美国计算机专业简析之生物信息与算法

              美国计算机专业简析之生物信息与算法
 
一、生物信息学与计算生物学（Bioinformatics and Computational Biology）
人类基因工程的完成，对现代生物学中的新型计算和理论工具提出了新的要求，这些计算和理论工具对于分析，理解和控制生命的具体信息都是至关重要的。生物信息学与计算生物学便应运而生，主要是利用应用数学，信息学，统计学与计算机科学的方法来研究生物学的问题，因此也需要学生有较强的数学和统计背景。目前其研究方法包括对生物学数据的搜索（收集和筛选），处理（编辑，整理，管理和显示）及利用（计算和模拟）。
   将计算机科学中的方法，如数据挖掘，机器学习，数据处理，计算模型，计算机视觉，分析工具，算法研究等用于生物系统中便于人类理解分子生物序列数据，分析蛋白质的形成，生物功能预测，基因网络研究，细胞范围的计算等。在此过程中，CS研究人员与生物研究人员紧密合作。将生物信息学与计算生物学之间的差别为：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。
   该方向主要研究核酸结构与功能，分子进化，分子生物信息系统，健康信息学，计算种系遗传学，蛋白质组学，药物设计，神经网络控制系统研究，分子生物信息系统，不同基因数据组整合挖掘、序列对比，如DNA排列数据，mRNA表达数据，蛋白质组合光谱测定数据，蛋白质反应的预测，蛋白质表达分析，建立进化论模型，比较基因组学，生物医学文献等
   新兴的研究方向，较少中国学生申请和就读。就业出路方面，主要是从事研究工作，最直接的应用贡献领域有生物制药研发，如对药物靶标基因的发现和验证。数据库技术可用来获得不同组织在正常疾病状态下基因表达的差异，通过搜索这些数据库，可以得到候选基因作为药物靶标，特异性地针对某一种病毒。
二、算法（Algorithm）
   广义上面的算法是指为解决一个问题而采取的方法和步骤，而CS下的算法则是指计算机为了解决某一个问题或者完成某一个任务的一系列清晰的指令。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。现代的算法理论主要的研究目的在于如何开发出更加效率的算法，研究相关的算法的设计方法与实现技术。
   主要研究数据结构，算法设计，算法分析，计算复杂度，随机算法，组合算法，量子算法，近似算法，复杂性理论，编码理论，并行算法与语言，机器学习理论，密码学与安全，经济学的计算方面，网络算法以及科学计算等等。
   这一方向是CS专业领域下的最为基础的传统专业方向之一，它在计算机科学界与计算机应用界都有着非常高的地位，这一点可以从一个著名的公式看出：算法+数据结构=程序。相对于它的研究热度，算法方向的申请热度则可以说是比较冷清的，中国学生一般来说都比较少申请这一方向。就业前景方面，由于算法是CS的一个基础方向，因此它的就业前景也可以涵盖CS的各个领域，毕业生可以从事诸如编程人员、软件开发师、计算机前沿科技如机器人技术工程师、自动化工程师、生物资讯科研人员、生物统计工作者等等工作。