编者按

<正>随着高通量高分辨率组学技术的发展,以基因组学、蛋白组学、代谢组学等为代表的海量生命组学数据随之大量产生,相关的信息挖掘算法和系统生物学研究成了生物信息学发展的新热点.一     

生物信息学--21世纪的核心科学

本文从地球生命是物质、能量、信息三大要素综合集成的角度,阐述作为生命科学与信息科学相结合的生物信息学,在２１世纪的科学研究中的重要作用和地位。同时从决定论和非决定论、可逆性和不可逆性、物理退化（熵增加）与生物进化（熵减少）、个体描述与群体描述等等科学方法论的角度,论述系统科学对创建生物信息学的指导意义和途径。最后以开发新世纪计算机为例说明研究生物信息学的应用潜力和价值。     

基因调控网络的生物信息学研究

DNA微阵列技术和蛋白质质谱技术为基因调控网络的研究提供了可能的技术装备.基因调控网络的研究试图以系统的观点为出发点,从基因之间相互作用的角度揭示复杂的生命现象.基因调控网络是功能基因组学研究的重要内容,也是当前生物信息学研究的前沿.本文着重从生物信息学的角度对基因调控网络的研究从源起内容到方法进行了全面的回顾和总结.     

代谢组学：系统生物医学的关键角色

系统生物学是以实验、系统论和计算方法整合研究为特征,研究生物系统组成成分及其相互关系的学科．而系统生物医学是系统生物学在医学应用研究领域的分支．它以临床医学问题为导向、临床样本为研究对象．采用组学生物技术、生物信息学建模和分子生物学技术等集成化、系统化与高通量化等研究策略。其技术手段涵盖基因组学、表观基因组、转录组学、蛋白质组学和代谢组学等不同层次的全局性研究方法,并辅以影像学、分子生物学、生物分子定量分析等经典还原性分析方式。     

LUCC时空过程研究的方法进展

历经过去十多年的发展, LUCC时空过程研究的方法渐成体系, 并不断完善. LUCC时空过程研究方法体系是以地理学为理论依据, 以遥感和地理信息系统为技术依托, 适应全球变化与人类可持续发展研究的科学需求而形成的学科领域. 它涵盖LUCC时空过程探测、驱动机理分析、过程刻画与模拟及宏观生态效应评价等多个方面, 促进了地理学、地球信息科学、宏观生态学的跨学科交叉, 并推动了LUCC时空过程研究的不断深入. 国内外的研究表明, LUCC遥感动态信息提取与分析技术的发展和LUCC时空过程模拟手段的创新, 促进了LUCC时空过程研究方法体系的发展, 并推动LUCC时空过程研究的日臻深入. 综合利用遥感动态信息探测与分析技术, 建立多源时空数据平台, 实现海量数据的存储与集成, 是支撑LUCC时空过程研究方法体系的重要能力建设之一. LUCC时空过程研究方法体系将为区域乃至全球尺度LUCC研究提供综合技术手段, 并最终成为LUCC时空过程研究的重要方法论.     

高超声速空气动力学研究进展与趋势

高超声速空气动力学是空气动力学研究的前沿,它随着现代高超声速飞行器的发展需求而发展.未来高超声速空气动力学的发展趋势可大致概括为:重视物理建模、预测的精细化;重视实用的高性能计算、海量信息的提取和理解;重视飞行器与流动的非定常、非线性的耦合运动及控制研究;重视多目标/多学科优化设计、发展新的交缘学科.建议学科重点发展方向为:高温气体、化学非平衡效应与材料耦合响应的物理建模;临近空间飞行器跨流域复杂非平衡绕流问题的数值模拟;高速飞行器动稳定性与控制;实用高性能计算方法与海量信息的提取;气动数据不确定度与多目标优化;多物理场耦合、多尺度数值模拟方法.     

