همکارانش بر روی سیالات انجام گرفت. این مطالعه منجر به پیدایش روش شبیه سازی مونت کارلو شد. در اواخر دهه 1950 آلدر و وینرایت اولین شبیه سازی دینامیک مولکولی را با مطالعه یک مدل کره-سخت انجام دادند. اولین شبیه سازی دینامیک مولکولی به روی پروتئین ها در سال 1977 توسط مک کامن و کارپلوس در دانشگاه هاروارد انجام گرفت. تفاوت آشکار میان روش های شبیه سازی دینامیک مولکولی و مونت کارلو که دو روش عمده شبیه سازی های رایانه ای به شمار می آیند در آن است که دینامیک مولکولی اطلاعاتی درباره وابستگی زمانی خواص سیستم در اختیار می گذارد، درحالی که بین پیکربندی های متوالی مونت کارلو ارتباط زمانی وجود ندارد. در روش های دینامیک مولکولی، که جزء روش های تعیّنی هستند، پیکربندی های پی در پی سیستم با هم ارتباط زمانی دارند، اما در روش های مونت کارلو، که جزء روش های کاتوره ای هستند، هر پیکربندی فقط به پیکربندی قبل از خود وابسته است.
بر خلاف روش های مکانیک کوانتومی (که در آن اثرات الکترون ها در نظر گرفته می شوند) می توان از روش های دینامیک مولکولی (که فقط هسته ها در نظر گرفته می شوند) برای بررسی رفتار دینامیکی ماکرومولکول های زیستی مانند پروتئین ها، اسیدهای نوکلئیک (DNA, RNA) و ... استفاده کرد.
از کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های زیستی می توان به موارد کلی زیر اشاره کرد:
- بررسی برهمکنش میان ماکرومولکول ها شامل (پروتئین-پروتئین، پروتئین- اسید نوکلئیک، پروتئین-لیپید)
- بررسی برهمکنش میان ماکرومولکول ها و لیگاند/ دارو شامل (پروتئین- لیگاند، اسید نوکلئیک- دارو، لیپید- دارو)
- یافتن اجزای مهم (دخیل) در یک برهمکنش خاص
- بررسی فرایندهای folding و unfolding
- بررسی تغییراتِ پارامترهای ساختاری در هر یک از فرایندهای زیستی
- بررسی تغییراتِ پارامترهای ترمودینامیکی (انرژی آزاد اتصال) در هر یک از فرایندهای زیستی
- بررسی مکانیسم عمل موتورهای مولکولی
- بررسی تغییرات ایجاد شده در ماکرومولکول ها پس از جهش (موتاسیون)
همچنین می توان به کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های غیر زیستی نیز اشاره کرد:
- بررسی نانولوله های کربنی
- بررسی نانو صفحات کربنی
- بررسی جذب گاز بر روی نانولوله و نانو صفحات کربنی
- بررسی برهمکنش لیگاند یا دارو با نانولوله های کربنی
در مطالب ارائه شده در آینده به معرفی مقالاتی در رابطه با موضوعات مذکور خواهیم پرداخت.
