南卡罗莱纳医科大学应用生物信息学理论

该部门的研究团队为求解常微分方程系统、图像处理、统计分析、优化和序列对齐寻找了一个健壮的数学建模环境。

环境将需要与他们现有的网络技术、开源软件和来自国家生物技术信息中心(NCBI)的数据集成。

因为生命科学家通常缺乏数学建模软件的经验，环境也需要易于学习和使用。

在考虑了许多商业和开源的数学建模工具后，小组选择了MATLAB^®因为它易于使用、互操作性、行业接受性以及丰富的建模和计算能力。

小组内的研究团队使用MATLAB开发基因组和蛋白质组学分析的应用程序，如生物标志物识别、二维凝胶分析和人工神经网络。他们使用MATLAB web Server将这些软件包通过网络提供给其他团体和科学界。世界杯预选赛小组名单

MATLAB、统计和机器学习工具箱™和优化工具箱™为该小组的大部分工作提供了基础。“MATLAB是我们运作能力的核心。我们所做的一切都使用统计和机器学习工具箱。我们还使用优化工具箱，通过结合遗传算法的神经网络跟踪状态变量来进行数值解耦。”Almeida说。

该小组使用生物信息学工具箱™简化序列比对使用Needleman-Wunsch和Smith-Waterman算法。该工具箱还使他们能够规范化、可视化和导入微阵列，包括来自NCBI的基因表达集合的数据。他们还使用MATLAB中的SOAP客户机与Internet上的本地和公共数据进行交互。

MUSC使用小波工具箱™和图像处理工具箱™去噪和识别二维凝胶样品中的蛋白质簇。

在生化系统理论领域，研究人员使用符号数学工具箱™对非线性微分方程系统进行数值解耦和重铸。

他们还使用MATLAB对其他开源技术进行系统调用，包括PostgreSQL数据库和统计包R，并对结果进行解析。

阿尔梅达说:“生物信息学社区对开源工具有强烈的偏见，但我们真的相信MATLAB可以与开源工具世界杯预选赛小组名单相提并论，因为我们开发的代码有一个开放的架构，所以任何人都可以看到源代码。”“我不记得有一篇论文因为我使用了MATLAB而没有被接受。”

MUSC的研究人员计划继续使用MathWorks工具开发基因组、转录组和蛋白质组分析的应用程序。