生物信息学的认识精选(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的认识主题范文，仅供参考，欢迎阅读并收藏。

第1篇：生物信息学的认识范文

关键词：信息技术；细化任务设计；任务完成

培养学生主动学习能力和独立分析、解决问题能力，在教学中最重要的方法可以说是“任务驱动法”。任务设计的质量直接关系到教学效果，所以要树立以学生为主体，教师发挥组织者、指导者和促进者的作用，利用教学情境、合作交流等学习环境充分发挥学生的主动性、积极性和创新精神，最终达到激励学生的求知兴趣，有效地实现学生对知识的认知目的。

一、细化任务驱动

任务驱动不要过于简单，要将所要学习的新知识设计在一个或几个任务里，学生通过对所提的任务进行分析、研讨，明确它涉及哪些知识要点，并找出哪些是学过的知识，哪些是新的知识，遇到较难问题时，教师要及时指导解决问题，最后学生通过任务的完成而实现了对所学知识的理解和掌握。

在设计任务时既要考虑到学生个体差异，又要考虑知识的难易程度，可以按三个层次来设计：

第一，设计基本的任务，明确要学的新知识和新方法，教师列举具体的实例，学生按照老师的要求做，以掌握任务中包含的新知识和技能。第二，设计提高性的任务，教师列出具体的要求，不列出具体的实例，留给学生自主发挥的空间，鼓励学生创作出有创意的作品。他们在完成了基本任务后，进行自由的活动。第三，设计开放性的任务，教师列出多种要求、内容和形式，由学生组成小组合作完成，这比较适合模块的综合性练习。

二、师生研讨

设计好的任务发给学生后，要及时指导学生进行讨论并且写出讨论的方案来。教师引导学生逐步理清任务中的问题，然后师生共同论证完成这个任务的方案，将任务分成多个小任务并制定出详细的操作步骤找到问题的解决途径。

三、任务完成

任务驱动的目的是让学生进入学习情境，师生研讨，使学生明确学习的目标。教师既要及时引导学生，还要主动去观察学生，发现学生出现的问题，特别是共同性的问题。学生可以按以下的方法来完成任务：第一，自主探究：学生在学习过程中能够发挥主动性，体现出学生的首创精神，正确评价自己的认知活动，从中获取对知识的正确理解，探求问题的最终解决。第二，合作学习：学生分小组共同完成任务。通过合作解决问题、小组讨论、意见交流等形式，促进学生的沟通，学会表达自己的见解，学会评判、接纳和反思。

第2篇：生物信息学的认识范文

Abstract: University research has a close relationship with teaching. The research leads the teaching，at the same time，the teaching also urges the research. The research conveys the whole cognitive process to students through teaching while the purpose of education is to arouse students' scientific unity awareness and cultivate a kind of clear self awareness. Bioinformatics is a burgeoning cross discipline with its distinctive features. At present，it is still an unresolved issue of how to embody subject unity at bioinformatics teaching. Combining the characteristics of bioinformatics，the paper preliminarily analyzes the relation of bioinformatics teaching and research and explores how to embody this cross discipline's unity in teaching.

关键词：生物信息学；教学；科研；统一性

Key words: bioinformatics；teaching；research；unity

中图分类号：G42 文献标识码：A文章编号：1006-4311（2010）33-0184-01

1以真理为业的教师

按照雅斯贝尔斯的说法，“大学应当成为这样的一个地方，在这里人们可以不受限制的探求真理，并在对真理的追求中培养清晰的自我意识”[1]。生物信息学像所有的学科一样，首先要传达出一种以真理为业的精神。以韦伯的《以学术为业》的著名演讲为例[2]，可知这样一种精神的传达所具有的不可替代的价值。