کاهش تعداد آزمایش های لازم
صرفه جویی در زمان و هزینه های تحقیقاتی
درک بهتر مسائل شیمی و فیزیک
آزمایش سریعتر فرضیه ها و نظریه های جدید
آزمایش های بدون مواد زائد و پسماند
امنیت و تمیزی آزمایش ها
دستیابی همزمان به نتایج چندین آزمایش در زمینه های مختلف
تکنیک های تجربی فقط برای ترکیباتی که در شرایط موجود پایدار هستند به کار می روند. درحالی که روش های محاسباتی برای ترکیبات ناپایدار و حتی برای ترکیب هایی که هنوز ناشناخته اند نیز قابل استفاده می باشند. اولین شبیه سازی رایانه ای در سال 1949 توسط متروپلیس و همکارانش بر روی سیالات انجام گرفت. این مطالعه منجر به پیدایش روش شبیه سازی مونت کارلو شد. در اواخر دهه 1950 آلدر و وینرایت اولین شبیه سازی دینامیک مولکولی را با مطالعه یک مدل کره-سخت انجام دادند. اولین شبیه سازی دینامیک مولکولی به روی پروتئین ها در سال 1977 توسط مک کامن و کارپلوس در دانشگاه هاروارد انجام گرفت. تفاوت آشکار میان روش های شبیه سازی دینامیک مولکولی و مونت کارلو که دو روش عمده شبیه سازی های رایانه ای به شمار می آیند در آن است که دینامیک مولکولی اطلاعاتی درباره وابستگی زمانی خواص سیستم در اختیار می گذارد، درحالی که بین پیکربندی های متوالی مونت کارلو ارتباط زمانی وجود ندارد. در روش های دینامیک مولکولی، که جزء روش های تعیّنی هستند، پیکربندی های پی در پی سیستم با هم ارتباط زمانی دارند، اما در روش های مونت کارلو، که جزء روش های کاتوره ای هستند، هر پیکربندی فقط به پیکربندی قبل از خود وابسته است.
بر خلاف روش های مکانیک کوانتومی (که در آن اثرات الکترون ها در نظر گرفته می شوند) می توان از روش های دینامیک مولکولی (که فقط هسته ها در نظر گرفته می شوند) برای بررسی رفتار دینامیکی ماکرومولکول های زیستی مانند پروتئین ها، اسیدهای نوکلئیک (DNA, RNA) و ... استفاده کرد.
از کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های زیستی می توان به موارد کلی زیر اشاره کرد:
- بررسی برهمکنش میان ماکرومولکول ها شامل (پروتئین-پروتئین، پروتئین- اسید نوکلئیک، پروتئین-لیپید)
- بررسی برهمکنش میان ماکرومولکول ها و لیگاند/ دارو شامل (پروتئین- لیگاند، اسید نوکلئیک- دارو، لیپید- دارو)
- یافتن اجزای مهم (دخیل) در یک برهمکنش خاص
- بررسی فرایندهای folding و unfolding
- بررسی تغییراتِ پارامترهای ساختاری در هر یک از فرایندهای زیستی
- بررسی تغییراتِ پارامترهای ترمودینامیکی (انرژی آزاد اتصال) در هر یک از فرایندهای زیستی
- بررسی مکانیسم عمل موتورهای مولکولی
- بررسی تغییرات ایجاد شده در ماکرومولکول ها پس از جهش (موتاسیون)
همچنین می توان به کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های غیر زیستی نیز اشاره کرد:
- بررسی نانولوله های کربنی
- بررسی نانو صفحات کربنی
- بررسی جذب گاز بر روی نانولوله و نانو صفحات کربنی
- بررسی برهمکنش لیگاند یا دارو با نانولوله های کربنی
در مطالب ارائه شده در آینده به معرفی مقالاتی در رابطه با موضوعات مذکور خواهیم پرداخت.
