一、生物信息学
生物信息学(Bioinformatics)是研究生物信息的采集、处理、存储、传播，分析和解释等各方面的学科，也是随着生命科学和计算机科学的迅猛发展，生命科学和计算机科学相结合形成的一门新学科。它通过综合利用生物学，计算机科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。它是当今生命科学和自然科学的重大前沿领域之一，同时也将是21世纪自然科学的核心领域之一。其研究重点主要体现在基因组学（Genomics）和蛋白质组学（Proteomics）两方面，具体说就是从核酸和蛋白质序列出发，分析序列中表达的结构功能的生物信息。

研究方法以数据（库）为核心

1 数据库的建立

2 生物学数据的检索

3 生物学数据的处理

**4 生物学数据的利用：计算生物学 **生物信息学的主要研究方向：

基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，1989年在美国举办生物化学系统论与生物数学 的计算机模型国际会议 ，生物信息学发展到了计算生物学、计算系统生物学的时代。

二、计算生物学(computational biology)*
计算生物学（Computational Biology）是生物学的一个分支，是指开发和应用数据分析及理论的方法、数学建模和计算机仿真技术等，用于生物学、行为学和社会群体系统的研究的一门学科。计算生物学的最终目的不仅仅局限于测序，而是运用计算机的思维解决生物问题，用计算机的语言和数学的逻辑构建和描述并模拟出生物世界。 就整个学科的内容而论，计算生物学最终是以生命科学中的现象和规律作为研究对象，以解决生物学问题为最终目标，数学和计算机仅仅是解决问题的工具和手段。计算生物学的研究范畴相当广泛，几乎渗透到现代生物学研究的每一个领域。也就是说，任何关于生物学问题的交叉学科研究，只要其工作假设(working hypothesis)可以通过建立数学模型和计算机仿真来进行检验，都可纳入计算生物学的研究范畴。 计算生物学的研究可以划分成两个部分或者两个阶段。

一是数据挖掘和知识发现， 从大量的实验数据中提取背后隐藏的模式，然后形成假设； 第二个阶段是建立数学模型，利用计算机模拟来检验各种假设 ，为进一步的体内、体外实验研究提供预测结果和指导建议。 因此，计算生物学的两个阶段可以归纳为“发现的科学”(iscovery science)和“假设驱动的科学”(hypothesis-riven science)。

计算生物学应用
从基因组科学新视角来探究人类健康和疾病的各个方面，使将人类基因组计划的成果转化为医学领域的进步成为可能。 运用计算生物学，科学家有望鉴定基因和生物通路在健康和疾病中的角色，挖掘它们与环境因素之间的关系。 发展、评价以及应用以基因组为基础的诊断方法来预测对疾病的易感性，预测药物反应，发现疾病的早期诊断标记、疾病在分子水平上的发展机制。 应用基因组和代谢通路的知识，通过分子模拟等方法进行计算机辅助药物设计，缩短新药开发周期，从而开发有效的、新的疾病治疗方法;发展基于基因组的工具来改善大众的健康状况。

三、生物信息学与计算生物学的异同**
一、专业性质不同**

1、生物信息学：是研究生物信息的采集、处理、存储、传播，分析和解释等各方面的学科，是生命科学和计算机科学相结合形成的一门新学科。

2、计算生物学：是生物学的一个分支，是指开发和应用数据分析及理论的方法、数学建模和计算机仿真技术等，用于生物学、行为学和社会群体系统的研究的一门学科。

二、研究内容不同

1、生物信息学：通过综合利用生物学，计算机科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。

2、计算生物学：运用计算机的思维解决生物问题，用计算机的语言和数学的逻辑构建和描述并模拟出生物世界。

三、研究方法不同

1、生物信息学： 以数据（库）为核心，数据库的建立，生物学数据的检索，生物学数据的处理，生物学数据的利用：计算生物学。

2、计算生物学： 各种计算方法已开始广泛应用于药物研究，以及研发创新的、具有自主知识产权的疾病靶标和信息学分析系统等。

同时，运用计算生物学，科学家有望直接破译在核酸序列中的遗传语言规律，模拟生命体内的信息流过程，从而认识代谢、发育、进化等一系列规律。 相对于生物信息学，计算生物学的层次更高。虽然两者之间界限模糊，但生物信息学略微偏向于生物，而计算生物学略微偏向计算机。生物信息学侧重于数据的提取、挖掘，而计算生物学侧重对数据的处理、运用。计算生物学的最终目的不只局限于测序，而是运用计算机的思维解决生物问题，用计算机的语言和数学的逻辑构建和描述并模拟出生物世界。

