バイオインフォマティクス

バイオインフォマティクス( / ˌ b aɪ . oʊ ˌ ɪ n f ər ˈ m æ t ɪ k s / ^{バイオインフォマティクス（ⓘ}）は、特にデータセットが大きく複雑な場合に、生物学的を理解するため方法とソフトウェアツール学際的な科学分野生物学、化学、学、コンピューターサイエンス、コンピュータープログラミング、情報工学、数学、統計生物学的データを分析および解釈します。データの分析と解釈のプロセスは、計算生物学と呼ばれることもあります生物学という用語は、生物学的システムのモデルの構築と使用を指します。

計算、統計、およびコンピュータプログラミングの技術は、生物学的クエリのコンピュータシミュレーション分析に使用されています。これらには、遺伝子や一塩基多型（SNP ）の識別など、特にゲノミクスの分野で再利用された特定の分析「パイプライン」が含まれます。これらのパイプラインは、疾患の遺伝的基礎、固有の適応、望ましい特性（特に農業種）、または集団間の違いをよりよく理解するために使用されます。バイオインフォマティクスには、核酸とタンパク質配列内の組織原理を理解しようとするプロテオミクスも含まれます。^[1]

画像および信号処理により、大量の生データから有用な結果を抽出できます。遺伝学の分野では、ゲノムとその観察された変異の配列決定と注釈付けに役立ちます。バイオインフォマティクスには、生物学文献のテキストマイニングと、生物学的データを整理してクエリするための生物学的および遺伝子オントロジーの開発が含まれます。また、遺伝子とタンパク質の発現と制御の分析にも役立ちます。バイオインフォマティクスツールは、遺伝データとゲノムデータの比較、分析、解釈、より一般的には分子生物学の進化的側面の理解に役立ちます。より統合的なレベルでは、システム生物学の重要な部分である生物学的経路とネットワークの分析とカタログ化に役立ちます。構造生物学では、DNA、 ^[2] RNA、^{[2] [3]}タンパク質^[4]および生体分子相互作用のシミュレーションとモデリングに役立ちます。 ^{[5] [6] [7] [8]}

バイオインフォマティクスという用語の最初の定義は、 1970年にパウリエン・ホーゲヴェクとベン・ヘスパーによって、生物システムにおける情報プロセスの研究を指すために作られた。^{[9] [10] [11] [12] [13]この定義では、バイオインフォマティクスは}生化学（生物システムにおける化学プロセスの研究）と並行する分野として位置付けられている。^[10]

バイオインフォマティクスと計算生物学は、生物学的データ、特に DNA、RNA、タンパク質配列の分析に関係しています。バイオインフォマティクスの分野は、主にヒトゲノムプロジェクトと DNA 配列決定技術の急速な進歩によって、1990 年代半ばから爆発的な成長を遂げました。^{[引用が必要]}

生物学的データを分析して意味のある情報を生成するには、グラフ理論、人工知能、ソフトコンピューティング、データマイニング、画像処理、コンピュータシミュレーションのアルゴリズムを使用するソフトウェアプログラムの作成と実行が必要です。これらのアルゴリズムは、離散数学、制御理論、システム理論、情報理論、統計などの理論的基礎に依存しています。^[要出典]

ヒトゲノム計画の完了以来、スピードとコスト削減は飛躍的に進歩しており、一部の研究室では毎年100兆塩基以上の配列を決定できるようになり、全ゲノムの配列決定には1,000ドル以下で済むようになった。^[14]

1950年代初頭にフレデリック・サンガーがインスリンの配列を決定し、タンパク質配列が利用可能になると、分子生物学ではコンピュータが不可欠になりました。 ^{[15] [16]}複数の配列を手動で比較することは非現実的であることが判明しました。この分野の先駆者であるマーガレット・オークリー・デイホフ^[17]は、最初のタンパク質配列データベースの1つをコンパイルし、最初は書籍として出版しました^{[18]配列アライメントと}分子進化の方法もまとめました。^[19]バイオインフォマティクスのもう1人の初期の貢献者はエルビン・A・カバットで、1970年に生物学的配列分析の先駆者となり、1980年から1991年にかけてタイ・テ・ウーと共同で抗体配列の包括的な書籍をオンラインでリリースしました。^[20]

1970年代には、DNA配列を決定するための新しい技術がバクテリオファージMS2とøX174に適用され、拡張されたヌクレオチド配列が情報および統計アルゴリズムで解析されました。これらの研究は、コードセグメントやトリプレットコードなどのよく知られた特徴が簡単な統計分析で明らかにされ、バイオインフォマティクスが洞察力に富むという概念の証明となりました。^{[21] [22]}

