爸爸去哪儿了，BLAST是不是垃圾算法，MEGA是不是灌水，以及迈克尔·莱维特 (Michael Levitt)是不是生物信息学家，是生物信息史上的四大“罗生门”式的疑案。BLAST是不是垃圾算法，这个争议很久，但因为这个问题本身比较专业，并且也不是本篇讨论的重点，这里先忽略掉，以后有机会再讲。第三桩公案，我在之前详细的说明MEGA就是在灌水，灌的是纯水，并且灌成了经典。
当然反对意见也不是没有，比如，既然成经典了，怎么还能叫纯水呢？这个可以讨论，例如依云是不是纯水？能不能算经典？至于迈克尔·莱维特是不是生物信息学家，这个我在《震撼了！生物信息学终于也发奖了！》、《Michael Levitt拿奖的Twitter反应》等几篇博文里也做了解释。当然反对意见也很多，例如既然发的是化学奖，那拿的人自然是化学家。
关于这个问题迈克尔自己跳出来辟谣，说他是个物理学家，从来没学过化学，因此迈克尔肯定不是化学家。也有人说迈克尔是计算生物学家 (Computational Biologist) 而不是生物信息学家 (Bioinformatist/Bioinformatician)，这个疑问提的相当相当有水平。
那么计算生物学家究竟是不是就等于生物信息学家呢？
我认为外行的观点应该是：不知道，应该是吧，可能是吧，大概是，可能是，或许是，好像是，等等。为啥我这么认为呢？因为内行的观点，与外行们是一样的。奇葩了吧？外行搞不清楚这可以理解，问题是内行们都搞不清楚自己究竟是干啥的，这个问题就严重了。这就牵涉到生物信息学家身份的“同一性”(identity)，或者说，凭什么我们能判断某位学者从事的是生信，而不是其他领域的研究？
这个问题看上去似乎很简单：谁最先提出“生物信息学”(Bioinformatics) 这个名词，并且给出生信的定义，谁就是生信的爸爸，并且这个定义大家都必须得承认，并且可以作为生物信息学家身份的标示符。所以，找到第一篇有生物信息学这个单词，并且给出定义的文献不就得了？问题是，这个问题不简单。
因为第一，生物学的文献一般大家都检索PubMed数据库，如果用”Bioinformatics”这个单词去查找生物信息学早期的文献，你会发现最早的文献里，根本就没有”Bioinformatics”这个词。这是怎么回事？这是因为PubMed有意识的将”Bioinformatics”与”Computational Biology”混淆成同义词，所以搜到的生物信息早期的文献，其实是讲计算生物学的。
为什么PubMed要混淆这俩单词？因为他们在和稀泥，并且这个稀泥，是必须要和的，原因过会儿讲。第二，在Web of Science里检索”Bioinformatics”单词，只能搜到97年以后的论文，并且，最早期的论文之一提到，1995年7月欧洲生物信息学研究所 (European Bioinformatics Institute, EBI) 成立 [1]。
这也就说明，Bioinformatics这个单词，必须要出现在EBI建立之前。
最早讨论生物信息学早期发展史的，是美国马里兰大学的戴维·芒特教授。芒特教授于2001年3月出版了一本极具有深远影响的生物信息学教材《生物信息学：序列和基因组分析》 (Bioinformatics: Sequence and Genome Analysis，第一版)，之后在2004年和2013年分别出刊了第二版和第三版。
当年读研究生的时候，生物信息的教材不多，芒特教授的第一版英文的原版还是老板想办法从国外带回来，我复印了之后看了很多遍。后来第二版出来之后，同济大学的曹志伟教授等人做了编译，所以买了一本慢悠悠的看。芒特教授写这本书的目标很明确，那就是希望作为全球的生物信息学教材。您琢磨着这位够狂的吧？