2在教学中传达生物信息学的整体性

2.1 生物信息学是门学科而不是工具。生物信息学最开始是为了处理基因组计划产生的大量数据而诞生的，所以总是被认为是一门工具。

现在的生物信息学正由过去的分析和积累生物分子的知识转变为综合多种生物分子及其相互作用的知识来了解生物系统的功能[3]。日本学者Minoru Kanehisa把生物信息学分为基因组信息学和后基因组信息学两个阶段，基因组信息学是为了处理基因组计划产生的大量数据而诞生的，它的角色是通过对生物分子的分析支持实验工作；后基因组信息学的研究可能使我们进入到对生命的基本规律的认识[3]。正是因为后基因组信息学的出现，使得生物信息学有了作为一门学科的资本。

2.2 生物信息学是一个整体。当把生物信息学作为一个工具时，它确实是各个不同学科的堆砌。然而，当我们的研究层次可以从单个基因和蛋白质过渡到网络，甚至全基因组的相应时，当我们注意到细胞随着时间和空间而受到动态的调控而基因也不再是静态的实体时，当我们从整个生命之树的角度处理大量信息时，生物信息就成了一个主导的整体，而不只是各个工具的堆砌[4]。它成了一门“理论”的生物学。

3生物信息学教师的科研能力的培养

从真理和求知意志的统一性上来说，科学就是哲学，是通过一种“明确而严密”的方式，体现了哲学上的冲动。教育的目的，正是要把这样一种激情和研究的方式传播给其他人。教师在讲台上的作用，不只是他说讲解和组织起来的各种知识，他的对于科学的激情和逐步探索的过程会对学生有很大的感染力。从康德到韦伯所做的经典讲座都表明，演讲者不经意间流露出的“可意会不可言传”的东西，对于讲课的效果有关键的影响。如果教师不具备科研精神和一种探索中的冒险精神，他的内容无论组织得多有条理，无论以多么精确的确定性得出令人赏心悦目的数字，也会导致教学的失败[1]。因此，生物信息学的教师应该首先超越把生物信息学作为工具的想法，培养对于客观性的忠诚以及一种为真理统一性献身的热忱。

生物信息学不同于其他学科，它没有别人组织好的教学材料，它的很多最新成果必须教师自己去整理和总结，这就更凸显了生物信息学的教师必须同时是生物信息学的研究者的必要性。生物信息学的各位教师，应该全面关注生物信息学的各个研究领域的最近的成果，体会出生物信息学从“工具”到“学科”的渐变，并在这样的一个转变中体会生物信息学从“为实用而科学”到“为科学而科学”质变。

4生物信息学教学特点和教学模式

生物信息学的教学特点与其他学科的最大的不同在于生物信息学领域的研究严重依赖于因特网。生物信息学必须通过因特网来访问基因组计划产生的序列数据、获取各种软件和程序模块，并通过网络整合生物学的不同资源[4]。为了达到良好的教学效果，必须建立起充足的计算机和网络等教学资源，并在教学中，多进行一些上机实践。然而，这些资源往往是一些散在的资源，生物信息学的教师在上课时应该使学生认识到，这些生物信息学资源是相互紧密相连的。生物信息学的教师应该避免孤立的讲解枯燥的数据库和软件资源，而应该提出一些整体性的又可操作的生物学问题，通过一些生动的例子，让学生在解决问题的过程中了解各个数据资源，同时了解各个资源之间的相互关系。

同时，生物信息学的教育模式对培养学生的求知意志和求知的统一性也很重要。总的来说，存在三种基本类型的教育模式，一种是经院式的教育，这种教育关心的只是传统的继承；一种是学徒式的教育，这种教育是因为徒弟对师傅的人格的向往；一种是苏格拉底式的教育，在这个教育模式中，学生和老师应当被认为是出于同样的水平，双方都被认为是自由的，教师只是一个助产婆[1]。生物信息的教学模式只能是苏格拉底式的教育。在这样一个新生的学科里，没有什么东西是一成不变的。教师应该使学生明白当前研究的局限性并坦率的承认自己的无知，并使学生明白自己只是个普通人且是可被质疑的，只有这种模式才能有效的激发出学生的坚定的求知意志。苏格拉底式的老师会抵制来自学生的企图把他看作权威和大师的迫切愿望[1]。

