生物信息学是生物er在AI以及cs时代的出路，所以AI以及生信一定是生物er的出路，21世纪的生物只有和最具生产力的行业结合，才能爆发出生命力，哦不，拿到高薪。
生物信息学可以理解为“生物”+“信息学”，但不是二者简单叠加，有自己的体系。
在《生物信息学与基因功能组学》中，其作者将生物信息学定义为使用计算机数据库和计算机算法来分析蛋白质、基因和组成生命体的DNA的完整集合（基因组）的学科。
美国国立卫生研究院将其定义为：研究、开发或应用计算工具和方法来拓宽对生物、医学、行为学或健康数据的使用，也包括用于处理数据的计算工具和方法。
生物信息学的研究对象是生物数据。其中最为经典的是分子生物学数据。
其设计的研究领域主要有：
1.分子生物学与细胞生物学。该领域以DNA-RNA-蛋白质为研究对象，分析编码区、非编码区中信息结构和编码特征，以及相应的信息调节与表达规律等。
2.生物物理学。
3.脑和神经科学。
4.医药学。此方向，进行疾病致病基因的筛序、致病原分析和公众疾病的监控；还能结合生物芯片数据分析，确定药物作用靶点，再利用计算机技术进行合理的药物设计，将是新药开发的主要途径。
5.农林牧渔学。
6.分子和生态进化。
主要应用：
一、生物信息学数据库。
包括数据库建设、整合和数据挖掘
二、序列分析
包括序列比对、基因序列注释（如Ensembl项目，利用大型计算机根据已有的蛋白质对DNA进行自动注释）；此外还有将生物学信息图示化。
三、其他应用
1.比较基因组学
其核心课题是识别和建立不同生物体的基因或其他基因组结构的关系和功能，通过比价不同物种的同源基因可以大大提高预测的精度和准度。如老鼠基因在人的基因预测上。
2.基因和蛋白的表达分析
致力于发展统计学工具，从中提取有用信息。
3.生物芯片
4.蛋白质结构预测
5.蛋白质间的相互作用
6.表型组学
7.生物系统模拟
这也是很多老师的研究方向，通过模拟系统来研究生命活动。
8.代谢网络建模分析
9.计算进化生物学
10.生物多样性分析
11.合成生物学
据说该领域是颜宁院士的领域，随着大模型的出现走向没落。
12.生物医学文本挖掘
从海量文献中挖掘有用的知识。
如何在运用迁移学习和半监督学习等是生物医学文本挖掘的发展方向。
欢迎关注无神一起学习AI以及生信方面较为核心的知识。
觉得有用的话请给个点赞收藏加关注哦！