さまざまな疾患状態で正常な細胞活動がどのように変化するかを研究するためには、生の生物学的データを組み合わせて、これらの活動の包括的な画像を形成する必要があります。そのため、^{[いつ? ]}、バイオインフォマティクスの分野は進化し、現在最も緊急の課題はさまざまな種類のデータの分析と解釈です。これには、ヌクレオチドとアミノ酸の配列、タンパク質ドメイン、タンパク質構造も含まれます。^[23]

バイオインフォマティクスと計算生物学の重要なサブ分野には以下のものがあります。

• さまざまな種類の情報に効率的にアクセスし、管理し、使用するためのコンピュータ プログラムの開発と実装。
• 大規模なデータセットのメンバー間の関係を評価するための新しい数学的アルゴリズムと統計的尺度の開発。たとえば、配列内の遺伝子の位置を特定したり、タンパク質の構造や機能を予測したり、タンパク質配列を関連する配列のファミリーにクラスター化したりする方法があります。

バイオインフォマティクスの主な目的は、生物学的プロセスに対する理解を深めることです。他のアプローチと異なるのは、この目的を達成するために計算集約型の技術の開発と適用に重点を置いていることです。例としては、パターン認識、データマイニング、機械学習アルゴリズム、視覚化などがあります。この分野の主な研究活動には、配列アライメント、遺伝子発見、ゲノムアセンブリ、薬物設計、薬物発見、タンパク質構造アライメント、タンパク質構造予測、遺伝子発現とタンパク質間相互作用の予測、ゲノムワイド関連研究、進化と細胞分裂/有糸分裂のモデリングなどがあります。

バイオインフォマティクスは、生物学的データの管理と分析から生じる形式的および実際的な問題を解決するためのデータベース、アルゴリズム、計算および統計手法、および理論の作成と進歩を伴います。

過去数十年にわたり、ゲノムやその他の分子研究技術の急速な発展と情報技術の発展が相まって、分子生物学に関連する膨大な量の情報が生成されてきました。バイオインフォマティクスとは、生物学的プロセスを理解するために使用されるこれらの数学的および計算的アプローチに付けられた名前です。

バイオインフォマティクスの一般的な活動には、 DNAとタンパク質の配列のマッピングと分析、DNA とタンパク質の配列を整列させて比較すること、タンパク質構造の 3D モデルの作成と表示などがあります。

1977年にバクテリオファージPhage Φ-X174の配列が解読されて以来、 ^[24]何千もの生物のDNA配列が解読され、データベースに保存されている。この配列情報は、タンパク質をコードする遺伝子、RNA遺伝子、調節配列、構造モチーフ、反復配列を決定するために分析される。種内または異なる種間の遺伝子の比較により、タンパク質機能の類似性や種間の関係（分子系統学を使用して系統樹を構築）を示すことができる。データ量の増加に伴い、DNA配列を手動で分析することはずっと以前に非現実的になった。BLASTなどのコンピュータプログラムは、2008年現在、1900億を超えるヌクレオチドを含む26万種以上の生物の配列を検索するために日常的に使用されている。^[25]

配列を分析する前に、GenBank などのデータ ストレージ バンクから配列を取得します。生データにはノイズが含まれていたり、弱い信号の影響を受けたりする可能性があるため、 DNA 配列決定は依然として容易な問題ではありません。DNA 配列決定に対するさまざまな実験的アプローチのために、ベース コーリング用のアルゴリズムが開発されています。

ほとんどの DNA シーケンシング技術では、完全な遺伝子またはゲノム配列を得るために組み立てる必要のある短い配列断片が生成されます。ショットガン シーケンシング技術 (ゲノム研究所(TIGR) が最初の細菌ゲノムであるインフルエンザ菌の配列決定に使用) ^[26]では、何千もの小さな DNA 断片 (配列決定技術に応じて 35 ～ 900 ヌクレオチド長) の配列が生成されます。これらの断片の末端は重なり合っており、ゲノム アセンブリ プログラムによって適切に整列されると、完全なゲノムを再構築するために使用できます。ショットガン シーケンシングでは配列データが迅速に生成されますが、大きなゲノムの場合、断片を組み立てる作業は非常に複雑になる可能性があります。ヒトゲノムのような大きなゲノムの場合、断片を組み立てるのに大容量メモリのマルチプロセッサ コンピュータで何日もの CPU 時間を要することがあり、結果として得られるアセンブリには通常、後で埋めなければならない多数のギャップが含まれます。ショットガン シーケンシングは、事実上すべてのゲノムのシーケンシングに選択される方法であり (連鎖終結法や化学分解法ではなく)、ゲノム アセンブリ アルゴリズムはバイオインフォマティクス研究の重要な分野です。

