計算生物學是指使用數據分析、數學建模和計算模擬來理解生物系統和關系。 作為計算機科學、生物學和大數據的交叉學科，該領域還具有應用數學、化學和遺傳學的基礎。 它不同于生物計算，生物計算是計算機工程的一個子領域，它使用生物工程來構建計算機。

生物信息學是對生物系統中信息學過程的分析，始于 20 世紀 70 年代初。 當時，人工智能的研究正在使用人腦的網絡模型來生成新的算法。 這種對生物數據的使用促使生物研究人員使用計算機來評估和比較他們所在領域的大型數據集。

到 1982 年，研究人員通過穿孔卡共享信息。 到 80 年代末，數據量呈指數增長，需要新的計算方法來快速解釋相關信息。

人類基因組計劃也許是計算生物學最著名的例子，它于 1990 年正式啟動。到 2003 年，該項目繪制了大約 85% 的人類基因組圖，實現了最初的目標。 然而，工作仍在繼續，到 2021 年達到了完整基因組的水平，只有 0.3% 的剩余堿基被潛在問題覆蓋。 缺失的 Y 染色體于 2022 年 1 月被添加。

自 20 世紀 90 年代后期以來，計算生物學已成為生物學的重要組成部分，并衍生出眾多子領域。 今天，國際計算生物學學會認可 21 個不同的“特殊興趣社區”，每個社區代表更大領域的一部分。 除了幫助對人類基因組進行排序外，計算生物學還幫助創建了準確的人腦模型、繪制基因組的 3D 結構圖以及模擬生物系統。

計算解剖學是在可見或大體解剖學 50 ? 100 μ {\displaystyle 50-100\mu } 形態學尺度上對解剖學形狀和形式的研究。 它涉及用于建模和模擬生物結構的計算數學和數據分析方法的開發。 它側重于正在成像的解剖結構，而不是醫學成像設備。 由于可通過磁共振成像等技術進行密集 3D 測量，計算解剖學已成為醫學成像和生物工程的一個子領域，用于在 3D 語素尺度上提取解剖坐標系。

計算解剖學的原始公式是作為通過變換作用于樣本的形狀和形式的生成模型。 微分同胚群用于通過拉格朗日和歐拉流速從 R 3 {\displaystyle {\mathbb {R} }{3}} 中的一種解剖結構到另一種解剖結構產生的坐標變換來研究不同的坐標系。 它與形狀統計和形態計量學有關，區別在于微分同胚用于映射坐標系，其研究被稱為微分形態學。

數學生物學是使用生物體的數學模型來檢查控制生物系統結構、發育和行為的系統。 這需要對問題采取更理論化的方法，而不是實驗生物學中更注重經驗的方法。 數學生物學利用離散數學、拓撲學（也可用于計算建模）、貝葉斯統計、線性代數和布爾代數。

這些數學方法使數據庫的創建和其他存儲、檢索和分析生物數據的方法成為可能，這一領域被稱為生物信息學。 通常，這個過程涉及遺傳學和分析基因。

收集和分析大型數據集已經為數據挖掘和計算生物建模等不斷發展的研究領域讓路，后者指的是構建計算機模型和生物系統的視覺模擬。 這使研究人員能夠預測此類系統將如何對不同的環境做出反應，這有助于確定系統是否能夠保持其狀態和功能免受外部和內部擾動。

雖然當前的技術側重于小型生物系統，但研究人員正在研究允許對更大的網絡進行分析和建模的方法。 大多數研究人員認為，這對于開發現代醫學方法來創造新藥和基因療法至關重要。 一種有用的建模方法是通過 esyN 等工具使用 Petri 網。

沿著類似的路線，直到最近幾十年，理論生態學主要處理與經驗生態學家使用的統計模型分離的分析模型。 然而，計算方法除了增加方法的應用外，還通過生態系統模擬幫助發展生態理論。