那还真不是盖的，无论谁再写书、编教材，没有人能够不受芒特教授的影响，就算是我本人讲生信，也是一边看芒特教授的课本，一边参考MIT公开课程的PPT，再结合自己的研究经验来授课。这本书的特点是：覆盖面广，内容详尽，并且几乎是生信领域最早的一本教科书，因此已成为生信的经典教材。好，这回问题就来了：既然芒特教授写了生信领域最经典的教科书，那他本人应该也是生信领域的知名学者喽？
例如，物理学家写物理课本，化学家写化学课本，对吧？我一个搞生信的要是跑去写本大学物理，你不觉得这是个笑话？所以一切皆有可能，因为芒特教授的的确确不是生物信息学家，其中维基百科里对他研究方向的介绍是计算几何学 (Computational Geometry)！另一个证据是他的个人主页，他的主要感兴趣的问题主要是几何学方面的数据结构和算法，并且从他的论文列表里，几乎没有一篇与生信相关。
讲到这，您是不是已经拍案惊奇了？
所以，事实是：一位长期从事计算几何学研究的资深学者，因为个人兴趣所在，随随便便写了本生物信息的教材，结果成了生信教材中难以超越的奇迹。讲到这儿，估计搞数学的学者们要乐了：当年一个名不见经传的业余数学家费马瞎白乎了个“大定理”，忽悠就忽悠吧，还非要在书上写因为空间有限写不下，哥们儿我就不证明了，害得一帮职业数学家被这玩意儿硬是蹂躏了几百年。
可问题是业余数学家，那也是数学家啊。物理学家们估计也不淡定了：专利局小职员、民科老爱能提出相对论，可怎么说也是物理背景的是不？当然我认为化学家们肯定是不觉得稀奇：你看人家维克多·格林尼亚，专职的花花公子，当然是以吃喝玩乐为主，不也照样拿了炸药奖？因此，第一，外行写经典的生物信息学教材，这也可以理解哈，大家就别再拿这个来调戏生物信息学家了；第二，高手在民间啊！
芒特教授的这本教材写的非常好，因为他本人是算法的背景，所以对各类生信算法的理解相当的深刻。最大的问题，就是第一章，介绍生信的发展史部分。首先，芒特教授对计算生物学和生物信息学做了模糊化的处理，也就是说，计算生物学就是生物信息学，反之亦然 (看见没，这就是和稀泥的)。那么谁是计算生物学的第一人呢？芒特教授给出一个名字：弗雷德里克·桑格。哪个桑格？
就是1958年及1980年分别因为胰岛素和DNA测序两度获得诺贝尔化学奖的桑格。证据？有。芒特教授的解释是，桑格等人1955年解析了猪和羊胰岛素的蛋白质序列组成，并且与牛胰岛素的序列比较了异同 (下图)，因此，这是最早的序列分析工作 [2]。讲到这儿，我估计化学家和主流的生物学家都要跳起来了：这完全是忽悠！谣言！
表激动表激动，芒特教授早就猜到肯定有人要反对，所以很委婉的又提名了一个生物信息学的史上第一人：莱纳斯·卡尔·鲍林。对，你木有看错，就是那位拿了化学、和平炸药奖之后觉得不过瘾，想凭DNA双螺旋解析的工作继续拿生理奖，结果被俩毛头小子抢跑了的超级强人，鲍林。
理由是鲍林在1964年写过一篇论文，题目是分子疾病与进化，其中主要的观点是，第一，人类可能有5万~10万个蛋白质分子 (I believe that it is likely that a human being manufactures 50,000 or I00,000 different kinds of protein molecules)，这个观点曾被学者广泛认可和接受，直到人类基因组测序结束之后，大家才发现人类仅有2万多个编码蛋白质的基因；第二，分子疾病是进化中产生的 [3]。
说鲍林是生物信息学家，估计物理学家和化学家们肺都气炸了：别忽悠了，你这么忽悠你自己敢相信吗？另外，搞分子进化的学者们也不爽了，鲍林就算是第一人，那也是开创分子进化的第一人，关你生信啥事啊？芒特教授一口咬定：你看，我这书里有一章讲的就是分子进化，所以分子进化的计算研究，就是生信的一部分。
这个，说实话哈，如果是桑格或鲍林是生物信息学的爸爸这个问题，大家要是都不反对的话，那我们生信领域的人应该是挺愿意接受的。问题是，物理学、化学、主流生物学领域的学者们，估计是不能同意。（未完待续）