生物信息博客
生物信息学属于新型学科，
现在这方面的人才需求量很大，
随着研究的深入，
一定具有广阔的发展前景！
❷ 生物信息学的前景
生物信息学其实目前的发展，个人觉得就是用计算机的强大运算能力来解决生物实验中出现的大量数据，并期待在其中发现更多生物的规律以及特点。
个人认为计算机已经成为了一个世界的核心工具，什么领域都快要离不开计算机了，计算机分析金融已经不是什么很新鲜的事情了，计算机解决数学物理问题更是司空见惯，学建筑的和土木的需要用计算机制图，使用CAD等软件，就算是搞商业的也需要用到Excl等等……所以计算机与生物的绑定，其实应该是一种必然出现的趋势吧，所以个人觉得，这个领域会发展的很快很快（而且目前的确是这样的）。
至于说未来，我觉得有几种趋势：首先就是应用于研究领域，毫无疑问现在很多大学和研究所都已经有了相应的计算生物领域的分支了，通过学计算机的人和数学的人编写程序分析查找海量的生物数据中的规律，然后在将猜测到的结果告知生物学家，让他们做实验验证假设，这就是我未来的工作（这不稀奇，现在各个领域的研究都很依赖计算机了，之所有血淋淋的生物最晚于计算机挂钩，那是因为生物学科本来就是人类深入最浅的一门学科）。
另外我觉得生物信息将会真正意义上引爆生物的革命，个人觉得无论什么研究领域，只有转化为应用，作用于社会与世界才真正有意义，现在开始出现的个人基因组测序已经是生物产业出现的前兆，比如Affymatrix，华大基因等等……但是大量的数据根本没有人读得懂！生物信息的第一个应用我觉得就会出现在生物数据的解释上，这就类比于，每个人都可以查询到海量的股票信息，但是只有特定的Analysis可以发现其中蕴含的商机一样！可以想象，如果一群人破解了一大堆人类的有关于生老病死的基因信息，但是他们不公开，他们需要你缴费，然后给你测序（以后测序会非常非常便宜的，我估计就会像现在每人必须有身份证一样普遍），然后帮你分析，你有什么疾病……等等。这样的产业出现与微软有什么差别！！完全没有！！微软存在的基础是计算机的普及，我设想的生物公司的基础是测序的普及，微软提供自己的软件，你必须买，生物公司提供自己公司内部的数据资料，帮你分析（类似于做一次咨询）……这是我个人的一点想法是一种比较直接的使用生物信息技术的手段。
至于其他，计算机的运用应该会深入到方方面面，因为我觉得一切其他的领域都已经被计算机插足了，农业的灌溉系统是全自动的，机床是数控的，显微镜是电子的，华尔街的数据每天有无数的计算机在分析……这一切都是计算机普及之后的30年之内实现的，所以生物信息个人觉得前景还是很强大的。之前一直在说的DNA计算机，我觉得相反比较难实现……因为我很久没有听说相关进展了，我感觉下一代计算机是量子的更可能，但这并不妨碍什么，因为我个人觉得，计算机仅仅是一个工具，一个任何领域都离不开的工具而已，以后任何人都需要掌握这一门工具，就像是现在中国几乎所有的在校大学生都能说几句英语一样普及。
补一句吧，这个领域目前还是集中在研究领域，就业相比于其他工科专业还是要差一些的，不过个人感觉相比于纯生物领域好很多，工资状况影响因素很多，大学城市都有影响，不过总体来说，目前这个领域远远不如如日中天的IT，我是计算机学院的，IT的发展速度已经早表明，计算机的时代远远的没有到结束的那一天，未来十几年甚至几十年，我个人觉得工资上IT人依然会笑傲工科领域……如果你很在意工资就业什么的，我挺推荐计算机的，IT的世界是很公平的，而且确实压力与机遇并存，如果你努力，一般都会获得成功，很适合年轻人。
以上均为个人感想而已拉 ^_^ ,很多其实应该都是错的，还望指正
❸ 如何进行基因的生物信息学比对博客
如果是只有DNA序列的话，直接在TXT文件里按照FASTA格式书写，写完后把后缀的txt改为fasta就行了，但是我在WINDOWS的环境下该完的文件clustalw不认，只有在linux环境下改的才认，不知道是不是我比较倒霉。另外，我的DNA序列太大，有2个mb，所以运用CLUSTALW确实是跑不动的，谢谢archen-dog 的建议。如果有人也要用clustalw软件进行序列比对，如果序列片段碱基数超过百万就直接换软件吧。
❹ 生物信息
信息生物学是未来生物学发展的一大方向!有着极大的发展前景.