计算系统毒理学:形成、发展及应用

系统生物学的发展为传统毒理学的研究提供了新机遇,逐步形成了系统毒理学.计算系统毒理学旨在整合毒理组学实验数据,构建多水平、多尺度的预测模型,定量评估化合物的安全性.目前已经发展了静态网络分析预测、动态网络模拟和有害结局路径等几种研究方法.虽起步不久,但在全面理解毒理学机制、发现新的生物标志物及化合物安全性综合评估等方面已表现出良好的应用前景.本文主要综述了计算系统毒理学的诞生背景、数据资源、研究方法、应用领域及未来展望.     

生物大数据可视化的现状及挑战

在过去的10年中,以基因组学、医学遗传学和神经信息学等为代表的生命科学各研究领域,以前所未有的增长趋势,积累了海量的数据信息.这些数据类型复杂、数量庞大,其中蕴含的价值更是不可估量.通过传统的处理手段,难以理清海量原始数据中错综复杂的关联信息.而针对生物大数据的可视化研究,将有利于科研人员对复杂数据进行多角度观察并获取有效信息.生物数据量越大,复杂性越高,可视化在生物有效信息挖掘方面发挥的作用就越大.本文通过例举若干生物机构中心现存的数据规模和数据增长速率,说明生物研究领域已进入大数据时代,然后由生物数据的组成特征及可视化的特点引出生物大数据可视化的重要性和必要性.本文总结了生命科学研究领域中不同类型生物大数据的可视化研究进展,最后讨论了目前生物大数据可视化所面临的挑战,并提出可能的解决方案.     

人脑连接组研究:脑结构网络和脑功能网络

人脑是自然界中最复杂的系统之一,在这个系统中,多个神经元、神经元集群或者多个脑区相互连接成庞杂的结构网络,并通过相互作用完成脑的各种功能.近年来,结合基于图论的复杂网络理论,研究者们发现利用结构和扩散磁共振成像数据构建的脑结构网络以及利用脑电图/脑磁图数据和功能磁共振成像数据构建的脑功能网络具有很多重要的拓扑性质,如"小世界"属性、模块化的组织结构以及主要分布在联合皮层上的核心脑区(如楔前叶、额上回、额中回).另一方面,研究者发现许多神经精神疾病(如阿尔兹海默病和精神分裂症等)与脑结构和脑功能网络的异常的拓扑变化有关,这些研究不仅为理解神经精神疾病的病理机制提供了新视角,也可能为疾病的早期诊断和治疗评价提供脑网络影像学标记.本文以人脑结构和功能连接网络的研究为重点,介绍了人脑连接组和复杂网络理论的基本概念,并且回顾了近年来人脑结构和功能连接组的研究成果,并指出了该领域中存在的问题及未来的研究方向.     

大规模蛋白质相互作用数据的分析与应用

蛋白质相互作用在生命活动中起着重要的作用. 目前已开发出几种实验和计算方法能够得到大规模蛋白质相互作用数据. 但是, 与传统的实验结果相比, 蛋白质相互作用大规模数据中存在着比例较高的假阳性. 为了能够充分利用这些数据, 需要建立生物信息学方法对这些数据进行系统的评价, 进而提高数据的可信度, 并从中挖掘出有价值的生物信息. 本文对目前蛋白质相互作用大规模数据的计算分析和应用进行了总结, 包括蛋白质相互作用数据评估方法、与蛋白质其他信息的关系以及在生物学研究中的应用, 并提出了开发分析和挖掘蛋白质相互作用数据工具的主要方向, 以期有助于这些数据的研究和应用.     

