那个美国的能源部还有论坛版主Dr.Prion所在的NIH就是厉害，上世界80年代末就决定要把我们身上的DNA碱基给一个个摆出来。人家就是发达也有钱，我们那个时候如果知道论文中要是分析讨论ATCGGTCAACTTG。。。的话那可是要吓人的！
13年过去了，这个课题到了尾声了，听说基本上已经出来了。里面还有中国人1%的实验结果呢！而且14年来，不光是人类的基因序列，其他好多物质的基因序列也给搞出来了。也不光是测测序列，也同时进行其他生物学，特别是分子生物学的研究，也得到了大量的生物数据。做这些工作，要花好多钱的，研究开发了好多“学生们不能随便动的高级仪器” ，也就是那些个“国外进口的测试，分析的机器” 。不管，我们也有钱了，所以也参与了测试，也有了“巨大的贡献” ，是好事。
因为全世界这十几年的生物实验，造成了巨量的生物数据，根本不能写在纸上，用笔来计算分析，用人脑来总结和归纳和演义了，于是计算机的普遍使用解决了它，它也给了计算机学科以新的研究客体。于是，新学科诞生了：生物信息学！
2。研究内容
无非生物学数据，当然最“经典” 的是分子生物学，是DNA序列。
(1)数据库
目前公开的有500多个生物信息学数据库，拿大家熟悉的GenBank, Swiss-Prot, KEGG….涉及核酸序列，基因组（全序列），蛋白质序列，蛋白组，蛋白质结构，代谢反应及途径，其他混合型，其他方方面面的东西。每年“Nucleic Acids Research”(http://nar.oupjournals.org) 第一期便有大量新的和更新的数据库的专辑。生物数据库的建立要用上计算机学数据库和网络方面的技术了。应该说是生物信息学研究的基础和重点。目前生物数据如DNA序列，蛋白质结构等数据比较复杂，所以要求服务器的性能相对要高些。往往他们还要推出基于该数据库的分析程序。如NCBI的Blast系列工具，背后都是大量生物信息学的工作。另外，基于一级数据库而建立的二级数据库，由于不同数据库的数据格式是heterogeneous，因为不是每个人都用得起象oracle的大型数据库，有些就用用mysql就行，甚至微软的access,或干脆txt文本，所以又得好多人有事干了：data mining, data integration. 又考虑开发标准化的生物数据等。感觉国内搞的人不多。
(2)算法研究
属于经典生物信息学领域，尤其研究序列对准的，20多年的历史了。老的算法如记分法和概率统计法：BLAST算法，SMITH-WATERMAN算法和Hidden Markov Model和Neural Network等等。 还有语言学方法，Z曲线法。目前新的，更灵敏，效率高。更有用的算法不断推出，必须经常阅读新出的期刊才能保持不落伍。
(3)软件编写
属于实现算法的工作，懂计算机语言的能力要比懂生物学的高。
(4)其他具体些的领域
其实广义上的生物信息学是可以研究生物学的任何方面。因为生命现象是在信息控制下不同层次上的物质、能量与信息的交换，不同层次是指核酸
