“受自然启发的计算”指的是主要用于开发新模型的计算方法，用于研究自然现象如何表现，以解决复杂问题。这个创新的研究领域包括几个研究分支，如进化计算、神经网络、人工免疫系统和群体智能。

人们对应用受自然启发的方法来分析生物数据越来越感兴趣。因此，研究人员需要通过分析大量的异质复杂生物和生物医学数据并探索新的应用，来解决与生物信息学和神经科学相关的众多挑战。

这特别的问题是专门展示原始研究和评论文章的自然启发方法应用到神经科学，包括生物信息学。本期特刊的目的是在理论研究者和实践者之间架起一座桥梁，使受自然启发的方法得以发展，以满足各种生物医学和神经科学领域的实际应用需求。

可能的主题包括但不限于以下内容:

• 进化神经科学中的自然启发计算
• 基因表达数据和微阵列的自然计算(包括聚类和双聚类)
• 功能磁共振成像(fMRI)数据中的自然启发计算
• 基于自然的单核苷酸多态性计算
• 比较和对齐中的自然启发计算
• 序列分析中的自然启发计算
• 基因选择中的自然计算
• 密码子对上下文中的自然启发计算