Bio-informatique
L'informatique appliquée aux séquences biologiques — de la recherche de chaînes de caractères, où les chaînes se trouvent être de l'ADN.
Le terme a été forgé en 1970 par les chercheurs néerlandais Paulien Hogeweg et Ben Hesper, bien avant qu'il existe des génomes à analyser. Le domaine a explosé avec le Projet génome humain (achevé en 2003) et avec des séquenceurs dont le coût par génome est tombé de plusieurs milliards de dollars à quelques centaines. Il en est sorti un problème de calcul : des pétaoctets de courts fragments de texte à remettre bout à bout.
La chaîne d'outils est étonnamment démodée et fondée sur le texte. FASTA et FASTQ sont des formats texte orientés ligne, BAM est l'équivalent binaire compressé, et BLAST (1990) reste l'outil de référence pour trouver des séquences similaires — au fond, de la recherche approximative de chaînes avec des heuristiques. Python, avec Biopython et pandas, domine l'analyse, R les statistiques, et le calcul tourne sur des clusters ou des GPU.