生物信息学研究方法精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的生物信息学研究方法主题范文，仅供参考，欢迎阅读并收藏。

第1篇：生物信息学研究方法范文

生物信息学 生物科学 实践教学

生物信息学作为一门新兴的交叉性学科，综合生物学、计算机科学和信息技术试图，从大量数据中寻找具有指导和开创性价值的依据，为生命科学研究提供必要的、有效的系统模拟和信息预测结果。目前，生物信息学在生物医学、生物工程、植物学、动物学、生态学、遗传学、制药和高科技产业领域中的应用越来越广泛，产生巨大的影响力和推动力。

一、生物信息学在生物科学领域的作用

生物科学是研究生物结构、功能、发生和发展规律，及其与周围环境关系的科学。在分子生物学技术突飞猛进的发展过程中，生物科学从传统的个体及群体表征研究逐步演变为内在分子机制的研究，随着基因测序技术的发展，生物科学领域的研究不仅聚焦于生物个体的内在分子机制，同时还从大量的生物个体的基因数据中获取和解析生命的本质和规律，并以此尝试对生命过程进行干涉和改造。而在获取、解析、干涉和改造的过程中扮演重要角色的就是生物信息学。

生物信息学是在生物科学领域各个学科发展的过程中逐步产生的一门综合性学科，该学科在生物科学领域的应用极为广泛。目前，植物基因组研究取得了重大进展，水稻、大豆、小麦等农作物的遗传图谱、基因序列、基因组注释已公布于美国国立生物技术信息中心（NCBI）的生物信息数据库中。利用生物信息学的相关方法和技术能够对这些数据进行查询、统计和分析，从而更好地理解和认识植物基因组的功能，指导后续的科学研究和生产应用。传统的生物学分类方法已经鉴定及分类了成千上万的物种，但是随着生物科学的发展和认知，越来越多的物种在遗传进化上的分类依据较为模糊，而利用生物信息学结合传统的分类学可以更好的研究生物类群间（植物、动物、微生物等）的异同性、亲缘关系、遗传进化过程和发展规律，这在当今的生物分类学中应用日趋广泛。生物信息学还可以综合利用数学、统计学和计算机等学科对生态系统进行模拟和计算分析，探索物种间基因流动的本质，揭示生态系统的物质和能量循环规律，从而为找到决定生态系统平衡和稳定的根本因素提供重要的依据，帮助生态系统平衡的恢复。此外，通过生物信息学技术构建遗传工程菌，降解目标污染物的分子遗传物质，从而达到催化目标污染物的降解，维护生态环境的空气、水源、土地等质量，也是当今生态环境保护的新兴研究方向。

二、生物信息学的学科内容和课程要求

生物信息学主要由基因组学、蛋白质组学、系统生物学、比较基因组学、计算生物学等学科构成，主要涉及的内容有生物数据的收集、存档、显示和分析，体外预测、模拟基因及蛋白质的结构和功能，对生物的遗传基因图谱进行分析处理，对大量的核苷酸和氨基酸序列进行比对分析，确定进化地位等。从生物信息学的概念及其涉及的内容中可以明确生物信息学不是一门独立的学科，所以要求教师在教学过程中掌握多领域的知识和技能，才能较好地把握该课程。

1.高等数学和统计学基础

生物信息学将数学和统计学作为主要的计算理论基础，主要包括数学建模、统计方法、动态规划方法、数据挖掘等方面。此外还包括隐马尔科夫链模型（HMM）在序列识别上的应用，蛋白质空间结构预测的最优理论，DNA超螺旋结构的拓扑学，遗传密码和DNA序列的对称性方面的群论等。因此，在生物信息学教学过程中要求教师具备数学及统计学的计算方法的基础知识，能够利用牛顿迭代法、线性方程回归分析、矩阵求拟、最小二乘法等进行数学建模和计算，从而对基因和蛋白质序列进行比对、进化分析和绘制遗传图谱等。

2.生物科学基础

生物信息学包含的生物类学科有，生物化学、分子生物学、遗传学等基础学科，基因工程、蛋白工程、生物技术等应用学科。根据其课程特点，学生在学习生物信息学课程前需要学习生物化学、分子生物学、遗传学、基因组学、蛋白质组学等基本生物学课程，对于基因序列、蛋白质序列、启动子、非编码区等概念有深刻的理解，同时需要对一些重要的生物学数据库有一定的了解，如美国基因数据库（GeneBank）、欧洲分子生物学实验室数据库（Embl）和日本核酸数据库（DDBJ）等。此外，要求学生能够利用生物学数据库查找基因序列、蛋白质序列、基因及蛋白质结构模型，能够读懂数据库中基因和蛋白质的信息注释，能够计算蛋白质序列的分子量和等电点，能够为扩增特定的基因片段设计引物，能够对特定物种进行系统发育分析等。

3.计算机科学基础

计算机是生物信息学的主要辅助工具，利用生物信息学研究生物系统的过程需要能够熟练使用计算机对大量的生物信息数据进行处理和分析，这主要包括对数据信息进行搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。所以，学生在学习生物信息学的过程中需要了解和掌握一些常用的生物信息学软件，如BLAST和FASTA序列比对分析软件，Oligo和Primer引物设计软件，VectorNTI、DNASTAR、DNASIS等综合分析软件。此外，学生还需要学习和掌握一些常用的计算机语言，如正则表达式、Unix shell脚本语言和Perl语言。

利用生物信息学在处理和分析海量生物数据的过程中，计算机软硬件资源需要配合处理分析软件的运行，因此要求计算机操作系统使用Unix和Linux操作系统，这些操作系统需要大量的操作命令进行输入执行过程，对于经常使用Windows操作系统的学生来说是一个较难跨越的障碍。

三、生物信息学课程教学中存在的问题

目前国内大多数高校的生物信息学教学采用传统的教学模式，即以课堂式的理论教学为主，缺乏必要的实践教学。理论教学模式固定、教学方法单一、教学内容狭窄，通常是介绍性、科普性的课程，甚至作为公选课程。少数高校开展生物信息学的实践课程教学，但多以验证性实验为主，缺乏和专业相适应的综合性、设计性实验，而开放性实验更无从谈起。

1.教学模式固定单一

生物信息学在内容层面涵盖诸多学科领域，注重应用性和实践性。然而，目前大部分高校把生物信息学作为一门孤立的课程，这导致教师需要将大多数课程内容压缩到一门课程进行教学，在有限的教学时数下灌输大量内容，增加了学生学习的难度，降低了教学质量。再者，大多数高校仅开展生物信息学的理论教学，忽视实践教学过程，造成生物信息学理论与实践内容的脱节，使学生在学习完理论知识后难以深入理解和吸收，无法将所学的知识应用到后续的工作和学习中，最终未能体现出该门课程的价值。

2.教师专业背景薄弱

作为一门交叉学科，生物信息学的教学要求教师具有较强的数学、生物学和计算机科学背景。然而，目前从事生物信息学教学的教师即便具备深厚的生物学背景，但是多数教师在数学和计算机方面较为薄弱，并不具备完整的生物信息学知识体系，对生物信息学发展趋势也了解不多。在师资缺乏的情况下，院系开设生物信息学课程，教师为了完成教学任务，仅仅在教学中进行介绍性的讲解，在课程考查方式上通过小论文、综述和课外活动等方式完成该课程的学习。因此，无论是理论教学还是实践教学均无法实现该课程大纲的要求，从而影响学生对生物信息学课程的理解和掌握，生物信息学的实践操作能力更无从谈起。

3.实践教学薄弱，专业教材缺乏

生物信息学实践课需要学生在网络环境下用计算机学习NCBI数据库的检索与使用、序列比对分析软件的应用、蛋白质空间结构图视软件的应用、序列拼接软件的应用等。但是目前，大多数高校开设的生物信息学课程多以理论教学为主，实践教学课时非常少或者为零，学生对于生物信息学课程的学习仅仅通过教材上抽象的文字描述进行理解和掌握，这导致学生在理论课中学到的知识无法在实践课中进行验证或操作，严重影响了生物信息学的教学质量，也偏离了教学大纲中强调的重在培养学生实践操作能力的培养目标。

另外，目前还没有适用于生物科学专业的生物信息学教材。国内各大高校使用的教材多为国外教材的影印版或者中文翻译版本，这些教材偏重介绍生物信息学的理论和方法，涉及的实践内容较少，学生需要具有较高的相关知识才能接受和使用这些教材。因此，部分高校在生物信息学教学过程中往往使用自家编写的简化教材，从而造成生物信息学教学内容不统一，教学大纲混乱等情况。

4.实践课程经费不足，实践教学环境落后

当今，许多发达国家都很重视生物信息学的教学和研究，积极开展各种生物信息资源的收集和分析工作，培养大量生物信息学人才，为整个生物学的理论研究及其相关产业创新（主要是医药和农业）提供指导和支撑。国内对生物信息学的关注和认识起步较晚，其发展落后于国际发达国家。国家和高校对生物信息学的教学和科研资金投入力度不大，缺乏必要的仪器设备，生物信息学的实践教学条件得不到保障，比如大多数高校的生物科学专业没有相应的计算机实训室，配套软件也相对匮乏，落后于国际发展水平。

四、生物信息学教学模式改革的探索

1.修改理论和实践教学大纲，编写适用的实践教材

根据当今生物信息学的发展方向，制定和修改理论教学大纲，除了引物设计、基因和蛋白质序列比对、基因和蛋白质结构功能预测等基本内容外，还需添加系统进化树分析、聚类分析、蛋白质互作网络谱图等较为综合的内容。另外，增加实践教学课程比例，充实实践教学内容，结合理论教学内容增加综合性、设计性实验，适当提供科研环境，鼓励开展开放性实验。

目前国内并没有系统的、专业的生物信息学实践教材，因此针对高校生物科学专业方向的特点，联合多学科领域（数学、生物科学、计算机科学）编写相应的生物信息学实践教材，在制定、修改实践教学大纲和编写教材的过程中结合学生的接受能力，由浅入深，多设实例和相关练习，使学生循序渐进的理解和掌握生物信息学的原理和方法，掌握更多的生物信息学工具。

2.紧密联系科研、基于实践问题开展教学

通过实践教学把生物信息学教学与科研有机结合起来，能够促进教学与科研的共同发展。在紧密联系科研的过程中，采用基于问题的教学（PBL）方法，通过实践教学环节，培养和训练学生把所学的生物信息学的知识和方法应用于各种生物科学领域的科研活动中，通过解决实际问题训练学生的实践技能，从而促进教学与科研的双重发展。例如，在生物信息学实践教学中多加入生产和科研中遇到的经典实例，鼓励学生利用相关的生物信息学软件及相关的理论和方法解决问题。学生也可以选择自己感兴趣的课题，利用自己熟悉的、合适的生物信息学软件和相关知识开展课题研究。此外，专业教师在指导学生课题研究的过程中还可以发现理论和实践教学的不足，不断的完善生物信息学理论和实践课程大纲和内容，提高教学质量。

