Перегляд вихідного коду сторінки Біоінформатика

[[Файл:Genome_viewer_screenshot_small.png|thumbnail|right|220px|'''Мапа X-хромосоми людини''' (дані з сайту [[NCBI]]). Розшифрування [[геном людини|геному людини]]&nbsp;— одне з найбільших досягнень біоінформатики.]]
'''Біоінформа́тика'''&nbsp;— це міждисциплінарна галузь [[Наука|науки]], яка поєднує принципи [[Біологія|біології]], [[Інформатика|інформатики]], [[Математика|математики]] та [[Статистика|статистики]] для [[Збір даних|збору]], [[Аналіз даних|аналізу]], інтерпретації та керування біологічними [[Дані|даними]].

Біоінформатика тісно пов'язана з [[Обчислювальна біологія|обчислювальною біологією]], і зосереджена на розробці та використанні [[Обчислювальний метод|обчислювальних методів]], [[Алгоритм|алгоритмів]] і [[Програмний засіб|програмних засобів]] для вилучення значущої інформації з [[Великі дані|величезних і складних наборів]] біологічних даних, зокрема в [[Геноміка|геноміці]], [[Епігеноміка|епігеноміці]], [[Протеоміка|протеоміці]] та інших дисциплінах [[Оміксні технології|оміксних аналізів]] та [[Мультиоміка|мультиоміки]]. Біоінформатика відіграє ключову роль у вдосконаленні нашого розуміння біологічних процесів, допомагаючи у [[Конструювання ліків|відкритті ліків,]] полегшуючи [[Персоналізована медицина|персоналізовану медицину]] та сприяючи різноманітним аспектам біологічних та [[Біомедицина|біомедичних]] [[Наукове дослідження|досліджень]].

Біоінформатика охоплює широкий спектр діяльності, включаючи [[вирівнювання послідовностей]], [[Структурна біологія|структурну біологію]], функціональну анотацію, [[передбачення структури білків]], [[Системна біологія|системну біологію]] та розробку баз даних і обчислювальних моделей, {{нп|пошук генів|||Gene finding}}, [[збірка геномів|збірку геномів]], {{нп|вирівнювання структур|||Structural alignment}} [[білки|білків]], передбачення [[експресія генів|експресії генів]] та [[білок-білкова взаємодія|білок-білкової взаємодії]] та реконструювання процесу [[еволюція|еволюції]]. Це дає змогу дослідникам досліджувати генетичні варіації, визначати потенційні мішені [[Лікарські засоби|ліків]], розкривати [[Еволюційна біологія|еволюційні]] зв’язки та отримати уявлення про механізми, що лежать в основі різних [[Захворювання|захворювань]].

Великим напрямком досліджень біоінформатики є отримання високоякісних послідовностей геномів з фрагментів послідовностей, отриманих за допомогою традиційних методів [[секвенування ДНК]] та конструювання [[сигнальні системи клітин|сигнальних мереж]] за даними [[ДНК-мікрочип]]ів. В останньому випадку біоінформатика нерідко перетинається з [[системна біологія|системною біологією]].

Хоча терміни біоінформатика і обчислювальна біологія часто взаємозамінюються, останній указує на ширшу галузь, що також включає розробку [[алгоритм]]ів і конкретні обчислювальні методи та [[моделювання]] біологічних ([[математична біологія]]) і біохімічних ([[обчислювальна хімія]], [[молекулярне моделювання]]) процесів. Іноді інформатику розглядають як галузь [[Біомедична інформатика|біомедичної інформатики]].

== Основні галузі досліджень ==

=== Аналіз генетичних послідовностей ===

Відтоді, як в [[1977]] році був [[Секвенування ДНК|секвенований]] [[геном]] [[фаг]]у [[Бактеріофаг ΦX174|φ-X-174]], [[нуклеотидна послідовність|послідовності ДНК]] все більшого числа організмів були розшифровані і збережені в базах даних. Ці дані використовуються для визначення послідовностей [[Білок|білків]] і [[регуляторні послідовності|регуляторних ділянок]]. Порівняння генів в рамках одного або різних [[Вид (біологія)|видів]] може продемонструвати схожість функцій білків або відношення між видами (таким чином, можуть бути складені [[Філогенетичне дерево|філогенетичні дерева]]).

Із зростанням кількості даних вже давно стало неможливим вручну аналізувати послідовності. В наші дні для пошуку по геномах тисяч організмів, що складаються з мільярдів [[пара основ|пар основ]], використовуються комп'ютерні програми. Програми можуть однозначно зіставити («[[вирівнювання послідовностей|вирівняти]]») схожі послідовності ДНК в геномах різних видів, часто такі послідовності несуть схожі функції, а відмінності виникають в результаті дрібних мутацій, таких як заміни окремих нуклеотидів, вставки нуклеотидів і їхнє «випадання» ([[хромосомні делеції|делецій]]).

Один з варіантів такого вирівнювання застосовується при самому процесі секвенування. Так звана техніка «дробового секвенування» (яка, наприклад, використовувалася {{нп|Інститут генетичних досліджень|Інститутом генетичних досліджень||The Institute for Genomic Research}} або TIGR для секвенування першого бактеріального геному ''[[Haemophilus influenzae]]'') замість повної послідовності нуклеотидів дає послідовності коротких фрагментів ДНК (кожен завдовжки близько 600–800 нуклеотидів). Кінці фрагментів накладаються один на одного і, суміщені належним чином, дають повний геном. Такий метод швидко дає результати секвенування, але збірка фрагментів може бути досить складним завданням для великих геномів. У проєкті з розшифрування геному людини збірка зайняла декілька місяців часу суперкомп'ютерів. Зараз цей метод застосовується для практично всіх геномів, і алгоритми збірки геномів є однією з щонайгостріших проблем біоінформатики на сьогоднішній момент.

Іншим прикладом застосування комп'ютерного аналізу послідовностей є автоматичний {{нп|пошук генів|||Gene finding}} і [[регуляторні послідовності|регуляторних послідовностей]] в геномі. Не все нуклеотиди в геномі використовуються для завдання послідовностей білків. Наприклад, в геномах еукаріотів існують великі сегменти [[некодуюча ДНК|некодуючої ДНК]], які явно не кодують білки, а їхня функціональна роль в багатьох випадках невідома. Розробка алгоритмів виявлення ділянок геному, що кодують білки, є важливим завданням сучасної біоінформатики.

Біоінформатика допомагає зв'язати геномні та [[протеом]]ні проєкти, наприклад, допомагаючи у використанні послідовності ДНК для ідентифікації білків.

{{Див. також|Використання мови R для імпорту послідовностей молекулярних даних}}

=== Анотація геномів ===

У контексті геноміки анотація&nbsp;— процес маркування генів і інших об'єктів в послідовності ДНК. Перша програмна система анотації геномів була створена в [[1995]] році Оуеном Вайтом (''Owen White''), що працював в команді, яка секвенувала і проаналізувала перший декодований геном вільноживучого організму, бактерії ''[[Haemophilus influenzae]]''. Доктор Вайт побудував систему знаходження генів, [[тРНК]] і інших об'єктів в геномі, і зробив перші позначення функцій цих генів. Більшість сучасних систем працюють схожим чином, але ці програми постійно розвиваються і поліпшуються.

=== Обчислювальна еволюційна біологія ===

[[Еволюційна біологія]] досліджує походження і появу [[Вид (біологія)|видів]], також як їхній розвиток з часом. Інформатика допомагає еволюційним біологам в декількох аспектах:
* вивчення еволюції великого числа організмів, вимірюючи зміни в їхній ДНК, а не тільки в будові або [[фізіологія|фізіології]]
* порівняння цілих геномів (див. {{нп|BLAST}}), що дозволяє вивчати більш комплексні еволюційні події, такі як [[дуплікація генів]], [[горизонтальний перенос генів]] і передбачати фактори спеціалізації організмів
* будування комп'ютерних моделей популяцій, щоб передбачити поведінку системи з часом
* відстеження появи публікацій, що містять інформацію про велику кількість видів

Область інформатики, що використовує [[генетичні алгоритми]], часто плутають з комп'ютерною еволюційною біологією. Робота в цій області використовує спеціалізоване [[програмне забезпечення]] для поліпшення алгоритмів і обчислень і ґрунтується на еволюційних принципах, таких, як [[реплікація]], {{нп|Диверсифікація (біологія)|диверсифікация||Genetic divergence}} через [[Гомологічна рекомбінація|рекомбінацію]] або [[мутації]], і виживання за умовами [[природний відбір|природного відбору]].

=== Оцінка біологічного різноманіття ===

[[Біорізноманіття]] екосистеми може бути визначено як повна генетична сукупність певного середовища, що складається зі всіх видів, що мешкають в ньому, чи це [[біофільм]] в покинутій шахті, крапля морської води, жменя землі або вся [[біосфера]] планети [[Земля]]. Для збору [[Вид (біологія)|видових]] назв, описів, [[ареал]]у розповсюдження і генетичній інформації використовуються бази даних. Спеціалізоване програмне забезпечення застосовується для пошуку, візуалізації та аналізу інформації, і, що важливіше, її доступності іншим людям. Комп'ютерні симуляції моделюють такі речі, як [[популяційна динаміка]], або обчислюють загальне генетичне здоров'я культури в [[агрономія|агрономії]]. Один з найважливіших потенціалів цієї області полягає в аналізі послідовностей ДНК організмів або повних [[геном]]ів цілих вимираючих видів, дозволяючи запам'ятати результати генетичного експерименту природи в комп'ютері й можливо використовувати знову в майбутньому, навіть якщо ці види повністю вимруть.

=== Аналіз експресії генів ===

[[Експресія генів|Експресія]] багатьох генів може досліджуватися за допомогою вимірювання рівнів багатьох [[мРНК]] з використанням методів [[ДНК-мікрочип]]ів, {{нп|Експресія міток послідовностей|експресії міток послідовностей||Expressed sequence tag}} (EST), {{нп|Серійний аналіз експресії генів|серійного аналізу експресії генів||Serial analysis of gene expression}} (SAGE) або інших варіантів мультиплексної {{нп|Гібридізація in-situ|гібридизації ''in-situ''||In situ hybridization}}. Всі ці методи надзвичайно сприятливі до шуму і схильні до упередженості в отриманих значеннях, тому важлива область досліджень в біоінформатиці займається розробкою статистичних інструментів для розділення [[Сигнал (теорія інформації)|сигналу]] і [[шум]]у в генетичних дослідженнях. Ці дослідження часто використовуються для виявлення генів, залучених у хвороби: наприклад, дані мікрочипів [[рак (хвороба)|ракових]] [[епітелій|епітеліальних]] клітин порівнюють з нормальними для визначення підвищуючої та понижчуючої регуляції генів.

== Типи даних у біоінформатиці ==
Біоінформатика має справу з різноманітними типами біологічних даних, кожен з яких пропонує унікальне розуміння складності живих організмів. Ці типи даних необхідні для розуміння генетики, біології та суміжних галузей. Ось кілька відомих типів даних у біоінформатиці:

=== Оміксіні технології ===
[[Файл:Timeline of major technological developments and milestones in different Omics analysis.jpg|міні|Хронологія основних технологічних розробок і віх в різних аналізах [[Оміксні технології|оміксних технологій]]<ref name=":23" />]]
«<nowiki/>[[Оміксні технології]]<nowiki/>» — це набори передових, високопродуктивних методологій, які використовуються для аналізу широкого діапазону біологічних молекул та їх взаємодії з метою розуміння структури, функції та динаміки біологічних систем на різних рівнях.<ref>{{Cite news|title=Systems Approaches to Biology and Disease Enable Translational Systems Medicine|url=https://www.sciencedirect.com/science/article/pii/S1672022912000526|work=Genomics, Proteomics & Bioinformatics|date=2012-08-01|accessdate=2023-06-11|issn=1672-0229|pmc=PMC3844613|pmid=23084773|doi=10.1016/j.gpb.2012.08.004|pages=181–185|volume=10|issue=4|language=en|first=Leroy|last=Hood|first2=Qiang|last2=Tian}}</ref> Поєднуючи ці «<nowiki/>[[-omik|-оми]]<nowiki/>», вчені можуть аналізувати складні біологічні [[великі дані]], щоб знаходити нові асоціації між біологічними об’єктами, точно визначати відповідні [[Біомаркер|біомаркери]] захворювань і фізіологічних процесів.<ref name=":5">{{Cite book
|url=https://link.springer.com/book/10.1007/978-981-19-8210-1
|title=Methodologies of Multi-Omics Data Integration and Data Mining:
Techniques and Applications
|last=Kang Ning
|year=2023
|publisher=[[Springer]]
|location=[[Сінгапур]]
|pages=167
|language=англ
|isbn=978-981-19-8209-5
}}</ref><ref name=":6">{{Cite book
|title=Integrative Multi-Omics in Biomedical Research
|last=Christopher Gerner, Michelle Hill
|year=2021
|publisher=[[MDPI]], Biomolecules
|pages=178
|language=англ
|isbn=978-3-0365-2582-2
}}</ref> Роблячи це, мультиоміка об’єднує різноманітні дані омік, щоб знайти узгоджено відповідний зв’язок або асоціацію генотип-фенотип-довкілля.<ref>Tarazona, S., Balzano-Nogueira, L., & Conesa, A. (2018). Multiomics Data Integration in Time Series Experiments. {{DOI|10.1016/bs.coac.2018.06.005}}</ref> Термін «мультіоміка» відображає взаємозв’язок і складну взаємодію між різними типами біологічних даних. Біологічні процеси керуються каскадом подій, які починаються з генома та призводять до функціональних білків і метаболітів, які опосередковують клітинні процеси. Уздовж цього континууму існують різні точки регулювання та зворотного зв’язку, які найкраще зрозуміти, якщо розглядати їх разом.<ref>{{Cite news|title=Methods for the integration of multi-omics data: mathematical aspects|url=https://doi.org/10.1186/s12859-015-0857-9|work=BMC Bioinformatics|date=2016-01-20|accessdate=2023-06-11|issn=1471-2105|pmc=PMC4959355|pmid=26821531|doi=10.1186/s12859-015-0857-9|pages=S15|volume=17|issue=2|first=Matteo|last=Bersanelli|first2=Ettore|last2=Mosca|first3=Daniel|last3=Remondini|first4=Enrico|last4=Giampieri|first5=Claudia|last5=Sala|first6=Gastone|last6=Castellani|first7=Luciano|last7=Milanesi}}</ref>

==== Геномні дані ====
* '''[[Секвенування ДНК]]''': визначення точної послідовності нуклеотидних основ у молекулах ДНК. Цей тип даних був революційним завдяки високопродуктивним технологіям секвенування, таким як {{Не перекладено|Секвенування наступного покоління|секвенування наступного покоління|en|Massive parallel sequencing}} (NGS) і {{Не перекладено|Секвенування однієї молекули в реальному часі|секвенування однієї молекули в реальному часі|en|Single-molecule real-time sequencing}}.
* '''[[Збірка геномів]]''': реконструкція повних геномів із фрагментованих послідовностей ДНК. Удосконалення алгоритмів і обчислювальних методів підвищили точність і ефективність складання геному.<ref>{{Cite news|title=Toward a more holistic method of genome assembly assessment|url=https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-020-3382-4|work=BMC Bioinformatics|date=2020-07|accessdate=2023-09-10|issn=1471-2105|pmc=PMC7336394|pmid=32631298|doi=10.1186/s12859-020-3382-4|volume=21|issue=S4|language=en|first=Adam|last=Thrash|first2=Federico|last2=Hoffmann|first3=Andy|last3=Perkins}}</ref>
* {{Не перекладено|Порівняльна геноміка|Порівняльна геноміка|en|Comparative genomics}}: порівняння геномів різних видів для виявлення еволюційних зв’язків, збережених елементів і генетичних варіацій. Цей тип даних допомагає зрозуміти еволюцію видів і функціональних елементів у геномах.
* {{Не перекладено|Функціональна геноміка|Функціональна геноміка|en|Functional genomics}}: вивчення функцій генів і некодуючих елементів у геномах, часто за допомогою таких методів, як [[CRISPR/cas9|CRISPR-Cas9]] для [[Редагування генома|редагування генів]] і функціональної анотації. (''див.'' [[Геноміка]])
* '''[[Фармакогеноміка|Фармакогеномічні]] дані''': дослідження того, як генетичні варіації впливають на індивідуальні реакції на ліки. Цей тип даних використовується в [[Персоналізована медицина|персоналізованій медицині]] та оцінці безпеки ліків.<ref>{{Cite news|title=Review on Databases and Bioinformatic Approaches on Pharmacogenomics of Adverse Drug Reactions|url=https://www.dovepress.com/review-on-databases-and-bioinformatic-approaches-on-pharmacogenomics-o-peer-reviewed-fulltext-article-PGPM|work=Pharmacogenomics and Personalized Medicine|date=2021-01-13|accessdate=2023-09-10|pmc=PMC7812041|pmid=33469342|doi=10.2147/PGPM.S290781|pages=61–75|volume=14|language=English|first=Hang|last=Tong|first2=Nga VT|last2=Phan|first3=Thanh T.|last3=Nguyen|first4=Dinh V.|last4=Nguyen|first5=Nam S.|last5=Vo|first6=Ly|last6=Le}}</ref><ref>{{Cite news|title=Leveraging a pharmacogenomics knowledgebase to formulate a drug response phenotype terminology for genomic medicine|url=https://academic.oup.com/bioinformatics/article/38/23/5279/6759370|work=[[Bioinformatics]]|date=2022-11-30|accessdate=2023-09-10|issn=|pmc=|pmid=|doi=10.1093/bioinformatics/btac646|pages=|volume=38|issue=23|language=en|first=Yiqing|last=Zhao|first2=Matthew|last2=Brush|first3=Chen|last3=Wang|first4=Alex H|last4=Wagner|first5=Hongfang|last5=Liu|first6=Robert R|last6=Freimuth|editor-first=Janet|editor-last=Kelso}}</ref>

==== Епігеномні дані ====
* '''Профіль [[метилювання ДНК]]''': Вивчення статусу метилювання специфічних залишків [[Цитозин|цитозину]] в ДНК. Патерни метилювання часто асоціюються з глушінням генів і можуть бути проаналізовані за допомогою таких методів, як {{Не перекладено|Бісульфітне секвенування|бісульфітне секвенування|en|Bisulfite sequencing}} та {{Не перекладено|Методи аналізу мікрочипів|методи аналізу мікрочипів|en|Microarray analysis techniques}}.<ref>{{Cite news|title=DNA Methylation Profiling: An Emerging Paradigm for Cancer Diagnosis|url=https://www.annualreviews.org/doi/10.1146/annurev-pathol-042220-022304|work=Annual Review of Pathology: Mechanisms of Disease|date=2022-01-24|accessdate=2023-09-06|issn=1553-4006|doi=10.1146/annurev-pathol-042220-022304|pages=295–321|volume=17|issue=1|language=en|first=Antonios|last=Papanicolau-Sengos|first2=Kenneth|last2=Aldape}}</ref>
* '''Дані модифікації гістонів —''' [[ChIP-seq|ChIP-Seq]] (Секвенування імунопреципітацією хроматину): визначення місць і моделей модифікацій [[Гістони|гістонів]] (наприклад, [[ацетилювання]], [[Метилювання ДНК|метилювання]]), пов’язаних з регуляцією генів. Секвенування ChIP поєднує [[Імунопреципітація хроматину|імунопреципітацію хроматину]] з високопродуктивним секвенуванням.
* {{Не перекладено|Секвенування малих РНК|Секвенування малих РНК|en|Small RNA sequencing}}: профілювання малих [[Некодуючі РНК|некодуючих РНК]] (наприклад, [[мікроРНК]]<ref>{{Cite news|title=Small RNA-Sequencing for Analysis of Circulating miRNAs|url=https://doi.org/10.1016/j.jmoldx.2021.12.006|work=The Journal of Molecular Diagnostics|date=2022-04|accessdate=2023-09-06|issn=1525-1578|doi=10.1016/j.jmoldx.2021.12.006|pages=386–394|volume=24|issue=4|first=Peter|last=Androvic|first2=Sarka|last2=Benesova|first3=Eva|last3=Rohlova|first4=Mikael|last4=Kubista|first5=Lukas|last5=Valihrach}}</ref>, [[Малі інтерферуючі РНК|малих інтерферуючих РНК]]), які відіграють вирішальну роль у регуляції генів після [[Транскрипція (біологія)|транскрипції]].<ref>{{Cite news|title=Small RNA transcriptome analysis using parallel single-cell small RNA sequencing|url=https://www.nature.com/articles/s41598-023-34390-7|work=[[Scientific Reports]]|date=2023-05-09|accessdate=2023-09-06|issn=2045-2322|doi=10.1038/s41598-023-34390-7|pages=7501|volume=13|issue=1|language=en|first=Jia|last=Li|first2=Zhirong|last2=Zhang|first3=Yinghua|last3=Zhuang|first4=Fengchao|last4=Wang|first5=Tao|last5=Cai}}</ref>
* '''Аналіз довгих некодуючих РНК (lncRNA)''': Дослідження функцій і регуляторних ролей довгих некодуючих РНК у експресії генів та епігенетичній регуляції.<ref>{{Cite news|title=Long non-coding RNAs: definitions, functions, challenges and recommendations|url=https://www.nature.com/articles/s41580-022-00566-8|work=[[Nature Reviews Molecular Cell Biology]]|date=2023-06|accessdate=2023-09-06|issn=1471-0080|pmc=PMC10213152|pmid=36596869|doi=10.1038/s41580-022-00566-8|pages=430–447|volume=24|issue=6|language=en|first=John S.|last=Mattick|first2=Paulo P.|last2=Amaral|first3=Piero|last3=Carninci|first4=Susan|last4=Carpenter|first5=Howard Y.|last5=Chang|first6=Ling-Ling|last6=Chen|first7=Runsheng|last7=Chen|first8=Caroline|last8=Dean|first9=Marcel E.|last9=Dinger}}</ref>
* '''[[Методи фіксації конформації хромосом]]''' — відображення тривимірної організації [[Хроматин|хроматину]] в [[Клітинне ядро|клітинному ядрі]]. Дані Hi-C дають зрозуміти, як хроматинові петлі та взаємодії впливають на регуляцію генів і архітектуру [[Геном|геному]].
* {{Не перекладено|Повноепігеномне дослідження асоціацій|Повноепігеномне дослідження асоціацій|en|Epigenome-wide association study}} (EWAS) — Епігеномне профілювання метилювання ДНК: виявлення епігенетичних змін, пов’язаних із захворюваннями, ознаками та впливом навколишнього середовища, подібно до загальногеномних досліджень асоціацій (GWAS) для генетичних варіацій. (''див.'' [[Епігеноміка]])

==== Транскриптомні дані ====
* {{Не перекладено|Секвенування РНК|Секвенування РНК|en|RNA-Seq}} (RNA-Seq): профілювання експресії генів шляхом кількісного визначення молекул РНК у зразку. RNA-Seq надає інформацію про рівні експресії генів, [[альтернативний сплайсинг]] і [[Посттранскрипційна модифікація|посттранскрипційні модифікації]].<ref>{{Cite news|title=RNA-seq data science: From raw data to effective interpretation|url=https://www.frontiersin.org/articles/10.3389/fgene.2023.997383|work=Frontiers in Genetics|date=2023|accessdate=2023-09-10|issn=1664-8021|pmc=PMC10043755|pmid=36999049|doi=10.3389/fgene.2023.997383|volume=14|first=Dhrithi|last=Deshpande|first2=Karishma|last2=Chhugani|first3=Yutong|last3=Chang|first4=Aaron|last4=Karlsberg|first5=Caitlin|last5=Loeffler|first6=Jinyang|last6=Zhang|first7=Agata|last7=Muszyńska|first8=Viorel|last8=Munteanu|first9=Harry|last9=Yang}}</ref>
* '''Аналіз транскриптомів''': аналіз усього набору транскриптів у клітині чи тканині, включаючи ідентифікацію нових транскриптів, варіантів сплайсингу та регуляторних РНК.<ref>{{Cite news|title=Transcriptome analysis identification of A-to-I RNA editing in granulosa cells associated with PCOS|url=https://www.frontiersin.org/articles/10.3389/fendo.2023.1170957|work=Frontiers in Endocrinology|date=2023|accessdate=2023-09-10|issn=1664-2392|pmc=|pmid=|doi=10.3389/fendo.2023.1170957|volume=14|first=Fan-Sheng|last=Kong|first2=Zijing|last2=Lu|first3=Yuan|last3=Zhou|first4=Yinghua|last4=Lu|first5=Chun-Yan|last5=Ren|first6=Ruofan|last6=Jia|first7=Beilei|last7=Zeng|first8=Panwang|last8=Huang|first9=Jihong|last9=Wang}}</ref> (''див.'' [[Транскриптомні технології|Транскприптоміка]])