ایمونوانفورماتیک یا ایمونولوژی محاسباتی اخیرا به عنوان زمینه ای مهم و نوین نقش چشمگیری را در علوم آنالیز، مدل سازی و پیشگویی عملکرد سیستم ایمنی، طراحی واکسن های جدید، تحقیقات آلرژی زایی و اکتشافات دارویی داشته است. این علم نه تنها سبب تسریع تحقیقات علمی شده بلکه بعلت تعامل آن با پروژه ژنوم انسان و سایر ارگانیسم ها منجربه دست یابی به اطلاعات بسیار زیادی در ارتباط با ایمنی شناسی گردیده است. در واقع ایمونوانفورماتیک همانند پلی میان آزمایشات تجربی و رهیافت های محاسباتی می باشد
. موفقیت های این شاخه از علم به طور وسیعی به سبب ارتباط مستقیم آن با سلامتی جهانی، واجد اهمیت استراتژیک می باشد و در کنار آن، از نگاهی دیگر سبب کاهش زمان و هزینه ها در فرآیند تحقیقات علمی می شود. این مقاله، پایگاههای مختلف عمومی و اختصاصی ایمنی شناسی، رهیافت های پیشگویی اپی توپ های سلول Bو T، بیوانفورماتیک واکسن ها و آنالیز آلرژن زایی (آلرژنسیته) پروتئین ها را مرور می کند و نیز همچنین کاربردهای ایمونوانفورماتیک را بر می شمارد. شایان ذکر است هدف اصلی این مقاله آشنایی هرچه بیشتر و هدایت محققان ایرانی شاغل در بخش های علوم پایه و بالینی به سمت و سوی کاربرد پایگاهها و ابزارهای پیشرفته ایمونولوژی در تحقیقاتشان می باشد.
. موفقیت های این شاخه از علم به طور وسیعی به سبب ارتباط مستقیم آن با سلامتی جهانی، واجد اهمیت استراتژیک می باشد و در کنار آن، از نگاهی دیگر سبب کاهش زمان و هزینه ها در فرآیند تحقیقات علمی می شود. این مقاله، پایگاههای مختلف عمومی و اختصاصی ایمنی شناسی، رهیافت های پیشگویی اپی توپ های سلول Bو T، بیوانفورماتیک واکسن ها و آنالیز آلرژن زایی (آلرژنسیته) پروتئین ها را مرور می کند و نیز همچنین کاربردهای ایمونوانفورماتیک را بر می شمارد. شایان ذکر است هدف اصلی این مقاله آشنایی هرچه بیشتر و هدایت محققان ایرانی شاغل در بخش های علوم پایه و بالینی به سمت و سوی کاربرد پایگاهها و ابزارهای پیشرفته ایمونولوژی در تحقیقاتشان می باشد.
دیتابیس DrugBank یک منبع منحصر به فرد بیوانفورماتیک و کموانفورماتیک می باشد که شامل اطلاعات دارو (ساختار. خواص دارویی و درمانی و..) به همراه اطلاعات تارگت های دارو (توالی ساختار و مسیربیولوژیکی) آنها می باشد..
این دیتابیس دارای اطلاعات 7685 دارو که شامل 1549 مولکوول کوچک دارویی تایید شده بوسیله اف دی ای 155 داروی بیوتک (پروتین / پپتید) 89 ترکیب افزودنی غذایی و 6000 داروی تحقیقاتی می باشد. همچنین 4282 توالی پروتینی مرتبط به این داروها موجود است.
DrugBank به طور گسترده ای توسط متخصصان و محققین صنعت، شیمی دارویی، داروسازان و دانشجویان استفاده می شود. حجم گسترده اطلاعات داروی و هدف های این داروها راه را برای کشف دارو های جدید و همچنین توسعه داروهای موجود باز کرده تا بتوان بیماری ها نادر و بیماری های جدید را درمان کرد.
این دیتابیس توسط مرکز متابلومیکس دانشگاه البرتا کانادا مهیا و دردسترس عموم قرار میگیرد. http://www.drugbank.ca/
این دیتابیس دارای اطلاعات 7685 دارو که شامل 1549 مولکوول کوچک دارویی تایید شده بوسیله اف دی ای 155 داروی بیوتک (پروتین / پپتید) 89 ترکیب افزودنی غذایی و 6000 داروی تحقیقاتی می باشد. همچنین 4282 توالی پروتینی مرتبط به این داروها موجود است.
DrugBank به طور گسترده ای توسط متخصصان و محققین صنعت، شیمی دارویی، داروسازان و دانشجویان استفاده می شود. حجم گسترده اطلاعات داروی و هدف های این داروها راه را برای کشف دارو های جدید و همچنین توسعه داروهای موجود باز کرده تا بتوان بیماری ها نادر و بیماری های جدید را درمان کرد.