ゲノミクスにおいて、アノテーションとは、配列された DNA 配列内の遺伝子の停止領域と開始領域、およびその他の生物学的特徴をマークするプロセスを指します。多くのゲノムは手作業でアノテーションするには大きすぎます。配列決定の速度がゲノムアノテーションの速度を上回るにつれて、ゲノムアノテーションはバイオインフォマティクスの新たなボトルネックになりました^{[いつ? ]}。

ゲノムアノテーションは、ヌクレオチドレベル、タンパク質レベル、プロセスレベル の 3 つのレベルに分類できます。

遺伝子の発見は、ヌクレオチド レベルの注釈付けの主要な側面です。複雑なゲノムの場合、アブ イニシオ遺伝子予測と、発現配列データベースや他の生物との配列比較を組み合わせることで、成功する可能性があります。ヌクレオチド レベルの注釈付けにより、ゲノム配列をゲノムの他の遺伝子マップや物理マップと統合することもできます。

タンパク質レベルの注釈の主な目的は、ゲノムのタンパク質産物に機能を割り当てることです。このタイプの注釈には、タンパク質配列と機能ドメインおよびモチーフのデータベースが使用されます。新しいゲノム配列で予測されるタンパク質の約半分は、明らかな機能を持たない傾向があります。

プロセスレベルアノテーションの目的は、細胞生理学と生物生理学の文脈における遺伝子とその産物の機能を理解することです。プロセスレベルアノテーションの障害は、異なるモデルシステムで使用される用語の不一致です。遺伝子オントロジーコンソーシアムは、この問題の解決に貢献しています。^[27]

包括的な注釈システムの最初の記述は、1995年にゲノム研究所によって発表されました^[26] 。この研究所は、自由生活（非共生）生物であるインフルエンザ^{菌のゲノムの完全な配列決定と分析を初めて行いました[26]}。このシステムは、すべてのタンパク質、転移RNA、リボソームRNAをコードする遺伝子を識別し、初期の機能割り当てを行います。インフルエンザ菌のタンパク質コード遺伝子を見つけるようにトレーニングされたGeneMarkプログラムは、常に変化し、改善されています。

2003 年にヒトゲノム プロジェクトが終了した後に達成されなかった目標を引き継ぎ、国立ヒトゲノム研究所によってENCODEプロジェクトが開発されました。このプロジェクトは、次世代 DNA シーケンシング技術とゲノム タイリング アレイを使用してヒトゲノムの機能要素の共同データ収集を行うプロジェクトです。これらの技術により、塩基あたりのコストを大幅に削減しながらも、精度 (塩基呼び出しエラー) と忠実度 (アセンブリ エラー) は同等で、大量のデータを自動的に生成できます。

ゲノムアノテーションは主に配列の類似性（したがって相同性）に基づいていますが、配列の他の特性を使用して遺伝子の機能を予測することができます。実際、ほとんどの遺伝子機能予測方法は、より情報量が多く、より特徴が豊富なタンパク質配列に焦点を当てています。たとえば、疎水性アミノ酸の分布は、タンパク質の膜貫通セグメントを予測します。ただし、タンパク質機能予測では、遺伝子（またはタンパク質）発現データ、タンパク質構造、またはタンパク質間相互作用などの外部情報も使用できます。^[28]

進化生物学は、種の起源と系統、そして時間の経過に伴う変化を研究する学問です。情報科学は、研究者が以下のことを行えるようにすることで、進化生物学者を支援してきました。

• 物理的な分類や生理学的観察だけではなく、 DNAの変化を測定することで多数の生物の進化を追跡する。
• ゲノム全体を比較することで、遺伝子の複製、遺伝子の水平伝播、細菌の種分化に重要な要因の予測など、より複雑な進化の出来事の研究が可能になります。
• システムの長期的な結果を予測するための複雑な計算集団遺伝学モデルを構築する^[29]
• ますます増え続ける種や生物に関する情報を追跡し共有する

今後の研究では、より複雑化した生命の樹を再構築することを目指します。^{[誰によると? ]}

比較ゲノム解析の核心は、異なる生物における遺伝子（オルソロジー解析）またはその他のゲノム特性間の対応関係を確立することです。ゲノム間マップは、2つのゲノムの分岐の原因となった進化の過程を追跡するために作成されます。さまざまな組織レベルで作用する多数の進化イベントがゲノムの進化を形作ります。最も低いレベルでは、点突然変異が個々のヌクレオチドに影響を及ぼします。より高いレベルでは、大きな染色体セグメントが複製、水平移動、反転、転位、欠失、挿入を受けます。^[30]ゲノム全体が、急速な種分化につながる交雑、倍数体化、共生のプロセスに関与しています。ゲノム進化の複雑さは、数学モデルやアルゴリズムの開発者に多くの刺激的な課題を突きつけています。開発者は、節約モデルに基づく問題に対する正確なヒューリスティックス、固定パラメータ、近似アルゴリズムから、確率モデルに基づく問題のベイズ分析のためのマルコフ連鎖モンテカルロアルゴリズムに至るまで、さまざまなアルゴリズム、統計、数学的手法に頼っています。

