A bioinformática, segundo unha das súas definicións máis sinxelas, é a aplicación de tecnoloxía de computadores á xestión e análise de datos biolóxicos. Os termos bioinformática, bioloxía computacional e, ás veces, biocomputación, utilízanse en moitas situacións practicamente como sinónimos,Un exemplo da utilización como sinónimos de bioinformática e bioloxía computacional encóntrase no propio sitio do Human Genome Project , onde no seu glosario redirixe ao termo Bioinformatics a definición de Computational biology.Un exemplo da utilización como sinónimos de biocomputación e bioinformática encóntrase no sitio da Biocomputing Unit do Centro Nacional de Biotecnoloxía español dependente do CSIC e fan referencia a campos de estudo interdisciplinares moi vinculados que requiren o uso ou o desenvolvemento de diferentes técnicas estudadas na Universidade na Enxeñaría Informática como ciencia aplicada da disciplina informática. Entre estas poden salientarse as seguintes: matemática aplicada, estatística, ciencias da computación,Ver, por exemplo, os workshops anuais WABI (Workshop on Algorithms in Bioinformatics, obradoiro sobre algoritmos bioinformáticos); en septembro de 2008, do último WABI realizado pode encontrarse información en http://www.wabi07.org/, mentres que de WABI 2008 pode encontrarse información previa en http://algo2008.org/doku.php/wabi intelixencia artificial, química e bioquímica coas que o enxeñeiro informático soluciona problemas ao analizar datos, ou simular sistemas ou mecanismos, todos eles de tipo biolóxico, e usualmente (pero non de forma exclusiva) no nivel molecular. O núcleo principal destas técnicas está na utilización de recursos computacionais para solucionar ou investigar problemas sobre escalas dunha magnitude que superan a comprensión humana. A investigación en bioloxía computacional solápase a miúdo coa bioloxía de sistemas.
Os principais esforzos de investigación nestes campos inclúen o aliñamento de secuencias, a predición de xenes, montaxe do xenoma, aliñamento estrutural de proteínas, predición da estrutura de proteínas, predición da expresión xénica, interaccións proteína-proteína, e modelización da evolución biolóxica.
Unha constante en proxectos de bioinformática e bioloxía computacional é o uso de ferramentas matemáticas para extraer información útil de datos producidos por técnicas biolóxicas de alta produtividade, como a secuenciación do xenoma. En especial, a montaxe ou ensamblaxe de secuencias xenómicas de alta calidade a partir de fragmentos obtidos trala secuenciación do ADN a grande escala é unha área de grande interese. Outros obxectivos son o estudo da regulación xenética para interpretar perfís de expresión xénica utilizando datos de chips de ADN ou espectrometría de masas.Genevestigator é un completo exemplo de aplicación (baseada en web, neste caso) orientada ao estudo da expresión e regulación dos xenes.
miniatura|450px|Aliñamento de diferentes proteínas hemoglobina, realizado co servizo web para ClustalΩ do Instituto Europeo de Bioinformática. O aliñamento de secuencias biolóxicas é unha das ferramentas básicas da bioinformática.
Conceptos e alcance Os termos bioinformática, bioloxía computacional e biocomputación son utilizados a miúdo como sinónimos, e aparecen con frecuencia na literatura básica de forma indiferenciada nos seus usos comúns. Con todo, hai áreas de aplicación propias para cada termo. Os NIH (National Institutes of Health, Institutos Nacionais da Saúde dos Estados Unidos), por exemplo, aínda recoñecendo previamente que ningunha definición podería eliminar completamente o solapamento entre actividades das diferentes técnicas, define explicitamente os termos bioinformática e bioloxía computacional:
Bioinformática é a investigación, desenvolvemento ou aplicación de ferramentas computacionais e aproximacións para a expansión do uso de datos biolóxicos, médicos, condutuais ou de saúde, incluíndo aquelas ferramentas que sirvan para adquirir, almacenar, organizar, analizar ou visualizar tales datos. Bioloxía computacional sería o desenvolvemento e aplicación de métodos teóricos e de análises de datos, modelaxe matemática e técnicas de simulación computacional ao estudo de sistemas biolóxicos, condutuais e sociais.