این دیتابیس توسط مرکز متابلومیکس دانشگاه البرتا کانادا مهیا و دردسترس عموم قرار میگیرد. http://www.drugbank.ca/
BOOK: Protein Dynamics
Methods and Protocols
Edited by
Dennis R. Livesay
Department of Bioinformatics and Genomic, University of North Carolina at Charlotte
Charlotte, North Carolina, USA 2014
Methods and Protocols
Edited by
Dennis R. Livesay
Department of Bioinformatics and Genomic, University of North Carolina at Charlotte
Charlotte, North Carolina, USA 2014
فیلوژنی و تکامل مولکولی (Molecular phylogeny and evolution)
در فرایند گونه زایی (Speciation) در سطح پایین دستی تکامل، آنالیزهای ژنتیک جمعیت (Population genetics analysis) و در سطوح بالاتر آنالیزهای فیلوژنتیکی (Phylogenetics analysis) مطرح است.
آنالیز توالی های زیستی بر پایه اصول محکم تکامل استوار است. معمولا تشابهات (similarities) و واگرایی (divergences) توالی های زیستی مرتبط با یکدیگر که با همردیفی (انطباق) توالی مشخص می شوند، می بایست در قالب درخت های فیلوژنتیکی مورد تفسیر و قرار گیرند. از این رو فیلوژنی مولکولی حوزه ای بنیادی و مهم در بیوانفورماتیک محسوب می گردد.
تعریف تکامل. تکامل در بیولوژی به معنی ایجاد شکلی زیستی از سایر اشکالی است که قبلا وجود داشته اند و یا ایجاد اشکال زیستی از زمان پیدایش آن به شکل فعلی به وسیله فرایند انتخاب و اصلاح طبیعی. انتخاب طبیعی نیروی پیش برنده ی تکامل است و طی آن اشکال ناسازگار، در اثر تغییرات وضعیت محیطی یا انتخاب جنسیتی حذف می شوند و فقط سازگارترین ها (شایسته ترین ها( انتخاب می گردند. جهش های ژنتیکی که به صورت خودبه خود رخ می دهند، به عنوان مکانیسم اصلی تکامل شناخته می شوند. جهش ماده ژنتیکی، در جمعیت تنوع زیستی ایجاد می کند و تنوع افراد جمعیت موجب بقای موجود موفق تر در یک محیط معین می گردد. تنوع ژنتیکی منبعی از مواد خام را برای عمل انتخاب طبیعی فراهم می کند.
فیلوژنتیک مطالعه ی تاریخچه تکاملی موجودات زنده با استفاده ازنمودارهای (دیاگرام های) درختی شکل جهت نشان دادن اجداد و شجرنامه اارگانیسم ها است. الگوی انشعاب (شاخه ای) درخت که نشان دهنده واگرایی تکاملی است فیلوژنی نامیده می شود. قبل از تکامل مولکولی، برای استنباط فیلوژنی داده ها از منابعی نظیر مورفولوژی (ریخت شنای Morphology)، رفتار، توزیع جغرافیایی و غیره استفاده می شد.
در واقع فیلوژنی را می توان از طرق مختلف مورد مطالعه قرار داد. بررسی ها معمولا با استفاده از فسیل هایی که دارای اطلاعات ریخت شناسی اجداد گونه ی فعلی و فاصله زمانی واگرایی باشد، انجام می گیرد. اما فسیل ها محدودیت های زیادی دارند; آن ها شاید تنها برای گونه های خاصی در دسترس باشند. داده های فسیل های موجود می تواند ناقص باشد و جمع اوری آنها معمولا به علت فراوانی، محل زندگی، گستره جغرافیایی و فاکتورهای دیگر محدود می شود. تفاسیری که از ویژگی های ریخت شناسی آنها می شود به علت نقش عوامل ژنتیکی گوناگون معمولا با ابهام همراه است. از این رو، استفاده از فسیل ها جهت تعیین ارتباط فیلوژنتیکی، می تواند گمراه کننده و یا جهت گیری غیر صحیح گردد. از سوی دیگر برای میکرواورکانیسم ها میکروبی فسیلی وجود ندارد و در نتیجه مطالعه ی فیلوژنی آنها از این طریق امکان پذیر نیست.