总之，由于生物信息学是一门交叉的学科，老师们必须在教学中体现出一种以统一性为特征的科研精神，传达给学生一种冒险性和探索精神。并且，由于生物信息学还是一门新生的学科，老师们应当探索新的有效的教学方法，并注意培养自己的科学素质，使学生体会到生物信息学内在的统一性和理论性。最后，自由的探索是新兴学科的灵魂所在，应当避免在教学中出现强迫的行为，我们当谨记雅斯贝尔斯的劝告：“一种自由的生活方式只有靠自己负责才会有前途。教师的传授是自由的，学生的学习也因而是自由的”。

参考文献：

[1]卡尔・雅斯贝尔斯.大学之理念[M].上海：上海世纪出版集团，2005.

[2]马克斯・韦伯.伦理之业[M].桂林：广西师范大学出版社，2008.

第3篇：生物信息学的认识范文

关键词：生物信息学 交叉学科 学生培养

一、生物信息学的产生

生物学是一门古老的学科，在人类历史发展的长河中，人类从未停止过对生命奥秘的探索。人们逐渐认识到，虽然生物种类多种多样，但是它们的最基本分子却是相同的。DNA、RNA和蛋白质等分子构成了生命的基本单位，再由细胞到组织、器官，最后器官系统组成完整的生物体。

传统的生物学研究中，由于受到技术水平的限制，生物学家多采用低通量的生物实验方法，其研究对象通常是一个基因或者几个基因组成的通路。在这种情况下，实验后的简单观察就可以满足研究需要。随着生物研究的不断深入，积累了大量实验数据，人们不禁想到，如何把不同的实验结果整合起来？另一方面，随着生物技术的发展，大量新兴技术出现，产生了海量的数据。例如90年代兴起的基因芯片技术，单张芯片就可以测定成千上万个基因在某一状态下的表达情况。1990年启动的人类基因组计划更为生命科学的研究提供了海量的序列数据。面对如此多的数据，以前依靠生物实验研究单个或几个基因的方法很难再适用，生命科学、统计学、计算机科学和信息科学等若干学科的交叉学科――生物信息学应运而生。生物信息学以计算机、统计、模式识别等方法为手段，以生物数据为研究对象，通过对大量生物数据的储存、处理和分析，提取其中有意义的生物知识[1]，从而最终揭示蕴藏在核酸序列和蛋白质序列中的信息，对了解生命活动的基本规律出贡献。

二、生物信息学在生命科学研究中的作用

作为一门新兴的学科，大家对生物信息的作用并不十分明确。很多人认为生物信息学只是为实验科学服务。从广义上讲，这种说法也不无道理，但是生物信息学并不是实验科学的附属品，与生物实验一样，它也是解决生物问题的一种手段。为了解决生物问题，生物学家依靠的是实验台，生物信息学家依靠的是计算机。

在生命科学的发展过程中，以分子生物学的产生为界，可以分为传统生物学和现代生物学。传统生物学和现代生物学取得的成就为生命科学的发展做出了巨大贡献。人类基因组计划启动以来，人们一度认为只要把各种生物基因组的全部碱基排列顺序测定清楚，生命的遗传奥秘就会显露无余，但是真实的情况远不像想象的那样简单。人类的个体发育开始于一个单细胞受精卵，受精卵经过一系列的细胞分裂和分化，产生具有不同形态和功能的细胞，不同细胞之间相互作用构成各种组织和器官。虽然人类基因组中有两万多个基因，但是在单个细胞当中，同时起作用的基因往往是很少的。有些基因只在特定阶段起作用，有些基因只在特定组织起作用。只关心某个基因或蛋白的功能是不够的，因为在不同时空条件下，同一个基因或蛋白的功能可能不同。生物是一个复杂的系统，其表型和功能不仅体现于基因数量和序列的不同，更体现在基因、蛋白以及其他生物分子之间的相互作用之中。因此，把研究对象当成一个整体，系统地分析内部的相互关系尤其重要。但是无论是传统生物学还是现代生物学，都是一门实验学科，生物学的发展中缺乏一种系统思想。生物信息学可以从大量生物数据中提取有意义的生物知识，通过对已有数据的总结，进一步推测生物体的某些性质和变化趋势，生物信息学为大量生物数据的整合提供了可能，与生物实验一样，是生物研究中的一种重要途径。

