Biología computacional
Se focaliza en el análisis de datos, modelado matemático y simulación computacional.
La biología computacional abarca varios campos ya establecidos: química, bioquímica, genética, matemáticas, ingeniería de sistemas, física, estadísticas, etc.
Todos estos elementos tienen implicaciones estructurales y funcionales para los sistemas biológicos a diferentes niveles: ADN, cromatina, proteínas y su expresión, composición y organización celular o regulación de rutas metabólicas esenciales para el desarrollo celular o de un organismo completo.
: adición de grupos funcionales: fosfato, metilo etc.) y modificaciones químicas del ADN (ej.
[12] Se caracteriza por basarse en un enfoque holístico o integral del estudio de los procesos biológicos, en contraposición del reduccionismo, el cual ha sido históricamente la aproximación más utilizada para comprender la organización biológica.
Las ciencias ómicas, cuyos análisis pueden abarcar gran parte de un sistema biológico generando datos masivos, están frecuentemente asociadas con la biología de sistemas, especialmente la metabolómica, proteómica, interactómica o la genómica.
[25] Las herramientas computacionales/estadísticas permiten el estudio de las relaciones evolutivas entre moléculas (como proteínas) y/o entre individuos.
Para el primero, se han desarrollado diferentes algoritmos como el algoritmo Needleman-Wunsch y BLAST para comparar dos o más secuencias y cuantificar el grado de similitud entre estas.
[29] Tras posteriores estudios, se han publicado diferentes versiones del genoma humano, cada cual más completa que la anterior, hasta que en enero de 2022 el Consorcio Telomere-to-Telomere (T2T)[30] publicó los resultados de la secuenciación completa.
[31][32] Tras el éxito histórico que supuso este proyecto, se han llevado a cabo otros muchos centrados en la secuenciación de genomas.
La revista PLOS Computational Biology cita cuatro principales razones para utilizar código abierto en ciencia:
