Bioinformatics & Computational Biology
生物信息学与计算生物学
专业简介
生物信息学与计算生物学（Bioinformatics & Computational Biology）是生命与生物医学科学下的二级专业，主要关注使用计算、统计和数据方法研究生物序列、组学、结构、网络与生命系统，常见项目方向包括Bioinformatics、Computational Biology、Systems Biology。申请时通常需要结合课程结构、研究或实践资源、职业路径与国际学生支持进行综合评估。
一、生物信息学与计算生物学专业发展概况
1.1 专业定义与学科定位
生物信息学（Bioinformatics）与计算生物学（Computational Biology）是利用计算机科学、统计学和数学方法研究生物学问题的交叉学科。生物信息学侧重于生物数据的获取、存储、分析和解释；计算生物学则聚焦于构建和验证生物学过程的计算模型。两学科在美国高校通常设立于计算机科学系、生物医学工程系或综合交叉学科项目下。
1.2 核心能力要求与申请评价逻辑
美国高校在评估生物信息学与计算生物学申请者时，主要考察以下核心能力维度：
编程与算法能力：Python是生物信息分析的主力语言；R在统计分析和可视化中不可或缺；C/C++用于性能关键场景。
生物学基础：分子生物学、遗传学、细胞生物学基础是理解生物数据的根本。
统计学与数学基础：概率论、线性代数和机器学习方法是处理高通量生物数据的必备工具。
数据科学能力：大规模数据集处理、数据库管理（SQL）和云计算平台使用经验日益重要。
1.3 研究与应用方向详解
1.3.1 基因组学与转录组学分析
基因组学分析涵盖从基因组测序、组装到功能注释的全流程。转录组学分析研究基因表达模式，核心方法包括RNA-seq差异表达分析、可变剪接分析和单细胞转录组分析。就业方向包括基因测序公司和药企基因组学部门。
1.3.2 蛋白质结构与功能预测
蛋白质结构预测是计算生物学的核心挑战之一，近期AlphaFold2等深度学习方法取得突破性进展。核心研究方向包括同源建模、从头预测、分子对接和动力学模拟。就业方向包括生物技术公司、药企药物发现部门和结构生物学实验室。