三、生物信息学学生的培养

生物信息学是一门交叉学科，要求学生具有较好的分子生物学、计算机科学、数学和统计学素养，目前国内只有少数几个学校设立了生物信息学本科专业，大部分的学生都是进入研究生阶段才开始生物信息学的培养。在进入生物信息学专业前，本科阶段可能接受过计算机、统计学、信息学、生物学等某一方面的教育，但要进行生物信息学的研究，大多需要补充其他方面的知识。

生物信息学研究可以分为两类：第一，在深刻理解生物问题的基础上，利用计算技术解决生物问题，第二，为生物学家提供性能更好的方法（算法）。理工科背景学生的生物知识较少，但是对于各种计算方法的原理和使用非常熟悉，对于这类学生的培养，第二类问题比较适合他们入门。在生物信息领域，有很多经典的分类问题。这些问题已经明确了分类目标，并且大都有通用的数据集。但是这类工作也受到了生物学家的质疑，因为大部分工作都是把已有的经典算法用在生物数据上，由于对生物问题不够了解，最后成为只有做生物信息的人才看的方法。这也在一定程度上导致了部分生物学家对生物信息存在偏见，认为生物信息就是提出新算法，做一些数据库。要想真正让生物学家认识到生物信息学的重要性，就要以解决生物问题为根本出发点，即使是做预测方法，也要建立在解决生物问题的基础上。做出更好预测方法的关键是深入理解生物问题并抓住关键特征。举个例子，要把男生和女生分开，我们可以根据很多特征，比如身高、体重、头发长短，虽然大多数情况下来说，男生比女生高、比女生重、比女生头发短。但是只基于这些特征还是会造成很多的分类错误，因为这些特征不是男生女生差别的最根本因素。如果我们是根据性染色体来分，那正确率的提高就非常显著了。在预测问题中，利用五花八门的方法并不是关键，如何能够对生物问题深入了解并找到关键特征，才是最主要的。

作为一门新兴的学科，大家对生物信息的了解还很少，很多人对它的定位也不同。但既然是生物信息，就是先生物后信息，可见生物的重要性。所以，在生物信息的研究过程中，对生物问题只限于表面地理解，势必不能做出好的工作。只有对生物问题有了深入了解，才能发现其中的问题。能够找到值得做的问题，可以说工作已经成功了一大半。当然，解决问题过程中也会有很多困难，比如发现了值得研究的课题，但在解决的过程当中发现某些数据无法获得，或者某些技术超出了自己的能力范围。在这种情况下，可以首先想想有没有其它变通的办法可以解决问题，如果经过慎重的考虑都无法找到，就要果断的放弃。这里要强调一定要慎重考虑，不能遇到一点困难就放弃。

相比理工科背景的学生，生物背景的学生有着扎实的生物学知识基础。但是如果是从本科阶段直接进入生物信息学，由于还没有进行过实验操作，他们对生物问题的理解也很难非常深入。不管是理工科背景还是生物背景的学生，丰富的生物学知识都是进行好的生物信息学研究的前提。在培养学生时不可忽视对其基础生物学知识的传授和教育，并适当引导其对生物学问题的思考。生物学问题可以很大也可以很小。大的生物学问题任何一个懂得基础生物学知识的人都可以提出，但也是最难解决的，比如到底是什么改变使细胞恶变，自身免疫病是如何形成的，心血管病糖尿病等复杂疾病是如何发生的，为何有人容易生某种病而其他人不易感。小的生物学问题就是各自领域的具体研究课题，比如表观遗传学领域的DNA去甲基化酶是否存在，基因表达调控领域的转录起始频率是如何决定的，RNA领域的大量非编码RNA的作用，蛋白修饰领域新发现的修饰如何调控蛋白的功能等等。在脑中提出并试图思考一系列大大小小的生物学问题是对学生培养目标的第一步。这些问题的产生的前提是对生物学知识的熟悉掌握。然而在对学生培养的过程中没必要也不可能告诉他们所有的知识，生物学知识教育的原则是为他们打开门，当他们思考问题的时候知道去哪里找到相关的知识。