个人观点：走生物方向较佳！
因为：生物学方向能够更好地了解生物的形态特点，对生物的本质会有更深的理解，生物学还有很多方面尚待发现；相对而言，计算机只是一种工具，如果侧重于学计算机，则难免在学生物方面投入的时间和精力相对有限，要想出成果就不那么容易了。
在发展前景方面，个人以为：信息生物学，是极具前途的新兴学科，我这里指的所谓信息生物学，并不是指搞什么"结构比对"、“蛋白质结构预测”、“计算机辅助基因识别”“非编码区分析和DNA语言研究”等一些无创造性的无聊工作，而是指对生物的本质认识上，以信息为基础的生命本质的深入研究，可能会开创生物学的新天地！
举个例子，你认为制度有生命吗？显然，他并非一般意义上的生物，但是我们看到，制度与生物一样，具有生长、衰老、死亡、产生后代、遗传、变异等所有生物的特性，那么，制度能不能称为生物呢？
这正是新的制度生物学所研究的内容。
就象制度也是生物一样，观念、法律、国家、企业、形式等许多非有形物质实体，其实也具有生物的一系列特征，所以进一步研究这些生物，有着十分美好的前景和广阔的发展前途。
时间有限，就说这么多了，以上为个人观点，仅供参考，如想进一步交流，欢迎到我的博客。
http://r8008.blog.sohu.com
❺ 生物信息学领域中，有哪些不得不知道的大牛教授/研究者
genomics或者说测序依然是很大的领域，其中的方向细分依然是很多的。genomics整体可以分成两大类，一类主要做方法，一类主要做生物。前者一般使用public data做一些方法，后者主要使用现有的技术研究生物问题。如果说大牛一般都在后一类里面。但是也会有很多不同的方向，比如研究rna的，dna的，基因调控的。所以最好根据自己关注的方向去找。
一个很直接找genomic方向大牛的方法就是看encode，roadmap和4D nuckesomes这些大genomic cobsortium的主要pi。当然也有很多牛人不在这些项目里面。下面简单说几个比较熟悉的，欢迎纠正和补充。
Eric Lander
Broad的创始人，人类基因组计划发起人之一，不过现在自己lab似乎不做大多了，但很多broad的paper还会挂名。
John Rinn
Broad的PI，研究lncRNA。最早发现了H19。
Michell Guttman
Eric Lander的学生，和John Rinn一起发现了lncRNA，在clatech独立不久。
Howard Chang
主要研究RNA，John Rinn的postdoc老板。
Michael Synder
研究基因调控，具体方向很多，组特别大。
Job Dekker
3D genome领域的开拓者，3C，5C和HiC的发明者。
Bing Ren
最早开发了chip-chip技术，研究enhancer，现在做更多3D genome。
Joe Ecker
最早是植物领域的大牛，后来转到做甲基化。
Chuan He
化学出身，之前做DNA甲基化，现在开创了RNA甲基化的新领域。
Mark Gersrein
比较少的主要做计算的大牛，各种network和system biology
Menolis Kellis
Eric Lander的学生，主要做计算也做实验，各种consortium都很活跃。
John Stam
名字很长很难写，主要做DHS，当然还有很多其他方向。
Shirely Liu
主要做计算，lab开发了MACS
❻ 如何做生物信息，学发 SCI 文章
这个要自己想清楚了，本人是10年生物学研究生毕业，感觉工作不是很好找。如果是大学版老师的话，一般需权要时博士在读或者毕业，而且据我所知待遇也不怎么高，我的导师也就3000多吧，我们是211工程学校，可能学校不同情况也不一样。说实话考研不难考，只要你英语过线，考博比考研还简单，就是传说中的好进不好毕业，毕业需要发表论文，硕士一篇，博士三篇，好的学校对论文的质量还有具体要求。个人认为要是你刚开始当老师的话，还是踏实的干段时间，考研没有你想象的那么有用，特别是生物。当然，这个还是要你自己决定。
❼ 谁给介绍些生物信息学网站啊。。。最好可以介绍下用途和使用方法。。。常见的不要介绍。。
什么意思？常见的不要？
生物信息范围很广，要看你想做什么方面的了，你说的几个都是传统意义上来讲的一级数据库。
仔细往下分的话，就非常多了。
如果你想要不常见的， 你可以 google 搜索 bioinformatics 杂志，随便找一期，然后找到web方面的文章，都算是生物信息网站了，或者是 nucleic acids research 杂志的 web issue 里也有
❽ 知乎上生物信息领域有哪些值得关注的人
/question/20237807这是一位知乎大神的回答，已经概括的很全面了。希望知乎能带给你的知识，的乐趣。知乎，豆瓣上真正有一些优秀而又低调的大神，两年以来，从他们身上学到了很多东西。希望这里是你可以找到乐趣，分享知识的地方。
❾ 生物信息学出来能干吗
生物信息学 主要是对DNA和氨基酸序列中所含有的信息进行分析。可以对多个序列进行比对，分析他们的相似度，可以对基因结构进行预测可以对蛋白质的一级二级三级结构进行预测。如果你知道一个基因的CDS区，可以对他进行稀有密码子分析，帮助选择适合的表达载体。将来你可以做老师，教生物性息学课，可以做科研人员做生物信息学的研究啊。是个非常有意思的一门课。