==== Епітранскриптомні дані ====
[[Епітранскриптоміка]] — це дослідження {{Не перекладено|Епітранскриптом|епітранскриптому|en|Epitranscriptome}}<ref>{{Cite news|title=Deciphering Epitranscriptome: Modification of mRNA Bases Provides a New Perspective for Post-transcriptional Regulation of Gene Expression|url=https://www.frontiersin.org/articles/10.3389/fcell.2021.628415|work=Frontiers in Cell and Developmental Biology|date=2021|accessdate=2023-06-11|issn=2296-634X|pmc=PMC8010680|pmid=33816473|doi=10.3389/fcell.2021.628415|volume=9|first=Suresh|last=Kumar|first2=Trilochan|last2=Mohapatra}}</ref><ref>{{Cite news|title=Recent advances in the plant epitranscriptome|url=https://genomebiology.biomedcentral.com/articles/10.1186/s13059-023-02872-6|work=Genome Biology|date=2023-03-07|accessdate=2023-09-10|issn=1474-760X|pmc=PMC9990323|pmid=36882788|doi=10.1186/s13059-023-02872-6|volume=24|issue=1|language=en|first=Lisha|last=Shen|first2=Jinqi|last2=Ma|first3=Ping|last3=Li|first4=Yujin|last4=Wu|first5=Hao|last5=Yu}}</ref> — функціонально відповідних модифікацій транскриптому, які можуть впливати на стабільність, локалізацію та трансляцію РНК.<ref>{{Cite book
|url=https://link.springer.com/book/10.1007/978-3-030-71612-7
|title=Epitranscriptomics
|last=Stefan Jurga, Jan Barciszewski
|year=2021
|series=RNA Technologies (RNATECHN, volume 12)
|publisher=[[Springer]]
|pages=632
|language=англ
|isbn=978-3-030-71611-0
}}</ref><ref name=":252">{{Cite book
|url=https://www.frontiersin.org/research-topics/16192/epigenomic-and-epitranscriptomic-basis-of-development-and-human-disease
|title=Epigenomic and Epitranscriptomic Basis of Development and Human Disease
|last=Yujing Li та ін.
|year=2023
|publisher=Frontiers in Cell and Developmental Biology (відкритий доступ: pdf, epub)
|language=англ
|isbn=978-2-83251-817-5
}}</ref> Це поле дозволяє досліджувати інший рівень регуляції генів, який впливає на численні клітинні процеси та потенційно сприяє хворобливим станам.<ref>{{Cite news|title=Epitranscriptomics in metabolic disease|url=https://www.nature.com/articles/s42255-023-00764-4|work=Nature Metabolism|date=2023-03|accessdate=2023-06-11|issn=2522-5812|doi=10.1038/s42255-023-00764-4|pages=370–384|volume=5|issue=3|language=en|first=Yoshihiro|last=Matsumura|first2=Fan-Yan|last2=Wei|first3=Juro|last3=Sakai}}</ref>

* '''Дані про модифікацію РНК''': Епітранскриптоміка зосереджена на вивченні пост[[Транскрипція (біологія)|транскрипційних]] модифікацій молекул РНК. Ці модифікації, такі як [[N6-метиладенозин]] (m6A)<ref>{{Cite news|title=Epitranscriptomic editing of the RNA N6-methyladenosine modification by dCasRx conjugated methyltransferase and demethylase|url=https://doi.org/10.1093/nar/gkab517|work=[[Nucleic Acids Research]]|date=2021-06-28|accessdate=2023-09-10|issn=0305-1048|pmc=|pmid=|doi=10.1093/nar/gkab517|pages=|volume=49|issue=13|first=Zhen|last=Xia|first2=Min|last2=Tang|first3=Jiayan|last3=Ma|first4=Hongyan et al.|last4=Zhang|first5=|last5=|first6=|last6=|first7=|last7=|first8=|last8=|first9=|last9=}}</ref><ref>{{Cite news|title=m6A-Atlas v2.0: updated resources for unraveling the <i>N</i>6-methyladenosine (m6A) epitranscriptome among multiple species|url=https://doi.org/10.1093/nar/gkad691|work=[[Nucleic Acids Research]]|date=2023-08-17|accessdate=2023-09-10|issn=0305-1048|doi=10.1093/nar/gkad691|first=Zhanmin|last=Liang|first2=Haokai|last2=Ye|first3=Jiongming|last3=Ma|first4=Zhen|last4=Wei|first5=Yue|last5=Wang|first6=Yuxin|last6=Zhang|first7=Daiyun|last7=Huang|first8=Bowen|last8=Song|first9=Jia|last9=Meng}}</ref> і [[5-Метилцитозин|5-метилцитозин]] (m5C)<ref>{{Cite news|title=The dynamic RNA modification 5‐methylcytosine and its emerging role as an epitranscriptomic mark|url=https://wires.onlinelibrary.wiley.com/doi/10.1002/wrna.1510|work=WIREs RNA|date=2019-01|accessdate=2023-09-10|issn=1757-7004|pmc=PMC6492194|pmid=30311405|doi=10.1002/wrna.1510|volume=10|issue=1|language=en|first=Lukas|last=Trixl|first2=Alexandra|last2=Lusser}}</ref><ref>{{Cite news|title=m5C-Atlas: a comprehensive database for decoding and annotating the 5-methylcytosine (m5C) epitranscriptome|url=https://academic.oup.com/nar/article/50/D1/D196/6431823|work=[[Nucleic Acids Research]]|date=2022-01-07|accessdate=2023-09-10|issn=0305-1048|pmc=|pmid=|doi=10.1093/nar/gkab1075|pages=D196–D203|volume=50|issue=D1|language=en|first=Jiongming|last=Ma|first2=Bowen|last2=Song|first3=Zhen|last3=Wei|first4=Daiyun|last4=Huang|first5=Yuxin|last5=Zhang|first6=Jionglong|last6=Su|first7=João Pedro|last7=de Magalhães|first8=Daniel J|last8=Rigden|first9=Jia|last9=Meng}}</ref><ref>{{Cite news|title=5-methylcytosine (m 5 C) RNA modification controls the innate immune response to virus infection by regulating type I interferons|url=https://pnas.org/doi/10.1073/pnas.2123338119|work=[[Proceedings of the National Academy of Sciences]]|date=2022-10-18|accessdate=2023-09-10|issn=0027-8424|pmc=PMC9586267|pmid=|doi=10.1073/pnas.2123338119|volume=119|issue=42|language=en|first=Yuexiu|last=Zhang|first2=Li-Sheng|last2=Zhang|first3=Qing|last3=Dai|first4=Phylip|last4=Chen|first5=Mijia|last5=Lu|first6=Elizabeth L.|last6=Kairis|first7=Valarmathy|last7=Murugaiah|first8=Jiayu|last8=Xu|first9=Rajni Kant|last9=Shukla}}</ref>, можуть впливати на стабільність, локалізацію та ефективність [[Трансляція (біологія)|трансляції]] РНК.
* {{Не перекладено|Епітранскриптомне секвенування|Епітранскриптомне секвенування|en|Epitranscriptomic sequencing}}: такі методи, як m6A-seq<ref>{{Cite news|title=Topology of the human and mouse m6A RNA methylomes revealed by m6A-seq|url=https://www.nature.com/articles/nature11112|work=[[Nature]]|date=2012-05|accessdate=2023-09-10|issn=1476-4687|doi=10.1038/nature11112|pages=201–206|volume=485|issue=7397|language=en|first=Dan|last=Dominissini|first2=Sharon|last2=Moshitch-Moshkovitz|first3=Schraga|last3=Schwartz|first4=Mali|last4=Salmon-Divon|first5=Lior|last5=Ungar|first6=Sivan|last6=Osenberg|first7=Karen|last7=Cesarkas|first8=Jasmine|last8=Jacob-Hirsch|first9=Ninette|last9=Amariglio}}</ref><ref>{{Cite news|title=Limits in the detection of m6A changes using MeRIP/m6A-seq|url=https://www.nature.com/articles/s41598-020-63355-3|work=[[Scientific Reports]]|date=2020-04-20|accessdate=2023-09-10|issn=2045-2322|doi=10.1038/s41598-020-63355-3|pages=6590|volume=10|issue=1|language=en|first=Alexa B. R.|last=McIntyre|first2=Nandan S.|last2=Gokhale|first3=Leandro|last3=Cerchietti|first4=Samie R.|last4=Jaffrey|first5=Stacy M.|last5=Horner|first6=Christopher E.|last6=Mason}}</ref> і m5C-seq<ref>{{Cite news|title=m5C Goes Viral|url=https://doi.org/10.1016/j.chom.2019.07.019|work=[[Cell Host & Microbe]]|date=2019-08|accessdate=2023-09-10|issn=1931-3128|doi=10.1016/j.chom.2019.07.019|pages=154–155|volume=26|issue=2|first=Shelby|last=Winans|first2=Karen|last2=Beemon}}</ref><ref>{{Cite news|title=m5CRegpred: Epitranscriptome Target Prediction of 5-Methylcytosine (m5C) Regulators Based on Sequencing Features|url=https://www.mdpi.com/2073-4425/13/4/677|work=Genes|date=2022-04|accessdate=2023-09-10|issn=2073-4425|pmc=PMC9025882|pmid=35456483|doi=10.3390/genes13040677|pages=677|volume=13|issue=4|language=en|first=Zhizhou|last=He|first2=Jing|last2=Xu|first3=Haoran|last3=Shi|first4=Shuxiang|last4=Wu}}</ref>, використовуються для профілювання модифікацій РНК у транскриптомі. Ці дані допомагають ідентифікувати модифіковані ділянки РНК і зрозуміти їхню функціональну роль.

==== Протеомні дані ====
* '''[[Мас-спектрометрія]]''': вимірювання відношення маси до заряду [[Білки|білків]] і [[Пептиди|пептидів]] для ідентифікації та кількісного визначення білків у складних біологічних зразках. Дані протеоміки життєво важливі для розуміння функції білка та посттрансляційних модифікацій.
* '''[[Передбачення структури білків|Передбачення структури білка]]''': використання обчислювальних методів для прогнозування тривимірних структур білків. Цей тип даних допомагає у відкритті ліків, функціональному аналізі та розумінні взаємодії білків.<ref>{{Cite news|title=Highly accurate protein structure prediction with AlphaFold|url=https://www.nature.com/articles/s41586-021-03819-2|work=[[Nature]]|date=2021-08|accessdate=2023-09-06|issn=1476-4687|doi=10.1038/s41586-021-03819-2|pages=583–589|volume=596|issue=7873|language=en|first=John|last=Jumper|first2=Richard|last2=Evans|first3=Alexander|last3=Pritzel|first4=Tim|last4=Green|first5=Michael|last5=Figurnov|first6=Olaf|last6=Ronneberger|first7=Kathryn|last7=Tunyasuvunakool|first8=Russ|last8=Bates|first9=Augustin|last9=Žídek}}</ref>
* '''Функціональна протеоміка''': дослідження білок-білкових взаємодій, субклітинної локалізації та функцій білка в клітинних шляхах.<ref>{{Cite news|title=Understudied proteins: opportunities and challenges for functional proteomics|url=https://www.nature.com/articles/s41592-022-01454-x|work=[[Nature Methods]]|date=2022-07|accessdate=2023-09-06|issn=1548-7105|doi=10.1038/s41592-022-01454-x|pages=774–779|volume=19|issue=7|language=en|first=Georg|last=Kustatscher|first2=Tom|last2=Collins|first3=Anne-Claude|last3=Gingras|first4=Tiannan|last4=Guo|first5=Henning|last5=Hermjakob|first6=Trey|last6=Ideker|first7=Kathryn S.|last7=Lilley|first8=Emma|last8=Lundberg|first9=Edward M.|last9=Marcotte}}</ref><ref>{{Cite news|title=Functional annotation of proteins for signaling network inference in non-model species|url=https://www.nature.com/articles/s41467-023-40365-z|work=[[Nature Communications]]|date=2023-08-03|accessdate=2023-09-10|issn=2041-1723|doi=10.1038/s41467-023-40365-z|pages=|volume=14|issue=1|language=en|first=Lisa|last=Van den Broeck|first2=Dinesh Kiran|last2=Bhosale|first3=Kuncheng|last3=Song|first4=Cássio Flavio|last4=Fonseca de Lima|first5=Michael|last5=Ashley|first6=Tingting|last6=Zhu|first7=Shanshuo|last7=Zhu|first8=Brigitte|last8=Van De Cotte|first9=Pia|last9=Neyt}}</ref> (''див.'' [[Протеоміка]])