3.开展多学科实践结合的教学模式

生物信息学属交叉学科，包含了不同领域的专业知识和技能，为使生物信息学教学达到教学的目标，该课程教学需要采用多学科实践结合的教学模式。

多学科实践结合的教学模式是指联合不同领域、不同学科、不同专业的课程在教学的过程中结合生物信息学涉及到的知识和技能进行基础性、铺垫性教学。比如，在高等数学和统计学的教学过程中，针对生物信息学的需求，适当增加数学建模、统计方法、动态规划方法、数据挖掘等方面的基础内容，同时，开设实例实践教学，使学生理解和掌握隐马尔科夫链模型，牛顿迭代法、最小二乘法等方法的应用原理和规则；在生物科学专业课程设置上，尤其是实践课程的教学过程中，结合生物信息学涉及的引物设计、序列比对分析、基因及蛋白质结构功能预测等方面开展相应的设计性、综合性、开放性实验项目，使学生了解和掌握基本的生物信息学原理及软件的应用；在计算机科学的教学过程中，应根据生物信息学的需求，开设正则表达式、Perl语言、R语言等课程学习，以及增加Linux和Unix操作系统课程学习，使学生在学习生物信息学前打好坚实的基础。

值得注意的是，生物信息学课程与其他课程的开设时间和顺序需要有一定的探索和评估，对于开设该课程的时间把握是开展多学科实践结合的教学模式的关键因素。过早开设生物信息学则会导致学生在不具备相应学科基础的条件下跨越式的接触生物信息学，无法理解和掌握相关的知识和技能；过晚开设则会使学生学习了相关学科知识和技能后，由于课程衔接不紧，导致在学习生物信息学时出现理解滞后和无法适应的现象。因此，针对不同专业和学科的特点，根据具体情况进行统筹安排，使生物信息学和其他相关学科课程有很好的衔接和过渡，以确保和提高生物信息学的教学质量。

五、结语

生物信息学是现代基因组学时代的开阔者，也是生物科学研究的重要的工具和载体。针对生物信息学的特点，高校生物科学专业课程设置、教学方法、教学模式和教学软硬件等需进行一定的改革，将多学科实践结合的教学模式运用到生物信息学的教学实践中，在提高教学质量的同时将更好的提升学生科研、应用和创新能力。

参考文献：

[1] 郝柏林，张淑誉.生物信息学手册[M].上海：上海科学技术出版社，2002.1-10.

[2]GUYD， NOELE， MIKEA. Using bioinformatics to analyse germplasm collections [J]. Springer Netherlands，2004.39-54.

[3]王春华，谢小保，曾海燕.深圳市空气微生物污染状况监测分析[J].微生物学杂志，2008，28（4）：93-97.

[4]张菁晶，冯晶，朱英国.全基因组预测目标基因的新方法及其应用.遗传，2006， 28（10）：1299-1305.

[5]周海延.隐马尔科夫过程在生物信息学中的应用.生命科学研究，2002， 6（3）：204-210.

第2篇：生物信息学研究方法范文

一、整合生物信息学的研究领域

尽管目前一般意义上的生物信息学还局限在分子生物学层次，但广义上的生物信息学是可以研究生物学的任何方面的。生命现象是在信息控制下不同层次上的物质、能量与信息的交换，不同层次是指核酸、蛋白质、细胞、器官、个体、群体和生态系统等。这些层次的系统生物学研究将成为后基因组时代的生物信息学研究和应用的对象。随着在完整基因组、功能基因组、生物大分子相互作用及基因调控网络等方面大量数据的积累和基本研究规律的深入，生命科学正处在用统一的理论框架和先进的实验方法来探讨数据间的复杂关系，向定量生命科学发展的重要阶段。采用物理、数学、化学、力学、生物等学科的方法从多层次、多水平、多途径开展交叉综合研究，在分子水平上揭示生物信息及其传递的机理与过程，描述和解释生命活动规律，已成生命科学中的前沿科学问题（摘自：国家“十一五”生命科学发展规划），为整合生物信息学的发展提供了数据资源和技术支撑。

当前，由各种Omics组学技术，如基因组学（DNA测序），转录组学（基因表达系列分析、基因芯片），蛋白质组学（质谱、二维凝胶电泳、蛋白质芯片、X光衍射、核磁共振），代谢组学（核磁共振、X光衍射、毛细管电泳）等技术，积累了大量的实验数据。约有800多个公共数据库系统和许多分析工具可利用通过互联网来解决各种各样的生物任务。生物数据的计算分析基本上依赖于计算机科学的方法和概念，最终由生物学家来系统解决具体的生物问题。我们面临的挑战是如何从这些组学数据中，利用已有的生物信息学的技术手段，在新的系统层次、多水平、多途径来了解生命过程。整合生物信息学便承担了这一任务。

图1简单描述了生物信息学、系统生物学与信息学、生物学以及基因组计划各个研究领域的相关性。可以看出基因组计划将生物学与信息学前所未有地结合到了一起，而生物信息学的兴起是与人类基因组的测序计划分不开的，生物信息学自始至终提供了所需的技术与方法，系统生物学强调了生物信息学的生物反应模型和机理研究，也是多学科高度交叉，促使理论生物学、生物信息学、计算生物学与生物学走得更近，也使我们研究基因型到表型的过程机理更加接近。虚线范围代表整合生物信息学的研究领域，它包括了基因组计划的序列、结构、功能、应用的整合，也涵盖了生物信息学、系统生物学技术与方法的有机整合。

整合生物信息学的最大特点就是整合，不仅整合了生物信息学的研究方法和技术，也是在更大的层次上整合生命科学、计算机科学、数学、物理学、化学、医学，以及工程学等各学科。其生物数据整合从微观到宏观，应用领域整合涉及工、农、林、渔、牧、医、药。本文将就整合生物信息学的生物数据整合、学科技术整合及其他方面进行初步的介绍和探讨。

二、生物数据挖掘与整合

生物系统的不同性质的组分数据，从基因到细胞、到组织、到个体的各个层次。大量组分数据的收集来自实验室（湿数据）和公共数据资源（干数据）。但这些数据存在很多不利于处理分析的因素，如数据的类型差异，数据库中存在大量数据冗余以及数据错误；存储信息的数据结构也存在很大的差异，包括文本文件、关系数据库、面向对象数据库等；缺乏统一的数据描述标准，信息查询方面大相径庭；许多数据信息是描述性的信息，而不是结构化的信息标示。如何快速地在这些大量的包括错误数据的数据量中获取正确数据模式和关系是数据挖掘与整合的主要任务。

数据挖掘是知识发现的一个过程，其他各个环节，如数据库的选择和取样，数据的预处理和去冗余，错误和冲突，数据形式的转换，挖掘数据的评估和评估的可视化等。数据挖掘的过程主要是从数据中提取模式，即模式识别。如DNA序列的特征核苷碱基，蛋白质的功能域及相应蛋白质的三维结构的自动化分类等。从信息处理的角度来说，模式识别可以被看作是根据一分类标准对外来数据进行筛选的数据简化过程。其主要步骤是：特征选择，度量，处理，特征提取，分类和标识。现有的数据挖掘技术常用的有：聚类、概念描述、连接分析、关联分析、偏差检测和预测模型等。生物信息学中用得比较多的数据挖掘的技术方法有：机器学习，文本挖掘，网络挖掘等。

机器学习通常用于数据挖掘中有关模式匹配和模式发现。机器学习包含了一系列用于统计、生物模拟、适应控制理论、心理学和人工智能的方法。应用于生物信息学中的机器学习技术有归纳逻辑程序，遗传算法，神经网络，统计方法，贝叶斯方法，决策树和隐马尔可夫模型等。值得一提的是，大多数数据挖掘产品使用的算法都是在计算机科学或统计数学杂志上发表过的成熟算法，所不同的是算法的实现和对性能的优化。当然也有一些人采用的是自己研发的未公开的算法，效果可能也不错。

大量的生物学数据是以结构化的形式存在于数据库中的，例如基因序列、基因微阵列实验数据和分子三维结构数据等，而大量的生物学数据更是以非结构化的形式被记载在各种文本中，其中大量文献以电子出版物形式存在，如PubMed Central中收集了大量的生物医学文献摘要。

文本挖掘就是利用数据挖掘技术在大量的文本集合中发现隐含的知识的过程。其任务包括在大量文本中进行信息抽取、语词识别、发现知识间的关联等，以及利用文本挖掘技术提高数据分析的效率。近年来，文本挖掘技术在生物学领域中的应用多是通过挖掘文本发现生物学规律，例如基因、蛋白及其相互作用，进而对大型生物学数据库进行自动注释。但是要自动地从大量非结构性的文本中提取知识，并非易事。目前较为有效的方法是利用自然语言处理技术NLP，该技术包括一系列计算方法，从简单的关键词提取到语义学分析。最简单的NLP系统工作通过确定的关键词来解析和识别文档。标注后的文档内容将被拷贝到本地数据库以备分析。复杂些的NLP系统则利用统计方法来识别不仅仅相关的关键词，以及它们在文本中的分布情况，从而可以进行上下文的推断。其结果是获得相关文档簇，可以推断特定文本内容的特定主题。最先进的NLP系统是可以进行语义分析的，主要是通过分析句子中的字、词和句段及其相关性来断定其含义。

生物信息学离不开Internet网络，大量的生物学数据都储存到了网络的各个角落。网络挖掘指使用数据挖掘技术在网络数据中发现潜在的、有用的模式或信息。网络挖掘研究覆盖了多个研究领域，包括数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等。根据对网络数据的感兴趣程度不同，网络挖掘一般还可以分为三类：网络内容挖掘、网络结构挖掘、网络用法挖掘。网络内容挖掘指从网络内容/数据/文档中发现有用信息，网络内容挖掘的对象包括文本、图像、音频、视频、多媒体和其他各种类型的数据。网络结构挖掘的对象是网络本身的超连接，即对网络文档的结构进行挖掘，发现他们之间连接情况的有用信息（文档之间的包含、引用或者从属关系）。在网络结构挖掘领域最著名的算法是HITS算法和PageRank算法（如Google搜索引擎）。网络用法挖掘通过挖掘相关的网络日志记录，来发现用户访问网络页面的模式，通过分析日志记录中的规律。通常来讲，经典的数据挖掘算法都可以直接用到网络用法挖掘上来，但为了提高挖掘质量，研究人员在扩展算法上进行了努力，包括复合关联规则算法、改进的序列发现算法等。

