熟悉的了解，通过已知物种中的基因和基因组结构相似性来找到植物基因组中的相似序列。
要么在实验数据处理上具有极高的水准，能够利用rna-seq和别的专业实验数据来确定基因位置和剪接模式。
两者工作过程看似截然不同，但最后殊途同归。
基因表达分析是用来评估植物基因组序列中的基因在不同的生长发育阶段或者是在不同环境条件下的表达级别。
可以运用差异表达分析、功能分析和通路分析等方法来帮助他们深入了解植物基因的功能和在它们在生长发育和环境响应中的作用机制。
处理基因测序信息数据的工作实际上是属于生物信息学的范畴。
其实目前生物信息学能够逐渐发展为一个独立的学科并不是没有道理的。
随着陆时羡所学所知的加深，他已经越来越能体会到万事万物都是互相联系的这句话。
也就是所谓的触类旁通，他能够运用哲学观念来思考来解释。
事物自身包含的矛盾存在于一切事物中，并且贯穿于事物发展过程的始终。
自从进入计算机时代，人们获取数据的速度得到了巨大的提升。。
但显然，数据并不等于信息。
一方面是每天进入embl、genbank和ddbj的数据每天都以指数式的数量来统计。而一方面是自然科学、生理学、医学等领域新知识产生的匮乏。
人们对新知识新信息产生缓慢落后的不满和飞速增长的数据速度形成了一个巨大的主要矛盾。
矛盾推动着事物的产生与发展，于是生物信息学在这种背景下产生并发展。
它的几个主要工作恰好对应着刚刚他所说的几个步骤。
序列比对和序列分析一个是对两个或两个以上符号序列进行相似性比较，一个是获知对应的基因和基因调控序列或对基因组中的基因和基因调控序列进行自动识别。
功能基因组的任务是进行基因组功能注释，了解基因的功能，认识基因与疾病的关系，掌握基因的产物及其在生命活动中的作用。
至于蛋白质结构预测则是生物信息学的重要应用，弄清蛋白质结构对于研究蛋白质的功能具有十分重要的作用。
近些年发展的比较快的应用是药物设计，即运用生物信息学的方法和手段对药物靶标基因进行发现和验证。
所以现在的生物学家，可以不会运用生物信息学方法，但他们绝对不能不懂生物信息学手段。
现在随着学科的边界不断泛化，没有人能够全知全能。
陆时羡其实一直认为，一个研究团队应当配置有主修生物信息学的人才。
当然，这是条件允许的情况，他还不具备这样奢侈的条件。
现在的处境就是，一个人他都恨不得扳成两个人用。
接下来的几天，所有人都沉浸在图谱和数字的世界。
而他们也终于收到了来自阶段性成果报告的组会。
关于这次组会，陆时羡并不慌，因为他们的任务早已经完成。
就是让鲍勃几人有些不忿的是辛苦完成的数据要转交给菲斯的小团队。
陆时羡倒是一如既往地淡定。
请收藏：https://m.gwylt.com
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）