==== Ліпідомні дані ====
[[Ліпідоміка]] — це широкомасштабне всебічний аналіз ліпідів у біологічних системах; дослідження шляхів і мереж клітинних [[Ліпіди|ліпідів]] у біологічних системах.<ref>{{Cite news|title=The emerging field of lipidomics|url=https://www.nature.com/articles/nrd1776|work=Nature Reviews Drug Discovery|date=2005-07|accessdate=2023-06-11|issn=1474-1784|doi=10.1038/nrd1776|pages=594–610|volume=4|issue=7|language=en|first=Markus R.|last=Wenk}}</ref> Ліпідоміка використовує методи [[Аналітична хімія|аналітичної хімії]] та мас-спектрометрії<ref name=":10">{{Cite news|title=“Lipidomics”: Mass spectrometric and chemometric analyses of lipids|url=https://www.sciencedirect.com/science/article/pii/S0169409X20300557|work=Advanced Drug Delivery Reviews|date=2020-01-01|accessdate=2023-06-11|issn=0169-409X|doi=10.1016/j.addr.2020.06.009|pages=294–307|volume=159|language=en|first=Zhuojun|last=Wu|first2=Giulia Ilaria|last2=Bagarolo|first3=Sven|last3=Thoröe-Boveleth|first4=Joachim|last4=Jankowski}}</ref> для ідентифікації та кількісного визначення різноманітного профілю ліпідів у біологічних системах.<ref>{{Cite news|title=The foundations and development of lipidomics|url=https://doi.org/10.1016/j.jlr.2021.100164|work=Journal of Lipid Research|date=2022-02|accessdate=2023-06-11|issn=0022-2275|pmc=PMC8953652|pmid=34953866|doi=10.1016/j.jlr.2021.100164|pages=100164|volume=63|issue=2|first=Xianlin|last=Han|first2=Richard W.|last2=Gross}}</ref><ref>{{Cite news|title=A resource of lipidomics and metabolomics data from individuals with undiagnosed diseases|url=https://www.nature.com/articles/s41597-021-00894-y|work=Scientific Data|date=2021-04-21|accessdate=2023-06-11|issn=2052-4463|doi=10.1038/s41597-021-00894-y|pages=114|volume=8|issue=1|language=en|first=Jennifer E.|last=Kyle|first2=Kelly G.|last2=Stratton|first3=Erika M.|last3=Zink|first4=Young-Mo|last4=Kim|first5=Kent J.|last5=Bloodsworth|first6=Matthew E.|last6=Monroe|first7=Katrina M.|last7=Waters|first8=Bobbie-Jo M.|last8=Webb-Robertson|first9=David M.|last9=Koeller}}</ref>

* '''Рідинна хроматографія-мас-спектрометрія (LC-MS)''': LC-MS є ключовим методом для ліпідоміки, що дозволяє дослідникам кількісно визначати та характеризувати молекули ліпідів. Ліпідомічні дані сприяють розумінню метаболізму ліпідів та їхньої ролі у здоров’ї та хворобах.<ref>{{Cite book
|url=https://link.springer.com/10.1007/978-3-030-77252-9_10
|title=Liquid Chromatography-Mass Spectrometry for Clinical Metabolomics: An Overview
|last=Furlani
|first=Izadora L.
|last2=da Cruz Nunes
|first2=Estéfane
|last3=Canuto
|first3=Gisele A. B.
|last4=Macedo
|first4=Adriana N.
|last5=Oliveira
|first5=Regina V.
|date=2021
|editor-last=Colnaghi Simionato
|editor-first=Ana Valéria
|series=Separation Techniques Applied to Omics Sciences
|publisher=[[Springer Nature]]
|volume=1336
|location=Cham
|pages=179–213
|language=en
|doi=10.1007/978-3-030-77252-9_10
|isbn=978-3-030-77251-2
}}</ref><ref>{{Cite book
|url=https://link.springer.com/10.1007/978-1-0716-2966-6_4
|title=High-Resolution Liquid Chromatography–Mass Spectrometry for Lipidomics
|last=Harvey
|first=Faith Christine
|last2=Collao
|first2=Vanessa
|last3=Bhattacharya
|first3=Sanjoy K.
|date=2023
|editor-last=Bhattacharya
|editor-first=Sanjoy K.
|series=Lipidomics
|publisher=Springer US
|volume=2625
|location=New York, NY
|pages=57–63
|language=en
|doi=10.1007/978-1-0716-2966-6_4
|isbn=978-1-0716-2965-9
}}</ref>

==== Глікомні дані ====
[[Глікоміка]] — це комплексне дослідження всіх [[Глікани|гліканових]] структур ([[Вуглеводи|вуглеводів]]) клітини, тканини або організму.<ref>{{Cite news|title=Glycomics: an integrated systems approach to structure-function relationships of glycans|url=https://www.nature.com/articles/nmeth807|work=[[Nature Methods]]|date=2005-11|accessdate=2023-06-11|issn=1548-7105|doi=10.1038/nmeth807|pages=817–824|volume=2|issue=11|language=en|first=Rahul|last=Raman|first2=S.|last2=Raguram|first3=Ganesh|last3=Venkataraman|first4=James C.|last4=Paulson|first5=Ram|last5=Sasisekharan}}</ref> Глікоміка досліджує структуру та функції гліканів (цукрів, сахаридів) у біологічних системах, зокрема, завдяки мас-спектрометрії.<ref>{{Cite news|title=Functional glycomics: Application to medical science and hepatology|url=https://onlinelibrary.wiley.com/doi/10.1111/hepr.13459|work=Hepatology Research|date=2020-02|accessdate=2023-06-11|issn=1386-6346|doi=10.1111/hepr.13459|pages=153–164|volume=50|issue=2|language=en|first=Eiji|last=Miyoshi|first2=Yoshihiro|last2=Kamada|first3=Tadashi|last3=Suzuki}}</ref><ref name=":11">{{Cite news|title=Mass Spectrometry-Based Shotgun Glycomics for Discovery of Natural Ligands of Glycan-Binding Proteins|url=https://pubs.acs.org/doi/10.1021/acs.analchem.0c02931|work=Analytical Chemistry|date=2020-10-20|accessdate=2023-06-11|issn=0003-2700|doi=10.1021/acs.analchem.0c02931|pages=14012–14020|volume=92|issue=20|language=en|first=Heajin|last=Park|first2=Jaesoo|last2=Jung|first3=Emily|last3=Rodrigues|first4=Elena N.|last4=Kitova|first5=Matthew S.|last5=Macauley|first6=John S.|last6=Klassen}}</ref><ref name=":12">{{Cite news|title=Mass spectrometry in clinical glycomics: The path from biomarker identification to clinical implementation|url=https://www.sciencedirect.com/science/article/pii/S2376999820300106|work=Clinical Mass Spectrometry|date=2020-11-01|accessdate=2023-06-11|issn=2376-9998|pmc=PMC8600986|pmid=34820521|doi=10.1016/j.clinms.2020.08.001|pages=1–12|volume=18|language=en|first=N.|last=de Haan|first2=M.|last2=Wuhrer|first3=L. R.|last3=Ruhaak}}</ref>

* '''Дані про структуру [[Глікани|гліканів]]''': глікоміка передбачає вивчення складних вуглеводів (гліканів), які містяться в [[Глікопротеїни|глікопротеїнах]] і [[Гліколіпіди|гліколіпідах]]. Дані містять інформацію про гліканові структури, зв’язки та модифікації.<ref>{{Cite news|title=Databases and Bioinformatic Tools for Glycobiology and Glycoproteomics|url=https://www.mdpi.com/1422-0067/21/18/6727|work=[[International Journal of Molecular Sciences]]|date=2020-01|accessdate=2023-09-10|issn=1422-0067|pmc=|pmid=|doi=10.3390/ijms21186727|pages=|volume=21|issue=18|language=en|first=Xing|last=Li|first2=Zhijue|last2=Xu|first3=Xiaokun|last3=Hong|first4=Yan|last4=Zhang|first5=Xia|last5=Zou}}</ref>
* '''Мас-спектрометрія''': методи мас-спектрометрії зазвичай використовуються для аналізу гліканів і білків, що зв'язують глікани. Дані, отримані в результаті профілювання гліканів, допомагають зрозуміти функцію гліканів і їх роль у захворюваннях.

==== Дані метаболоміки ====
[[Метаболоміка]] — це галузь біоінформатики, яка зосереджена на комплексному вивченні малих молекул ([[Метаболіти|метаболітів]]) у біологічних системах. Ці метаболіти відіграють важливу роль у різних біохімічних процесах і дають змогу зрозуміти метаболічний стан організму. Метаболомічні дані охоплюють широкий спектр аналітичних методів і типів даних:

===== Ідентифікація метаболітів =====

* '''Мас-спектрометрія''': методи мас-спектрометрії, такі як рідинна хроматографія-мас-спектрометрія (LC-MS)<ref>{{Cite news|title=Applications of liquid chromatography-mass spectrometry based metabolomics in predictive and personalized medicine|url=https://www.frontiersin.org/articles/10.3389/fmolb.2022.1049016|work=Frontiers in Molecular Biosciences|date=2022|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.3389/fmolb.2022.1049016|volume=9|first=Juntuo|last=Zhou|first2=Lijun|last2=Zhong}}</ref> і {{Не перекладено|Газова хроматографія-мас-спектрометрія|газова хроматографія-мас-спектрометрія|en|Gas chromatography–mass spectrometry}} (GC-MS)<ref>{{Cite news|title=Comprehensive two-dimensional gas chromatography with mass spectrometry: an advanced bioanalytical technique for clinical metabolomics studies|url=http://xlink.rsc.org/?DOI=D2AN00584K|work=The Analyst|date=2022|accessdate=2023-09-15|issn=0003-2654|doi=10.1039/D2AN00584K|pages=3974–3992|volume=147|issue=18|language=en|first=Atiqah|last=Zaid|first2=Mohammad Sharif|last2=Khan|first3=Dandan|last3=Yan|first4=Philip J.|last4=Marriott|first5=Yong Foo|last5=Wong}}</ref><ref>{{Cite news|title=Application of gas chromatography-mass spectrometry-based metabolomics in food science and technology|url=https://www.sciencedirect.com/science/article/pii/S1389172322000111|work=Journal of Bioscience and Bioengineering|date=2022-05-01|accessdate=2023-09-15|issn=1389-1723|doi=10.1016/j.jbiosc.2022.01.011|pages=425–435|volume=133|issue=5|first=Sastia Prama|last=Putri|first2=Muhammad Maulana Malikul|last2=Ikram|first3=Arisa|last3=Sato|first4=Hadi Akbar|last4=Dahlan|first5=Della|last5=Rahmawati|first6=Yukina|last6=Ohto|first7=Eiichiro|last7=Fukusaki}}</ref>, використовуються для ідентифікації та кількісного визначення метаболітів.
* '''[[ЯМР-спектроскопія]]''': надає структурну інформацію про метаболіти та може використовуватися для кількісного визначення профілю метаболітів.<ref>{{Cite news|title=NMR Spectroscopy for Metabolomics Research|url=https://www.mdpi.com/2218-1989/9/7/123|work=Metabolites|date=2019-07|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.3390/metabo9070123|pages=123|volume=9|issue=7|language=en|first=Abdul-Hamid|last=Emwas|first2=Raja|last2=Roy|first3=Ryan T.|last3=McKay|first4=Leonardo|last4=Tenori|first5=Edoardo|last5=Saccenti|first6=G. A. Nagana|last6=Gowda|first7=Daniel|last7=Raftery|first8=Fatimah|last8=Alahmari|first9=Lukasz|last9=Jaremko}}</ref><ref>{{Cite news|title=Nuclear Magnetic Resonance Spectroscopy in Clinical Metabolomics and Personalized Medicine: Current Challenges and Perspectives|url=https://www.frontiersin.org/articles/10.3389/fmolb.2021.698337/full|work=Frontiers in Molecular Biosciences|date=2021-09-20|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.3389/fmolb.2021.698337|volume=8|first=Marine P. M.|last=Letertre|first2=Patrick|last2=Giraudeau|first3=Pascal|last3=de Tullio}}</ref>

* '''Пікові інтенсивності''': дані метаболоміки часто містять пікові інтенсивності або площі під піками в даних мас-спектрометрії.<ref>{{Cite news|title=Peak Annotation and Verification Engine for Untargeted LC–MS Metabolomics|url=https://pubs.acs.org/doi/10.1021/acs.analchem.8b03132|work=[[Analytical Chemistry]]|date=2019-02-05|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.1021/acs.analchem.8b03132|pages=1838–1846|volume=91|issue=3|language=en|first=Lin|last=Wang|first2=Xi|last2=Xing|first3=Li|last3=Chen|first4=Lifeng|last4=Yang|first5=Xiaoyang|last5=Su|first6=Herschel|last6=Rabitz|first7=Wenyun|last7=Lu|first8=Joshua D.|last8=Rabinowitz}}</ref><ref>{{Cite news|title=Comprehensive Peak Characterization (CPC) in Untargeted LC–MS Analysis|url=https://www.mdpi.com/2218-1989/12/2/137|work=Metabolites|date=2022-02|accessdate=2023-09-15|issn=2218-1989|pmc=|pmid=|doi=10.3390/metabo12020137|pages=137|volume=12|issue=2|language=en|first=Kristian|last=Pirttilä|first2=David|last2=Balgoma|first3=Johannes|last3=Rainer|first4=Curt|last4=Pettersson|first5=Mikael|last5=Hedeland|first6=Carl|last6=Brunius}}</ref>