另一方面，只有生物学基础知识和问题是不够的。很多问题在生物信息学产生之前就存在了，传统的方法无法带给人们问题的答案。人们一直期待新的方法去理解和解决这些问题。生物信息学的产生无疑提供给人们另一种思考生物问题的方式，为一些经典问题的解决提供了可能。例如最近的大规模的肿瘤基因组测序和分析使我们发现了很多新的肿瘤相关基因[2]。对于生物背景的学生，在教学中要把这样的例子介绍给学生，生物背景的学生在理解信息学理论方面会存在困难。最初很难要求他们理解所有具体过程。但是至少要让他们知道这些方法的基本原理，还有在什么情况下使用。这样在以后的研究中遇到类似问题才能想到应该选择什么样的信息学工具去解决，在具体应用过程中加深对整个过程的理解。生物背景的学生如果想成为生物信息学专家，只会应用是不够的，补充一些计算机、统计、信息方面的基础知识是必不可少的。

生物信息学是一门仍处在快速发展之中的学科。还没有一本教材能够满足生物信息学教学的需要，生物信息学立足于分子生物学、模式识别、计算机科学与技术、数学和统计学等学科，所以学生要先对这些学科的基本概念和系统有一个较为全面和直观的认识，为日后的科研打下坚实的基础。另外，培养过程中要包括大量的实例介绍，对一些重要的应用还加以详细解剖，使得同学们不再仅掌握理论，而是能够学会如何在实际工作中灵活应用这些理论。在此基础之上，向同学们推荐一些最新的论文、期刊、参考读物和相关的学术报告，让同学们能够切身感受到学科发展的前沿，培养学生的创新能力。21世纪是生命科学的时代，也是信息科学的时代。生物信息学在这样的历史条件下产生并壮大，它作为多个领域的交叉新兴学科，对生命科学研究有着巨大的推动力。生物信息学是一门应用性非常强的学科，也是一门非常活跃的前沿学科，良好的教学效果必须以先进的内容体系为基础，我们应时刻注意以科研促进教学，教学科研相长，使教学研究达到更高的水平。

[参考文献]

[1]蒋彦等.基础生物信息学及应用[M].北京：清华大学出版社,2003

第4篇：生物信息学的认识范文

关键词生物信息学；教学；教学改革

生物信息学是生物学、计算机科学、信息科学、数学等多学科交叉融合的新兴学科，可培养学生综合运用知识解决科学问题的思维水平和能力，学科内容具有极强的前沿性、开放性、实践性和探索性，有助于培养宽口径、厚基础、创造性、应用型的专业人才[1-2]。但因生物信息学的知识庞博、原理抽象，使得该课程不能采用传统的教学模式进行教学，现行的课程教学方法尚未完善，需根据不同学校、不同专业的发展定位和学生培养目标有针对性地设计和开展课程教学。浙江大学宁波理工学院生物工程和生物技术为工科专业，以培养高水平的应用型人才为目标。近几年开设了生物信息学课程，通过不断的课程教学改革和实践，笔者发现影响教学效果的多方面因素，包括地方院校生物信息课程授课过程中的共性问题[3]。逐步对课程目标、教学内容、教学方法和考核方法等方面进行了有益探索，探索适合工科专业学生的生物信息学课堂教学模式。通过努力，初步解决了浙江大学工科大学生的生物信息学课堂教学的主要问题，有效提高课程教学效果，同时也获得了一些经验和认识。

1工科专业的生物信息学课程教学问题

1.1课程教学内容新颖繁多，与专业课程体系设计不匹配

生物信息学作为一门新兴的交叉学科，要求学生了解、掌握的基础知识非常多，但学校侧重于工程人才培养，工科应用课程多，生物基础知识薄弱，且将生物信息学作为专业选修课，仅安排24学时的授课时间，这就形成教学内容新颖繁多与专业课程体系安排设计不匹配，难以有效利用已学知识对这个综合性新兴学科课程进行全面学习，部分大学生还因学无所成或跟不上授课进程而产生厌学情绪。