これらの研究の多くは、配列相同性の検出に基づいてタンパク質ファミリーに配列を割り当てることに基づいています。^[31]

パンゲノミクスは、2005 年にテテリンとメディニによって導入された概念です。パンゲノムは、特定の単系統分類群の完全な遺伝子レパートリーです。当初は種の近縁種に適用されていましたが、属、門などのより広いコンテキストに適用できます。パンゲノムは 2 つの部分に分かれています。コアゲノムは、研究対象のすべてのゲノムに共通する遺伝子セット (多くの場合、生存に不可欠なハウスキーピング遺伝子) であり、ディスペンサブル/フレキシブルゲノムは、研究対象の 1 つまたは一部のゲノム以外には存在しない遺伝子セットです。バイオインフォマティクスツール BPGA を使用すると、細菌種のパンゲノムを特徴付けることができます。^[32]

2013年現在、効率的なハイスループット次世代シーケンシング技術の存在により、さまざまなヒト疾患の原因を特定できるようになりました。オンラインメンデル遺伝データベースで特定された3,000を超える疾患では、単純なメンデル遺伝が観察されていますが、複雑な疾患はより困難です。関連研究では、単一の原因ではなく、複雑な疾患（不妊症^[33]、乳がん^[34]、アルツハイマー病^[35]など）と個別に弱い関連がある多くの個別の遺伝子領域が見つかりました。^{[36] [37]}現在、どの遺伝子が重要であるかわからないことや、アルゴリズムが提供する選択肢がどれだけ安定しているかなど、診断や治療に遺伝子を使用することには多くの課題があります。^[38]

全ゲノム関連研究では、複雑な疾患や形質について数千もの共通遺伝子変異を特定することに成功しているが、これらの共通変異は遺伝率のごく一部しか説明できない。 ^{[39] 希少}変異は失われた遺伝率の一部を説明できる可能性がある。 [40]大規模な全ゲノム配列解析研究では、数百万の全ゲノムが急速に配列決定され、数億の希少変異が特定されている。^[41]機能注釈は、遺伝子変異の効果や機能を予測し、希少な機能変異の優先順位付けに役立ち、これらの注釈を組み込むことで、全ゲノム配列解析研究における希少変異の遺伝的関連の解析の威力を効果的に高めることができる。^[42]全ゲノム配列解析データに対して、遺伝子型データとその機能注釈の統合、関連解析、結果の要約、視覚化など、オールインワンの希少変異関連解析を提供するツールがいくつか開発されている。^{[43] [44]}全ゲノム配列解析研究のメタアナリシスは、複雑な表現型に関連する稀な変異を発見するために大規模なサンプルを収集するという問題に対する魅力的な解決策を提供します。^[45]

がんでは、影響を受けた細胞のゲノムが複雑または予測不可能な方法で再編成されます。がんを引き起こす点突然変異を識別する一塩基多型アレイに加えて、オリゴヌクレオチドマイクロアレイを使用して染色体の増加と減少を識別できます (比較ゲノムハイブリダイゼーションと呼ばれます)。これらの検出方法では、実験ごとにテラバイトのデータが生成されます。データにはかなりの変動性、つまりノイズが含まれていることがよくあるため、実際のコピー数の変化を推測するために、隠れマルコフモデルと変化点分析法が開発されています。^{[引用が必要]}

エクソームの変異によってがんを特定するには、2つの重要な原則を利用できます。第一に、がんは遺伝子の体細胞変異が蓄積する病気です。第二に、がんにはドライバー変異が含まれており、パッセンジャー変異と区別する必要があります。^[46]

バイオインフォマティクスのさらなる進歩により、ゲノム中の癌に起因する変異を分析することで癌の種類を分類することが可能になる。さらに、癌サンプルの配列により、病気の進行過程における患者の追跡が将来可能になるかもしれない。新たな情報科学の開発を必要とする別の種類のデータは、多くの腫瘍の中で再発性であることが判明した病変の分析である。 ^[47]