===== Дані метаболічних шляхів =====

* '''Бази даних метаболічних шляхів''': такі бази даних, як [[KEGG]] (Кіотська енциклопедія генів і геномів), {{Не перекладено|MetaCyc|MetaCyc|en|MetaCyc}}<ref>{{Cite news|title=The MetaCyc database of metabolic pathways and enzymes - a 2019 update|url=https://academic.oup.com/nar/article/48/D1/D445/5581728|work=[[Nucleic Acids Research]]|date=2020-01-08|accessdate=2023-09-15|issn=0305-1048|pmc=|pmid=|doi=10.1093/nar/gkz862|pages=D445–D453|volume=48|issue=D1|language=en|first=Ron|last=Caspi|first2=Richard|last2=Billington|first3=Ingrid M|last3=Keseler|first4=Anamika|last4=Kothari|first5=Markus|last5=Krummenacker|first6=Peter E|last6=Midford|first7=Wai Kit|last7=Ong|first8=Suzanne|last8=Paley|first9=Pallavi|last9=Subhraveti}}</ref> і {{Не перекладено|MetaboAnalyst|MetaboAnalyst|en|MetaboAnalyst}}, надають інформацію про метаболічні шляхи, реакції та пов’язані [[ферменти]]. Метаболомічні дані можливо відобразити на цих шляхах, щоб зрозуміти зміни метаболічної мережі.
* '''Бази даних метаболітів''': анотація метаболітів часто передбачає зіставлення мас-спектрів або спектрів ЯМР із записами в базах даних метаболітів, таких як бібліотеки {{Не перекладено|METLIN|METLIN|en|METLIN}}, {{Не перекладено|Human Metabolome Database|Human Metabolome Database|en|Human Metabolome Database}} (HMDB)<ref>{{Cite news|title=HMDB 5.0: the Human Metabolome Database for 2022|url=https://academic.oup.com/nar/article/50/D1/D622/6431815|work=[[Nucleic Acids Research]]|date=2022-01-07|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.1093/nar/gkab1062|pages=D622–D631|volume=50|issue=D1|language=en|first=David S|last=Wishart|first2=AnChi|last2=Guo|first3=Eponine|last3=Oler|first4=Fei|last4=Wang|first5=Afia|last5=Anjum|first6=Harrison|last6=Peters|first7=Raynard|last7=Dizon|first8=Zinat|last8=Sayeeda|first9=Siyang|last9=Tian}}</ref> і баз даних [[NIST]].<ref>{{Cite news|title=Survey for Computer-Aided Tools and Databases in Metabolomics|url=https://www.mdpi.com/2218-1989/12/10/1002|work=Metabolites|date=2022-10|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.3390/metabo12101002|pages=1002|volume=12|issue=10|language=en|first=Bayan Hassan|last=Banimfreg|first2=Abdulrahim|last2=Shamayleh|first3=Hussam|last3=Alshraideh}}</ref>

===== Інші типи даних в метаболоміці =====

* '''Дані часових рядів''': Дані метаболоміки часових рядів передбачають вибірку протягом серії часових точок для вивчення динамічних змін рівнів метаболітів у відповідь на біологічні процеси або втручання.<ref>{{Cite news|title=Temporal profile of serum metabolites and inflammation following closed head injury in rats is associated with HPA axis hyperactivity|url=https://doi.org/10.1007/s11306-022-01886-8|work=Metabolomics|date=2022-04-29|accessdate=2023-09-15|issn=1573-3890|doi=10.1007/s11306-022-01886-8|pages=28|volume=18|issue=5|language=en|first=Palkin|last=Arora|first2=Kavita|last2=Singh|first3=Megha|last3=Kumari|first4=Richa|last4=Trivedi}}</ref>

* '''Багатовимірний статистичний аналіз''': такі методи, як [[метод головних компонент]]<ref>{{Cite news|title=OS-PCA: Orthogonal Smoothed Principal Component Analysis Applied to Metabolome Data|url=https://www.mdpi.com/2218-1989/11/3/149|work=Metabolites|date=2021-03|accessdate=2023-09-15|issn=2218-1989|pmc=PMC7999099|pmid=33807892|doi=10.3390/metabo11030149|pages=149|volume=11|issue=3|language=en|first=Hiroyuki|last=Yamamoto|first2=Yasumune|last2=Nakayama|first3=Hiroshi|last3=Tsugawa}}</ref><ref>{{Cite news|title=Multiblock metabolomics: An approach to elucidate whole-body metabolism with multiblock principal component analysis|url=https://doi.org/10.1016/j.csbj.2021.04.015|work=Computational and Structural Biotechnology Journal|date=2021|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.1016/j.csbj.2021.04.015|pages=1956–1965|volume=19|first=Kazuhiro|last=Tanabe|first2=Chihiro|last2=Hayashi|first3=Tomoko|last3=Katahira|first4=Katsuhiko|last4=Sasaki|first5=Ko|last5=Igami}}</ref> і частковий аналіз найменших квадратів-дискримінант (PLS-DA)<ref>{{Cite news|title=So you think you can PLS-DA?|url=https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-019-3310-7|work=BMC Bioinformatics|date=2020-12|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.1186/s12859-019-3310-7|volume=21|issue=S1|language=en|first=Daniel|last=Ruiz-Perez|first2=Haibin|last2=Guan|first3=Purnima|last3=Madhivanan|first4=Kalai|last4=Mathee|first5=Giri|last5=Narasimhan}}</ref><ref>{{Cite news|title=A discriminant analysis of plasma metabolomics for the assessment of metabolic responsiveness to red raspberry consumption|url=https://www.frontiersin.org/articles/10.3389/fnut.2023.1104685/full|work=Frontiers in Nutrition|date=2023-03-23|accessdate=2023-09-15|issn=2296-861X|pmc=|pmid=|doi=10.3389/fnut.2023.1104685|volume=10|first=Valentin|last=Barbe|first2=Juan|last2=de Toro-Martín|first3=Rodrigo|last3=San-Cristobal|first4=Véronique|last4=Garneau|first5=Geneviève|last5=Pilon|first6=Patrick|last6=Couture|first7=Denis|last7=Roy|first8=Charles|last8=Couillard|first9=André|last9=Marette}}</ref>, використовуються для аналізу метаболомічних даних з кількома змінними одночасно, визначення закономірностей і розрізнення груп зразків. (''див. також'' [[Багатовимірна статистика]])

* '''Дослідження асоціацій''': метаболомічні дані використовуються в асоціативних дослідженнях для співвіднесення профілів метаболітів із клінічними або фенотипічними результатами, що полегшує виявлення біомаркерів і аналізує механізми.<ref>{{Cite news|title=The Association of Metabolomic Profiles of a Healthy Lifestyle with Heart Failure Risk in a Prospective Study|url=https://www.mdpi.com/2072-6643/15/13/2934|work=Nutrients|date=2023-01|accessdate=2023-09-15|issn=|pmc=|pmid=|doi=10.3390/nu15132934|pages=2934|volume=15|issue=13|language=en|first=Yuanyuan|last=Ma|first2=Maomao|last2=Chu|first3=Zuqiang|last3=Fu|first4=Qian|last4=Liu|first5=Jingjia|last5=Liang|first6=Jin|last6=Xu|first7=Zhenkun|last7=Weng|first8=Xiu|last8=Chen|first9=Cheng|last9=Xu}}</ref><ref>{{Cite news|title=Protein-metabolite association studies identify novel proteomic determinants of metabolite levels in human plasma|url=https://doi.org/10.1016/j.cmet.2023.07.012|work=[[Cell Metabolism]]|date=2023-09|accessdate=2023-09-15|issn=|doi=10.1016/j.cmet.2023.07.012|pages=1646–1660.e3|volume=35|issue=9|first=Mark D.|last=Benson|first2=Aaron S.|last2=Eisman|first3=Usman A.|last3=Tahir|first4=Daniel H.|last4=Katz|first5=Shuliang|last5=Deng|first6=Debby|last6=Ngo|first7=Jeremy M.|last7=Robbins|first8=Alissa|last8=Hofmann|first9=Xu|last9=Shi}}</ref>

==== Дані мікробіоміки ====
[[Мікробіоміка]] передбачає характеристику та аналіз мікробних спільнот, включаючи [[бактерії]], [[археї]], [[Вірус|віруси]], [[гриби]], [[найпростіші]] та [[водорості]], у визначеному середовищі.<ref>{{Cite news|title=Microbiomics: The Next Pillar of Precision Medicine and Its Role in African Healthcare|url=https://www.frontiersin.org/articles/10.3389/fgene.2022.869610|work=Frontiers in Genetics|date=2022|accessdate=2023-06-11|issn=1664-8021|pmc=PMC9037082|pmid=35480328|doi=10.3389/fgene.2022.869610|volume=13|first=C. K.|last=Nkera-Gutabara|first2=R.|last2=Kerr|first3=J.|last3=Scholefield|first4=S.|last4=Hazelhurst|first5=J.|last5=Naidoo}}</ref> (''Див. також'' [[Мікробіом]], [[Мікробіом людини]], [[Флора кишківника|Мікробіота кишківника]])

===== Метагеноміка =====
[[Метагеноміка]] — це дослідження [[Генетичний матеріал|генетичного матеріалу]], отриманого безпосередньо зі зразків [[Навколишнє середовище|навколишнього середовища]]<ref>{{Cite news|title=Metagenomics: A New Direction in Ecology|url=https://doi.org/10.1134/S1062359022010150|work=Biology Bulletin|date=2021-12-01|accessdate=2023-06-11|issn=1608-3059|doi=10.1134/S1062359022010150|pages=S107–S117|volume=48|issue=3|language=en|first=M. V.|last=Vecherskii|first2=M. V.|last2=Semenov|first3=A. A.|last3=Lisenkova|first4=A. A.|last4=Stepankov}}</ref> чи мікробіому певного організму.<ref>{{Cite news|title=A review of methods and databases for metagenomic classification and assembly|url=https://academic.oup.com/bib/article/20/4/1125/4210288|work=Briefings in Bioinformatics|date=2019-07-19|accessdate=2023-06-11|issn=1467-5463|pmc=PMC6781581|pmid=29028872|doi=10.1093/bib/bbx120|pages=1125–1136|volume=20|issue=4|language=en|first=Florian P|last=Breitwieser|first2=Jennifer|last2=Lu|first3=Steven L|last3=Salzberg}}</ref> Це дозволяє охарактеризувати спільноти організмів, які не піддаються культивуванню звичайними [[Мікробіологічна культура|мікробіологічними]] методами.<ref>{{Cite news|title=Metagenomics: Application of Genomics to Uncultured Microorganisms|url=https://journals.asm.org/doi/10.1128/MMBR.68.4.669-685.2004|work=Microbiology and Molecular Biology Reviews|date=2004-12|accessdate=2023-06-11|issn=1092-2172|pmc=PMC539003|pmid=15590779|doi=10.1128/MMBR.68.4.669-685.2004|pages=669–685|volume=68|issue=4|language=en|first=Jo|last=Handelsman}}</ref> Метагеноміка дає уявлення про структуру та функції мікробних спільнот у різноманітних середовищах, у тому числі в організмі людини.<ref>{{Cite news|title=Clinical metagenomics|url=https://www.nature.com/articles/s41576-019-0113-7|work=[[Nature Reviews Genetics]]|date=2019-06|accessdate=2023-06-11|issn=1471-0064|pmc=PMC6858796|pmid=30918369|doi=10.1038/s41576-019-0113-7|pages=341–355|volume=20|issue=6|language=en|first=Charles Y.|last=Chiu|first2=Steven A.|last2=Miller}}</ref>

* '''Секвенування [[16S рРНК]]''': цей метод зазвичай використовується для профілювання бактеріальних спільнот.<ref>{{Cite news|title=Evaluation of 16S rRNA gene sequencing for species and strain-level microbiome analysis|url=https://www.nature.com/articles/s41467-019-13036-1|work=[[Nature Communications]]|date=2019-11-06|accessdate=2023-09-10|issn=2041-1723|doi=10.1038/s41467-019-13036-1|pages=|volume=10|issue=1|language=en|first=Jethro S.|last=Johnson|first2=Daniel J.|last2=Spakowicz|first3=Bo-Young|last3=Hong|first4=Lauren M.|last4=Petersen|first5=Patrick|last5=Demkowicz|first6=Lei|last6=Chen|first7=Shana R.|last7=Leopold|first8=Blake M.|last8=Hanson|first9=Hanako O.|last9=Agresta}}</ref> Він генерує дані про різноманітність і чисельність таксонів бактерій у зразку.<ref>{{Cite news|title=Comparing bioinformatic pipelines for microbial 16S rRNA amplicon sequencing|url=https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0227434|work=[[PLOS ONE]]|date=16 січ. 2020 р.|accessdate=2023-09-10|issn=1932-6203|pmc=|pmid=|doi=10.1371/journal.pone.0227434|pages=|volume=15|issue=1|language=en|first=Andrei|last=Prodan|first2=Valentina|last2=Tremaroli|first3=Harald|last3=Brolin|first4=Aeilko H.|last4=Zwinderman|first5=Max|last5=Nieuwdorp|first6=Evgeni|last6=Levin}}</ref><ref>{{Cite news|title=Comparison of Bioinformatics Pipelines and Operating Systems for the Analyses of 16S rRNA Gene Amplicon Sequences in Human Fecal Samples|url=https://www.frontiersin.org/article/10.3389/fmicb.2020.01262/full|work=Frontiers in Microbiology|date=2020-06-17|accessdate=2023-09-10|issn=1664-302X|pmc=|pmid=|doi=10.3389/fmicb.2020.01262|volume=11|first=Moira|last=Marizzoni|first2=Thomas|last2=Gurry|first3=Stefania|last3=Provasi|first4=Gilbert|last4=Greub|first5=Nicola|last5=Lopizzo|first6=Federica|last6=Ribaldi|first7=Cristina|last7=Festari|first8=Monica|last8=Mazzelli|first9=Elisa|last9=Mombelli}}</ref>

