Bioinformatik
Informatik angewandt auf biologische Sequenzen — Stringabgleich, bei dem die Strings zufällig aus DNA bestehen.
Der Begriff wurde 1970 von den niederländischen Forschern Paulien Hogeweg und Ben Hesper geprägt, lange bevor es überhaupt Genome zu analysieren gab. Das Feld explodierte mit dem Human Genome Project (abgeschlossen 2003) und mit Sequenziermaschinen, deren Preis von Milliarden Dollar pro Genom auf ein paar Hundert fiel. Übrig blieb ein informatisches Problem: Petabytes kurzer Textfragmente, die wieder zusammengesetzt werden müssen.
Das Werkzeugarsenal ist auffällig altmodisch und textbasiert. FASTA und FASTQ sind zeilenorientierte Textformate, BAM die komprimierte Binärvariante, und BLAST (1990) ist immer noch das Standardwerkzeug, um ähnliche Sequenzen zu finden — im Kern approximative Stringsuche mit Heuristiken. Python mit Biopython und pandas dominiert die Analyse, R die Statistik, und gerechnet wird auf Clustern oder GPUs.