خوشبختانه، داده های مولکولی نیز که در شکل توالی های DNA یا پروتئین وجود دارند قادرند چشم انداز تکاملی بسیار مناسبی از موجودات فعلی را نشان دهند. زیرا همانطور که موجودات تکامل (نمو) می یابند، انباشته شدن جهش های مواد ژنتیکی، در طول زمان موجب تغییر فنوتیپی و ریختی موجودات می گردند. لذا، بدین سبب که ژن ها محل حفظ جهش های انباشته شده هستند، می توان آنها را به عنوان فسیل های مولکولی (Molecular fossils) در نظر گرفت و با بررسی مقایسه ای فسیل های مولکولی تعدادی از موجودات مرتبط، می توان تارخچه تکاملی ژن ها و حتی ارگانیسم ها را آشکار ساخت.
مزیت استفاده از داده های مولکولی مشخص و روشن است. اطلاعات مولکولی فراوانتر از فسیل ها ثبت شده هستند و به دسترسی به آنها نیز ساده تر است. در اینجا هیچ تفاوت نمونه گیری یه جهت گیری از روی غرض وجود ندارد و از این رو به ترمیم شکاف های مود در پیشینه فسیل های واقعی کمک می کند. همچنین درخت های فیلوژنتیک برگتر و قویتری را می توان با کمک داده های مولکولی به وجود اورد. بنابراین، این اطلاعات بسیار مورد توجه دانشمندان قرار گرفته اند و گاهی اوقات تنها اطلاعات در دسترس محققان، برای بازسازی تاریخچه تکاملی (Reconstruction evolution history) هستند. ظهور عصر ژنومیک به همراه حجم بسیار بالای داده های توالی مولکولی منجر به گسترش سریع و روزافزون فیلوژنتیک مولکولی گردیده است.
گستره فیلوژنتیک مولکولی را می توان به صورت مطالعه روابط تکاملی ژن ها و سایر ماکرومولکول های بیولوژیکی به واسطه بررسی و آنالیز جهش های نواحی مختلف توالی های انها و سپس ارائه فرضیه در مورد ارتباط تکاملی مولکول های زیستی تعریف کرد. ارتباط تکاملی میان موجودات را می توان بر اساس تشابه و همسانی توالی مولکول های آنها درک نمود.
در فرایند گونه زایی (Speciation) در سطح پایین دستی تکامل، آنالیزهای ژنتیک جمعیت (Population genetics analysis) و در سطوح بالاتر آنالیزهای فیلوژنتیکی (Phylogenetics analysis) مطرح است.
آنالیز توالی های زیستی بر پایه اصول محکم تکامل استوار است. معمولا تشابهات (similarities) و واگرایی (divergences) توالی های زیستی مرتبط با یکدیگر که با همردیفی (انطباق) توالی مشخص می شوند، می بایست در قالب درخت های فیلوژنتیکی مورد تفسیر و قرار گیرند. از این رو فیلوژنی مولکولی حوزه ای بنیادی و مهم در بیوانفورماتیک محسوب می گردد.