1.2授课学时短，教学和考核模式落后

生物信息学知识庞博、原理抽象、实践性强，但因课程授课学时严重不足，课堂教学通常以理论教学为主，采用以教师讲授为主体的传授式教学方法，幻灯片课件展示容量很大，学生缺少足够的时间思考和消化，常感到学习千头万绪，不得要领。传统教学方式无法满足该课程教学需求，在生物信息学教学中存在较大局限性。在传统教学方法下，课程考核仍以卷面形式进行，忽视实践技能，不能有效考查大学生的学习效果。因此，传统教学和考核方法忽视了该课程前沿性、实践性强的特点，使学生失去了主动思考和积极创新的动力和机会。

1.3教学资源不充足，教材选择困难

生物信息学作为一门新兴学科，教学资源不充足成为普遍现象。生物信息学教材在教学内容的新颖性、时效性和对各专业的适用性等方面有所欠缺，例如一些数据库及软件总在不停更新，教材内容有比较大的滞后性。由于高校开设该课程的时间通常较晚，适用于工科专业的生物信息学教学资源，如教学教案、多媒体课件、教学视频等尤为欠缺。同时，由于生物信息学课程的前沿性，与生物信息学有关的网页大部分都是英文，工科大学生的生物信息学专业词汇极其匮乏，开展实践教学时学生学习非常吃力，甚至造成学生学习困难，教学效果比较差。

2工科专业的生物信息学课程教学改革

2.1根据专业特点改革教学内容

结合工科专业特点及培养特色，选用相对简洁，基础知识与实践应用相结合的教材，如陈铭编写《生物信息学（第二版）》等。同时不拘泥于教材，针对具体讲授情况进行有机取舍和补充，合理制订教学方案。比如，对浙江大学生物工程专业的本科生来说，生物信息学更多的是一种辅助分析工具，不需要深入学习数据库的构建方法、软件算法等基础知识，更多的是培养他们应用生物信息学技术和思维方法来服务本专业知识的能力。因此，大力引入实践教学，大幅度压缩理论教学，理论教学和实践上机操作时间基本按等比例分配。改革后的理论教学内容包括生物数据库及其信息检索、序列比对与分子进化、核酸序列分析、蛋白质性质和结构分析、基因组信息学、蛋白质组信息学等；实践教学引入了常用生物信息学数据库的应用、核酸和蛋白质序列的进化分析、DNA序列的信息学和功能分析、蛋白质序列分析和结构预测、常用生物软件的应用、综合实验等。该教学计划不仅使学生有效学习生物信息学的理论和技术，还可使学生深刻体会和贯通一些生物化学、分子生物学、基因工程等生物课程的知识，夯实了工科大学生的生物学基础理论知识，为学生开展专业相关的实践创新项目和后续毕业论文设计提供技术支持。

2.2革新基于多媒体的互联网教学方法

多媒体网络教室借助于计算机网络和多媒体技术，轻松实现生物信息学理论讲授、数据库搜索及软件应用演示，便于師生课堂交流，增强学生的教学参与意识[4]。再加上大多生物信息学数据库及软件工具在因特网上免费提供，引导学生充分利用这些网络资源尤为重要。因此，必须建立有效的基于多媒体的生物信息学互联网教学方法，给大学生提供更多动手操作机会，改善学习效果，充分体现生物信息学的实践性。基于此，将每个生物信息学教学主题的课堂讲授内容分为2部分：一是用幻灯片进行理论知识讲授和操作演示，二是指导学生利用丰富的网络资源和软件工具完成相关上机实习，引导学生进行探索式练习，培养主动学习的习惯。例如在GenBank数据库教学活动中，首先用幻灯片讲授该数据库的简要情况；接着演示GenBank数据库的搜索方法和搜索结果的要点，结合搜索内容讲解核酸及蛋白序列的格式、主要字段的含义、序列下载的方式；最后，布置相关上机操作内容，由学生上机操作该数据的搜索，并对搜索到的序列进行解读，教师全程指导解疑。另外，为摆脱该课程学时短的限制，结合教学内容适量安排课后作业，鼓励学生利用课余时间上机操作，巩固和拓展生物信息学知识。这样的教学方式简明扼要，既节约了课堂时间，还教会了学生主动获取信息的手段。