Deste xeito, a bioinformática tería máis que ver coa información, mentres que a bioloxía computacional o faría coas hipóteses. Por outra parte, o termo biocomputación adoita enmarcarse nas actuais investigacións con biocomputadoras e, por exemplo, T. Kaminuma defínea da seguinte forma:
Biocomputación é a construción e uso de computadoras que conteñen compoñentes biolóxicos ou funcionan como organismos vivos.
Á parte das definicións formais de organismos ou institucións de referencia, os manuais desta materia achegan as súas propias definicións operativas, loxicamente vinculadas en maior ou menor medida coas xa vistas. Como exemplo, David W. Mount, no seu difundido texto sobre bioinformática, precisa que:
Por outra parte, e segundo o mesmo autor:
Por último, encóntrase en ocasións unha categorización explícita destes conceptos segundo a cal a bioinformática é unha subcategoría da bioloxía computacional. Por exemplo, a bióloga Cynthia Gibas anota que:
Porén, e refiríndose ao seu propio texto (Developing Bioinformatics Computer Skills, Desenvolvemento de habilidades computacionais para bioinformática), axiña aclara que:
En moitas ocasións, por tanto, os termos serán intercambiables e, agás en contextos de certa especialización, o significado último manterase claro utilizando calquera deles.
Historia Neste capítulo, ademais dos feitos relevantes directamente relacionados co desenvolvemento da bioinformática, mencionaranse algúns fitos científicos e tecnolóxicos que servirán para poñer nun contexto axeitado dito desenvolvemento.
Iníciase esta breve historia na década de 1950, anos nos que Watson e Crick propoñen a estrutura de dobre hélice do ADN (1953), F. Sanger secuencia a primeira proteína (insulina bovina) (1955), e constrúese o primeiro circuíto integrado grazas aos traballos de Jack Kilby nos laboratorios de Texas Instruments (1958).
As primeiras décadas de 1960 e 1970 Na década de 1960, L. Pauling elabora a súa teoría sobre a evolución molecular (1962), e Margaret Dayhoff, unha das pioneiras da bioinformática, publica o primeiro dos Atlas de Secuencias de Proteínas (1965), que terá continuidade en anos posteriores, e converterase nunha obra básica no desenvolvemento estatístico feito algúns anos máis tarde, das matrices de substitución PAM, e será precursor das actuais bases de datos de proteínas. Na área da tecnoloxía de computadoras, presentáronse no ARPA (Advanced Research Projects Agency, Axencia de proxectos de investigación avanzados) os protocolos de conmutación de paquetes de datos sobre redes de computadoras (1968), que permitirán enlazar pouco despois varios computadores de diferentes universidades nos Estados Unidos.: nacera así ARPANET (1969), embrión do que posteriormente será Internet.
En 1970 publícase o algoritmo Needleman-Wunsch para aliñamento de secuencias; establécese o Brookhaven Protein Data Bank (1971), créase a primeira molécula de ADN recombinante (Paul Berg, 1972), E. M. Southern desenvolve a técnica do Southern blot de localización de secuencias específicas de ADN (1976), comeza a secuenciación de ADN e o desenvolvemento de software para analizalo (F. Sanger, software de R. Staden, 1977), e publícase en 1978 a primeira secuencia de xenes completa dun organismo, o fago ΦX174 (5.386 pares de bases que codifican 9 proteínas). En ámbitos tecnolóxicos vinculados, neses anos asístese ao nacemento do correo electrónico (Ray Tomlinson, BBN, 1971), ao desenvolvemento de Ethernet (protocolo de comunicacións que facilitará a interconexión entre computadoras, principalmente en redes de ámbito local) feito por Robert Metcalfe (1973), e ao desenvolvemento do protocolo TCP (Transmission Control Protocol, Protocolo de control de transmisión) feito por Vinton Cerf e Robert Kahn (1974), un dos protocolos básicos para Internet.
