Historia de la bioinformática

  • Watson y Crick : Modelo de la doble hélice del ADN.

  • Sanger: Obtuvo el premio nobel de química

  • Period: to

    Margaret Dayhoff y Robert S. Ledley: Desarrollaron COMPROTEIN, el primer software de bioinformática

  • Aparece la bioinformática y la biología computacional

  • Margaret Oakley Dayhof: Publica: Atlas de secuencia y estructura de proteínas.

  • Needleman y Wunsch: Primer algoritmo de programación dinámica.

  • La primera ola de microcomputadoras

    Commodore PET, Apple II y Tandy TRS-80
  • Dayhoff, Schwartz y Orcutt: El primer modelo probabilístico de sustituciones de aminoácidos

  • Roger Staden: El primer software dedicado a analizar las lecturas de secuenciación de Sanger.

  • La década de 1980: Acceso cada vez mayor a las computadoras y al software bioinformático.

  • A mediados de la década de 1980 Surgieron varios lenguajes de programación

  • Dayhoff Creó la primera base de datos computadorizada

  • El Grupo de Computación Genética de la Universidad de Wisconsin El paquete de software homónimo "GCG"

  • Computer Applications in the Biosciences (CABIOS).

    Una revista especializada en bioinformática
  • Period: to

    Larry Wall: BioPerl la lengua franca de la bioinformática hasta el 2000

  • Period: to

    Guido van Rossum: Origen de Python, lenguaje de programación

    Origen de Python, para finales de de la decada de 2000 se convirtió en un lenguaje de programación importante en bioinformática
  • La primera base de datos de secuencias de nucleótidos del mundo

    La biblioteca de datos de secuencias de nucleótidos EMBL (que incluía varias otras bases de datos como SWISS-PROT y REBASE)
  • NCBI y BLAST

    Disponibles en línea
  • Brown: Definió la bioinformática

  • Period: to

    Bioinformática de alto rendimiento y computación colaborativa

  • Actualidad: manejo de Big Data, garantizar la reproducibilidad de los resultados y una adecuada integración en los currículos académicos.

    la bioinformática se enfrenta a múltiples desafíos, como el manejo de Big Data, garantizar la reproducibilidad de los resultados y una adecuada integración en los currículos académicos.