2.3开设创新型开放性实验

生物信息学课程的开放性和前沿性可以开拓学生的视野，帮助开发新的思维方式。因此，在生物信息学实践环节增设创新型开放性实验[5]，综合采取启发式、研讨式、运用式等教学方法[6]，强调大学生的创新思维、实践动手能力的培养，有效调动学生的学习兴趣。新型开放性实验包括演示实验实例模块和综合研究实验模块，让学生自己提出问题、设计和探索解决方案，引导学生独立思考、大胆动手，充分发挥学生的主动性和创造性，培养学生发现问题、综合分析处理问题、信息的收集和整理、创造性思维等独立动手能力以及团结协作能力。就综合实验模块而言，例如，学生想研究自己感兴趣的一个基因，要求学生独立查找相关文献和资料，收集和分析核酸、蛋白质序列及其同源性关系，预测该基因的结构、功能，最后总结这个实验过程并分析实验结果，撰写一份实验报告。通过创新型开放性实验训练，可以全方位、多角度、重能力地训练学生的综合素质。

2.4制订理论与实践并重的教学效果考核方法

根据新的教学内容和模式，积极改革生物信息学考核方式，制定理论和实践并重的考核制度，增强考察大学生对生物信息分析的基本技能的掌握程度以及对结果的分析能力。例如，课程的学生总评成绩由平时成绩和期末成绩组成，分别占25%和75%。期末成绩评定由理论考核和上机考核组成，比例分别占40%和35%。上机考核包括2部分：一是针对课堂教学内容随堂布置上机作业，让学生深化理论教学和演示实验教学的学习，评定学生作业成绩；二是让学生选定感兴趣的研究课题或教师设定研究主题，学生结合所学生物信息学知识，独立制订完整的研究方案，通过上机操作完成方案中的生物信息学操作，并对结果进行解读，形成一份实验报告，教师评定学生的报告成绩。通过这种考核可以全面评定学生的学习效果，促进学生主动学习，同时还可以准确发现教学过程中存在的问题，为课程教学的进一步优化提供指导。

3结语

根据生物信息学课程特点，针对工科专业培养特点，结合近年来笔者的课程教学实践，精心选择教学内容，突出并合理组织实践教学，注重培养大学生的核心技能；充分采用基于多媒体的互联网络教学，增设创新型开放性实验，构建多样性教学方法，强调学生的创新思维、实践动手能力的培养；注重教学效果评价，制订突出实践能力的考核方法，促进学生主动学习能力。通过这些教学改革和实践，逐步探索适合工科大学生的生物信息学课堂教学模式，有效提高课堂教学效果，切实增强学生的专业知识和技能。

参考文献 

[1] A·马尔科姆·坎贝尔，劳里J·海尔.探索基因组学、蛋白质组学和生物信息学[M].孙之荣，译.2版.北京：科学出版社，2007. 

[2] 郑国清，张瑞玲，段韶芬，等.生物信息学的形成与发展[J].河南农业科学，2002（11）：4-7. 

[3] 喻修道，雷霆，庞振凌，等.地方院校生物信息学课程教学模式的探讨[J].南阳师范学院学报，2015，14（6）：58-61. 

[4] 钱叶雄，朱国萍，聂刘旺，等.生物信息学课程“教、学、研”一体化创新教学模式探讨[J].安徽农业科学，2013，41（6）：2812-2813. 

[5] 吴建盛，李政辉，张悦.强化创新型开放性实验，促进生物信息学课程建设[J].信息通信，2013（6）：276-277. 