Década de 1980 Nesta década prodúcense en diversas áreas importantes avances: miniatura|dereita|Niveis estruturais das proteínas.
Nos primeiros anos da década de 1980 publícase como investigar a estrutura terciaria mediante RMN; na seguinte década desenvólvense métodos para predicir de novo algunhas estruturas secundarias. Científicos: trala secuenciación do fago ΦX174 a finais da década de 1970, en 1982 F. Sanger consegue a secuenciación do xenoma do fago λ (fago lambda) utilizando unha nova técnica, a secuenciación shotgun (secuenciación de escopeta), desenvolvida por el mesmo; tamén entre 1981 e 1982 K. Wüthrich publica o método de utilización da resonancia magnética nuclear (RMN) para determinar estruturas de proteínas; Ford Doolittle traballa co concepto de secuencia motivo (similitudes superviventes, tal como as denomina no resumo do seu artigo) en 1981; o descubrimento en 1983 da PCR (Polymerase Chain Reaction, reacción en cadea da polimerase) leva a poder facer a multiplicación de mostras de ADN, o que permitirá a súa análise; en 1987, D. T. Burke et al. describen o uso de cromosomas artificiais de lévedo (YAC, Yeast Artificial Chromosome), e Kulesh et al. sentan as bases dos chips de ADN.
Bioinformáticos: polo que se refire ao desenvolvemento de algoritmos, métodos e programas, aparece o algoritmo Smith-Waterman (1981), o algoritmo de busca en bases de datos de secuencias (Wilbur-Lipman, 1983), FASTP/FASTN (para a procura rápida de similitudes entre secuencias, 1985), o algoritmo FASTA para comparación de secuencias (Pearson e Lipman, 1988), e comezan a utilizarse modelos ocultos de Markov para analizar patróns e composición das secuencias (Churchill, 1989), o que permitirá máis adiante localizar xenesUn exemplo de artigo de predición de xenes en Escherichia coli aplicando HMM é o de Krogh, A., et al. (1993) A Hidden Markov Model that finds genes in E. coli DNA e predicir estruturas proteicas;Un exemplo de artigo de predición de estruturas de proteínas é o de Sonnhammer, E. L. L. (1998) A hidden Markov model for predicting transmembrane helices in protein sequences aparecen importantes bases de datos biolóxicas (GenBank en 1982, Swiss-Prot en 1986), redes que as interconectan (EMBnet en 1988),Un bo recurso de introdución a EMBnet é a páxina What is EMBnet? da propia web da organización e poténcianse ou créanse diferentes organismos e institucións (o EMBL constitúese en 1974 pero desenvólvese no decurso da década de 1980, o NCBI en 1988); tamén nestes anos empeza a estudarse a viabilidade da Human Genome Initiative (First Santa Fe Conference, 1985), que será anunciada un ano despois polo DoE (Department of Energy, Departamento de enerxía do goberno dos Estados Unidos) e que poñerá en marcha proxectos piloto para desenvolver recursos e tecnoloxías esenciais; en 1987 o NIH (National Institutes of Health, Institutos nacionais da saúde dos Estados Unidos) comeza a achegar fondos para os proxectos xenoma, mentres que en 1988 dá comezo a Human Genome Initiative, máis coñecida finalmente como Human Genome Project (Proxecto Xenoma Humano).
Tecnolóxicos: En 1983 aparece o estándar Compact Disc (CD) na súa versión para ser lido por unha computadora (Yellow Book); Jon Postel e Paul Mockapetris desenvolven en 1984 o sistema de nomes de dominio DNS, necesario para un direccionamento correcto e áxil en Internet; en 1987 Larry Wall desenvolve a linguaxe de programación PERL, de amplo uso posterior en bioinformática; e a finais da década aparecen as primeiras compañías privadas importantes con actividades vinculadas ao xenoma, proteínas, bioquímica etc. (Genetics Computer Group – GCG, Oxford Molecular Group, Ltd.), e que, en xeral, experimentarán importantes transformacións anos máis tarde.
Década de 1990 Nesta década producíronse os seguintes avances: