DESARROLLO DE LA BIOINFORMÁTICA EN EL TRATAMIENTO DE DATOS DENTRO DE LA PROGRAMACIÓN

...

Las herramientas de bioinformática son mucho más fáciles de usar, aunque su complejidad para los cálculos distribuidos y análisis de datos se vuelve más alta. Los investigadores han estado trabajando en lidiar con grandes datos de secuenciación para descubrir nuevos descubrimientos sin tiempo de cálculo. La computación en nube, que es un modelo bajo demanda y de pago, se ha utilizado para proporcionar recursos informáticos dinámicos sin compromiso ni costos iniciales para la construcción de sistemas físicos. Desde un pequeño laboratorio de investigación hasta un gran instituto, la computación en nube se utiliza ampliamente para el análisis de datos grandes con herramientas de proceso paralelas, que son un modelo de programación consistente en funciones para procesar grandes conjuntos de datos en paralelo. El software de bioinformática adoptó ampliamente la implementación de grandes administradores de datos genómicos y realizar análisis de datos.

Sin embargo, uno de los principales objetivos de la traducción es la explosión revolucionaria del conocimiento en biología molecular, genética y genómica. Algunos creen que el tremendo progreso en el descubrimiento en los últimos 50 años o más desde la elucidación de la estructura de doble hélice no se ha traducido En muchos beneficios prácticos para la salud. Si bien la exactitud de esta afirmación puede ser debatida, no puede haber debate que nuestra capacidad para medir secuencia de ADN secuencia y expresión de ARN, secuencia de proteínas, estructura, expresión y modificación y la estructura, presencia y cantidad de metabolitos de moléculas pequeñas ha avanzado rápidamente y nos permite imaginar nuevas tecnologías fantásticas en la búsqueda de la salud humana. Existen muchas barreras para traducir nuestra comprensión molecular en tecnologías que impactan a los pacientes. Estos incluyen la comprensión del tamaño y las fuerzas del mercado de la salud, el entorno regulador, cómo endurecer la tecnología para el uso rutinario y cómo navegar por un paisaje de propiedad intelectual cada vez más complejo. Pero antes de que estas actividades puedan comenzar, debemos superar una barrera aún más fundamental conectar las cosas de la biología molecular con el mundo clínico. La biología molecular y celular estudia genes, ADN, mensajeros de ARN, proteínas, moléculas de señalización y sus cascadas, metabolitos, procesos de comunicación celular y organización celular.

2.- nacimiento de la bioinformática

La bioinformática tuvo su origen en la década de 1970 con la convergencia de la secuenciación del ADN, los ordenadores personales y la Internet. El campo evolucionó rápidamente a medida que la biotecnología mejoró lo que la hizo crítica para almacenar, procesar, recuperar y analizar datos cada vez más grandes para abordar cuestiones importantes en las ciencias biológicas y biomédicas. Los bioinformáticos a lo largo de los años ochenta y noventa se consideraban a menudo consultores que proporcionaban un servicio de datos que representaba un paso en el proceso de formular una pregunta, formular una hipótesis, llevar a cabo un experimento, analizar los resultados y hacer una inferencia. Gran parte de la bioinformática en ese momento se trataba de desarrollar la capacidad para proporcionar este servicio. Como la disciplina maduró en la década de 2000 rápidamente se hizo evidente que los bioinformáticos eran necesarios como colaboradores y no sólo consultores. Esto facilitó la integración de la bioinformática en todos los aspectos de un proyecto de investigación. Estamos en otro momento decisivo en la evolución de la bioinformática que verá en los próximos años la transición de los bioinformáticos de los colaboradores a los líderes que unen equipos interdisciplinarios para resolver un problema complejo. En otras palabras, los bioinformáticos podrán plantear las preguntas, definir las hipótesis y orquestar el estudio científico. Este es el resultado natural de la capacitación interdisciplinaria, la disponibilidad pública de datos, el software de código abierto, la amplia disponibilidad de instalaciones básicas para realizar experimentos y, lo que es más importante, la capacidad de integrar y sintetizar las fuentes de conocimiento para formular preguntas más impactantes.

3.-bioinformatica y la relación con las ciencias de la vida

El ecosistema moderno de la salud y de las ciencias de la vida está cada vez más centrado en los datos como resultado de la adopción y disponibilidad de fuentes de datos de alto rendimiento, como la salud electrónica (EHR), sistemas de gestión de datos de investigación (por ejemplo, CTMS, LIMS, herramientas electrónicas de captura de datos) y una amplia variedad de plataformas de instrumentación de escala biomolecular. Como resultado de esta evolución, el tamaño y la complejidad de los conjuntos de datos que deben ser gestionados y analizados están creciendo a un ritmo extremadamente rápido. Al mismo tiempo, las prácticas de gestión de datos utilizados actualmente en la mayoría de los entornos de investigación son tanta mano de obra intensiva y se basan en tecnologías que no han sido diseñados para manejar este tipo de datos multidimensionales. Como resultado, hay demandas significativas de la comunidad de ciencia de la traducción para la creación y entrega de plataformas de gestión de la información capaces de adaptarse y apoyar los flujos de trabajo heterogéneos y fuentes de datos .Esta necesidad es particularmente importante cuando tales esfuerzos de investigación se centran en la identificación de los vínculos entre los datos biomoleculares y fenotípicos con el fin de informar nuevos enfoques a nivel de sistemas para comprender los estados de la enfermedad.

En relación con el área temática específica de la representación del conocimiento y la utilización en las ciencias de traducción, la capacidad de hacer frente a los requisitos anteriores se basa en gran medida en la capacidad de garantizar que la semántica de estos datos son bien comprendidos .Este es un escenario a menudo se refiere como la interoperabilidad semántica, y requiere el uso de enfoques basados en la informática para mapear entre diversas representaciones de datos, así como la aplicación de tales asignaciones para apoyar integrativa integración de datos y operaciones de análisis .La aplicación de sistemas basados en el conocimiento y agentes inteligentes para permitir la generación de hipotecas de alto rendimiento y pruebas: Los enfoques modernos para el descubrimiento de hipótesis y las pruebas se basan principalmente en la intuición del investigador individual o su equipo para identificar una pregunta que es De interés