研讨会上，与会学者就目前计算生物学领域中涉及如何运用大规模高效的理论模型和数值计算来识别基因组序列中代表蛋白质的编码区，破译隐藏在核酸序列中的遗传语言规律，基因组遗传语言信息释放及其调控相关的转录谱等问题展开了讨论，会议还对目前基因组所计算资源和肿瘤基因组、个人基因组等生物信息未来重点研究领域以及酝酿成立“基因组所生物超算和生物信息研究中心”并就中心未来的发展目标、管理模式和人才引进等众多方面进行了热烈讨论。
| |||||||||||||||||||||||||||
计算生物学是随着人类基因组计划的研究而起步，目前已成为现代生物学研究的核心方法之一。计算生物学运用大规模高效的理论模型和数值计算来基因组学极高通量数据产出特点使得对其海量数据分析，挖掘、管理及整合已成为计算生物学的中心问题之一。当前高性能计算集群，云计算，网格计算和异构计算都因基因组学这一巨大计算需求推动而得到普遍的应用。根据超出摩尔定律的基因组学数据增长速度预计，未来的个体化医疗所产生的基因组数据使得基因组学将面临着与高能物理研究相同规模的海量数据分析和管理的挑战。猎头.然而由于基因组学中的计算和存储问题又与高能物理等领域中的计算和存储问题具有非常迥异的特点。成立生物超算和生物信息研究中心，使得基因组所能着力研究在计算生物学特别是基因组信息学中海量数据分析与管理整合计算方法、技术和策略问题，为未来的基因组医药和个体化医疗面临的计算问题提供有力的方法学保障，同时由基因组学内在需求驱动的对计算方法技术的研究也能带动整个计算生物学和高性能计算技术的发展，这也为在国家战略层面建立中国在基因组学和计算生物学的取得领先优势垫定坚实有力的基础。
(来源：北京基因组研究所)
京公网安备 110105001605号