网络数据挖掘比单个数据仓库的挖掘要复杂得多，是一项复杂的技术，一个难以解决的问题。而XML的出现为解决网络数据挖掘的难题带来了机会。由于XML能够使不同来源的结构化的数据很容易地结合在一起，因而使搜索多个异质数据库成为可能，从而为解决网络数据挖掘难题带来了希望。随着XML作为在网络上交换数据的一种标准方式，目前主要的生物信息学数据库都已经提供了支持XML的技术，面向网络的数据挖掘将会变得非常轻松。如使用XQuery 标准查询工具，完全可以将 Internet看作是一个大型的分布式XML数据库进行数据浏览获取、结构化操作等。

此外，数据挖掘还要考虑到的问题有：实时数据挖掘、人为因素的参与、硬件设施的支持、数据库的误差问题等。

一般的数据（库）整合的方法有：联合数据库系统（如ISYS和DiscoveryLink）, 多数据库系统（如TAMBIS）和数据仓库（如SRS和Entrez）。这些方法因为在整合的程度，实体化，查询语言，应用程序接口标准及其支持的数据输出格式等方面存在各自的特性而各有优缺点。同时，指数增长的生物数据和日益进步的信息技术给数据库的整合也带来了新的思路和解决方案。如传统的数据库主要是提供长期的实验数据存储和简便的数据访问，重在数据管理，而系统生物学的数据库则同时对这些实验数据进行分析，提供预测信息模型。数据库的整合也将更趋向数据资源广、异质程度高、多种数据格式、多途径验证（如本体学Ontology的功能对照）、多种挖掘技术、高度智能化等。

三、生命科学与生物信息学技术的整合

生物信息学的研究当前还主要集中在分子水平，如基因组学/蛋白质组学的分析，在亚细胞、细胞、生物组织、器官、生物体及生态上的研究才刚刚开始。从事这些新领域的研究，理解从基因型到表型的生命机理，整合生物信息学将起到关键性的作用。整合生物信息学将从系统的层次多角度地利用已有的生物、信息技术来研究生命现象。另外，由其发展出的新方法、新技术，其应用潜力也是巨大的。图2显示了生命科学与生物信息学技术的整合关系。

目前生命科学技术如基因测序、QTL定位、基因芯片、蛋白质芯片、凝胶电泳、蛋白双杂交、核磁共振、质谱等实验技术，可以从多方面，多角度来分析研究某一生命现象，从而针对单一的实验可能就产生大量的不同层次的生物数据。对于每个技术的数据分析，都有了大量的生物信息学技术，如序列分析、motif寻找、基因预测、基因注解、RNA分析、基因芯片的数据分析、基因表达分析、基因调控网络分析、蛋白质表达分析、蛋白质结构预测和分子模拟、比较基因组学研究、分子进化和系统发育分析、生物学系统建模、群体遗传学分析等。整合生物信息学就是以整合的理论方法，通过整合生物数据，整合信息技术来推动生命科学干实验室与湿实验室的组合研究。其实践应用涉及到生物数据库的整合、功能基因的发现、单核苷酸多态性/单体型的了解、代谢疾病的机理研究、药物设计与对接、软件工具以及其他应用。

在整合过程中，还应该注意以下几方面内容：整合数据和文本数据挖掘方法，数据仓库的设计管理，生物数据库的错误与矛盾，生物本体学及其质量控制，整合模型和模拟框架，生物技术的计算设施，生物信息学技术流程优化管理，以及工程应用所涉及的范围。

四、学科、人才的整合

整合生物信息学也是学科、教育、人才的整合。对于综合性高等院校，计算机科学/信息学、生物学等学科为生物信息学的发展提供了学科基础和保障。如何充分利用高校雄厚的学科资源，合理搭建生物信息学专业结构，培养一流的生物信息学人才，是我们的任务和目标。

计算机科学/信息学是利用传统的计算机科学，数学，物理学等计算、数学方法，如数据库、数据发掘、人工智能、算法、图形计算、软件工程、平行计算、网络技术进行数据分析处理，模拟预测等。生物信息学的快速发展给计算机科学也带来了巨大的挑战和机遇，如高通量的数据处理、储存、检索、查询，高效率的算法研究，人工智能的全新应用，复杂系统的有效模拟和预测。整合生物信息学的课程设计可以提供以下课程：Windows/Unix/Linux操作系统、C++/Perl/Java程序设计、数据库技术、网络技术、网络编程、SQL、XML相关技术、数据挖掘，机器学习、可视化技术、软件工程、计算机与网络安全、计算机硬件、嵌入式系统、控制论、计算智能，微积几何、概率论、数理统计、线性代数、离散数学、组合数学、计算方法、随机过程、常微分方程、模拟和仿真、非线性分析等等。

生物学是研究生命现象、过程及其规律的科学，主要包括植物学等十几个一级分支学科。整合生物信息学的课程设计可以提供以下课程：普通生物学、生物化学、分子生物学、细胞生物学、遗传学、分子生物学、发育生物学、病毒学、免疫学、流行病学、保护生物学、生态学、进化生物学、神经生物学、基础医学、生物物理学、细胞工程、基因工程、分子动力学、生物仪器分析及技术、植物学、动物学、微生物学及其他生物科学、生物技术专业的技能课程。

作为独立学科的生物信息学，其基本的新算法，新技术，新模型，新应用的研究是根本。课程涉及到生物信息学基础、生物学数据库、生物序列与基因组分析、生物统计学、生物芯片数据分析、蛋白质组学分析、系统生物学、生物数据挖掘与知识发现、计算生物学、药物设计、生物网络分析等。另外，整合生物信息学的工程应用，也需要了解以下学科，如生物工程、生物技术、医学影像、信号处理、生化反应控制、生物医学工程、数学模型、试验设计、农业系统与生产等。

此外，整合生物信息学的人才培养具有很大的国际竞争压力，培养优秀的专业人才，必须使其具备优良的生物信息科学素养，具有国际视野，知识能力、科研创新潜力俱佳的现代化一流人才。所以要始终紧跟最新的学术动态和发展方向，整合学科优势和强化师资力量，促进国际交流。

五、总结及展望

二十一世纪是生命科学的世纪，也是生物信息学快速不断整合发展的时代，整合生物学的研究和应用将对人类正确认识生命规律并合理利用产生巨大的作用。比如进行虚拟细胞的研究，整合生物信息学提供了从基因序列，蛋白结构到代谢功能各方面的生物数据，也提供了从序列分析，蛋白质拓扑到系统生物学建模等方面的信息技术，从多层次、多水平、多途径进行科学研究。

整合生物信息学是基于现有生物信息学的计算技术框架对生命科学领域的新一轮更系统全面的研究。它依赖于生物学，计算机学，生物信息学/系统生物学的研究成果（包括新数据、新理论、新技术和新方法等），但同时也给这些学科提供了更广阔的研究和应用空间，并推动整个人类科学的进程。

我国的生物信息学教育在近几年已经有了长足的进步和发展。未来整合生物信息学人才的培养还需要加强各学科有效交叉，尤其是计算机科学，要更紧密地与生命科学结合起来，共同发展，让我们的生命科学、计算机科学和生物信息学的教育和科研走得更高更前沿。

作者简介：

第3篇：生物信息学研究方法范文

关键词：生物信息学；医学；教育；建议

生物信息学（Bioinformatics）是一门发展迅速的生物学分支学科，由生物学、计算机学、信息管理学、应用数学及统计学等多门学科相互交叉而形成，本质是利用计算机技术解决生物学问题，通过信息的处理和整合实现发现和创新。它主要包括以下3个方面的内容：①生物数据的收集、整理、存储、检索、加工、分析和整合；②生物系统和结构的建模；③与生物科学相关的计算机技术的应用，这个范围还在不断的扩增中［1］。医学生物信息学是指以医学研究和临床应用为中心开设的生物信息学，本文讨论的内容主要围绕医学生物信息学展开。近20年来，互联网、数据库和计算方法的发展，为生物信息学的研究提供了更为广泛和灵活的方法；多种模式生物基因组测序的完成，功能基因组、蛋白质组研究的开展，各种高通量生物实验技术快速发展为生物信息学，提供了更大研究空间的同时，也对海量的生物学数据进行有效地挖掘和整合提出了严峻的挑战；而以基础研究与临床医疗结合为宗旨的转化医学的兴起对衔接二者之间的桥梁———生物信息学，提供了广阔的应用空间。对生物信息学人才的热切需求，以及上述机遇和挑战导致了生物信息学专业在全世界的蓬勃发展。以美国为例，在1999年之前，全美只有6所大学设置有计算生物学与生物信息学专业，而到2002年，则有31所大学设置了计算生物学与生物信息学专业博士学位，其中有12所大学是在2001年～2002年之间设置的这门专业［1］。这些大学通常以生物学、生物统计学、计算机科学或者生物医学信息学为依托设置这门专业，不同大学对该专业学生的培养模式也有所不同。在我国，很多高等院校将生物信息学作为专业课程设立，医学高等院校也逐步将其作为基础课程或选修课设立。作为一门新生学科，生物信息学在大部分院校尚处于探索阶段，没有成熟完善的教育模式可以借鉴［2］。在这种情况下，来自前期已毕业学生和用人单位的反馈意见对生物信息学教育模式的总结提高具有重要意义。作为一名临床医师和医学研究人员，笔者深刻体会到在实际工作中，无论是自身合理应用生物信息学知识进行思考和设计，还是找到能够迅速融入并满足实验室研究和临床工作需求的生物信息学专业人才都不是一件容易的事情。因此，本文作者就自己的一些切身体会，结合文献和思考，对我国医学生物信息学人才培养列举了一些意见和建议，希望能够在生物信息学教学模式的完善中起到微薄的助力作用。本文着重探讨信息技术在医学领域中的应用，侧重于医院信息管理和信息系统建设方面的医学信息学（Medical　Informatics）不在本文讨论范围内。理想的医学生物信息学人才培养目标应该是这三类人的集合：①计算机专家，掌握计算机算法、计算机语言、软件、数据库结构和相关知识框架，以及硬件知识；②生物信息学专家，具有熟练应用计算机储存、处理、分析和整合相关生物信息的能力；③基础研究或临床工作者，具有查阅文献，提出生物学或临床医学问题，合理使用上述生物信息学来思考、设计和解决问题的能力，并能收集和正确提供用于研究的初始数据。结合我国实际情况，想让临床医学专业学生或医学生物信息学专业学生同时完成以上3个方面的培训显然不切实际。理想的培训模式，是通过对临床医学专业和医学生物信息学专业学生不同侧重的培训，再通过二者的合理分工和配合，来满足以上3个方面的需求。对医学院校学生，尤其是医学研究生，生物信息学培训的内容应侧重于对其计算思维能力和信息学应用能力的培养，目的是使其能熟练地从生物信息学角度发现和提出生物学或临床医学方面的科学假设，针对该假设设计合理的研究方案，并为后续研究提供正确的初始数据；对以生物医学为中心的信息学专业人才培养，内容应侧重于对其计算机技术和生物信息学在医学实践应用方面能力的培养，目的是与前者配合，指导并帮助其完成科学假设的设计，对前者提供的初始数据进行管理、存储、检索、分析和整合，以及完成更高要求的计算机技术方面的应用，例如应用软件的设计，生物系统和结构的建模，等等。