===== Метатранскриптоміка =====
[[Метатранскриптоміка]] — розділ транскриптоміки та мікробіоміки, який займається вивченням транскриптомів у мікробних спільнотах. Він пропонує розуміння активних функціональних елементів спільноти та може проілюструвати, як громади реагують на подразники навколишнього середовища. Метатранскриптоміка також може допомогти ідентифікувати гени, що експресуються окремими членами спільноти, досліджуючи функціональні ролі різних членів спільноти.<ref>{{Cite news|title=Advances and Challenges in Metatranscriptomic Analysis|url=https://www.frontiersin.org/article/10.3389/fgene.2019.00904/full|work=Frontiers in Genetics|date=2019-09-25|accessdate=2023-06-12|issn=1664-8021|pmc=PMC6774269|pmid=31608125|doi=10.3389/fgene.2019.00904|volume=10|first=Migun|last=Shakya|first2=Chien-Chi|last2=Lo|first3=Patrick S. G.|last3=Chain}}</ref><ref>{{Cite news|title=Comparison of Metagenomics and Metatranscriptomics Tools: A Guide to Making the Right Choice|url=https://www.mdpi.com/2073-4425/13/12/2280|work=Genes|date=2022-12|accessdate=2023-06-12|issn=2073-4425|pmc=PMC9777648|pmid=36553546|doi=10.3390/genes13122280|pages=2280|volume=13|issue=12|language=en|first=Laura C.|last=Terrón-Camero|first2=Fernando|last2=Gordillo-González|first3=Eduardo|last3=Salas-Espejo|first4=Eduardo|last4=Andrés-León}}</ref>

===== Метапротеоміка =====
[[Метапротеоміка]] передбачає вивчення всього мікробного протеому в певний момент часу. Метапротеоміка надає функціональну інформацію про мікробні спільноти, що робить її ключовим інструментом для розуміння взаємодії мікробів і динаміки спільнот у їхньому природному середовищі існування. Такий підхід також допомагає з’ясувати функціональні ролі окремих членів і спільноти в цілому.<ref>{{Cite news|title=The Metaproteomics Initiative: a coordinated approach for propelling the functional characterization of microbiomes|url=https://microbiomejournal.biomedcentral.com/articles/10.1186/s40168-021-01176-w|work=Microbiome|date=2021-12|accessdate=2023-06-12|issn=2049-2618|pmc=PMC8690404|pmid=34930457|doi=10.1186/s40168-021-01176-w|volume=9|issue=1|language=en|first=Tim|last=Van Den Bossche|first2=Magnus Ø.|last2=Arntzen|first3=Dörte|last3=Becher|first4=Dirk|last4=Benndorf|first5=Vincent G. H.|last5=Eijsink|first6=Céline|last6=Henry|first7=Pratik D.|last7=Jagtap|first8=Nico|last8=Jehmlich|first9=Catherine|last9=Juste}}</ref><ref>{{Cite news|title=Metaproteomics as a tool for studying the protein landscape of human-gut bacterial species|url=https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1009397|work=PLOS Computational Biology|date=18 бер. 2022 р.|accessdate=2023-06-12|issn=1553-7358|pmc=PMC8967034|pmid=35302987|doi=10.1371/journal.pcbi.1009397|pages=e1009397|volume=18|issue=3|language=en|first=Moses|last=Stamboulian|first2=Jamie|last2=Canderan|first3=Yuzhen|last3=Ye}}</ref><ref>{{Cite news|title=Modern Metaproteomics: A Unique Tool to Characterize the Active Microbiome in Health and Diseases, and Pave the Road towards New Biomarkers—Example of Crohn’s Disease and Ulcerative Colitis Flare-Ups|url=https://www.mdpi.com/2073-4409/11/8/1340|work=Cells|date=2022-01|accessdate=2023-06-12|issn=2073-4409|pmc=PMC9028112|pmid=35456018|doi=10.3390/cells11081340|pages=1340|volume=11|issue=8|language=en|first=Céline|last=Henry|first2=Ariane|last2=Bassignani|first3=Magali|last3=Berland|first4=Olivier|last4=Langella|first5=Harry|last5=Sokol|first6=Catherine|last6=Juste}}</ref>

=== Мультиоміксні дані ===
[[Файл:Longitudinal multi-omics and wearable data enabled deep phenotyping for precision health.jpg|міні|[[Мультиоміка|Мультиоміксне]] поєднання даних [[Оміксні технології|оміксних технологій]] з іншими [[Біомедицина|біомедичними]] [[Дані|даними]] для цілісного дослідження [[здоров'я]]<ref name=":23" />]]
[[Мультиоміка]] — використання та інтеграція [[Великі дані|великої кількості даних]], наданої дослідженнями оміксними технологіями, такими як [[геном]], [[протеом]], [[транскриптом]], [[епігеном]], [[епітранскриптом]], [[Метабол|метаболом]], [[інтерактом]], [[мікробіом]] (метагеном, метатранскриптом, метапротеом) та інші, щоб розвинути комплексне та цілісне розуміння [[Біологічна система|біологічних систем]].<ref name=":23">{{Cite news|title=Multi-Omics Profiling for Health|url=https://doi.org/10.1016/j.mcpro.2023.100561|work=Molecular &amp; Cellular Proteomics|date=2023-06|accessdate=2023-06-14|issn=1535-9476|pmc=PMC10220275|pmid=37119971|doi=10.1016/j.mcpro.2023.100561|pages=100561|volume=22|issue=6|first=Mohan|last=Babu|first2=Michael|last2=Snyder}}</ref><ref>{{Cite news|title=Multi-omics approaches to disease|url=https://doi.org/10.1186/s13059-017-1215-1|work=Genome Biology|date=2017-05-05|accessdate=2023-06-11|issn=1474-760X|pmc=PMC5418815|pmid=28476144|doi=10.1186/s13059-017-1215-1|pages=83|volume=18|issue=1|first=Yehudit|last=Hasin|first2=Marcus|last2=Seldin|first3=Aldons|last3=Lusis}}</ref><ref>{{Cite news|title=Systems Biology and Multi-Omics Integration: Viewpoints from the Metabolomics Research Community|url=https://www.mdpi.com/2218-1989/9/4/76|work=Metabolites|date=2019-04|accessdate=2023-06-14|issn=2218-1989|pmc=PMC6523452|pmid=31003499|doi=10.3390/metabo9040076|pages=76|volume=9|issue=4|language=en|first=Farhana R.|last=Pinu|first2=David J.|last2=Beale|first3=Amy M.|last3=Paten|first4=Konstantinos|last4=Kouremenos|first5=Sanjay|last5=Swarup|first6=Horst J.|last6=Schirra|first7=David|last7=Wishart}}</ref><ref>{{Cite news|title=The technological landscape and applications of single-cell multi-omics|url=https://www.nature.com/articles/s41580-023-00615-w|work=[[Nature Reviews Molecular Cell Biology]]|date=2023-06-06|accessdate=2023-09-06|issn=1471-0080|doi=10.1038/s41580-023-00615-w|pages=1–19|language=en|first=Alev|last=Baysoy|first2=Zhiliang|last2=Bai|first3=Rahul|last3=Satija|first4=Rong|last4=Fan}}</ref>

===== Типи даних у мультиоміці =====
* Геноміка
* Транскриптоміка
* Епігеноміка
* Епітранскриптоміка
* Протеоміка
* Глікоміка
* Ліпідоміка
* Метаболоміка
* Інтерактоміка
* Мікробіоміка та деякі інші.

==== Методи інтеграції ====
Інтеграція даних мультиоміки є вирішальним кроком у дослідженнях мультиоміки, метою якого є надання повного уявлення про біологічні системи на різних молекулярних рівнях. Завдання класифікації методів інтеграції даних мультиоміки є складним через різноманітні методології з різними цілями. Однак їх можна широко класифікувати на основі їхніх базових статистичних стратегій, їхньої біологічної цілі та способу обробки кількох типів даних омік.<ref name=":242">{{Cite book
|title=Methodologies of Multi-Omics Data Integration and Data Mining: Techniques and Applications
|last=Kang Ning
|year=2023
|publisher=[[Springer]]
|language=eng
|isbn=978-981-19-8209-5
}}</ref>

Існує два загальні підходи до організації вхідних даних для подальшої їх інтеграції та аналізу: методи ансамблю даних і методи ансамблю моделі. Методи ансамблю даних об’єднують дані мультиоміки з різних молекулярних шарів в єдину матрицю як вхідні дані. Навпаки, методи ансамблю моделі аналізують кожні дані омік незалежно, а потім об’єднують результати для побудови інтегративного аналізу.<ref name=":21">{{Cite news|title=A guide to multi-omics data collection and integration for translational medicine|url=https://www.sciencedirect.com/science/article/pii/S200103702200544X|work=Computational and Structural Biotechnology Journal|date=2023-01-01|accessdate=2023-06-12|issn=2001-0370|pmc=PMC9747357|pmid=36544480|doi=10.1016/j.csbj.2022.11.050|pages=134–149|volume=21|language=en|first=Efi|last=Athieniti|first2=George M.|last2=Spyrou}}</ref><ref>{{Cite news|title=Multi-omics single-cell data integration and regulatory inference with graph-linked embedding|url=https://www.nature.com/articles/s41587-022-01284-4|work=Nature Biotechnology|date=2022-10|accessdate=2023-06-12|issn=1546-1696|doi=10.1038/s41587-022-01284-4|pages=1458–1466|volume=40|issue=10|language=en|first=Zhi-Jie|last=Cao|first2=Ge|last2=Gao}}</ref><ref name=":14">{{Cite news|title=Unsupervised Multi-Omics Data Integration Methods: A Comprehensive Review|url=https://www.frontiersin.org/articles/10.3389/fgene.2022.854752|work=Frontiers in Genetics|date=2022|accessdate=2023-06-12|issn=1664-8021|pmc=PMC8981526|pmid=35391796|doi=10.3389/fgene.2022.854752|volume=13|first=Nasim|last=Vahabi|first2=George|last2=Michailidis}}</ref><ref name=":15">{{Cite news|title=Missing data in multi-omics integration: Recent advances through artificial intelligence|url=https://www.frontiersin.org/articles/10.3389/frai.2023.1098308|work=Frontiers in Artificial Intelligence|date=2023|accessdate=2023-06-12|issn=2624-8212|pmc=PMC9949722|pmid=36844425|doi=10.3389/frai.2023.1098308|volume=6|first=Javier E.|last=Flores|first2=Daniel M.|last2=Claborne|first3=Zachary D.|last3=Weller|first4=Bobbie-Jo M.|last4=Webb-Robertson|first5=Katrina M.|last5=Waters|first6=Lisa M.|last6=Bramer}}</ref> На основі цих двох методик організації даних класифікують наступні методи інтеграції даних<ref name=":14" />:

Методи на основі регресії/асоціації:
* Послідовний аналіз
* Методи на основі канонічного кореляційного аналізу (CCA) і співінерційного аналізу (CIA)
* Методи на основі факторного аналізу

Методи на основі кластеризації:
* Кластеризація на основі ядра
* Метод кластеризації на основі матричної факторизації
* Метод баєсової кластеризації
* Багатовимірний метод кластеризації

Методи на основі мереж:
* Мережі на основі матриці факторизації (MF-Based)
* [[Баєсова мережа|Баєсові мережі]]
* Мережі на основі поширення (NP-Based)
* Кореляційні та інші мережі

==== Застосування даних мультиоміки ====
* Виявлення {{Не перекладено|Біомаркер|біомаркерів|en|Biomarker}} захворювань: визначення діагностичних або прогностичних біомаркерів захворювань.
* [[Персоналізована медицина]]: адаптація медичних процедур і втручань на основі індивідуального мультиомічного профілю.
* Розуміння складних [[Хвороба|захворювань]]: дослідження молекулярних механізмів, що лежать в основі складних захворювань.
* [[Розробка ліків]]: прискорення розробки ліків шляхом виявлення мішеней на ліки та прогнозування реакції на ліки.Виклики та досягнення:

=== Нейроінформатика ===
[[Файл:Schematic illustration of the analysis framework.jpg|міні|[[Нейроінформатика|Нейроінформатичне]] дослідження [[Біологічна нейронна мережа|мереж мозку]] на основі даних [[Нейровізуалізація|візуалізації]] [[Функціональна магнітно-резонансна томографія|фМРТ]]<ref name=":1">{{Cite news|title=A method for reconstruction of interpretable brain networks from transient synchronization in resting-state BOLD fluctuations|url=https://www.frontiersin.org/articles/10.3389/fninf.2022.960607|work=Frontiers in Neuroinformatics|date=2023|accessdate=2023-12-12|issn=1662-5196|pmc=PMC9878402|pmid=36713290|doi=10.3389/fninf.2022.960607|volume=16|first=Yusuke|last=Noro|first2=Ruixiang|last2=Li|first3=Teppei|last3=Matsui|first4=Koji|last4=Jimura}}</ref>]]
[[Нейроінформатика]] — це спеціалізована галузь біоінформатики, яка зосереджена на організації, аналізі та інтерпретації складних [[Неврологія|неврологічних]] та [[Нейронаука|нейронаукових]] даних. Нейроінформатика об’єднує обчислювальні та експериментальні підходи для розуміння структури та функції [[Нервова система|нервової системи]] на різних рівнях, починаючи від [[Молекулярна нейронаука|молекулярного]] та [[Клітинна нейронаука|клітинного]] до [[Системна нейробіологія|системного]] та [[Когнітивна нейробіологія|когнітивного]] рівнів.<ref>{{Cite news|title=Project, toolkit, and database of neuroinformatics ecosystem: A summary of previous studies on “Frontiers in Neuroinformatics”|url=https://www.frontiersin.org/articles/10.3389/fninf.2022.902452|work=Frontiers in Neuroinformatics|date=2022|accessdate=2023-12-12|issn=1662-5196|pmc=PMC9549929|pmid=36225654|doi=10.3389/fninf.2022.902452|volume=16|first=Xin|last=Li|first2=Huadong|last2=Liang}}</ref>

* '''Дані [[Нейровізуалізація|нейровізуалізації]]''': включає дані, отримані за допомогою таких методів, як [[МРТ]] ([[магнітно-резонансна томографія]]), [[фМРТ]] ([[Функціональна магнітно-резонансна томографія|функціональна МРТ]]), [[ЕЕГ]] ([[електроенцефалографія]]), ПЕТ ([[позитрон-емісійна томографія]]), [[дифузійна МРТ]] та інших. Ці методи фіксують структуру [[Головний мозок людини|мозку]], активність і зв’язки, надаючи уявлення про [[Неврологічний розлад|неврологічні розлади]], [[Когнітивні функції мозку|когнітивні функції]] та розвиток мозку.<ref>{{Cite news|title=Multimodal Neuroimaging: Basic Concepts and Classification of Neuropsychiatric Diseases|url=http://journals.sagepub.com/doi/10.1177/1550059418782093|work=Clinical EEG and Neuroscience|date=2019-01|accessdate=2023-12-12|issn=1550-0594|doi=10.1177/1550059418782093|pages=20–33|volume=50|issue=1|language=en|first=Emine Elif|last=Tulay|first2=Barış|last2=Metin|first3=Nevzat|last3=Tarhan|first4=Mehmet Kemal|last4=Arıkan}}</ref>
* '''Геномні, транскриптомні та інші оміксні дані''': розуміння функції мозку передбачає аналіз профілів [[Експресія генів|експресії генів]], генетичних варіацій і транскриптомних даних, специфічних для нейронів або ділянок мозку. Ці дані допомагають розшифрувати молекулярні механізми, що лежать в основі [[Нейропластичність|нейропластичності]], неврологічних захворювань і розвитку мозку.<ref>{{Cite news|title=Integrative multi-omics and systems bioinformatics in translational neuroscience: A data mining perspective|url=https://www.sciencedirect.com/science/article/pii/S2095177923001235|work=Journal of Pharmaceutical Analysis|date=2023-08-01|accessdate=2023-12-12|issn=2095-1779|pmc=PMC10499660|pmid=37719197|doi=10.1016/j.jpha.2023.06.011|pages=836–850|volume=13|issue=8|first=Lance M.|last=O'Connor|first2=Blake A.|last2=O'Connor|first3=Su Bin|last3=Lim|first4=Jialiu|last4=Zeng|first5=Chih Hung|last5=Lo}}</ref>
* '''Дані [[Конектом|конектому]]''': {{Не перекладено|Конектоміка|конектоміка|en|Connectomics}} зосереджується на відображенні складних [[Синапс|нейронних зв’язків]] у мозку.<ref>{{Cite news|title=Connectomes: from a sparsity of networks to large-scale databases|url=https://www.frontiersin.org/articles/10.3389/fninf.2023.1170337|work=Frontiers in Neuroinformatics|date=2023|accessdate=2023-12-12|issn=1662-5196|pmc=PMC10291062|pmid=37377946|doi=10.3389/fninf.2023.1170337|volume=17|first=Marcus|last=Kaiser}}</ref> Дані, пов’язані з [[Нейронний ланцюг|нейронними ланцюгами]], [[Нейронний ансамбль|ансамблями]] та [[Біологічна нейронна мережа|мережами]], сприяють розумінню обробки інформації, [[навчання]] та [[Пам'ять|пам’яті]].<ref name=":1" />
* '''Дані нейронної активності''': це охоплює дані із записів нейронної активності, включаючи [[Потенціал дії|потенціали дії]], [[Кальцієва візуалізація|кальцієву візуалізацію]]<ref>{{Cite news|title=Data-driven segmentation of cortical calcium dynamics|url=https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1011085|work=[[PLOS Computational Biology]]|date=1 трав. 2023 р.|accessdate=2023-12-12|issn=1553-7358|pmc=PMC10174627|pmid=37126531|doi=10.1371/journal.pcbi.1011085|pages=e1011085|volume=19|issue=5|language=en|first=Sydney C.|last=Weiser|first2=Brian R.|last2=Mullen|first3=Desiderio|last3=Ascencio|first4=James B.|last4=Ackman}}</ref> та {{Не перекладено|Оптогенетика|оптогенетику|en|Optogenetics}}<ref>{{Cite news|title=PyRhO: A Multiscale Optogenetics Simulation Platform|url=http://journal.frontiersin.org/Article/10.3389/fninf.2016.00008/abstract|work=Frontiers in Neuroinformatics|date=2016-03-11|accessdate=2023-12-12|issn=1662-5196|pmc=PMC4834562|pmid=27148037|doi=10.3389/fninf.2016.00008|volume=10|first=Benjamin D.|last=Evans|first2=Sarah|last2=Jarvis|first3=Simon R.|last3=Schultz|first4=Konstantin|last4=Nikolic}}</ref>. Такі дані допомагають розгадати динаміку нейронів, шляхи передачі сигналів і реакцію нейронів на подразники.

=== Дані структурної біології ===
Структурна біологія досліджує інформацю про тривимірні структури біологічних макромолекул, таких як білки та нуклеїнові кислоти. Ці дані важливі для розуміння молекулярних взаємодій і дизайну ліків.

* [[Рентгенівська кристалографія|'''Рентгенівська кристалографія''']] та '''[[ЯМР-спектроскопія]]''': методи, що використовуються для визначення структур біомолекул на атомному рівні. Ці методи сприяють прогнозуванню структури білків (''див. також'' [[ЯМР-спектроскопія білків]]) і відкриттю ліків.

=== Філогенетичні дані ===

* [[Філогенетичне дерево|'''Філогенетичні дерева''']]: відображення еволюційних зв'язків між видами або генами. Філогенетичний аналіз передбачає порівняння генетичних або молекулярних послідовностей для побудови еволюційних висновків.
* {{Не перекладено|Філогеноміка|Філогеноміка|en|Phylogenomics}}: інтеграція геномних даних для реконструкції філогенетичних дерев і вивчення еволюції геному різних видів.<ref>{{Cite news|title=GToTree: a user-friendly workflow for phylogenomics|url=https://doi.org/10.1093/bioinformatics/btz188|work=[[Bioinformatics]]|date=2019-03-13|accessdate=2023-09-10|issn=1367-4803|pmc=|pmid=|doi=10.1093/bioinformatics/btz188|pages=|volume=35|issue=20|first=Michael D|last=Lee}}</ref><ref>{{Cite book
|url=http://link.springer.com/10.1007/978-3-030-10837-3
|title=Bioinformatics and Phylogenetics: Seminal Contributions of Bernard Moret
|date=2019
|editor-last=Warnow
|editor-first=Tandy
|series=Computational Biology
|publisher=Springer International Publishing, [[Springer Nature]]
|volume=29
|location=Cham
|language=en
|doi=10.1007/978-3-030-10837-3
|isbn=978-3-030-10836-6
}}</ref><ref>{{Cite news|title=Phylogenomics — principles, opportunities and pitfalls of big‐data phylogenetics|url=https://resjournals.onlinelibrary.wiley.com/doi/10.1111/syen.12406|work=Systematic Entomology|date=2020-04|accessdate=2023-09-10|issn=0307-6970|doi=10.1111/syen.12406|pages=225–247|volume=45|issue=2|language=en|first=Andrew D.|last=Young|first2=Jessica P.|last2=Gillung}}</ref>

=== Дані методів візуалізації ===
Дані, отримані за допомогою різних методів [[Візуалізація|візуалізації]], таких як [[мікроскопія]], [[магнітно-резонансна томографія]] (МРТ) і [[Комп'ютерна томографія|комп’ютерна томографія]] (КТ) та багато інших. Дані біовізуалізації використовуються для вивчення клітинних і тканинних структур.

* [[Медична візуалізація|'''Медична візуалізація''']]: у клінічній біоінформатиці дані медичної візуалізації аналізуються для [[Медична діагностика|діагностики]] захворювань і [[Моніторинг (медицина)|моніторингу]] відповіді на лікування, зокрема, з використанням [[Машинне навчання|машинного навчання]] та моделей [[Штучний інтелект|штучного інтелекту]].<ref>{{Cite news|title=Ten quick tips for computational analysis of medical images|url=https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1010778|work=[[PLOS Computational Biology]]|date=5 січ. 2023 р.|accessdate=2023-09-10|issn=1553-7358|pmc=|pmid=|doi=10.1371/journal.pcbi.1010778|pages=|volume=19|issue=1|language=en|first=Davide|last=Chicco|first2=Rakesh|last2=Shiradkar}}</ref><ref>{{Cite news|title=Explainable AI for Bioinformatics: Methods, Tools and Applications|url=https://doi.org/10.1093/bib/bbad236|work=Briefings in Bioinformatics|date=2023-07-21|accessdate=2023-09-10|issn=1467-5463|doi=10.1093/bib/bbad236|first=Md Rezaul|last=Karim|first2=Tanhim|last2=Islam|first3=Md|last3=Shajalal|first4=Oya|last4=Beyan|first5=Christoph|last5=Lange|first6=Michael|last6=Cochez|first7=Dietrich|last7=Rebholz-Schuhmann|first8=Stefan|last8=Decker}}</ref>

=== Екологічні дані ===

* '''Біоінформатика навколишнього середовища''': аналіз екологічних і екологічних даних, включаючи інформацію про клімат, географію та середовище проживання, для вивчення впливу навколишнього середовища на біорізноманіття та екосистеми.<ref>{{Cite news|title=GreenBIM : Environmental impact of Bioinformatics|url=https://scienceopen.com/hosted-document?doi=10.14293/S2199-1006.1.SOR-.PPWHCXV.v1|date=2023-01-26|accessdate=2023-09-10|doi=10.14293/s2199-1006.1.sor-.ppwhcxv.v1|language=en|first=Asmae|last=Bachr|first2=Alizée|last2=Bardon|first3=Sara|last3=Bencheikh|first4=Fiona|last4=Bottin|first5=Justine|last5=Flipo|first6=Coline|last6=Gardou|first7=Sidonie|last7=Halluin|first8=Bryce|last8=Leterrier|first9=Meije|last9=Mathé}}</ref><ref>{{Cite news|title=enviRule: an end-to-end system for automatic extraction of reaction patterns from environmental contaminant biotransformation pathways|url=https://doi.org/10.1093/bioinformatics/btad407|work=[[Bioinformatics]]|date=2023-06-24|accessdate=2023-09-10|issn=1367-4811|pmc=|pmid=|doi=10.1093/bioinformatics/btad407|volume=39|issue=7|first=Kunyang|last=Zhang|first2=Kathrin|last2=Fenner}}</ref><ref name=":0">{{Cite news|title=State-of-the-art of data analyses in environmental DNA approaches towards its applicability to sustainable fisheries management|url=https://www.frontiersin.org/articles/10.3389/fmars.2023.1061530|work=Frontiers in Marine Science|date=2023|accessdate=2023-09-10|issn=2296-7745|doi=10.3389/fmars.2023.1061530|volume=10|first=Natalia|last=Petit-Marty|first2=Laura|last2=Casas|first3=Fran|last3=Saborido-Rey}}</ref>
* '''Екологічна геноміка''': інтеграція геноміки та даних про [[навколишнє середовище]] для розуміння генетичної основи адаптації організмів.<ref name=":0" /><ref>{{Cite book
|url=https://link.springer.com/10.1007/978-94-007-7347-9
|title=Ecological Genomics: Ecology and the Evolution of Genes and Genomes
|date=2014
|editor-last=Landry
|editor-first=Christian R.
|editor2-last=Aubin-Horth
|editor2-first=Nadia
|series=Advances in Experimental Medicine and Biology
|publisher=Springer Netherlands
|volume=781
|location=Dordrecht
|language=en
|doi=10.1007/978-94-007-7347-9
|isbn=978-94-007-7346-2
}}</ref>

