Bioinformatica
Informatica toegepast op biologische sequenties — stringvergelijking waarbij de strings toevallig dna zijn.
De term werd in 1970 bedacht door de Nederlandse onderzoekers Paulien Hogeweg en Ben Hesper, lang voordat er genomen waren om te analyseren. Het vakgebied explodeerde met het Human Genome Project (afgerond in 2003) en met sequencers waarvan de prijs per genoom daalde van miljarden dollars naar een paar honderd. Wat overbleef was een rekenprobleem: petabytes aan korte tekstfragmenten die weer in elkaar gepast moeten worden.
De toolchain is opvallend ouderwets en tekstgebaseerd. FASTA en FASTQ zijn regelgeoriënteerde tekstformaten, BAM is het gecomprimeerde binaire equivalent, en BLAST (1990) is nog steeds het standaardgereedschap om vergelijkbare sequenties te vinden — in de kern benaderend zoeken in strings met heuristieken. Python met Biopython en pandas domineert de analyse, R de statistiek, en de rekenkracht draait op clusters of GPU's.