1　医学生的计算生物学与生物信息学思维培养

本部分特指医学专业学生的生物信息学教学，部分医学院校开设的医学生物信息学专业教学将在下一部分中提及。无论是医学基础研究，还是以循证医学为代表的临床研究，生命科学研究的一般过程，都遵循发现问题资料查询预实验提出科学假设设计实验验证假说资料查询和结果分析科学理论总结的基本思路［3］。在这个过程中，计算生物学与生物信息学不仅是进行资料查询和结果分析的重要工具，更应是在提出科学假设和实验设计阶段就需要贯彻执行的理念和思维方式。换言之，具体的生物信息学与分子生物学实验一样都是验证生物医学假说的实验方法，是将一个生命科学假设用计算和信息学思维方式表达和实现的过程。在我国，绝大部分医学基础研究和临床研究课题都是由医学院校毕业的临床工作者设计和申请的。由于临床医师大都承担了繁重的临床工作，申请者亲自完成课题的机会很少，获批课题的具体实施及数据管理、存储、检索、分析和整合多由研究生或实验室工作人员负责。因此结合我国的实际情况，将生物信息学与具体课题耦合，即将一个科学假设用计算和信息学表示并有效实施的思维和实践培训，才是医学生生物信息学培训的中心内容。由于我国临床医学教学采用长学制（5年、7年或8年）教学，对实践性和针对性都很强的生物信息学而言，过早或过于笼统的培训都显得意义不大，所以笔者认为针对医学生的生物信息学培训安排在研究生阶段是比较合适的，教育中心是以医学研究需求为指导，强调信息学思维培训和实践操作。具体提出的建议有两点，一是根据学生专业背景调整理论教学内容。医学院校学生的数理基础、计算机基础及统计学理论基础不能和工科院校的学生相比，医学专业包括基础医学、临床医学、口腔、预防等专业，涉及广泛，各个专业背景的学生对这门课程的需求不尽相同。因此在理论课程上，要根据不同的专业背景和研究内容形成“个性化”的培养方案，目的是让学生有选择有针对性地掌握相关生物信息学内容，例如数据库的类型和选择，常用软件的种类和应用等，同时又不会对过于高深的生物信息学理论产生反感。二是结合研究生阶段的课题，开展研究内容模拟和实践操作练习。为了更好的配合研究生阶段的课题，可将《生物信息学》开课时间调整到研究生阶段的第三学期，即在学生进入课题研究阶段之后，让学生在清楚面临的课题内容后，有针对性地学习在完成课题过程中要使用到的知识、工具和解决问题的思路，包括文献查阅、保存、编辑，核酸序列查找和同源性比对及进化分析，PCR引物设计，基因功能、结构预测，调控元件及转录因子预测，蛋白质基本理化性质分析，跨膜区及信号肽预测，二级结构和空间三维结构的预测等。这样学生的学习兴趣和效率会大大提高。为了解决上课时间与课题时间冲突的问题，可以采用生物信息学授课老师加入导师组成员，通过网上教学和答疑、夜间授课、集中授课与个别指导结合等多种方式灵活解决。

2　以医学为中心的生物信息学专业人才培养

如果说对医学生进行生物信息学教育的目的是使其学会将一个生命科学假设用计算和信息学表示，并正确提供初始数据，那么以医学为中心的生物信息学专业人才培养的目的，就是使其学会用计算机学和信息学处理并证实科学假设的过程。具体的内容包括，与实验室工作人员和临床医生配合，从计算生物学与生物信息学角度指导并帮助其完成科学假设和课题内容设计；在课题实施阶段对后者提供的初始数据进行管理、存储、检索、分析和整合，以及满足后者更高要求的计算机技术的需求，例如应用软件的设计，生物系统和结构的建模，等等。目前，计算生物学与生物信息学专业研究生的培养模式主要有3种：①以生物学为中心的多学科培养模式。理论教育以生物学为中心，在6～9个学期内陆续完成生物学部分课程（相当于普通生物学系1／3～1／4课程）的选修，然后根据兴趣和实际情况选择一个相关实验室完成研究生课题。这种培养模式被大多数综合大学采纳。②以工程设计为中心的培养模式。③以医学为中心的培养模式。指以医学研究和临床应用为中心设置计算生物学和生物信息学，绝大多数由医学院校设置，侧重生物信息学与临床医学的结合。在进入课题阶段之前会有1～2年临床相关概念和信息的培训，主要开设的课程包括生物学、细胞生物学、分子生物学与基因组学、化学与物理学、计算机科学、数学和统计学等，甚至包括部分医学课程，后期实践阶段通常选择一个相关实验室完成研究生课题。总的看来，医学生物信息学基础课程设置与国际趋势相符，也符合以医学为中心计算生物学与生物信息学的培训要求。但从近年生物信息学专业研究生就业情况来看，确实存在素质参差不齐，学不能致用，不能很快融入研究工作等问题。笔者认为，这种现象可以从三个方面加以改进：①以职业发展和学位教育为导向，建立多层次、多形式的医学信息学教育和继续教育体系。各医学院校可在统一专业培养目标和定位的基础上，根据自身的学科基础和特色，结合学生毕业后的工作领域和就业方向，形成“个性化”的专业方向和培养方案。②加强师资力量的建设，形成以课程为中心的教学团队。现有医学生物学教材内容宽泛、偏重理论，对实践环节的指导较少，需要授课老师有选择的挑选合适的内容并予以补充和完善。这对授课教师的素质提出了更高要求，要求其能根据实际情况因材施教，有所取舍，强化重点。目前，各院校教学团队和师资力量配备受限，建议可以课程为中心，培养、引进学术带头人，从其他专业挑选骨干教师兼任等多种形式，形成以课程为中心的教学团队。③实践教学与综合能力的培养。生物信息学是一门实践性非常强的学科，要将“学有所长，学以致用”作为人才培养的最终目的。可以通过构建开放式实践教学平台，建设实践教学基地等方式尽可能强化实践操作训练［4］，后期部分学生可以结合个人兴趣，本着双向选择的原则，将实践阶段训练固定到导师和实验室，并安排其参与完成某一项课题的设计、实施和总结，在整个过程中要特别注意培养学生的学习兴趣和自学能力，强调知识的自我更新。

综上所述，医学生物信息学人才培养的最终目的是使生物信息学能满足现代医疗和医学研究发展的需要，使医学生物信息学人才成为有效连接基础研究与临床医疗的桥梁，为现代医学的发展提供新途径［5］。

参考文献：

［1］Mark　Gerstein，Dov　Greenbaum，Kei　Cheung　and　Perry　L．Miller．An　interdepartmental　Ph．D．program　in　computa－tional　biology　and　bioinformatics：The　Yale　perspective［J］．Journal　of　Biomedical　Informatics，2007，40：73－79．

［2］倪青山，胡福泉，饶贤才，等．医学院校生物信息学实践教学初探［J］．基础医学教育，2011，13（6）：538－539．

［3］张乐平，冯红玲，宋茂海，等．生物信息学教学与医科学生计算思维培养［J］．计算机教育，2012，19（4）：12－16．

［4］寻萌，陈艳炯，杨娥，等．《生物信息学》教学实践探讨［J］．西北医学教育，2011，19（6）：1220－1223．

第4篇：生物信息学研究方法范文

关键词：生物信息学；高素质应用型人才培养；不足

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）03-0156-02

21世纪是生命科学的世纪，应人类基因组计划（human genome project，HGP）和生物科学迅猛发展的要求，迅速兴起的生物信息学（Bioinformatics）成为生命科学浪潮中的弄潮儿。生物信息学是由林华安博士于1987年提出的，而它的起源可以追溯到20世纪50年代末计算机在生物研究中的应用。到20世纪末期，伴随着计算机技术和网络技术的革命性发展，生物信息也突飞猛进地发展起来。它的诞生和发展是应时所需，是历史的必然，已经悄然渗透到生物科学的每一个角落。生物信息学是一门交叉科学，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量生物数据所包含的生物学意义。生物信息学现已迅速发展成为当今生命科学最具吸引力和重大的前沿领域，为生物学、计算机科学、数学、信息科学等专业的高素质人才提供了更广阔的发展天地。生物信息学不仅是一门新学科，更是一种重要的研究开发工具。从科学的角度来讲，生物信息学是一门研究生物和生物相关系统中信息内容与信息流向的综合系统科学。只有通过生物信息学的计算处理，人们才能从众多分散的生物学观测数据中获得对生命运行机制的系统理解。生物信息学专业是教育部1998年颁布的《普通高等学校本科专业目录》中新增的一个目录外专业，专业代码070403W，在今年教育部新颁的《普通高等学校本科专业目录（2012年）》中专业代码调整为071003，设在生物科学类。从2002年起，我国一些高等院校开始向教育部申请设立生物信息学本科专业，目前有武汉大学、西南交通大学、河北大学、同济大学、浙江大学、苏州大学、华中科技大学、太原理工大学、重庆邮电大学、山西农业大学、湖南农业大学、哈尔滨医科大学、福建农林大学、南方医科大学等14所高校学校先后获得批准。湖南农业大学是湖南省目前唯一经教育部批准设立生物信息学本科专业的学校。湖南农业大学生物信息学专业2004年获教育部批准成立，2005年正式开始招生。2005年招收65人，2006年招收46人，2007年招收55人，2008年招收45人，2009年招收47人，2010年招收45人，2011年招收51人，2012年招收48人，经过八年的建设，已经毕业四届学生，积累了一定的办学经验，对生物信息学的专业内涵、人才培养目标、教学内容、课程设置等有了较深刻的认识。具体地说，我们积极开展专业调研工作，学习和借鉴国内外高校专业建设的经验，根据本专业教学规范，制定和修订了较科学的教学计划、教学大纲和考试大纲。根据专业建设的需要，积极引进专业教师，师资队伍的规模逐步扩大、知识结构不断优化，专业培养目标基本明晰，教育管理水平得到提高。虽然通过大家的努力，我们在生物信息学的专业建设和人才培养方面取得了一定成绩，但在高素质应用型人才培养方面存在一些不足，主要表现在：

