1.序列對比
序列比較的意義在於從核酸和氨基酸的層面比較兩個或兩個以上符號序列的相似性或相異性，進而推斷它們的結構功能和進化關系。研究序列相似性的目的是通過相似的序列獲得相似的結構或功能，也可以通過序列相似性判斷序列間的同源性，推斷序列間的進化關系。序列比對是生物信息學的基礎，非常重要。
最基本的序列比較是雙序列比較，分為全局序列比較和局部序列比較，這兩種比較都可以用動態規劃方法有效解決。在實際應用中，壹些生物學上有意義的相似性不是單個序列就能分析出來的，而只能通過多個序列的比較和排列才能識別出來。比如，當面對蛋白質中許多功能相似的不同生物時，我們可能想知道序列中哪些部分是相似的，哪些部分是不同的，進而分析蛋白質的結構和功能。為了獲得這些信息，我們需要比較這些序列。多序列比對算法包括動態規劃算法、星形比對算法、樹比對算法、遺傳算法、模擬退火算法、隱馬爾可夫模型等。這些算法可以用計算機解決。
2.數據庫搜索
隨著人類基因組計劃的實施，實驗數據急劇增加，數據的標準化和檢驗成為信息處理的第壹步。在此基礎上建立數據庫，存儲和管理基因組信息。這就需要大量的生物實驗數據被計算機存儲起來，將這些數據按照壹定的功能進行排序，形成數百個生物信息數據庫，並需要高效的程序查詢這些數據庫，以滿足生物學家的需求。數據庫包括主數據庫和輔助數據庫。壹級數據庫直接來源於實驗獲得的原始數據，只經過簡單的分類和標註。二級數據庫是對基礎數據進行分析提煉後提取的有用信息。
分子生物學的三大核心數據庫是GenBank核酸序列數據庫、瑞士-PROT蛋白質序列數據庫和PDB生物大分子結構數據庫，為全世界的分子生物學和醫學研究人員了解生物分子信息的組織和結構、破譯基因組信息提供了必要的支持。然而，傳統的手工分析方法顯然跟不上新時代的步伐。大量的實驗結果必須通過計算機自動分析，才能發現數據之間的密切關系，解決實際問題。
3.基因組序列分析
基因組學研究的首要目標是獲得壹套完整的人類遺傳密碼。要想獲得人類所有的遺傳密碼，就必須打破人類基因組，測量每個小序列，然後重新組裝。所以目前生物信息學中的大量工作都是針對基因組DNA序列的，建立壹種快速準確的DNA序列分析方法對於研究基因的結構和功能具有重要意義。對於基因組序列，人們更關心的是從序列中尋找基因及其表達調控信息。例如，對於壹個未知基因，我們可以將其與已知基因序列進行比較，從而了解與該基因相關的生理功能或提供疾病發病機制的信息，從而為開發新藥或治療疾病提供壹定的依據，使我們能夠更全面地了解該基因的結構和功能。因此，如何讓計算機有效地管理和運行海量數據也是壹個重要的問題。
4.蛋白質結構預測
蛋白質是生物體的基本物質，幾乎所有的生命活動都是通過蛋白質的結構和功能來體現的，所以對蛋白質的數據進行分析和處理是非常重要的，蛋白質的生物功能是由蛋白質的結構決定的。因此，根據蛋白質序列預測蛋白質的結構是非常重要的，這就需要對大量的數據進行分析，找出蛋白質序列與結構之間的關系和規律。
蛋白質結構預測可分為二級結構預測和空間結構預測。二級結構預測有幾種不同的方法:①基於統計信息；②基於理化性質；③基於序列模式；④基於多層神經網絡；⑤基於圖論；⑥基於多元統計；⑦基於機器學習的專家規則；⑧最近鄰算法。目前，大多數二級結構預測算法都是基於序列比較算法BLAST、FASTA和CLUSTALW產生的比較序列。雖然二級結構預測方法的準確率可以達到80%以上，但是二級結構預測的準確率還有待提高。
在實際的蛋白質二級結構預測中，結構實驗結果、序列比較結果、蛋白質結構預測結果以及各種預測方法往往是結合在壹起的。比較常見的是同時使用多個軟件進行預測，分析各個軟件的預測結果，得到更加真實的蛋白質二級結構。將序列比對與二級結構預測相結合也是壹種常用的綜合分析方法。
蛋白質二級結構是指蛋白質多肽鏈本身的折疊和卷曲方式。二級結構主要包括α螺旋、β折疊和β轉角，是蛋白質高級結構的基本要素。常見的二級結構包括α螺旋和β折疊。三級結構是在二級結構的基礎上進壹步卷繞折疊而成。研究蛋白質空間結構的目標是了解蛋白質與三維結構的關系。預測蛋白質的二級結構只是預測蛋白質三維形狀的第壹步。蛋白質折疊問題非常復雜，這導致了蛋白質空間結構預測的復雜性。預測蛋白質的三維結構有三種方法:同源建模法、線索法和從頭算預測法。但是不管用哪種方法，結果都是預測，不同的算法可能會產生不同的結果。因此，有必要研究新的理論計算方法來預測蛋白質的三維結構。
圖4.1蛋白質結構
目前已知蛋白質序列數據庫的數據量遠遠超過結構數據庫，而且隨著DNA序列分析技術和基因識別方法的進步，這個差距會越來越大。人們希望生成蛋白質結構的進度能跟得上生成蛋白質序列的速度，這就需要發展新的蛋白質結構預測的理論分析方法。目前還沒有算法可以很好的預測蛋白質的三維結構形狀。蛋白質的結構預測被認為是當代計算機科學中需要解決的最重要的問題之壹，因此蛋白質結構預測的算法在分子生物學中尤為重要。
5.結束語
現在計算機的發展已經滲透到各個領域，生物學中大量實驗數據的處理和理論分析也需要相應的計算機程序。因此，隨著現代科學技術的發展，生物技術與計算機信息技術的融合已成為大勢所趨。生物研究過程中產生的海量數據需要強大的數據處理和分析工具，因此計算機科學技術成為生物科學家的必然選擇。雖然人們已經利用計算機技術解決了許多生物學問題，但如何利用計算機更好地處理生物學數據仍然是壹個長期而復雜的課題。