对那些海量数据只进行一些传统处理，并不能给生命科学以及医学带来太大的促进，迫切需要一个有效的研究方法体系来帮助人们了解像人体这样一个极其复杂的生物体系，这就是计算生物学。

有些人将计算生物学作为生物信息学的同义词处理；但也有些人认为计算生物学和生物信息学应当被当作不同的条目处理，因为 生物信息学更侧重于生物学领域中计算方法的使用和发展，而计算生物学强调利用数学模型和计算仿真技术对生物学问题进行研究，应用信息学技术对生物学领域中的假说进行检验，并尝试发展新的理论。

因为两者之间界限模糊，所以美国很多大学开设的专业方向将这两者结合在一起。

Best Genetics / Genomics / Bioinformatics Programs

Ranke in 2018, part of Best Science Schools Genetics an genomics courses examine hereity an DNA an, in bioinformatics, computer programs are use to analyze this genetic information. These are the best science schools for genetics / genomics / bioinformatics.

USnews美国研究生遗传学、基因组学与生物信息学专业

排名 学校名称 学校英文名 城市/州

1 麻省理工学院 Massachusetts Institute of Technology Cambrig

MA 1 斯坦福大学 Stanfor University Stanfor

CA 1 圣路易斯华盛顿大学 Washington University in St. Louis St. Louis

MO 4 加州大学伯克利分校 University of California—Berkeley Berkeley

CA 5 华盛顿大学 University of Washington Seattle

WA 6 哈佛大学 Harvar University Boston, MA

以美国康奈尔大学计算生物学为例： 美国康奈尔大学目前在QS世界排名第14位，它的医学院在美国最新排名第21位。它的计算生物学(Computational Biology)专业由医学科学研究生院与隆-凯特琳研究院联合提供。

一、专业概况

计算生物学理学硕士开设的目的是让学生掌握现代生物医学科学背后的各种定量方法。各种高通量技术衍生了大量的生物数据，要处理、分析和阐述这些数据离不开计算方法和数学模型。要理解和预测复杂的生物系统动态状况离不开计算机模拟。精准施药(治疗癌症等疾病)、药物开发越来越依赖定量基因组学、生物信息学和系统生物学。 计算生物学理学硕士是康奈尔大学推出的一个特色培训项目，它在生物学与医学计算方法的先进应用领域为学生提供理论知识和实践培训。这个专业的教师来自康奈尔医学院、史隆-凯特琳研究院(Sloan-Kettering Institute)、康奈尔纽约科技园，他们在计算生物学研究与应用领域走在世界前沿。 毕业之后，学生可从事数据分析、生物信息学、计算机模拟工作，到制药公司、生物技术公司就业。相应地，对于有意向攻读计算生物学博士的学生，这个专业有利于他们做好准备，增加入学优势。

二、课程

康奈尔大学计算生物学专业的课程涉及多个学科，它提供的先进培训涉及生物信息学、统计学、机器学习、计算与模拟、定量生物学和基因组学。培训重点放在计算机实验与实践技能，以此协助学生走出课堂，开拓事业。 这个专业需要18个月完成(全日制)，教学内容前后连贯，涉及诸多学科。要求在导师指导下完成个人化项目研究。此外，提供职业发展培训。 专业学习的前半部分包含基础课和技能课，以便学生在数学、生物学、计算机科学方面打好基础，此期间的培训涉及定量生物学和生物信息学。 专业的后半部分主要是论文研究。学生从多个顶级研究实验室中选择，借以投入独立的项目，进一步学习知识技能，提升解决问题能力、批判思考能力以及科学交流的能力。

三、入学要求

申请计算生物学硕士专业的学生必须持有理科或工科学士学位。必须完成本科阶段的微积分、线性代数、概率学理论(或统计学)、计算机编程。 申请的时候要求在个人陈述中描述自己的背景以及对计算生物学专业的兴趣。必须提交GRE考试和托福成绩。 康奈尔大学计算生物学专业招收各专业的学生，并鼓励来自未被充分代表的群体的学生、身有疾患的学生以及处于劣势背景的学生申请。