主题：【原创】搭积木 -- 喜欢喝冰茶

比如zinc finger，肯定是先有物理化学性质，再推断类似结构成为一个模式的。

我听到的一个说法是，用一些酶处理后，发现某些片段比较稳定，于是产生了DOMAIN这个概念

一直希望有达人告诉我结果，所以一直懒的去查

恭喜老兄当新爸爸

可以wiki一下嘛，有问的功夫，大概wiki也看完了。

那些比较稳定的相似结构就称作domian。所以早期的domain是从crystal structure上发现的。后来又发现一些domain在不同的protein里具有相似的功能， 比如DNA-binding， 于是就有了functional domain的概念。然后又发现那些具有相似功能的domain在AA序列上有一定的规律，这才有搞计算机的人们在上面做文章。

ML主要是两方面：feature selection和classification。 我的观点是，与其花很多精力在classification上，不如花精力在feature selection上。从生化知识入手强化feature，这是王道。当然在写文章时可以用些跟别人不同的classification来增加novelty，但大家都心知肚明卖点其实在feature上。

所以，以前我跟别人说我是做bioinformatics的，现在我说是做computational biology的。就知识结构而言，我算是biologist了。说实话现在做machine learning在理论上很难突破了，如果没有点interdecipline的东西，这碗饭不容易吃。

只有数学或物理背景的哥们儿喜欢用一组方程概括生物现象，好像生物里能用数学非常精确描述的不多，俺就知道酶动力学和计算神经。

呵呵，ML算是Bioinfo的一个主要方向，以俺这二把刀觉得吧，你老兄是说在点子上了，靠简单的发展算法，诸如如何改进那些tree了，boosting了，或者SVM了，甚至于BN或者NN了，俺也觉得太难了。既然是Biosomething，怎能舍本求末涅？

老兄找找基于机构的feature，有些也在做这方面的Binding prediction，兴许有感兴趣的东西。