=== Біоекономічні дані ===

* '''Біоекономіка та [[циркулярна економіка]]''': широкий спектр різноманітних даних з господарської діяльності [[Підприємство|підприємств]].<ref>{{Cite book
|url=https://library.oapen.org/bitstream/handle/20.500.12657/50710/978-3-030-71069-9.pdf
|title=Big Data in Bioeconomy: Results from the European DataBio Project
|date=2021
|editor-last=Södergård
|editor-first=Caj
|editor2-last=Mildorf
|editor2-first=Tomas
|editor3-last=Habyarimana
|editor3-first=Ephrem
|editor4-last=Berre
|editor4-first=Arne J.
|editor5-last=Fernandes
|editor5-first=Jose A.
|editor6-last=Zinke-Wehlmann
|editor6-first=Christian
|publisher=Springer International Publishing
|location=Cham
|language=en
|doi=10.1007/978-3-030-71069-9
|isbn=978-3-030-71068-2
}}</ref>

=== Текстові та літературні дані ===

* '''Інтелектуальний аналіз тексту''': вилучення інформації та знань із наукової літератури, патентів і текстових джерел, зокрема завдяки нейролінгвістичним моделям штучного інтелекту, накшталт, [[ChatGPT]].<ref>{{Cite news|title=ChatGPT opens a new door for bioinformatics|url=https://journal.hep.com.cn/qb/EN/10.15302/J-QB-023-0328|work=Quantitative Biology|date=2023-06-15|accessdate=2023-09-10|issn=2095-4689|doi=10.15302/J-QB-023-0328|pages=204–206|volume=11|issue=2|language=en|first=Dong|last=Xu}}</ref> Інтелектуальний аналіз тексту допомагає керувати даними, [[Огляд літератури|переглядати літературу]] та знаходити нові знання та розуміння.<ref>{{Cite book
|url=https://library.oapen.org/bitstream/handle/20.500.12657/50710/978-3-030-71069-9.pdf
|title=Data and Text Processing for Health and Life Sciences
|last=Couto
|first=Francisco M.
|date=2019
|series=Advances in Experimental Medicine and Biology
|publisher=Springer International Publishing
|volume=1137
|location=Cham
|language=en
|doi=10.1007/978-3-030-13845-5
|isbn=978-3-030-13844-8
}}</ref><ref>{{Cite news|title=A novel gluten knowledge base of potential biomedical and health-related interactions extracted from the literature: Using machine learning and graph analysis methodologies to reconstruct the bibliome|url=https://www.sciencedirect.com/science/article/pii/S1532046423001193|work=Journal of Biomedical Informatics|date=2023-07-01|accessdate=2023-09-10|issn=1532-0464|doi=10.1016/j.jbi.2023.104398|pages=104398|volume=143|first=Martín|last=Pérez-Pérez|first2=Tânia|last2=Ferreira|first3=Gilberto|last3=Igrejas|first4=Florentino|last4=Fdez-Riverola}}</ref>

== Бази даних ==
[[База даних|Бази даних]] із біологічною інформацією необхідні для більшості біоінформатичних досліджень. Існує велика кількість таких баз, що містять усе від [[нуклеотид]]них послідовностей до опису видів і [[фенотип]]ів. Багато із них перебувають у вільному доступі, інші закриті. Прикладом вільних баз даних з інформацією про нуклеотидні послідовності є [[GenBank]], [[DDBJ]] та {{нп|ENA|||European Nucleotide Archive}} (European Nucleotide Archive), сформовані та підтримувані у рамках Міжнародної співпраці баз даних нуклеотидних послідовностей (International Nucleotide Sequence Database Collaboration){{sfn|Pevsner|2009|p=13-14}}. Станом на серпень 2014 року GenBank містив 939&nbsp;775&nbsp;079&nbsp;106 [[пара основ|пар основ]]<ref name="Benson">{{cite journal
|author=Benson DA, Clark K, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW
|title=GenBank
|journal=Nucleic Acids Res
|volume=43(Database issue):D30-5
|year=2015
|pmid=25414350
|doi=10.1093/nar/gku1216}}} {{ref-en}}</ref>. Інші бази даних більш специфічні, наприклад, присвячені окремому типу генів чи білків (таких як [[кінази]]), окремій [[хромосома|хромосомі]] чи [[органела|органелі]] або організму. В деяких базах зібрані послідовності об'єднані спільною ознакою, наприклад [[Pfam]] (Protein Family) містить кілька тисяч родин гомологічних білків{{sfn|Pevsner|2009|p=14}}.

Бази даних літератури містять бібліографічні дані статей присвячених біологічним дослідженням і посилання на повні тексти статей, одним із найважливіших таких сховищ є [[MEDLINE]]{{sfn|Pevsner|2009|p=14}}.

== Див. також ==
* [[Біомедицина]]
* [[Біомедична інженерія]]
* [[Системна біологія]]
* [[Обчислювальна біологія]]
* [[Медична інформатика]]
* [[Нейроінформатика]]
* [[Молекулярна динаміка]]
* [[Мартін Карплус]]
* [[Клаус Шультен]]
* [[Мультиоміка]]
* {{нп|OpenFermion Cirq|3=en|4=Cirq}}

== Література ==
* Кеца О. В. [https://archer.chnu.edu.ua/xmlui/bitstream/handle/123456789/3149/Основи%20біоінформатики.pdf?sequence=2&isAllowed=y Основи біоінформатики: навч.-метод. посібник] / О. В. Кеца. – Чернівці: Чернівецький нац. ун-т ім. Ю. Федьковича, 2018. – 192 с.
* {{cite book
|title = Bioinformatics and Functional Genomics
|edition = 2nd
|publisher = Wiley
|year = 2009
|url = https://archive.org/details/bioinformaticsfu00pevs_0
|isbn = 978-0-470-08585-1
|author = Jonathan Pevsner
|ref = Pevsner
|accessdate = 6 листопада 2015
|deadurl = yes
|url-access = registration
}}
* {{книга
|автор        = Леск А.
|назва        = Введение в биоинформатику
|оригінал     = Introduction to Bioinformatics
|рік          = 2013
|видавництво  = Бином
|місто        = {{Comment|М.|Москва}}
|сторінок     = 318
}}
* {{книга
|автор        = Хаубольд Б., Вие Т.
|назва        = Введение в вычислительную биологию: Эволюционный подход
|оригінал     = Introduction To Computational Biology: An Evolutionary Approach
|рік          = 2011
|видавництво  = РХД
|місто        = Ижевск
|сторінок     = 456
}}
* {{книга
|автор        = Хельтье Х.-Д., Зиппль В., Роньян Д., Фолькерс Г.
|назва        = Молекулярное моделирование: Теория и практика
|оригінал     = Molecular Modeling: Basic Principles and Applications
|рік          = 2012
|видавництво  = Бином
|місто        = {{Comment|М.|Москва}}
|сторінок     = 319
}}

== Додаткова література ==

=== Книги ===
* Серія книг [https://www.worldscientific.com/series/sabcb Series on Advances in Bioinformatics and Computational Biology] ([[World Scientific]], 2005-2024+)
* Серія книг [https://www.springer.com/series/5381/books Lecture Notes in Bioinformatics] ([[Springer Nature]], 2003-2024+)
* Dandekar, Thomas; Kunz, Meik (2023). ''[https://link.springer.com/book/10.1007/978-3-662-65036-3 Bioinformatics: An Introductory Textbook]'' (англ.). Berlin, Heidelberg: [[Springer Science+Business Media|Springer]] Berlin Heidelberg. [[ISBN]]&nbsp;[[Спеціальна:Джерела книг/978-3-662-65035-6|978-3-662-65035-6]].
* Verli Hugo; de Melo Minardi Raquel Cardoso, ред. (2022). [https://www.frontiersin.org/research-topics/17876/original-strategies-for-training-and-educational-initiatives-in-bioinformatics ''Original Strategies for Training and Educational Initiatives in Bioinformatics''.] ([[відкритий доступ]]: [https://www.frontiersin.org/research-topics/17876/pdf pdf], [https://www.frontiersin.org/research-topics/17876/epub epub]) Frontiers Media SA. [[ISBN]]&nbsp;[[Спеціальна:Джерела книг/978-2-8325-0183-2|978-2-8325-0183-2]].
* Baxevanis, Andreas D.; Bader, Gary D.; Wishart, David S., ред. (2020). ''[https://www.wiley.com/en-us/Bioinformatics%2C+4th+Edition-p-9781119335580 Bioinformatics]'' (4th Edition). Hoboken, NJ: [[John Wiley & Sons|Wiley]]. [[ISBN]]&nbsp;[[Спеціальна:Джерела книг/978-1-119-33558-0|978-1-119-33558-0]].

=== Журнали ===
* ''[[Bioinformatics]]'' ([https://academic.oup.com/bioinformatics/ сайт], [[Oxford University Press]])
* [https://bmcbioinformatics.biomedcentral.com/ ''BMC Bioinformatics''] ([[BioMed Central]])
* ''[https://academic.oup.com/bib Briefings in Bioinformatics]'' (Oxford University Press)
* ''[https://currentprotocols.onlinelibrary.wiley.com/journal/1934340x Current Protocols in Bioinformatics]'' ([[John Wiley & Sons]])
* [https://www.worldscientific.com/worldscinet/jbcb ''Journal of Bioinformatics and Computational Biology''] ([[World Scientific]])

=== Статті ===
* Raslan, Mohamed A.; Raslan, Sara A.; Shehata, Eslam M.; Mahmoud, Amr S.; Sabri, Nagwa A. (2023-07). [https://www.mdpi.com/1424-8247/16/7/1050 Advances in the Applications of Bioinformatics and Chemoinformatics]. ''Pharmaceuticals'' (англ.) '''16''' (7). [[Цифровий ідентифікатор об'єкта|doi]]:[[doi:10.3390/ph16071050|10.3390/ph16071050]].
* Işık, Esra Büşra; Brazas, Michelle D.; Schwartz, Russell та ін. (2023). [https://www.nature.com/articles/s41587-023-01891-9 Grand challenges in bioinformatics education and training]. ''[[Nature Biotechnology]]'' (англ.) '''41''' (8). [[Цифровий ідентифікатор об'єкта|doi]]:[[doi:10.1038/s41587-023-01891-9|10.1038/s41587-023-01891-9]].
* Baysoy, Alev; Bai, Zhiliang; Satija, Rahul; Fan, Rong (6 червня 2023). [https://www.nature.com/articles/s41580-023-00615-w The technological landscape and applications of single-cell multi-omics]. ''[[Nature Reviews Molecular Cell Biology]]'' (англ.). [[Цифровий ідентифікатор об'єкта|doi]]:[[doi:10.1038/s41580-023-00615-w|10.1038/s41580-023-00615-w]].
* Wang, Yunhao; Zhao, Yue; Bollas, Audrey; Wang, Yuru; Au, Kin Fai (2021-11). [https://www.nature.com/articles/s41587-021-01108-x Nanopore sequencing technology, bioinformatics and applications]. ''[[Nature Biotechnology]]'' (англ.) '''39''' (11). [[Цифровий ідентифікатор об'єкта|doi]]:[[doi:10.1038/s41587-021-01108-x|10.1038/s41587-021-01108-x]].
* Pucker, Boas; Schilbert, Hanna Marie; Schumacher, Sina Franziska (25 вересня 2019). [https://www.degruyter.com/document/doi/10.1515/jib-2019-0005/html?lang=en Integrating Molecular Biology and Bioinformatics Education]. ''Journal of Integrative Bioinformatics'' (англ.) '''16''' (3).  [[Цифровий ідентифікатор об'єкта|doi]]:[[doi:10.1515/jib-2019-0005|10.1515/jib-2019-0005]].

== Примітки ==
{{reflist}}

{{Бібліоінформація}}

{{Розділи біології}}
{{Статистика|застосування}}
{{Інформатика}}

[[Категорія:Медична інформатика]]
[[Категорія:Біоінформатика|*]]
[[Категорія:Інформатика]]