Анализ биологических данных является важнейшим вопросом в биоинформатике, вычислительной геномике, молекулярном моделировании и системной биологии. Рассматриваемые в статье подходы позволяют сократить затраты на проведение экспериментов по получению биологических данных. В статье рассмотрен вопрос идентифицируемости математических моделей физиологии, фармакокинетики и эпидемиологии. Рассматриваемые процессы моделируются с помощью нелинейных систем обыкновенных дифференциальных уравнений. Математическое моделирование динамических процессов основано на использовании закона сохранения масс. В процессе решения задачи по оценке параметров, характеризующих исследуемый процесс, нередко возникает вопрос неединственности решения. В случае, когда известны результаты эксперимента (данные на выходе) и данные на входе, целесообразно проводить априорный анализ информативности этих данных. В статье рассмотрено понятие идентифицируемости математических моделей. Представлен обзор методов анализа идентифицируемости динамических систем. В работе приведен обзор следующих подходов: метод передаточной функции, применяемый для линейных моделей (удобен для анализа фармакокинетических данных, так как большой класс препаратов характеризуется линейной кинетикой); метод разложения в ряды Тейлора, применяемый для нелинейных моделей; метод, основанный на теории дифференциальной алгебры (структура данного алгоритма допускает его реализацию на ЭВМ); метод, основанный на теории графов (данный метод не только определяет идентифицируемость модели, но и позволяет найти замену переменных специального вида, приводящую исходную модель к идентифицируемой). На конкретных примерах продемонстрирована необходимость проводить априорный анализ идентифицируемости модели перед проведением численных расчетов по определению параметров, характеризующих тот или иной процесс. Рассмотрены примеры анализа идентифицируемости математических моделей медицинской биологии.