تعریف تکامل. تکامل در بیولوژی به معنی ایجاد شکلی زیستی از سایر اشکالی است که قبلا وجود داشته اند و یا ایجاد اشکال زیستی از زمان پیدایش آن به شکل فعلی به وسیله فرایند انتخاب و اصلاح طبیعی. انتخاب طبیعی نیروی پیش برنده ی تکامل است و طی آن اشکال ناسازگار، در اثر تغییرات وضعیت محیطی یا انتخاب جنسیتی حذف می شوند و فقط سازگارترین ها (شایسته ترین ها( انتخاب می گردند. جهش های ژنتیکی که به صورت خودبه خود رخ می دهند، به عنوان مکانیسم اصلی تکامل شناخته می شوند. جهش ماده ژنتیکی، در جمعیت تنوع زیستی ایجاد می کند و تنوع افراد جمعیت موجب بقای موجود موفق تر در یک محیط معین می گردد. تنوع ژنتیکی منبعی از مواد خام را برای عمل انتخاب طبیعی فراهم می کند.
فیلوژنتیک مطالعه ی تاریخچه تکاملی موجودات زنده با استفاده ازنمودارهای (دیاگرام های) درختی شکل جهت نشان دادن اجداد و شجرنامه اارگانیسم ها است. الگوی انشعاب (شاخه ای) درخت که نشان دهنده واگرایی تکاملی است فیلوژنی نامیده می شود. قبل از تکامل مولکولی، برای استنباط فیلوژنی داده ها از منابعی نظیر مورفولوژی (ریخت شنای Morphology)، رفتار، توزیع جغرافیایی و غیره استفاده می شد.
در واقع فیلوژنی را می توان از طرق مختلف مورد مطالعه قرار داد. بررسی ها معمولا با استفاده از فسیل هایی که دارای اطلاعات ریخت شناسی اجداد گونه ی فعلی و فاصله زمانی واگرایی باشد، انجام می گیرد. اما فسیل ها محدودیت های زیادی دارند; آن ها شاید تنها برای گونه های خاصی در دسترس باشند. داده های فسیل های موجود می تواند ناقص باشد و جمع اوری آنها معمولا به علت فراوانی، محل زندگی، گستره جغرافیایی و فاکتورهای دیگر محدود می شود. تفاسیری که از ویژگی های ریخت شناسی آنها می شود به علت نقش عوامل ژنتیکی گوناگون معمولا با ابهام همراه است. از این رو، استفاده از فسیل ها جهت تعیین ارتباط فیلوژنتیکی، می تواند گمراه کننده و یا جهت گیری غیر صحیح گردد. از سوی دیگر برای میکرواورکانیسم ها میکروبی فسیلی وجود ندارد و در نتیجه مطالعه ی فیلوژنی آنها از این طریق امکان پذیر نیست.
خوشبختانه، داده های مولکولی نیز که در شکل توالی های DNA یا پروتئین وجود دارند قادرند چشم انداز تکاملی بسیار مناسبی از موجودات فعلی را نشان دهند. زیرا همانطور که موجودات تکامل (نمو) می یابند، انباشته شدن جهش های مواد ژنتیکی، در طول زمان موجب تغییر فنوتیپی و ریختی موجودات می گردند. لذا، بدین سبب که ژن ها محل حفظ جهش های انباشته شده هستند، می توان آنها را به عنوان فسیل های مولکولی (Molecular fossils) در نظر گرفت و با بررسی مقایسه ای فسیل های مولکولی تعدادی از موجودات مرتبط، می توان تارخچه تکاملی ژن ها و حتی ارگانیسم ها را آشکار ساخت.
مزیت استفاده از داده های مولکولی مشخص و روشن است. اطلاعات مولکولی فراوانتر از فسیل ها ثبت شده هستند و به دسترسی به آنها نیز ساده تر است. در اینجا هیچ تفاوت نمونه گیری یه جهت گیری از روی غرض وجود ندارد و از این رو به ترمیم شکاف های مود در پیشینه فسیل های واقعی کمک می کند. همچنین درخت های فیلوژنتیک برگتر و قویتری را می توان با کمک داده های مولکولی به وجود اورد. بنابراین، این اطلاعات بسیار مورد توجه دانشمندان قرار گرفته اند و گاهی اوقات تنها اطلاعات در دسترس محققان، برای بازسازی تاریخچه تکاملی (Reconstruction evolution history) هستند. ظهور عصر ژنومیک به همراه حجم بسیار بالای داده های توالی مولکولی منجر به گسترش سریع و روزافزون فیلوژنتیک مولکولی گردیده است.
