هزاران سال پیش، مصریان باستان اولین قومی بودند که تصمیم گرفته در خلقت خداوند دست برده و خود را با ملاکهای زیبایی آن دوران تطبیق دهند. اما مهمترین نکته این است که این اتفاق کاملاً تصادفی بود. احتمالاً شنیده اید که حکومتهای باستانی نمادها و علائمی داشته اند که این علائم و نمادها گاه نشان خدایان و گاه طلسم های جادویی و بیشتر شامل نماد محافظت، قدرت و سلامتی بودهاند. حالا تصور کنید که آنها به جای حک شدن بر روی تالارها و سرسرای سلطنتی، بر روی صورت و بدن حک شوند! بله، آن مردمان خرافه پرست، پوست خود را زرهی در برابر شر شیاطین و چشم بد در نظر میگرفتند و همین عمل احتیاط آمیز بود که خلاقیتشان را بار دیگر شکوفا کرد.
برخلاف مقالات پیش، تاریخچۀ عظیم و قابل توجهی برای این رشته وجود ندارد. در واقع بیوانفورماتیک یک رشتۀ میان رشته ای و در حال تکامل است. اما این حال بد نیست که کمی از گذشتۀ این رشتۀ نوظهور سخن بگوییم. بیش از 50 سال پیش، زمانی که لپ تاپ ها و کامپیوترهای رومیزی ایدهای دور بیش نبودند؛ فرضیۀ بیوانفورماتیک مطرح شد. پایه های این رشته که هم اکنون به طور کامل در برنامۀ درسی دانشجویان زیست شناسی وجود دارد، در اوایل دهۀ 1960 با استفاده از تجزیه و تحلیل توالی پروتئینها بنا شد.
فرآیند اکتشاف و طراحی دارو، فرآیندی زمان بر و پیچیده است که علی رغم هزینه های سنگین، به دلایل گوناگونی همچون عدم اثربخشی، عوارض جانبی و ضعف فارماکوکیتیکی می تواند به شکست بیانجامد.
پیش از پرسش به این سوال نیم نگاهی به قرن گذشته میاندازیم؛ قرنی که در نیمه های آن داستانهای تخیلی، مردم را با واژه ای به اسم ربات هوشمند آشنا کرد. از جادوگر شهر اوز گرفته تا مترو پلیس توماس الساسر همگی انسان را به قعر دنیای جدیدی میبردند که ممکن بود حتی فراتر از رویاهایش باشند. تئوری هوش مصنوعی در سال 1950 و بعدتر از آن با این سال مهم مطرح شد. اگر انسانها از دادههای موجود و نعمت عقل و خرد خود در تصمیمگیریها و حل مشکلات استفاده میکنند؛ چرا رباتها نتوانند؟ این پرسش بنیاد اصلی مقالۀ آلن تورینگ بریتانیایی بود. او امکان و صحت ریاضیِ هوش مصنوعی را بررسی کرد و در همان سال در مقالۀ خود به نام «ماشینهای محاسباتی و هوش» دربارۀ نحوۀ ساخت و آزمایشات بحث کرد.
در زمینه مدل سازی مولکولی ، داکینگ روشی است که جهت گیری ترجیحی یک مولکول را به مولکول دوم در هنگام اتصال به یکدیگر پیش بینی می کند تا یک مجموعه پایدار تشکیل شود. این دانش جهت گیری ترجیحی به نوبه خود می تواند برای پیش بینی قدرت ارتباط یا میل اتصال بین دو مولکول استفاده شود و این کار را به کمک توابع امتیاز دهی انجام می دهد.