高分子结构与性能

正高分子科学是研究高分子的形成、化学结构与链结构、聚集态结构、性能与功能、加工及应用的科学.高分子材料是现代工业和高新技术产业的重要基石,已经成为国民经济的基础产业和国家安全不可或缺的重要保证.高分子科学与材料科学、信息科学、生命科学和环境科学等前瞻领域的交叉与结合,对推动社会进步、改善人们生活质量发挥着重要作用.例如:高分子科学与材料科学的学科交叉,建立了以塑料、橡胶和纤维三大高分子合成材料为代表的传统高分子工业;高分子科学与信息科学的学科交叉,产生了以光电磁功能高分子为代表的新兴学科领域-塑料光电子学;高分子科学与生命科学及环境科学的学科交叉,形成了以     

自动化合成生物技术与工程化设施平台

合成生物学采用工程化设计理念,对生物体进行有目标的设计、改造,甚至从头合成具有特定功能的"人造生命",用于探索生命活动规律和进行生物技术创新.由于生命系统高度复杂,人工设计的合成生命体很难完全按照预期工作,往往需要长时间的反复调谐.目前,"试错"过程主要依靠研究者手动完成,存在通量低、重复性差、迭代慢等局限.针对这一难题,自动化合成生物技术通过低成本、多循环地完成海量工程试错性实验,提高研究通量和效率,大幅增加实验设计的复杂度和系统性,从而快速实现特定功能,揭示人工生命体的设计原理.近年来,在合成生物学"设计-构建-测试-学习"的各个研究环节,自动化技术正在以前所未有的速度加速发展.与此对应,在全球范围内已建成或在建多个大型工程化平台,用于支撑相关研究和应用.本文旨在对自动合成生物技术的关键要素进行总结,并对合成生物研究基础设施的发展情况和未来方向进行讨论.     

系统合理化的动机属性:困境与突破

系统合理化理论已提出20余年,其研究领域既关涉人们对具体社会问题的看法,也涉及宏观的社会态度.系统合理化是其核心概念,它是指捍卫、支持和合理化现状的心理倾向,即便有时会牺牲自我和内群体利益.该理论有助于我们理解人们如何以及为何将现有的社会系统合理化,以维持或提高自尊以及维持或提高所处群体的地位.为了满足认识性、存在性与关系性需要,人们会进行系统合理化.因此,系统合理化是动机性的.伴随其发展,这一理论也遭遇了严厉批评.这些批评可分为4类:象征系统合理化的外群体偏爱并不是内隐的;系统合理化并非动机性的;系统合理化发挥作用的条件未得到解释;并不存在自主、独立的系统合理化动机.本文介绍了系统合理化理论及其发展、面临的理论和研究困境,并通过梳理理论观点与认知神经科学研究的证据,为回应批评、突破困境提供支持.未来研究应更多关注社会认同过程和意识形态过程(如系统合理化)之间的复杂关系;谨慎解释利用神经科学方法得到的研究结果;进一步扩大系统合理化神经基础的研究范围;同时关注其激活是否具有稳健的跨文化一致性.     

地球大数据缘起和进展

<正>进入信息时代以来,数据总量呈爆炸式增长,数据的类型、结构、维度也更加复杂多样,远远超出了传统数据库的管理和处理能力,逐渐向“大数据”方向转变.大数据是用于描述超出常规处理能力的数据集术语,其内涵不仅包含海量的数据本身,也包含对这些数据集的存储、处理与分析方法.当前,大数据已经成为国家信息主权的体现,并已在人类社会发展中发挥重要作用^[1,2].     

生物信息学:生物实验数据和计算技术结合的新领域

大量的蛋白质和核酸数据的积累与理性地分析这些数据中所蕴涵的生物学意义的以重需要,产生了综合生物学研究与计算技术研究等领域最新的交叉性学科“生物信息学”、分别从基因序列或蛋白质结构等生物信息数据库、基因组分析或蛋白质结构分析等常规生物学计算软件、基因组数据库检索或蛋白质空间结构识别与预测等在线生物学计算服务器、人工生命等几个方面,概述了发展中的生物信息学的最近动态和有关信息,并同时提供了相关的热门生     