1.缺乏标准的生物信息学高素质应用型人才培养模式。由于设立生物信息学专业的高校有综合性大学、农业院校、医科大学、电子信息院校等，对生物信息学专业人才培养的认识各异，造成课程设置的侧重点存在较大差异。事实上，国外在生物信息学专业的课程设置方面也缺乏成功的经验，围绕“哪些是生物信息学专业的必修课程”和“生物信息学专业的本科生需要哪些基本背景”之类的问题争议颇多。我国高等教育的传统模式在创新性人才和交叉学科人才的培养方面本身就存在不少薄弱环节，如何通过生物信息学专业课程教学与实践加强学生的研究能力，从而加快培养不同专业背景的“复合型”人才是摆在我们面前的一项艰巨任务。

2.生物信息学专业实践教学平台建设有待进一步完善和加强。高等学校的教育目标是培养具有创新精神和实践能力的高素质人才。实践教学与理论教学共同担负着培养高素质人才的任务，在提高学生实践能力、培养应用型人才方面具有更重要的作用。随着知识经济的发展，素质教育的深入，高教质量工程的实施，实践教学改革的开展，打造、建设和优化生物信息学专业实践平台以培养高素质生物信息学专业人才显得极其迫切和极为重要。目前，我校关于生物信息学专业学生实践能力培养的专业实践平台还存在许多不足，主要表现为以下四个方面：（1）专业实验室建设明显滞后。目前与生物内容相关专业实验在植物科学国家级实验教学中心的实验室开展；生物数据挖掘、生物软件开发和生物信息分析等相关专业实验在生物安全省级实践教学中心的计算机房开展；至今为止还没有一个真正意义上的生物信息学专业实验室，这对实验教学开展、学生科技活动进行与辅导、课程设计和毕业设计教学开展与辅导、教学科研工作的深入造成极为不利影响，并随着研究生的招生，实验室建设严重不足问题将更显突出。（2）课程教学体系系统性差。由于生物信息学是一个新兴学科，生物信息学专业在我国的创办时间不长，在生物信息学专业实践教学方面没有多少成功的经验值得借鉴，加上专业建设时间不长，这方面自身经验积累不足，许多想法和思路有待验证、改善和落实，实践教学内容设置、内容衔接和效果评估建设等方面还欠缺，传统性实验开展较多，开放性实验开展过少，最新技术方法（如：云计算）和社会对专业技术新要求在专业实验教学中融入还不够，内容还不成体系，系统性还存在许多不足。（3）开放型实践教学体系建设还是空白。目前高校对开放实验改革中进行的实践和探讨基本上停留在把少部分实验项目改革成了开放实验，开放实验内容单调简单、面窄浮浅、不成体系，系统性和创新性非常欠缺，效果往往达不到预期要求，也远不能满足不断学科发展和社会发展需要。我校生物信息学专业开放性实践教学体系建设也同样处于空白，关于生物信息学专业开放性实践教学体系建设需要紧急推动和落实。（4）实习基地建设还存在不足。目前，我校生物信息学专业还没有专门的校外实习基地，影响了学生实践动手能力的提高。

3.师资队伍需要进一步优化。教师队伍的素质、水平决定了专业建设的质量。生物信息学是一个交叉学科，生物信息学专业需要既熟悉生物学背景，又要熟悉信息类知识的专业课教师和学术带头人。目前，我校生物信息学系现有专职教师10人，其中教授5人，副教授2人，有博士学位的9人。听起来实力蛮雄厚，但真正科班出身、从事生物信息研究的老师并不多，很多是从原植物保护专业的师资调整过来的，有些是近年引进的，还没有形成稳定的学术梯队。还没有科研及教学成果奖，也没有主编规划教材出版，师资队伍的学术水平尚待进一步提高，师资队伍需要进一步优化。

4.教育教学改革需要进一步深化。生物信息学专业开办了八年，我们在教学改革建设方面也做了一些工作，但需要进一步深化；在人才培养模式、实验室建设、课程建设等方面做了一点探索，获得湖南农业大学教改项目4项，如2006年的《生物信息学专业建设及人才培养模式的探索》、《生物信息数据处理中心开放式实验室建设与服务模式研究》，修改了培养方案，发表了几篇教学教改论文。在教学手段上，本专业教师能够结合生物信息学学科特点，开展利用现代化手段进行辅助教学的教学改革探索，我们鼓励教师积极使用一些优秀的教学软件，也鼓励教师结合自己的教学经验，努力开发电子课件，对于学生的深入学习起到了重要的作用。我们在教学改革方面虽然做了一些工作，但远不能适应本专业的发展要求。

5.就业渠道拓展不够。由于生物信息学专业是新兴的专业，专门的产业尚没有完全成熟，目前主要分布在医药产业和信息产业之中，因此，就业渠道有待扩展。

当前，生物信息学在国内外的发展基本上都处于起步阶段，各国所拥有的条件也大体相同。因此，这是我国生物信息学研究赶超国际先进水平的极好机会。生物信息学研究投资少，见效快，可充分发挥我国基因信息资源丰富的优势，以及湖南农业大学在生物学领域，尤其是微生物基因组研究方面的特长，经过十几年或更长时间的努力，湖南农业大学的生物信息学专业有可能会成为湖南省的优势特色专业。

参考文献：

[1]李宏.我国生物信息学研究的发展策略[J].重庆工商大学学报（自然科学版），2005，22（2）：105-109.

[2]赵爱民.生物信息技术发展态势分析[J].中国生物工程杂志，2003，23（5）：101-103.

[3]陈锋，吴明晖.符合时展的高素质应用型人才培养体系的探索与实践[J].中国高教研究杂志，2011，（8）：32-35.

[4]舒坤贤，袁帅.生物信息学实践教学体系的构建与实践[J].湖南人文科技学院学报，2012，（2）：118-120.

基金项目：湖南省普通高等学校教改项目“生物信息学专业理论教学与教学方法改革”（2013-160）和湖南农业大学校级教改项目（A2013057）。

第5篇：生物信息学研究方法范文

一、前言

生物信息学（Bioinformatics）是随着现代生命科学的发展而兴起的交叉学科，旨在为生物学研究提供信息处理的支撑，从海量数据中挖掘生物信息，实现对生命科学问题的研究。生物信息学包含了对核酸和蛋白质的序列和结构信息的获取、处理、存储、分布、分析和解释等各个方面的分析研究，是通过综合利用生物学、计算机科学和信息技术等手段，来认识生命的起源、进化、遗传和发育的本质，揭示海量数据中蕴含的生命奥秘或生物学内在规律的一门科学[1]。随着测序技术的不断发展，人类与其他物种基因组计划相继实施和完成，产生了海量的数据，尤其是近年来的各种组学数据，如蛋白质组、代谢组、基因组、转录组等生物学数据，生物信息学将在解读基因组序列中的功能信息等方面发挥巨大的作用[2]。

二、生物信息学课程开展的现状

生命科学的迅猛发展、生物技术在社会发展中的应用越来越广泛，例如产前诊断、遗传并筛查、肿瘤靶向治疗等生物信息学相关的医学应用，生物信息学的作用和地位也越来越重要。研究机构和高等院校，特别是息息相关的医学院校，迫切需要通过各种形式的教学，系统地培养新的复合型研究力量的医学工作者。因此，医学院校针对医学相关学生开展与其专业紧密结合的生物信息学课程已经成为必然趋势[3]。目前，国内许多医学院校相继开设了生物信息学课程，将生物信息学作为必修或者选修课程。由于生物信息课程教学尚处于刚刚起步的探索阶段，尚未形成一个完整的课程建设体系，再加上生物信息学研究的范围广、相关数据与分析工具资源繁多、涉及多学科知识尚缺乏系统成熟的理论方法，正处在迅速发展中等一系列特点，如何开展生物信息学教学尚有待探索。因此，生物信息学课程的教育理念、教学内容、方式和方法等迫切需要根据自身专业特点，科学确立教学目标，及时系统地总结规划教学内容，探索和改革教学方法，以适应医学专业背景学生的学习，对于促进医学生自身综合素质的提高有重要意义。本文结合南京医科大学本科学生（主要为医学相关专业学生，非生物信息学专业学生）开展的生物信息学课程进行调研和改进，对该课程的学生的反馈意见及各教研室教师的建议进行了深入分析。本着以学生需要为原则，针对学生的专业背景，适当调整教学内容和方法，理论教学与上机实践有机结合，侧重将生物信息学的思维融入解决生物医学的问题，行成一套完整的、合理可行的医学生物信息学课程理论、实验教学方案。进而达到专业与课程相结合，激发学生的学习兴趣，从而达到较好的教学效果。

三、教学内容及方法的具体实践

（一）针对医学专业学生，优化教学内容

生物信息学作为一门发展迅猛的多学科交叉的前沿学科，理论、研究方法、研究内容尚在不断完善和更新中，其内容繁多复杂，更需要进行精心的选择裁剪和编排组织，才能在有限的时间内实现既定的教学目标，使学生学习到有用的知识。教学中应充分结合当前研究前沿和进展、时刻更新教学内容，更应该根据学生的不同专业背景适当调整教学内容和教学方法。在医学院校中，更要针对不同专业及背景的学生，制订具有专业特色的教学大纲。教学应以学生的需求为前提，结合不同专业背景、就业选择方向，调整培养方案和优化授课内容，以满足他们的需求，使学生能够学有所用。比如，针对临床专业的学生，生物信息学教学应该偏重医学研究中的方法和成果，本科教学注重转化医学、生物技术应用成果的普及，研究生教学注重利用生物信息手段和方法解决科研学习中遇到的实际问题；而针对法医专业的学生，教学应该偏重新一代高通量测序技术的原理、数据分析、结果意义等方面。针对目前医学院校中研究方向多元化的背景，强调教学与科研共促进，通过科研时刻关注、追踪学科前沿，将最新的研究成果和在医学上的应用展示给学生，丰富教育资源，使学生能在其他课程的学习时学以致用，从而高质量的完成教学任务。生物信息学亦是众多科学研究工作中强有力的必不可少的研究手段，教学反过来也可促进科研的进一步开展和深入。因此，教学和科研相结合，可以拓宽知识面，全面了解生物信息学和相关学科最新进展，不断为科研提供新的思路，不断的完善生物信息学教学体系。只有坚持教学与科研同时进行、并紧跟科学前沿，并做到及时纳入最新的研究成果，更新教学内容，才能给予学生高质量的前沿教学[4]。

