不能过于夸大生物信息的作用，也不能否认生物信息学方法和实验相结合做出的巨大贡献。生信分析和实验分析的本质是一样的，就是对实验产生的数据进行定性定量的分析，再进一步的验证，得到相对更有力的结论。单独把生物信息拿出来，刨除实验说生物信息的巨大发现是不行的。举一个简单的例子，2009年后火了很大一阵的TALEN基因组编辑技术是两篇背靠背的文章，一个用的实验的方法，一个用的生物信息学的方法，发现TAL蛋白能够特异性的结合DNA序列。后面的各种基因编辑文章，以及蛋白结构解析。后面Crisper技术的发现，取代了TALEN，这是后话。人类基因组计划，蛋白组计划，癌症基因组计划，等等各种高通量的计划，这些都不能说绝对是生物信息学的发现，但可以说生物信息学起到了不可替代的作用。生物信息学已经渗透到多数生物医学的研究中，从遗传，表观遗传，分子生物学，进化生物学，结构生物学等等基础领域。也迅速的应用于动植物育种，疾病诊断，药物的研发中。换句话来说，一切需要高通量的来解决生物学问题的时候，生物信息学就要出来大显身手了。生物+互联网怎么玩,靠生物信息学！作为一个生物领域最灵活，最多态，最能包容，动态变化的方向(参加生信方面的会议最大的感受就是做生物信息的人背景迥异，学物理的，学计算机的，做实验的，学进化的都在做自己的生物信息学)，相信会有一天，基本的生物信息学技能包括编程，以及常规的测序数据分析会是每个生物学研究人员的必备技能。
上世纪60年代以前，大家对进化论的认识是，基因突变要么是好的,要么是坏的,随着基因序列数据的慢慢积累,开始有人用序列比对来分析不同物种间的同一个基因（ortholog）的序列。Zuckerkandl和Pauling发现，物种间的序列的差异大小总是跟物种分化的时间（由化石证据推算）成正比（即分子钟）。如果突变是否被接受完全是由自然选择决定的，那么我们不应该看到这个现象，而应该看到序列的差异大小与生存环境的差异大小以及自然选择（种群大的自然选择强）的强弱成正比。这个发现后来为中性学说的提出(Kimura)作了很好的铺垫。中性学说指出，基因突变只有少数是好/坏的，大多数是中性的，能否被接受完全是随机的，因此进化时间越长，随机积累的差异就越多，所以会有分子钟的现象。现在在基因型的水平上,大家都已经接受了中性学说。另外，当年测序和做序列比对可不像今天那么容易。序列比对的算法在生物信息学里面也算是很重要的一块了，可以说的很多，就不展开了。
我们应该考虑广义的生物信息。任何实验数据都是我们收集到的信息，而从实验结果到生物学结论往往需要利用统计学的知识对数据进行有效的理解。孟德尓发现3比1的分离比，摩尔根发现第三定律都离不开对数据的解读。长、短非编码RNA的发现也离不开对数据的分析。如果把生物信息学理解成研究genetics、genomics和complex disease的工具学科而不是一门专门的科学，就很容易意识到很多重大的生物学知识的发现离不来生物信息学。lncRNA。通过基因组测序，发现翻译蛋白质的mRNA的数量远少于被转录的mRNA，曾经被当为转录的副产物，而今却发现有及其复杂多样的调控模式与能力。目前逐渐变为基因组学的研究热点。
