写给想学习生物信息学的同学

生物信息学（bioinformatics）是利用算法、统计方法、机器学习、深度学习等计算机科学和数学的工具，从生命科学相关的数据中发现生物学规律的科学。它是随着人类基因组计划的启动而兴起的一门新兴交叉学科，体现了生物学、计算机科学、数学等学科之间的渗透和融合。二代和三代测序、质谱、电镜等高通量实验技术的快速演进产出了海量数据，推动现代生命科学研究进入了大数据时代。依托于人工智能、机器学习等为代表的新一代计算模型与方法，生物信息与计算生物学正在变革生命科学领域的研究方式，生命科学数据分析与解读已成为催生重大科学发现的关键源动力，数据驱动的研究业已成为生命科学领域研究的主流范式，生物学数据也越来越成为生命科学研究领域的核心资源。

细胞生物学的相关研究一直受限于数据的完整性和表型的完整性，对应激状态和稳态下的细胞区别观察不够充分。过去五年中，计算机视觉和语音识别领域通过对大量的无标签数据进行学习、建模，很好的解决了数据不足的问题。同样在最近的研究中，机器学习方法使用单细胞数据进行扰动建模也推动了细胞生物领域前进。对于生物学家来讲，无论研究基因、转录本、修饰、蛋白功能，都要频繁的进行人为干预，实现对感兴趣变量的正向或者反向改变，观察细胞表型的变化。整个过程需要对干预工具的构建、导入、实验观察，从而得出表型结论。扰动建模的目的就是想要通过数学模型的建立，通过对已有数据的分析、归纳和总结，对一个分子的功能在没有实验时做出预判，对于生物学家和药物研发者来讲，好的模型一定能够帮助加深对生物机制的理解，推动药物的研发进程

“单细胞多组学技术”和“空间转录组技术”先后在2019年和2020年被Nature Methods评为年度技术方法。时间和空间维度多维研究技术结合，将以全新研究思路出发，既能够获得单个细胞间异质性，又能获得细胞在组织空间上的结构位置信息，发现更多未知且精细化