（二）基于计算机的实验教学，锻炼动手能力

在生物信息学教学中，计算机实践教学是不可缺少的部分，理论和实践的有机结合才能达到更好的教学效果。只有亲自动手进行生物数据的分析，学生才能建立一个感官的、多方面的认识。优化上机内容、改进上机教学方法，使得理论知识在上机教学中可以得到实现，实际操作充分理解理论课内容，由此激发学生动手实践的激情和信心，更好地掌握知识。所以在生物信息的教学中，上机实验课程应该占据较大的比例，并通过生动的课堂练习培养学生的兴趣。实验课内容的设计应该考虑医学相关专业学生的背景，根据医学问题作为出发点，以如何解决这些问题作为主线设计课程。所以，通过了解当前医生常用的科研手段或当前医院正在开展的临床检测项目，设计相关实验课程、增加应用性实践教学，并结合最新研究成果和基础到临床应用的实例、以及项目原理及优缺点，可以调动学生学习的主动性。例如，针对临床专业开展常用的生存分析的原理和分析流程的实践教学；针对法医专业，开展常用的STR（短串联重复序列）作为亲权鉴定标志物的序列特点和可视化的教学等。另外，生物信息学本身是多学科交叉融合，知识面广而杂，其相关数据库资源，以及生物信息学工具、算法和软件等均更新迅速。在理论教学中，授课教师时刻密切关注学科发展前沿、并将最新研究成果及学术发展动态，而在实验课授课中，更应该注重教会学生，充分利用互联网资源，独立开展课题、综合分析、解决问题。例如，?榱耸寡?生了解当前网络数据共享的环境下，如何从网上搜索网络资源、下载数据，我们下载了多种不同类型的数据，包括测序数据、芯片数据、注释数据等，然后再从实际数据出发上机操作，介绍分析的方法和工具。

四、生物信息在医学相关专业的应用

基础科研成果的积累逐渐带来了临床应用的突破，而生物信息学的技术和数据在临床应用的重要性也愈加重要。目前，医疗上的应用主要有生育健康、遗传病检测、传染病药物研发、肿瘤诊断及治疗等几大方面[5]。2014年7月国家卫生计生委承认基因测序技术在产前诊断的应用，批准了基因测序诊断产品的上市，2015年3月27日，国家卫生计生委医政医管局又通过了第一批肿瘤诊断与治疗项目高通量基因测序技?g临床试点单位。一些大型医院已经把基因诊断作为患者必需的诊断项目，特别是产前无创诊断，很多医院也正在筹建基因检测中心。目前国内每年新增癌症患者300万人左右，且发病率呈上涨趋势，肿瘤的基因检测和靶向治疗已经成为提高肿瘤治疗效果的一条重要途径。产前诊断和精准医疗的飞速发展所带来的巨大临床应用，亟需懂临床一线的医生了解前沿科技、懂生物信息、会临床应用。根据市场反馈的情况，未来基因检测在临床上应用所占比例会越来越大，医学工作者对生物信息知识的需求也越来越高。

第6篇：生物信息学研究方法范文

关键词：生物信息学 教研改革 案例教学

一、 引言

随着后基因组时代的来临，高通量生物技术的发展，生物医学的实验手段和研究方法均发生了巨大的变革，生命科学研究中不断涌现出海量的生物数据，包括基因组数据、蛋白质组数据、功能基因组数据等。这些生命组学的数据使得生物医学研究者以系统生物学的角度来研究生命现象[1-6]，同时它们的迅速增长，带来了数据的存储与传输、数据处理、数据获取及数据的理解与应用等等一系列的问题，这些问题促进了生物信息学的产生和快速发展[7-13]，也吸引了来自数学、生物学、化学、药学、信息学等各个领域的研究人员广泛关注并取得了大量成果[43-49]。生物信息学定义为应用信息科学技术来理解、组织及管理生物分子数据，旨在为生物研究人员提供一些工具及资源，方便他们获取生物数据，分析数据，从而发现生物世界的新知识[14]。它是一门新兴前沿交叉学科，吸引着各种有影响力国际组织的重大的关注，ORACLE、MICROSOFT、Google等公司也先后加大力度投入生物信息学领域的开发和研究[15-17]。由于这一领域有着极大的潜力，美国国家标准技术协会（NIST）和美国国防部高级研究计划局（DARPA）及美国计算机协会也相继投入这一领域的研究。为了强应这一潮流，抢占学科发展的制高点，同时培养生物信息学人才，很多学校新增设了生物信息学这门课程。接下来我们将结合实际中的教学谈几点体会及相应的一些尝试探索。

二、生物信息学的特点

生物信息学在我国是一门新兴前沿学科，它是信息学、生物学、数理统计等多学科的交叉、结合的产物。它需要多个领域的专家通力合作。传统的生物学研究实质是一门实验科学，需要对实验数据进行处理与分析，从而新现象、新的生物学规律，从而分析、归纳和总结，提炼出新的生物学知识。然而随着生物科学与信息技术的高速发展，生物数据的积累速度不断加快，特别是人类基因组计划顺利实施，使得生物分子数据量以超过摩尔定律的速度迅速发展。利用这些丰富数据，通过分析、处理揭示数据背后的生物学意义，是生物学家、数学家和信息处理人员面临的一个严峻的挑战。生物信息学就是为迎接这一挑战而发展起来的一门新交叉学科。下面结合几方面谈谈生物信息学的特点。

生物信息学研究对象

生物体是一个复杂的系统，同时也可看作是一个信息系统控制着生物的遗传、生长、和发育。生物分子是生信信息的载体，对于生物信息学而言，主要研究两种载体，即DNA分子和蛋白质分子。携带着三种信息，遗传信息、结构信息及进化信息。

DNA分子作为遗传信息的载体，它的核苷酸序列上存储着蛋白质的氨基酸序列编码信息，存储着基因表达调控信息，携带着遗传信息，主要存储在DNA四种字符组成的碱基序列中，控制生物体性状的基因是一系列DN段。这些遗传信息的传递与表达促使生物体不断生长与发育。DNA通过自我复制，不断传递着遗传信息使生物体得以繁衍，基因通过转录和翻译，使得遗传信息得以在生物体中表达，从而后代表现出与亲代相似的生物性状。基因表达中，遗传信息从DNA传到RNA，这一过程称之为转录，然后从RNA传递到蛋白质，这一过程称之为翻译，在表达中，基因控制着蛋白质的合成。

蛋白质是机体各种生理活动的物质基础，蛋白质分子是大分子化合物，其基本单位是小分子的氨基酸，组成蛋白质的氨基酸有20种， DNA序列中三个连续的碱基为一个蛋白质的氨基酸编码。碱基字符序列与氨基酸字符序列组成了基本的生物信息，分析这些生物信息有助于认识生命活动的规律及生命本质。

总而言之，生物分子信息具体表现为DNA序列数据、蛋白质序列数据、生物分子结构数据、生物分子功勇数据，生物信息学则综合利用信息科学、生物学与数理科学的研究方法来收集、存储、处理、分析与解释海量生物信息。生物信息学把基因组DNA序列信息分析作为源头，破译遗传语言，认识遗传信息的组织规律，识别隐藏在DNA序列中的基因，掌握基因的调控与表达功能，获得蛋白质的编码信息后进行蛋白质空间结构模拟和预测。

生物信息学研究的主要内容

生物分子信息的收集与管理。生物分子数据量巨大，如核酸序列的数据以千兆计。因而有组织搜集和管理这些数据是各项工作的前提，便于一些研究人员共享这些数据，及时得到最新的实验结果，需要把这些数据整理成生物信息数据库，同时要不断更新与管理这些收集的信息从而使这些数据的一致性、可靠性和完整性得以保证。

数据库搜索及序列比对。搜索同源序列在某种程度上就是通过序列比较寻找相似序列，这可使研究人员通过搜索序列数据库找到与新序列同源的已知序列，并根据同源性推测该新序列的生物功能。而序列比对则是为了判断两个序列之间是否具有足够的相似性。从而判定二者之间是否具有同源性。

基因表达数据的分析与处理。基因表达数据反映基因转录产物在细胞中的丰度，通过这些数据可以用来分析哪些基因的表达发生了改变，基因之间有何相关性，基因的活动的受限，基因的功能，提供疾病发病机理等等，是生物信息学研究中的热点与重点。

蛋白质结构预测。一切生命活动都与蛋白质息息相关，它是组成生物体的基本物质，遗传信息的携带者是核酸，但遗传信息的传递和表达需要在各种蛋白质的调节控制下进行。通常蛋白质的生物功能由蛋白质的结构所决定，而蛋白质的结构由蛋白质序列所决定。因而蛋白质结构预测也成为生物信息学的研究重点。

第7篇：生物信息学研究方法范文

论文摘要：研讨式教学模式将研究与讨论贯穿于教学的全过程，有助于调动学生的积极性、加深对知识的理解、增进学习效果。通过确立授课目标、精心设计和组织授课内容、在实践中不断总结经验，在“生物信息学”的授课过程中对研讨式教学模式进行了探索和实践。

论文关键词：生物信息学；课堂研讨；案例分析

21世纪是生命科学的世纪，生物技术飞速发展，生物学数据大量积累。而生物信息学正是在这种大背景下蓬勃兴起的交叉型学科，旨在用信息学方法解决生物学问题。为了培养复合型人才，大力发展交叉学科，国防科技大学（以下简称“我校”）近年来面向全校理工科研究生开设了“生物信息学”选修课程。

“生物信息学”作为新兴的交叉学科，具有融合性、发展性和开放性的特点。融合性是指生物信息学涉及的生物、计算机、数学等多个学科的交叉与融合。从20世纪90年代到现在，该学科发展非常迅速，研究热点发生了数次改变。开放性是指该学科存在大量有待探索和研究的新问题。这些特点一方面为课堂教学提供了大量的主题和素材，一方面也对授课方式提出了较高的要求。经过认真分析，选定研讨式教学作为该课程的主要授课方式。研讨式教学即研究讨论式教学，是将研究与讨论贯穿于教学的全过程。在教师的具体指导下，充分发挥学生的主体作用，通过自我学习、自我教育、自我提高来获取知识和强化能力培养。通过确立教学目标，精心设计和组织教学内容，在实践中贯彻研讨式教学理念和方法，在生物信息学课程中对研讨式教学模式进行了理论探索和实践创新。

一、教学目标的确立

合理的课程目标与定位是决定课程建设成败和教学效果的基础，其主要依据是人才培养需求和授课对象的实际情况。首先，教学对象是研究生，已具备一定的自主学习和创新思维的能力。教师不仅要传授知识，而且要讲解基本的研究方法，让学生具备独立思考问题、分析问题和解决问题的能力。其次，作为军校学生，以后从事的工作可能涉及很多学科方向，展现如何针对一门新的学科方向进行研究的整体思路显得很有意义。最后，考虑到学生不同的知识背景，对于各部分内容的理解程度不同，必须兼顾不同的专业方向，让每个学生都能有所收获。因此，确立教学目标为：介绍生物信息学的基本概念和方法，通过案例分析展现科学研究的基本方法和实践过程。

二、教学内容的设计和组织

1.教学内容的总体设计

确定了教学目标之后，需要对课程的教学内容进行总体设计。参考国内外多所高校的相关课程设置，如北京大学的“生物信息学导论”、中科大的“生物信息学”、中科院的“生物信息学与系统生物学”和MIT的“Bioinformatics and Proteomics”等，发现这些课程主要是针对生物专业的学生开设，侧重于方法学介绍。而我校学生大部分是工科背景，对于统计和机器学习方法有一定基础，重点是了解相关的生物学问题，并应用已有的工科知识去分析和解决这些问题。同时，随着生物信息学的快速发展，研究领域不断扩大，有必要展现该学科的最新进展。

因此，课程内容总体设计上以生物学问题为主线，结合最新的研究成果，对各种计算方法的应用过程进行深入和细致的讲解。在介绍生物信息学的研究现状和生物学基础知识之后，分多个专题详述生物信息学最新的研究进展，各专题在内容上相互衔接，由浅入深，以便学生理解和接受。以问题为导向的课程设计对于启发学生思考，积极参与课堂研讨具有重要作用。

进一步，为了突出部分重点专题及其分析方法，采用案例分析课的形式，针对一些重要问题进行深入探讨。鼓励学生应用所学知识，结合自身的专业背景，通过积极地思考和讨论提出相应的解决方案。案例选择为教师有一定研究基础的开放性问题，一方面介绍已有的研究成果，一方面结合教师的研究体会，通过积极讨论拓展新的研究思路。案例分析课有助于学生更多地参与课堂研讨，对于知识的综合应用和科学研究过程产生切身体会。

2.教学内容的组织

研讨式教学的关键是调动学生的积极性，鼓励学生踊跃地参与课堂讨论，提出自己的观点。通过集中备课，学习和吸取老教师的成功经验，总结调动学生积极性的基本要素，对授课内容进行了认真的组织和编排。

（1）重点突出，详略得当。由于生物信息学涵盖内容非常丰富，有必要对课程内容进行取舍，在保证知识面的基础上，突出授课的重点。减少或删除重要性较低的部分，采用图片和动画等形式对重要的知识点加以强调，以深化学生的理解。只有学生对重点内容理解透彻，才能激发出浓厚的学习兴趣，积极参与课堂研讨，碰撞出智慧的火花。

（2）新颖有趣，实例丰富。在课程内容上应充分体现知识性和趣味性，以丰富的实例展现生物信息学中基本的概念和方法。学生往往关注与日常生活休戚相关的内容，期望能用所学知识解释常见现象，因此实例选择应贴近生活体验。课件中准备了大量的实例，例如，在讲完构建进化树之后，举例说明为什么人类的祖先是从非洲走出来的；在生物代谢一章，通过卖火柴的小女孩的故事阐释生物代谢过程的高效性；在蛋白质结构部分，讨论为什么湿着头发睡觉，头发容易变翘。通过实例分析，增加学生对于所学知识的理解和参与课堂研讨的积极性。

（3）设置思考题，留出想象空间。针对重要的知识点，预先设置思考题，以启发和扩展学生思路。生物信息学作为一门新兴学科，存在大量没有确定结论的开放性问题，有待深入探究。例如“人类与小鼠的基因组差别很小，为什么形态上有那么大的差别”，“生物系统模拟中，是否越复杂的模型越好”。针对这些问题适时地开展课堂研讨，有助于激发学生的学习兴趣，开阔其视野。

三、研讨式教学的开展

在授课过程中，教师应努力营造活跃的课堂气氛，密切观察学生的动向，及时沟通存在的问题，选择合适的时机开展课堂研讨。不断地积累经验，使课堂讨论达到更好的效果。在开展课堂研讨时，尤其应注意以下几点：

1.因材施教

在“生物信息学”课程中，学生的专业背景不尽相同，少部分学生来自生物专业，其他大部分是工科背景，如自动化、计算机仿真和认知科学等。因此，在主题的选择和研讨环节的设计上，应充分考虑到学生的需求和背景知识，发掘大家共同的兴趣点。实践证明，不同的学科背景可以有效地促进交流，提供对于同一问题的不同视角。例如，生物专业的学生可以解释有关生物技术的问题，而仿真专业的学生对于系统的建模方法有深入的理解。有效的课堂讨论，能够促进各种思路的融合，碰撞出灵感的火花。

2.及时沟通

研讨式教学需要教师对授课整体情况有较好的把握。例如，有一章的内容是生物学基础，教师针对这部分内容进行了充分准备，包括大量的图片和动画，并穿插了很多科学家的故事。但授课效果不尽理想，到了预设问题的环节，只有一两个学生参与讨论，大部分学生都一脸茫然。通过及时沟通，发现了两个问题。一是背景知识不够，学生对于预设问题了解不多；二是重要性认识不足，学生认为生物学的基础知识与本课程的学习关系不大。考虑到学生的疑问，对授课内容进行及时调整，进一步强调所学知识对于生物信息学的意义，并通过具体实例激发学生的学习兴趣。在实例的启发下，学生开展了积极的讨论，加深了对于所学知识的认识。开展研讨式教学，应以学生为主体，及时地沟通发现课堂中存在的问题，并相应地调整授课内容。即使教师讲得天花乱坠，如果学生知其然，不知其所以然，也不可能达到好的授课效果。

3.审时度势

课堂研讨开展的时机很重要。例如，当讲到生物信息学概况时，学生反应不是很强烈。而当教师结合自身经验谈研究体会时，学生很有兴趣，表情变得活跃，适合开展课堂讨论。此时，可以组织学生交流学习目的、预期和存在的疑问，以便教师进行有针对性地授课。研讨式教学一方面强调学生的主体地位，一方面要求教师发挥主导作用，密切注意学生动向，发现学生的兴趣点，引导讨论的逐步展开和深入。

4.自主提问

如果教师能够营造出一种轻松愉悦的课堂氛围，学生往往能够主动发问，提出不同观点，而不拘泥于预先设置的问题。实践证明，通过学生自主提问展开的课堂研讨，往往效果更好。在前期铺垫时，启发学生自主思考并积极讨论，分析该领域可能存在的问题和发展方向。当讲到后续内容时，学生有了一定的心理预期，很想了解该领域的研究现状和发展趋势，以验证与预期是否一致。同时，自主提问对于生物信息学研究有很好的推动作用，学生经常能够独辟蹊径，提出全新的思路，拓展研究内容的广度和深度。

5.课堂报告

在授课过程中，鼓励学生结合所学知识选择感兴趣的专题，阅读相关文献并进行课堂报告。由于学生的选题更接近彼此的思维方式，能够反映一些共性的问题，对于扩展思路很有帮助。在报告过程中，教师可适时点评，穿插课堂讨论，以深化学生对问题的理解。课堂报告可以全面地锻炼学生的表达能力、写作能力和创新思维能力，提高学生的综合素质。

第8篇：生物信息学研究方法范文

关键词：生物信息学；河南科技大学；改革与探索

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）48-0140-02

生物信息学（Bioinformatics）是以计算机为工具对生物信息进行储存、检索和分析的科学，是当今生命科学和自然科学的重要前沿领域之一。近年来，随着基因组计划的不断进行和完善，生物信息学的重要性凸显出来，国内外对生物信息学方面的人才需求量急剧增加[1]。河南科技大学本着“加强基础、拓宽专业、强化能力、提高素质”人才培养的指导思想，针对生物科学及生物技术两个本科专业开设了生物信息学课程，目的是使学生在后基因时代，跟上时代的发展，具备初步的生物信息学分析技能和实践操作能力，为日后的工作和学习提供帮助。

生物信息学作为一门新的学科领域，它的研究重点主要体现在基因组学（Genomics）和蛋白质组学（Proteomics）两个方面，具体说就是从核酸和蛋白质序列为起点，分析序列中表达的结构功能的生物信息。而这些序列首先由全世界各个实验室通过实验获得，之后提交到相应的数据库中[2]，即生物信息学的内容是日新月异，不断发展的。基于生物信息学这门课程的前沿性、交叉性和实践性特点，在教学中，既要强调基本理论、基本知识的讲授，更要加强学生的实践和创新能力的培养。所以我们在理论教学、双语教学、实践操作、网络教学及考核方式等方面进行了改革和探索，目前获得了较好的教学效果。

一、在理论教学方面循序渐进、由易入难，激发学生的学习兴趣

由于生物信息学课程涉及的新知识点、新技术及各学科交叉点较多，并且各种生物信息学软件及分析平台均为英文界面，所以学好生物信息学就要求学生必须具备良好的计算机知识、数学知识和生物学等知识。基于这种学科特点，我们在整个授课过程中，采取循序渐进、由易入难的教学方式：前期主要引导学生学习一些基础的、简单的生物信息学理论知识、分析方法和专业英语知识，同时补充学生在生物学，如分子生物学等方面欠缺的基础知识，建立学生学习生物信息学的信心。在此基础上，继续逐步增加课程内容，讲授更多的生物信息学英文网站，更多的生物信息学专业英语词汇和更多的生物信息学分析软件，最终圆满完成教学大纲内容。相应的，在上述循序渐进的学习过程中，学生的生物信息学知识、英语阅读能力也得到了极大提高，并学会了利用这些知识解决在实际专业学习中遇到的生物信息学问题，使学习过程变得轻松起来，即逐步打消学生的畏难情绪，极大地提高学生学习生物信息学的兴趣和信心。

