本书是美国数学和生物学界各领域科学家联合开展研究的重要成果。书中全面总结了近年来数学生物学的研究现状和研究动态，前瞻性地提出了数学与生物学的交叉学科前沿的发展趋势与未来研究方向。本书对于我国数学生物学领域的科研人员、高校师生、科技管理者、政府科研投资决策者洞悉数学生物学科学发展规律、了解数学生物学前沿领域和重点方向及开展科技创新等有重要的参考价值。

本报告是受美国能源部（Department of Energy,DOE）高级科学计算研究办公室（Office of Advanced Scientific Computing Research,OASCR）的委托撰写的。该办公室肩负着多方面的责任，将数学和计算应用于对能源部很重要的各个科学领域。该办公室负责向委员会寻求指定的建议： 

本研究将为美国能源部的数学科学研究活动提供建议，使科学研究能够有效地利用现有的大量基因组信息，并有效地收集利用更大量和更多样化的即将生成的结构性和功能性基因组信息。这些建议的研究活动应该既涵盖目前的科研需要，也包括一些可能通向未来的创新方法的高风险研究。

在与OASCR官员们的多次讨论中，其意图变得很明显，即要赞助广泛的、基于科学角度的机遇，这些机遇现在就在数学科学和生物数学与21世纪生物学学的交叉领域。这里的“数学科学”是广义的定义，包括统计学、计算科学和所有应用数学领域计算机科学与通信委员会即将完成的一份美国国家科学院报告将论述计算机科学和生物学交叉领域。。尽管在将数学科学应用到物理科学方面能源部是一个有深厚根基的机构，并且在选定的生物学应用如蛋白质结构测定和基因组测序方面是一个先驱，但是这并不表示委员会只分析具体的能源部计划或者是把自己限制在能源部现有项目的界限之内。因此，这些建议只是一般性的说明，并且适用于任何一个资助机构的项目，包括但并不限于美国能源部,这些资助机构的任务围绕数学科学、生物学以及这些领域的相互作用实施。委员会一直非常努力地工作，为这些机构组织正准备支持的科学研究提供相关的有事实依据的指导。

按照NRC（美国国家研究理事会）下属报告审查委员会批准的程序，本报告已经以草稿形式通过了那些因其不同的视角和技术专长而被选出的人员的审查。这种独立审查的目的是为了提供坦诚的批评性意见，这将有助于机构发表的报告理由尽可能充分，并保证本报告对该研究委托的客观判断、证据和反馈符合机构标准。对这些审查意见和草稿保密是为了保护审议过程的完整性。我们要感谢以下人员对本报告的审查： 

James Collins,波士顿大学；

Terry Gaasterland,洛克菲勒大学；

David Haussler,加州大学圣塔克鲁斯分校；

Douglas Lauffenburger,麻省理工学院；

Simon Levin,普林斯顿大学。

虽然以上所列的审查人员提供了许多建设性的意见，但是并没有要求他们支持本报告中的结论或建议，他们也没有看到报告发布之前的最终稿。本报告的审查是由得克萨斯州农工大学的Ronald Douglas监督的。在美国国家研究理事会任命下，他负责确保这份报告的独立审查是按照机构程序进行的，并确保认真参考了所有的审查意见。本编写委员会和机构对本报告的最终内容拥有完全的解释权。 

此外，委员会感谢Mark Daly、Avner Friedman和Alan Perelson在本研究过程中给出的意见和建议。

执行摘要1

建议2

建议的理由5

生物学的首要地位10

不可预测性12

未来前景131领域的性质15

引言15

数学与生物学的交叉16

近年来有什么变化？19

计算生物学问题困难的原因是什么？25

数学与生物科学成功互动的常见因素27

为改善两个领域的利益协作打好基础31

本报告的结构37

参考文献382历史上的成功40

种群生物学的开端40

通过同源性推断基因功能42

种群进化过程45

建模47

医学和生物学成像48

总结50

参考文献503了解分子53

引言53

数学生物学关系54

分子的数学应用领域57

序列分析57

结构分析60

动力学64

相互作用65

未来方向67

参考文献694了解细胞71

引言71

这些问题的范例73

细胞结构76

细胞网络及其功能的发现79

从网络到细胞功能83

从细胞到组织90

数据整合94

生物学方面的考虑96

未来方向99

参考文献1015了解生物体117

心脏生理学119

循环生理学123

呼吸生理学124

信息处理125

内分泌生理学127

形态发生和模式生成128

运动132

癌症133

针对靶向肿瘤细胞的治疗输送134

药物作用的机制134

细胞群体的生长和分化134

抗性的发展135

HIV1感染的体内动力学136

未来方向138

参考文献1396了解种群148

种群遗传学148

种群的生态方面155

生态学与进化论的综合158

参考文献1607了解群落和生态系统165

计算174

未来方向176

参考文献1848横切主题195

“小n，大P”问题195

发现基因表达数据中的模式197

有监督学习200

无监督学习203有序系统的分析205

隐马尔可夫模型在DNA、RNA和蛋白质序列分析

中的应用206

序列谱隐马尔可夫模型207

基因发现中的隐马尔可夫模型209

蒙特卡罗方法在计算生物学中的应用211

模体发现中的吉布斯采样212

调控网络的推断213

蛋白质构象采样214

目前引入的数学主题的经验教训215

低级数据的处理216

结束语220

参考文献221