گستره فیلوژنتیک مولکولی را می توان به صورت مطالعه روابط تکاملی ژن ها و سایر ماکرومولکول های بیولوژیکی به واسطه بررسی و آنالیز جهش های نواحی مختلف توالی های انها و سپس ارائه فرضیه در مورد ارتباط تکاملی مولکول های زیستی تعریف کرد. ارتباط تکاملی میان موجودات را می توان بر اساس تشابه و همسانی توالی مولکول های آنها درک نمود.
مقدمه ای بر بیوانفورماتیک (یا داده پردازه زیستی)
در بیولوژی، امروزه ابزارهای کمی و کیفی نقش بسیار مهمی را در علم بازی می کنند. اکثر تحقیقات بیولوژی با استفاده مستقیم یا غیر مستقیم از ابزارهای ریاضی،آماری یا محاسباتی برای کمک به ترکیب داده های ثبت شده و جمع اوری انواع مختلف اطلاعات در پروسه پاسخ به یک سئوال زیستی مشخص سروکار دارند.
بیوانفورماتیک (Bioinformatics) در واقع آنالیز کمی اطلاعات مرتبط با ماکروملکول های زیستی با کمک رایانه است. توسعه بیوانفورماتی به عنوان یک رشته علمی حاصل پیشرفت در بیولوژی مولکولی و همچنین علم رایانه در چند دهه گذشته است.
تعریف لاسکوبه (Lascoube) از بیوانفورماتیک : بیوانفورماتیک به عنوان یک مجموعه واحد از زیست شناسی و انفورماتیک معرفی می شود. بیوانفورماتیک شامل فناوری است که از کامیپوتر جهت نگهداری، جستجو، دستکاری و توزیع اطلاعات مرتبط با ماکرومولکول های زیستی استفاده می کند.
در بیولوژی، امروزه ابزارهای کمی و کیفی نقش بسیار مهمی را در علم بازی می کنند. اکثر تحقیقات بیولوژی با استفاده مستقیم یا غیر مستقیم از ابزارهای ریاضی،آماری یا محاسباتی برای کمک به ترکیب داده های ثبت شده و جمع اوری انواع مختلف اطلاعات در پروسه پاسخ به یک سئوال زیستی مشخص سروکار دارند.
بیوانفورماتیک (Bioinformatics) در واقع آنالیز کمی اطلاعات مرتبط با ماکروملکول های زیستی با کمک رایانه است. توسعه بیوانفورماتی به عنوان یک رشته علمی حاصل پیشرفت در بیولوژی مولکولی و همچنین علم رایانه در چند دهه گذشته است.
تعریف لاسکوبه (Lascoube) از بیوانفورماتیک : بیوانفورماتیک به عنوان یک مجموعه واحد از زیست شناسی و انفورماتیک معرفی می شود. بیوانفورماتیک شامل فناوری است که از کامیپوتر جهت نگهداری، جستجو، دستکاری و توزیع اطلاعات مرتبط با ماکرومولکول های زیستی استفاده می کند.
حوزه های علم ایونوانفورماتیک یا ایمونولوژی محاسبه ای :پیشگویی اپی توپ، طراحی واکسن ،طراحی کیت های تشخیصی،طراحی انتی بادی، طراحی ادجوانت، ارزیابی الرژنسیتی و ابمنی درمانی
حوزه های علم بیوانفورماتیک ساختار: مدل سازی ساختار پروتیین، بررسی چین خوردگی پروتیین، مقایسه ساختارها، جهش زایی، بهینه سازی انژری، ساخت پروتیین های جدید و مهندسی پروتیین، تکه تکه کردن و پیرایش ساختارها، داکینگ، اعتبار سنجی مدل ها