二、利用双语教学，优化教学内容

基于生物信息学学科的前沿性和交叉性，使得生物信息学课程比较适宜开展较高水平的双语教学[3]。我们首先对生物信息学英文原版教材进行了筛选，最终确定《Bioinformatics For Dummies》英文原版教材为学生用教材，该教材通俗易懂、实践操作性强，特别适合入门的生物信息学初学者选用。通过对教材仔细研读，结合生物科学和生物技术两个专业的特点，我们对该教材内容进行了更新和优化，将重点集中于应用性较强的生物信息学实践分析技能和离线单机版生物信息学软件的使用上，实践分析技能包括核酸及蛋白序列数据库的查询、核酸及蛋白序列的相似性搜索、系统进化树的构建、核酸和蛋白序列比对、蛋白理化性质及结构的预测等；软件包括Primer Premier 5.0、DNAMAN 6.0、MEGA 5.0等。基于这些优化后的内容，我们制作了生物信息学双语教学计划和英文PPT教学课件。在整个授课过程中，采用全英文讲解。在此过程中，我们要求在前期引导学生时，特别注意放慢讲解速度，等学生适应后，逐步加快，直至学生完全适应全英文双语教学。教研组已分别于2014―2015学年和2015―2016学年第2学期成功应用英汉双语完成了生物信息学课程的双语教学任务，教学效果良好。

三、利用课堂实时演示与学生互动，增强学生实践操作能力

基于网络安全问题，我校在教室内仅能登陆校园网而不能登陆校外网。在生物信息学教学过程中，为了达到更好的教学效果，我们首先利用能够接收无线网络信号的设备，实现上课时教室内有网络，这样在授课过程中就可以进行实时在线的生物信息学分析，特别是在讲解数据库查询、序列提交、蛋白质结构域分析、蛋白理化性质及结构预测等重要内容时，通过实时演示连贯教学内容，让学生得到了更加直观的实践体验，加深了对各种分析方法的学习和理解。另一方面，为了使学生更快地掌握实践操作，我们在讲授演示完毕后，通过设计与讲授内容相关的案例提问学生亲自操作，适当增加课堂紧张感，加强与学生的互动，活跃课堂氛围，进一步加深学生对课堂内容的理解。通过以上两个方面的改进，使学生更快更好地掌握实践操作知识，目前获得了很好的效果。

四、以学校网络教学中心为平台，充分利用网络教学资源

生物信息学的学习和使用与网路的使用紧密相关，由于课程学时（仅24学时）的限制，学生们不可能完全依赖课堂时间很好的掌握该课程，更多地是要求学生进行课下的自学和复习。为了给学生提供更好的课后学习环境，我们除了在课堂教授方面进行改进之外，还以河南科技大学网络教学中心为平台，开设了生物信息学网络课程，课程内容包括生物信息学英语原版教材、双语多媒体课件、生物信息学软件、教学视频、生物信息学在线分析工具网址汇编、生物信息学相关英文视频等内容，涵盖课堂教学内容的同时还进行了扩充，非常全面详细，这些资源每位学生都可以随时自行免费下载，可以根据自己的时间和学习情况，有重点、有目的、有计划的进行自学和补充，非常有效的扩大了学生的自学空间，最终达到熟练掌握的效果。根据生物信息学课程问卷调查结果来看，学生反映很好。

五、考核办法改革

生物信息学是一门实用性、操作性很强的学科。学习该学科的主要目的是使学生在掌握理论知识的同时，综合运用这些知识分析和解决实际遇到的生物学问题，所以我们对生物信息学的考核方式进行了改革，其中重要的改革内容之一就是不再进行闭卷考试，而是采用课后大作业的方式进行考核，即在课程结束后，给同学们留有两周左右的复习时间，之后教师给学生每人一题，这些题目涉及综合利用所学的生物信息学技能对蛋白序列数据库查询、对核酸及蛋白序列的相似性进行搜索、构建分子系统进化树、PCR扩增引物的设计、核酸及蛋白序列比对、蛋白质理化性质及结构预测等内容，这一部分的成绩占总成绩的70%。除此之外，学生的最终考试成绩还要结合平时的出勤率和课堂表现，其中考勤占总成绩的10%，随堂表现占20%。这一改革一方面节省了学生为应付闭卷考试死记硬背而花费的大量时间，更重要的是提高了学生主动深入学习、理解专业知识、利用专业知识进行实践操作的主动性和积极性，非常有效的达到了生物信息学的教学目的，同时这一改革也正与河南科技大学所提倡的提高本科教学质量，培养有素质有能力的优秀本科生的思想相符。

总之，教研组通过理论教学、双语教学、实践操作、网络教学及考核方式等方面的改革与探索，极大地提高了河南科技大学生物信息学的本科教学质量，并获得了很好的教学效果。

参考文献：

[1]陈颖健.生物信息学：融合生物科学与计算机科技的新学科[J].求是，2003，（7）：17-19.

第9篇：生物信息学研究方法范文

>> 民族信息学的研究范式与发展方向探析 生物信息学在农学研究领域中的应用 协作学习在信息学奥赛辅导中的实践研究 中医药信息学的发展与应用 医学信息学课程的发展与思考 发展中的医学影像信息学 癌症研究的生物信息学资源 中医神经信息学研究趋势 生物信息学方法在蛋白质―蛋白质相互作用研究中的应用 社区信息学的主要方法 中日美企业文化的比较研究 云计算及其在生物信息学中的应用 关于化学信息学及其课程教学 生物信息学在生物学研究领域的应用 在信息学辅导中培养学生的信息素养 我国医学信息学教育的历史与发展现状 美国健康信息学技术的发展现状及作用 中医大数据下生物信息学的发展及教育模式浅析 人才成为国外医学信息学发展原动力 自建在线评测平台在中学信息学奥赛教学中的应用 常见问题解答 当前所在位置：l.

[4] 野田五十洌山下央，副田俊介.新しい情笱В3.暮η笱[J].情I理，2010，51（6）：649-655.

[5] Subedi J.Disaster Informatics：Information Management as a Tool for Effective Disaster Risk Reduction[J].Advanced ICTs for

Disaster Management and Threat Detection：Collaborative and Distributed Frameworks，2010：415.

[6] 庞宗礼.关于建立灾害信息学的建议和农业灾害信息初探[J].农业信息探索，1989（1）：27-30.

[7] 庞宗礼.灾害信息学的基本构架[J].科学管理研究，1991（5）：74-78.

[8] 刘艺林.灾害信息的采集及其成果积累[J].灾害学，1999（1）：70-75.

[9] 田中 淳.暮η笳の展望：p膜蚰恐袱筏疲学gv演会|京大学t合防那笱芯骏互螗咯`O立浈伐螗荪弗Ε啵[J].生b研究，2008，60（4）：19-26.

[10] 孙庚.日本灾害信息学研究的历史与现状[J].国际新闻界，2010（1）：111-116.

[11] 民政部灾害信息管理项目建设考察团，王振耀，方志勇，等.加快灾害信息管理系统建设──美国、日本灾害应急管理系统建设启示[J].中国减灾，2004（5）：49-51.

[12] 宋丹，高峰.美国自然灾害应急管理情报服务案例分析及其启示[J].图书情报工作，2012，56（20）：79-84.

[13] Asimakopoulou E.Advanced ICTs for Disaster Management and Threat Detection：Collaborative and Distributed Frameworks：Collaborative and Distributed Frameworks[M].IGI Global，2010.

[14] Weichselgartner J，Pigeon P.The Role of Knowledge in Disaster Risk Reduction[J].Int J Disaster Risk Sci，2015，6（2）：107-116.

[15] Takahashi B，Tandoc E C，Carmichael municating on Twitter during a disaster：An analysis of tweets during Typhoon Haiyan in the Philippines[J].Computers in Human Behavior，2015（50）：392-398.

[16] Svoboda M D.，Fuchs B A.，Poulsen C C，et al.The drought risk atlas：Enhancing decision support for drought risk management in the United States[J].Journal of Hydrology，2015（526）：274-286.

[17] Lindell M K，Prater C S，Gregg C E，et al. Households'immediate responses to the 2009 American Samoa Earthquake and Tsunami[J].International journal of disaster risk reduction，2015（12）：328-340.

[18] Steelman T，Mccaffrey S，Velez A-L.，et al.What information do people use，trust，and find useful during a disaster？Evidence from five large wildfires[J].Nat Hazards，2015，76（1）：615-634.

[19] Ryan B.Information seeking in a flood[J].Disaster Prevention and Management：An International Journal，2013，22（3）： 229-242.

[20] Su Y，Zhao F，Tan L.Whether a large disaster could change public concern and risk perception： a case study of the 7/21 extraordinary rainstorm disaster in Beijing in 2012[J].Nat Hazards，2015，78（1）：555-567.

[21] 郭松玲.试论灾害信息的特征与分类[J].中国减灾，1992（3）：25-27.

[22] 彭姚.国内自然灾害信息分类与组织研究综述[J].科技创新导报，2014（30）：26-30.

[23] 崔鹏飞.我国灾害信息管理现状与发展分析[J].教育教学论坛，2014（30）：243-244.

[24] 陈祖琴，苏新宁.基于情景划分的突发事件应急响应策略库构建方法[J].图书情报工作，2014，58（19）：105-110.

[25] 蒋勋，毛燕，苏新宁.突发事件驱动的信息语义组织与跨领域协同处理模型[J].情报理论与实践，2014（11）：114-119.

[26] 蒋勋，苏新宁，刘喜文.突发事件驱动的应急决策知识库结构研究[J].情报资料工作，2015（1）：25-29.

[27] 吴小兰，章成志.基于DTM-LPA的突发事件话题演化方法研究――以H7N9微博为例[J].图书与情报，2015（3）：9-16.

[28] 邵健，章成志.文本表示方法对微博Hashtag推荐影响研究――以Twitter上H7N9微博为例[J].图书与情报，2015（3）：17-25.

[29] 邓三鸿，刘喜文，蒋勋.基于利益相关者理论的突发事件案例知识库构建研究[J].图书与情报，2015（3）：1-8.

[30] 林曦，姚乐野.我国突发事件应急管理的情报工作现状与问题分析[J].图书情报工作，2014，58（23）：12-18.

[31] 徐占品，钟健.灾害信息传播的研究对象、方法和意义[J].防灾科技学院学报，2010（3）：125-129.

[32] 徐占品.灾害信息传播者类型及其传播特点[J].新闻界，2013（21）：28-33.

[33] 徐占品，刘利永.新媒体时代灾害信息的传播特点――以北京7.21特大暴雨山洪泥石流灾害为例[J].新闻界，2013（5）：48-53.

[34] 刘晓岚，刘颖，迟晓明.我国灾害信息传播的研究现状与展望[J].防灾科技学院学报，2010（1）：132-136.

[35] 刘伟，刘晓岚.移动互联网语境下的灾害信息传播研究[J].东南传播，2015（3）：5-7.

[36] 刘雯，高峰，洪凌子.基于情感分析的灾害网络舆情研究――以雅安地震为例[J].图书情报工作，2013，57（20）：104-110.

[37] 刘波.公共突发性事件中微博舆论场域的生成与引导――从北京“7・21”特大自然灾害到事件[J].中国党政干部论坛，2013（4）：76-80.