数学与当代生命科学.pdfVIP

数学与当代生命科学 20 世纪中期，随着蛋白质空间结构的解析和DNA 双螺旋的发现，形成了以遗传信息载 体核酸和生命功能执行者蛋白质为主要研究对象的分子生物学时代。分子生物学的诞生使传 统的生物学研究转变为现代实验科学。但是，在生命科学领域的实验科学与其它实验科学如 实验物理学相比，更多地是注重经验，而非抽象的理论或概念。此外，这些生物学家们大多 关注定性的研究，以发现新基因或新蛋白质为主要目标，对于定量的研究，如分子动力学过 程等没有给予足够的重视。尽管如此，现代生命科学在20 世纪的下半叶还是取得了丰盛的 成果。正如美国科学院院长分子生物学家阿尔伯特(B. Albert)所说，“在一个基因克隆占主 要地位的时代，当今许多优秀的科学家在不具备任何定量研究的能力下仍然取得了巨大的成 绩”。但是，随着后基因组时代的到来，生物学研究者的定量研究能力和知识已不再是可有 可无的了。 大势所趋 英国生物学家保罗.纳斯(Paul Nurse) 因细胞周期方面的卓越研究成为了 2001 年度诺 贝尔生理学或医学奖的得主。他曾在一篇回顾20 世纪细胞周期研究的综述文章中以这样的 文字结束：“我们需要进入一个更为抽象的陌生世界，一个不同于我们日常所想象的细胞活 动的、能根据数学有效地进行分析的世界。” 也许基于同样的考虑，2000 年 10 月美国国家科学基金会（NSF）的主任科勒威尔(R. Colwell)在向国会提交的报告中，称数学是当前所有新兴学科和研究领域的基础，要求下一 年度对数学的资助要增加3 倍以上，达到 1.21 亿元美金。在这些增加的预算中，有很大的 一部分被用来支持数学与其它学科的交叉研究，尤其是数学与生物学的交叉研究项目。 尽管数学一直在现代生命科学中扮演着一定的角色，如数量遗传学、生物数学等。但真 正体会到数学重要性的还是20 世纪90 年代生物学家。基因组学是这种趋势的主要催化剂。 随着DNA 序列测定技术的快速发展，20 世纪90 年代后期每年测定的DNA 碱基序列以惊人 的速度迅速增长。以美国的基因数据库（GenBank ）为例，1997 年拥有的碱基序列为1x109， 次年就翻了一番，为2x109；到2000 年GenBank 已拥有近8x109 个碱基序列。同样，在 蛋白质组研究和转录组研究等快速推进的过程中，各种数据也在迅猛的增加。据估计，现在 生物数据量可以达到每年1015 字节。如何管理这些“海量”数据，以及如何从它们中提取 有用的知识成为了对当前生物学家、数学家、计算机专家等的巨大挑战。由此引出了一门新 兴学科：生物信息学(Bioinformatics)。此外，对细胞和神经等复杂系统和网络的研究导致了 数学生物学(Mathematical Biology)的诞生。美国国家科学基金委员会为此专门启动了一项 “定量的环境与整合生物学”的项目，以鼓励生物学家把数学应用到生物学研究中去。几乎 在同一个时间，美国国立卫生研究院也设立了一项“计算生物学”的重大项目。 理解生命的新工具：模型 上面的论述也许会造成这样一种印象，数学在现代生命科学中的应用主要是在“海量” 数据的处理方面。可以这样说，今天的确是有许多生物学家是从“计算”的角度来看待数学 对生命科学的作用。然而，对于理解生命现象来说，计算是远远不够的。当我们把通过基因 芯片获得的成千上万的实验数据喂进一台计算机，让计算机根据一定的运行程序吐出一堆堆 的结论时，我们是否可以认为，我们已经理解了所要研究的生物学问题？不仅如此，我们也 许还需要警惕，不要让计算机代替我们的思考。 对于今天的生命科学工作者，数学的价值应该体现在“模型化”(Modelling)方面。通过 模型的构建，那些看上去杂乱无章的实验数据将被整理成有序可循的数学问题；通过模型的 构建，所要研究的问题的本质将被清晰地抽象出来；通过模型的构建，研究者们的实验不再 是一种随意的探索，而是通过“假设驱动”（Hypothesis-driven approach）的理性实验，就 如同物理学家们的工作一样。 上个世纪的实验生物学家把生命视为一个线性的系统，力图以一种简单的因果关系来解 释生命活动。通常在那些寻找新基因的研究者的内心深处，大多拥有一个“基因决定论”的 愿望：一旦找到了某一种基因，就能解答一个生物学问题。癌症有“癌基因”，长寿有“长 寿基因”，聪明有“聪明基因”，甚至犯罪都是由一种“犯罪基因”所造成。但是，几十年的 研究轨迹，划出的却是一幅幅越来越复杂的图案。以人类发现的第一个肿