生物信息学（bioinformatics）

单个人类基因组约有 32 亿个字母，一次测序运行产出上亿条读段，一次单细胞实验产出含有数百万个数字的表格。没有谁会用肉眼去读这些。生物信息学正是用计算机和统计学，在这种规模上去存储、搜索、比较并读懂生物数据的学科——它是每一项基因组尺度实验不可或缺的伙伴，是原始数据变成生物学的那个环节。

在实践中，生物信息学是支撑这个领域里其他一切的工具箱与思维方式。它包括把一条序列比对到另一条、或组装一个基因组的算法，存储序列并让全世界检索它们的数据库，承载数据的文件格式，以及至关重要的——判断一个模式是真实的还是只是噪音的统计学。当你一次测量两万个基因、问哪些在某疾病中发生了变化时，你是在同时检验两万个假设，单凭运气就会有许多看上去“显著”；生物信息学提供多重检验校正与对照，让你不至于自欺。

生物信息学之所以重要，是因为现代分子生物学如今既是湿实验科学、也同样是数据科学——许多发现完全是在键盘前、靠重新分析公开数据做出的。但它的结果只在它的假设可信时才可信：一条聪明的流程跑在有偏的输入上，用了错误的统计模型、或一个没说明的参数选择，照样能产出自信满满的胡话。这就是为什么这个领域非常看重可重复性——共享数据、代码和确切方法——好让一个计算上的论断，和任何科学论断一样，能被别人核查。在这里，“垃圾进、垃圾出”不是玩笑，而是核心风险。