多くの遺伝子の発現は、マイクロアレイ、発現 cDNA 配列タグ( EST) シーケンシング、遺伝子発現の連続解析(SAGE) タグシーケンシング、超並列シグネチャシーケンシング(MPSS)、RNA-Seq (別名「全トランスクリプトームショットガンシーケンシング」(WTSS))、またはマルチプレックス in situ ハイブリダイゼーションのさまざまなアプリケーションを含む複数の技術で mRNA レベルを測定することによって決定できます。これらの技術はすべて、生物学的測定において非常にノイズが発生しやすく、バイアスの影響を受けやすいため、計算生物学の主要な研究分野には、ハイスループット遺伝子発現研究で信号とノイズを分離する統計ツールの開発が含まれます。 ^[48]このような研究は、疾患に関係する遺伝子を決定するためによく使用されます。がん性上皮細胞のマイクロアレイデータを非がん性細胞のデータと比較し、特定のがん細胞集団でアップレギュレーションおよびダウンレギュレーションされている転写産物を決定する場合があります。

タンパク質マイクロアレイとハイスループット（HT）質量分析（MS）は、生物学的サンプル中に存在するタンパク質のスナップショットを提供することができます。前者のアプローチは、mRNAをターゲットとしたマイクロアレイと同様の問題に直面しており、後者は、大量の質量データをタンパク質配列データベースから予測された質量と照合する問題と、各タンパク質から複数の不完全なペプチドが検出された場合のサンプルの複雑な統計分析を伴います。組織コンテキストにおける細胞タンパク質の局在は、免疫組織化学と組織マイクロアレイに基づく空間データとして表示されるアフィニティープロテオミクスによって達成できます。^[49]

遺伝子制御は、ホルモンなどの細胞外シグナルなどのシグナルが最終的に 1 つまたは複数のタンパク質の活性を増加または減少させる複雑なプロセスです。このプロセスのさまざまなステップを調査するために、バイオインフォマティクス技術が適用されています。

たとえば、遺伝子発現はゲノム内の近くの要素によって制御されます。プロモーター分析では、遺伝子のタンパク質コード領域を囲む DNA 内の配列モチーフの特定と研究を行います。これらのモチーフは、その領域が mRNA に転写される程度に影響します。プロモーターから遠く離れたエンハンサー要素も、3 次元ループ相互作用を通じて遺伝子発現を制御できます。これらの相互作用は、染色体コンフォメーション キャプチャ実験のバイオインフォマティクス分析によって判定できます。

発現データは遺伝子調節を推測するために使用できます。つまり、生物のさまざまな状態からのマイクロアレイデータを比較して、各状態に関与する遺伝子についての仮説を立てることができます。単細胞生物では、細胞周期の段階とさまざまなストレス条件 (熱ショック、飢餓など) を比較できます。次に、クラスタリング アルゴリズムを発現データに適用して、どの遺伝子が共発現しているかを判断できます。たとえば、共発現遺伝子の上流領域 (プロモーター) を検索して、過剰に表現されている調節要素を検索できます。遺伝子クラスタリングに適用されるクラスタリング アルゴリズムの例には、k 平均法クラスタリング、自己組織化マップ(SOM)、階層的クラスタリング、コンセンサス クラスタリング法があります。

細胞内の細胞小器官、遺伝子、タンパク質、その他の成分の位置を分析するためのいくつかのアプローチが開発されてきました。遺伝子オントロジーのカテゴリである細胞成分は、多くの生物学的データベースで細胞内の局在を捉えるために考案されました。

顕微鏡写真により、病気の異常の原因となる可能性のある細胞小器官や分子 の位置を特定することができます。

タンパク質の位置を見つけることで、その働きを予測することができます。これはタンパク質機能予測と呼ばれています。たとえば、タンパク質が核内に見つかった場合、遺伝子調節やスプライシングに関与している可能性があります。対照的に、タンパク質がミトコンドリア内に見つかった場合、呼吸やその他の代謝プロセスに関与している可能性があります。タンパク質細胞内局在データベースや予測ツールなど、十分に開発されたタンパク質細胞内局在予測リソースが利用可能です。^{[50] [51]}

Hi-C（実験）やChIA-PETなどの高スループット染色体構造捕捉実験のデータは、クロマチンの3次元構造と核組織に関する情報を提供することができます。この分野におけるバイオインフォマティクスの課題には、ゲノムを3次元空間で一緒に組織化されたトポロジカル関連ドメイン（TAD）などのドメインに分割することが含まれます。^[52]

タンパク質の構造を見つけることはバイオインフォマティクスの重要な応用である。タンパク質構造予測の重要な評価（CASP）は、世界中の研究グループがタンパク質モデルを提出し、未知のタンパク質モデルを評価する公開コンテストである。^{[53] [54]}

タンパク質の直線アミノ酸配列は一次構造と呼ばれます。一次構造は、それをコードする DNA 遺伝子のコドンの配列から簡単に決定できます。ほとんどのタンパク質では、一次構造によって、本来の環境におけるタンパク質の 3 次元構造が一意に決定されます。例外は、牛海綿状脳症に関係する誤って折り畳まれたタンパク質です。この構造は、タンパク質の機能に関連しています。追加の構造情報には、二次、三次、四次構造が含まれます。タンパク質の機能を予測するための実行可能な一般的な解決策は、未解決の問題のままです。これまでのほとんどの努力は、ほとんどの場合に機能するヒューリスティックに向けられてきました。^{[引用が必要]}

バイオインフォマティクスのゲノム分野では、相同性は遺伝子の機能を予測するために使用されます。機能がわかっている遺伝子Aの配列が、機能がわからない遺伝子Bの配列と相同である場合、遺伝子 B は A の機能を共有している可能性があると推測できます。構造バイオインフォマティクスでは、相同性はタンパク質のどの部分が構造形成や他のタンパク質との相互作用に重要であるかを判断するために使用されます。相同性モデリングは、既存の相同タンパク質から未知のタンパク質の構造を予測するために使用されます。

その一例は、同じタンパク質スーパーファミリーの遠い親戚であるヒトのヘモグロビンとマメ科植物のヘモグロビン（レグヘモグロビン）です。どちらも生物体内で酸素を輸送するという同じ目的を果たします。これらのタンパク質はどちらも完全に異なるアミノ酸配列を持っていますが、タンパク質構造は実質的に同一であり、ほぼ同じ目的と共通の祖先を反映しています。^[55]

タンパク質構造を予測する他の技術には、タンパク質スレッディングやde novo (ゼロからの) 物理ベースのモデリングなどがあります。

構造バイオインフォマティクスのもう 1 つの側面には、定量的構造活性相関モデルやプロテオケモメトリック モデル (PCM)などの仮想スクリーニングモデルにタンパク質構造を使用することが含まれます。さらに、タンパク質の結晶構造は、たとえばリガンド結合研究やin silico変異誘発研究のシミュレーションに使用できます。

2021年にGoogleのDeepMindが開発したディープラーニングアルゴリズムベースのソフトウェアAlphaFoldは、他のすべての予測ソフトウェア手法を大幅に上回り^{[56] [どのように？ ]}、AlphaFoldタンパク質構造データベースに数億個のタンパク質の予測構造を公開しました。^[57]

ネットワーク分析は、代謝ネットワークやタンパク質間相互作用ネットワークなどの生物学的ネットワーク内の関係性を理解しようとします。生物学的ネットワークは、単一の種類の分子または実体 (遺伝子など) から構築できますが、ネットワーク生物学では、タンパク質、小分子、遺伝子発現データなど、物理的、機能的、またはその両方ですべて接続されている多くの異なるデータ タイプを統合しようとすることがよくあります。

システム生物学では、細胞サブシステム（代謝、シグナル伝達経路、遺伝子調節ネットワークを構成する代謝産物と酵素のネットワークなど）のコンピューターシミュレーションを使用して、これらの細胞プロセスの複雑な接続を分析および視覚化します。人工生命または仮想進化は、単純な（人工）生命体のコンピューターシミュレーションを通じて進化プロセスを理解しようとします。

X 線結晶構造解析とタンパク質核磁気共鳴分光法(タンパク質 NMR)によって、何万もの 3 次元タンパク質構造が決定されており、構造バイオインフォマティクスにおける中心的な問題は、タンパク質間相互作用実験を行わずに、これらの 3D 形状のみに基づいてタンパク質間相互作用の可能性を予測することが現実的かどうかです。タンパク質間ドッキング問題に対処するためにさまざまな方法が開発されていますが、この分野ではまだ多くの作業が残っているようです。

この分野で遭遇するその他の相互作用には、タンパク質-リガンド（薬物を含む）およびタンパク質-ペプチドが含まれます。回転可能な結合に関する原子の動きの分子動力学シミュレーションは、分子相互作用を研究するためのドッキングアルゴリズムと呼ばれる計算アルゴリズムの基本原理です。

生物多様性情報学は、分類データベースやマイクロバイオームデータなどの生物多様性データの収集と分析を扱います。このような分析の例には、系統発生学、ニッチモデリング、種の豊富さのマッピング、DNAバーコーディング、種識別ツールなどがあります。また、成長している分野として、マクロ生態学、つまり生物多様性が生態系や気候変動などの人間の影響とどのように関連しているかを研究する分野もあります。

出版されている文献の数が膨大であるため、個人がすべての論文を読むことは事実上不可能であり、研究のサブフィールドがばらばらになっています。文献分析は、計算言語学と統計言語学を使用して、この増え続けるテキスト リソースのライブラリを掘り起こすことを目的としています。例:

• 略語認識 - 生物学用語の長文と略語を識別する
• 固有表現認識- 遺伝子名などの生物学的用語を認識する
• タンパク質間相互作用 -テキストからどのタンパク質がどのタンパク質と相互作用するかを特定する

研究分野は統計学と計算言語学に基づいています。

計算技術は、大量の高情報量生物医学画像の処理、定量化、分析を自動化するために使用されます。最新の画像分析システムは、観察者の精度、客観性、または速度を向上させることができます。画像分析は、診断と研究の両方にとって重要です。いくつかの例を以下に示します。

• ハイスループットかつ高忠実度の定量化と細胞内局在（ハイコンテントスクリーニング、細胞組織病理学、バイオイメージインフォマティクス）
• 形態計測
• 臨床画像分析と視覚化
• 生きた動物の呼吸肺におけるリアルタイムの空気の流れパターンを決定する
• 動脈損傷の発生と回復過程における閉塞の大きさをリアルタイム画像で定量化する
• 実験動物の長時間ビデオ録画から行動を観察する
• 代謝活性測定のための赤外線測定
• DNAマッピングにおけるクローンの重複の推測、例：サルストンスコア

計算技術は、フローサイトメトリーから得られるような、高スループットで測定の少ない単一細胞データを分析するために使用されます。これらの方法では通常、特定の病状または実験条件に関連する細胞集団を見つけます。

生物学的オントロジーは、制御された語彙の有向非巡回グラフです。生物学的概念と説明のカテゴリを作成し、コンピューターで簡単に分析できるようにします。このように分類すると、全体的かつ統合的な分析から付加価値を得ることができます。^{[引用が必要]}

OBOファウンドリーは、特定のオントロジーを標準化する取り組みでした。最も普及しているオントロジーの 1 つは、遺伝子の機能を説明する遺伝子オントロジーです。表現型を説明するオントロジーもあります。

データベースは、バイオインフォマティクスの研究と応用に不可欠です。データベースは、DNA とタンパク質の配列、分子構造、表現型、生物多様性など、さまざまな情報タイプに対応しています。データベースには、実験から直接得られた経験的データと、既存のデータの分析から得られた予測データの両方を含めることができます。データベースは、特定の生物、経路、または関心のある分子に固有のものである場合があります。あるいは、複数の他のデータベースから収集されたデータを組み込むこともできます。データベースにはさまざまな形式、アクセス メカニズムがあり、公開または非公開にすることができます。

最も一般的に使用されるデータベースの一部を以下に挙げます。

• 生物学的配列分析に使用: Genbank、UniProt
• 構造解析に使用:タンパク質データバンク(PDB)
• タンパク質ファミリーとモチーフの検索に使用: InterPro、Pfam
• 次世代シーケンシングに使用:シーケンスリードアーカイブ
• ネットワーク分析に使用: 代謝経路データベース ( KEGG、BioCyc )、相互作用分析データベース、機能ネットワーク
• 合成遺伝子回路の設計に使用: GenoCAD ^{[引用が必要]}

バイオインフォマティクス用のソフトウェア ツールには、シンプルなコマンド ライン ツール、より複雑なグラフィカル プログラム、スタンドアロンの Web サービスなどがあります。これらはバイオインフォマティクス企業または公的機関によって作成されています。

1980年代以降、多くの無料オープンソースソフトウェアツールが存在し、成長を続けています。 ^[59]新たなタイプの生物学的読み取り結果を分析するための新しいアルゴリズムの継続的なニーズ、革新的なin silico実験の可能性、無料で利用できるオープンコードベースの組み合わせにより、研究グループが資金に関係なくバイオインフォマティクスに貢献する機会が生まれました。オープンソースツールは、アイデアのインキュベーターとして、または商用アプリケーションにおけるコミュニティサポートのプラグインとして機能することがよくあります。また、バイオインフォマティクス統合の課題を支援するための事実上の標準や共有オブジェクトモデルを提供することもあります。

オープンソースのバイオインフォマティクス ソフトウェアには、Bioconductor、BioPerl、Biopython、BioJava、BioJS、BioRuby、Bioclipse、EMBOSS、.NET Bio、バイオインフォマティクス アドオンを備えたOrange 、 Apache Taverna、UGENE、GenoCADなどがあります。

非営利のオープンバイオインフォマティクス財団^[59]と毎年開催されるバイオインフォマティクスオープンソースカンファレンスは、オープンソースのバイオインフォマティクスソフトウェアを推進しています。^[60]

SOAPおよびRESTベースのインターフェイスは、クライアント コンピューターが世界の他の地域にあるサーバーのアルゴリズム、データ、コンピューティング リソースを使用できるようにするために開発されました。主な利点は、エンド ユーザーがソフトウェアとデータベースのメンテナンスのオーバーヘッドに対処する必要がないことです。