微机械中的机构学研究方向

机构学是以运动几何学和力学为主要理论基础,以数学分析为主要手段,对各类机构进行运动和动力分析与综合的学科.传统的机构学已由简单机构的运动分析与综合向复杂机构的运动分析与综合发展,由机构运动分析与综合向机构动力分析与综合发展.近代的机构学,研究机构系统的合理组成方法及判据,对机构精度进行动态分析,研究运动副间隙、摩擦、润滑与冲击所引起的机构运动变化、稳态与非稳态下的动态响应和过渡过程问题;研究考虑构件弹性变形的运动弹性动力学问题;研究视整个机构系统为柔体的多柔体系统动力学和逆动力学分析、综合及     

浅谈我国地球环境与生命过程研究中的一些科学问题

社会可持续发展的需求与人类环保意识的增强对地球地表环境与生命协同演变的研究提出了更高和更具体的要求. 地球表层环境生物地球化学过程及地生物学效应是认识与解决地表环境与生命演化的关键科学问题, 其核心研究内容概括为生源要素的环境生物界面动力学及生态效应; 毒害污染物的环境生物地球化学过程及机体影响; 地表环境变化的地生物学响应与生命适应机制; 污染地表环境的生态风险评估与生物修复等. 古生物学作为一门地质学和生物学的古老交叉学科, 在地球系统科学研究中能够发挥独特的作用. 古生物学家和地质学家应当更加关注地质历史时期环境的变化对生物演化的影响, 从而为研究现代环境和生物多样性的关系提供更多历史的借鉴. 基于我国地层古生物学研究的现状和资源的优势, 提出了我国在地史时期环境变迁与生命演化研究领域值得关注的几个热点的科学问题. 经济的快速发展推动了地球科学发展的同时也产生一些新的问题, 如荒漠化加重、环境污染的加重、化石资源的破坏等, 这些都对我国地球环境与生命过程的研究提出了严峻的挑战.     

同工酶电泳资料评估与应用

酶的电泳技术能对等位基因的变异进行分析,通过对酶谱型进行特定的遗传分析可获取基因水平的信息.酶电泳技术和DNA分析能提供相互补充的证据资料,从而使以度量性状的数量遗传分析技术为基础的传统研究,能依靠等位基因变异的研究来补充.应用科学的方法分析和处理电泳资料,正确评估酶电泳资料的价值,能解决分类、系统与进化生物学问题,为生命信息组学研究提供有价值的科学依据.     

面向大社交数据的深度分析与挖掘

社交网络在线化是大数据时代的典型特点,也是大数据产生的重要原因之一.本文从大数据的特点着手,结合互联网络尤其是在线社交网络的发展趋势,介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇;分析在线社会网络中存在的关键问题,阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战,以及当前国内外在大数据分析和在线社交网络领域的主要研究工作;总结和展望网络大数据研究的未来方向和前景.     

整合组学数据的代谢网络模型研究进展

基因组规模代谢网络模型(genome-scale metabolic model, GEM)是根据化学计量平衡原理,基于基因-蛋白-反应三者关联,建立包含细胞生长必需的生化反应数学模型.细胞代谢网络存在复杂的调控,通过基因和蛋白表达量及代谢物浓度变化调节代谢反应通量,而这些数据无法直接反映代谢反应的通量. GEM研究面临的一个挑战是如何整合不直接反映代谢通量的数据类型,并将这些调控过程在代谢模型中进行准确的描述.本文综述了将高通量组学数据整合到代谢化学计量模型中的方法,包括根据基因和蛋白的表达判定代谢反应状态、筛选核心代谢反应集、代谢反应通量边界约束、转录调控网络整合和多时间尺度基因动态表达约束等;比较分析了不同算法的优缺点和应用场景;介绍了GEM与多组学数据整合在解析生物代谢特征、分析遗传和环境扰动、筛选癌症治疗潜在药物靶标和抗代谢药物等方面的应用;展望了组学数据和代谢网络模型集成的发展趋势.