生物谷按：未来的生物学将会怎样？作者分析了化约论和合成论的应用范围和手段，指出：未来的生物学很可能透过灵活地、交错地运用化约与合成两种观点，建立起生物学的理论架构，使传统生物学由描述性的科学，转型变成一种分析性的生物学。
未来的生物学可能在描述现象外，加上预测的能力
未来的生物学究竟是什么？要回答这问题，一方面需要回顾历史这面明镜，在另一方面要有科幻小说家的想象力。生物学一直被科学家们认为是描述性的科学，可是若回想化学发展的过程，就会理解化学在发现周期表之前，也是描述性的科学。可是在经过多年的努力后，已有许多原理形成，让我们可以预测反应的行为。生物学在过去是局部性地研究少数的基因，因此鲜有机会找出有用的规则作为预测之用。可是基因体分析计划所发展出的巨量分析技术，却让我们有机会可以作广域性(global)的分析，因此在未来或许可以像化学那样做预测，而不是只有对现象的描述。
传统生物学与化约论 (reductionism) 的观点
分子生物学采用化约论的观点，让我们有机会观察到许多前所未见的细节，让我们有机会提出反应机制来解释现象。化约论假设一个复杂的系统可以分割为许多不会互相干扰的子系统，因此只要将子系统研究清楚，就能了解复杂系统的行为。如果子系统仍然很复杂，就用同样的策略在子系统中再继续分割，再一一击破。这一套方法学固然使我们很成功地由分子层次解释反应运作的原理，而造成生物学上的突破。可是无限的化约真能解释生命现象吗？
在使用化约论观点的研究过程中，我们也发现子系统可能并非完全独立，因此不具加成性。生物体善用组合的策略，因此在执行纪录在DNA中的指令时，也有许多随机的组合。此外，有时更有环境因素的影响。这就是为什么每个人的指纹都不同；这也是为什么少数抗体基因，却能产生上百万种的抗体来抵御各种入侵的异物。当随机的因子出现时，化约论不再能预测产生结果的机制，只能观察最终的结果。化约论的死忠拥护者会辩解说这是因为没有找到所有的子系统，可是这种ad hoc的讲法不过是提出一个无法测试的假说。我们是不是应该承认任何一种方法学均非完美，而试由另一种观点来看问题呢？
系统生物学与合成(synthesis)的观点
系统生物学试图由合成的角度看生物学，合成的观点选择面对子系统不独立的可能性，而希望寻找新的方法来解决子系统间交互作用的问题。就像是研究任何一个科学问题一样，解决这问题的第一个步骤是有系统地收集这些交互作用的信息。在过去采用化约论的观点看问题时，在用一个新的观点诠释问题时，才会注意到过去那些被忽视的信息。佛来明发现抗生素时，并不是因为只有他观察到这现象，而是因为只有他重视这现象。因此能够灵活地由不同的尺度，不同的观点看问题时，才容易有新的发现。
传统生物学假设细胞是一个黑盒子，我们可以加入物质(例如养份或抑制剂)，或制作突变株来扰动这未知的系统，再做实验上的观察。系统生物学在设计实验时，所测量的数值或许与过去所差不多，可是使用巨量分析的技术收集大量数据，而解释数据的观点也不相同，甚至会引入许多生物学者不熟悉的分析方式。这种先收集大量数据，再做理论分析的研究方法是比较有效率的方式，可在同样的时间内由不同的专家“平行”地研究不同的路径。更重要的是这种研究方式，让我们有机会观察到许多路径间的交互作用，这是在针对单一路径做研究时不容易看见的信息，因此才有机会由合成的角度分析生物学。在发展遗传工程学时，曾经淘汰了一批不习惯用这样方式思考的人，也让学习这种思考方式的人有了飞快的进展。系统生物学的观点是否相当于过去遗传工程学对生物学的冲击，不同的人或许有不同的见解，可是可以确认的是它会发现一些过去忽视的现象，而且能与化约的观点互补。或许现在发展系统生物学的时机尚未成熟，可是我们是要创造时势，或是在未来追随时代的潮流，是我们应该思考的问题。
生物信息学是过渡到未来生物学的重要工具
未来的生物学究竟是否会综合化约与合成的观点来建立生物学的理论架构虽然尚不明朗，可以确认的是生物信息学的工具将像遗传工程技术那样的深入到每个生物学实验室。这种新的工具是这两种观点都需要的工具，它不但能被动地节省做分析的人力，也能主动地引入“由信息驱动的生物医学研究”。这种新的研究方式强调由数据中做观察，比较，进而提出假设，再以实验方法做验证。这种利用“信息探采(data mining)”的研究模式，与传统实验生物学的搭配，将使我们能更有效率地发现新的现象，因此生物信息学将使我们能更早地进展到有理论架构的未来生物学。
综合而言，基因体分析等研究为我们累积了巨量的数据，而生物信息学可协助我们利用这些数据加速做新的观察之速率，因此有机会由整体的、合成的角度检视生物学，而建立所谓的系统生物学。未来的生物学很可能透过灵活地、交错地运用化约与合成两种观点，建立起生物学的理论架构，使传统生物学由描述性的科学，转型变成一种分析性的未来生物学。