基本的なバイオインフォマティクスサービスは、 EBIによって3つのカテゴリーに分類されています：SSS（配列検索サービス）、MSA（多重配列アライメント）、BSA（生物学的配列解析）。^[61]これらのサービス指向のバイオインフォマティクスリソースが利用可能であることは、Webベースのバイオインフォマティクスソリューションの適用可能性を示しており、単一のWebベースのインターフェイスの下で共通のデータ形式を備えたスタンドアロンツールのコレクションから、統合型、分散型、拡張可能なバイオインフォマティクスワークフロー管理システムまで多岐にわたります。

バイオインフォマティクスワークフロー管理システムは、バイオインフォマティクスアプリケーションにおける一連の計算またはデータ操作ステップ、つまりワークフローを構成および実行するために特別に設計された ワークフロー管理システムの特殊な形式です。このようなシステムは、

• 個々のアプリケーション科学者が独自のワークフローを作成できる使いやすい環境を提供します。
• 科学者がワークフローを実行し、結果をリアルタイムで確認できるインタラクティブなツールを提供する。
• 科学者間でワークフローを共有し再利用するプロセスを簡素化し、
• 科学者がワークフロー実行結果とワークフロー作成手順の由来を追跡できるようにします。

このサービスを提供しているプラ​​ットフォームの一部：Galaxy、Kepler、Taverna、UGENE、Anduril、HIVE。

2014年、米国食品医薬品局は、バイオインフォマティクスにおける再現性について議論するため、国立衛生研究所ベセスダキャンパスで開催された会議を後援しました。 ^[62]その後3年間、利害関係者のコンソーシアムが定期的に会合を開き、バイオコンピューティングのパラダイムとなるものを議論しました。^[63]これらの利害関係者には、政府、業界、学術機関の代表者が含まれていました。セッションリーダーは、FDAとNIHの研究所やセンターの多数の支部、ヒトバリオムプロジェクトや欧州医療情報学連盟などの非営利団体、スタンフォード大学、ニューヨークゲノムセンター、ジョージワシントン大学などの研究機関を代表していました。

BioComputeパラダイムは、バイオインフォマティクスプロトコルの再現性、複製、レビュー、再利用を可能にするデジタル「ラボノート」の形をとることが決定されました。これは、通常の人員の流動性を通じて研究グループ内の継続性を高め、グループ間のアイデアの交換を促進するために提案されました。米国FDAは、パイプラインに関する情報がより透明で、規制当局のスタッフがアクセスしやすいように、この研究に資金を提供しました。^[64]

2016年、グループはベセスダのNIHで再集結し、 BioComputeパラダイムのインスタンスであるBioComputeオブジェクトの可能性について議論しました。この作業は、「標準試験使用」文書とプレプリント論文の両方としてコピーされ、bioRxivにアップロードされました。BioComputeオブジェクトにより、JSON形式の記録を従業員、協力者、規制当局間で共有できます。^{[65] [66]}

バイオインフォマティクスは、多くの大学で対面式の修士課程として教えられているだけではありません。バイオインフォマティクスの計算的な性質により、コンピュータ支援学習やオンライン学習に適しています。^{[67] [68]}バイオインフォマティクスの概念と方法を教えるために設計されたソフトウェアプラットフォームには、Rosalindや、スイスバイオインフォマティクス研究所トレーニングポータルで提供されるオンラインコースがあります。カナダバイオインフォマティクスワークショップは、クリエイティブコモンズライセンスの下で、ウェブサイトでトレーニングワークショップのビデオとスライドを提供しています。4273πプロジェクトまたは4273piプロジェクト^[69]も、オープンソースの教育資料を無料で提供しています。このコースは、低価格のRaspberry Piコンピューターで実行され、大人や学校の生徒の教育に使用されています。^{[70] [71]} 4273は、Raspberry Piコンピューターと4273πオペレーティングシステムを使用して研究レベルのバイオインフォマティクスを実行した学者と研究スタッフのコンソーシアムによって積極的に開発されています。^{[72] [73]}

MOOCプラットフォームでは、カリフォルニア大学サンディエゴ校のCourseraによる Bioinformatics Specialization 、ジョンズホプキンス大学の Genomic Data Science Specialization 、ハーバード大学のEdXによる Data Analysis for Life Sciences XSeriesなど、バイオインフォマティクスおよび関連分野のオンライン認定も提供しています。

バイオインフォマティクスに関する大規模な会議がいくつかあります。最も注目すべき例としては、Intelligent Systems for Molecular Biology (ISMB)、European Conference on Computational Biology (ECCB)、Research in Computational Molecular Biology (RECOMB) などがあります。

• バイオインフォマティクス リソース ポータル (SIB)