第5篇：生物信息学的认识范文

关键词：生物技术;生物信息学;教学;实践

中图分类号：G642 文献标志码：A 文章编号：1674-9324（2015）47-0123-02

生物信息学（Bioinformatics）是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学，是一门新兴的交叉学科。生物信息学针对生物学问题，发展各种算法及软件，对迅速增长的浩如烟海的核酸和蛋白质序列进行收集、整理、储存、、加工等，目的在于通过生物信息学手段及分析，逐步认识生命的起源、进化、遗传和发育的本质，破译隐藏在DNA序列中的遗传语言，揭示生物体生理和病理过程的分子基础，为探索生命的奥秘提供合理和最有效的方法或途径[1]。作为当今生命科学和自然科学领域发展最为迅速的学科之一，生物信息学已成为介于生物学和计算机科学前沿的重要学科。实验室的每一项技术，从简单的克隆、PCR到基因数据分析都需要在计算机上应用生物信息学的方法进行处理。因此，对生物技术专业的学生而言，具备一定程度的理解和应用生物信息学方法和技术的能力是十分必要的。

目前，国内外许多高等院校相继开设了生物信息学课程，我校也于2007年针对生物技术专业学生开设了此门课程。该课程不仅是一门新兴的学科，而且学习难度大，理论课内容相对枯燥，如何让学生更好地掌握本门课程的内容，是教师在教学过程中值得深思的问题。实验教学是帮助学生理解抽象理论知识的有力手段，在教学中显得尤为重要，但由于开设专业的特殊性，生物信息学实验教学一直比较薄弱。本文对过去实验教学中存在的问题进行了分析，并针对问题结合《基因工程原理》课程以及自己的科研对教学内容进行了优化和教学方法上的改进，取得了一定的成效。

一、过去教学中存在的问题

（一）实验课教学学时偏少

生物技术专业五年制生物信息学课程总学时为72学时，其中理论48学时，实验24学时。生物信息学课程最主要的目标是培养学生通过在线程序或利用生物信息学软件来分析生物学问题的能力，有效解决学生实验学时不足，实际操作时间少，解决实际问题能力较弱的问题。

（二）与其他课程联系较少

生物信息学课程开设在生物技术专业教学进程的第6学期，此时学生已具备普通生物学、细胞生物学、分子生物学、生物化学、医学免疫学、遗传学、基因组学、基因工程原理等生命科学的基础知识。但是，在生物信息学理论课和实践课学习的内容，如查阅的文献、分析的目的则由授课教师自行指定，忽略了与其他课程的联系，不利于学生系统地学习专业课的知识。

二、教学体系的改革和完善

（一）增加实验课教学学时

从2012年起，我校生物技术专业由五年制调整为四年制，同时在修订教学进程的时候将学时调整为理论36学时，实验36学时，理论课结束后即为该内容的实践部分，以此增加学生的实践训练时间。

（二）将基因工程原理实验课程与生物信息学实践相联系

在基因工程原理的实验中，我们把家蝇防御素基因作为目的基因，主要设计的实验内容包括：（1）目的基因的获得：利用PCR技术扩增已经克隆到pMD-18T载体上的家蝇防御素基因;（2）pSK质粒载体的小量制备;（3）目的基因与载体的酶切;（4）目的基因与载体的连接;（5）大肠杆菌感受态细胞的制备;（6）重组质粒的转化;（7）重组子的蓝白斑筛选;（8）菌落PCR鉴定重组子[2]。

在学生对基因工程实验内容熟悉的基础上，我们在生物信息学的教学过程中对学生提出问题：家蝇防御素基因现有的研究现状是怎样的？PCR扩增目的基因的过程中引物该如何设计？获得阳性重组子后我们如何判断获得的插入序列就是目的基因呢？

针对这样的疑问，我们结合基因工程实验对教学内容进行适当的调整：（1）PUBMED获取文献信息：由学生通过PUBMED查找近五年发表的有关家蝇防御素基因研究的文献;（2）核酸序列分析：以家蝇防御素基因为对象，分核酸序列的检索、搜索开放阅读框（ORF）、限制性酶切分析、引物设计、载体序列识别、核酸序列的比对、分子质量/碱基组成/碱基分布分析和序列转换共8大部分内容进行讲解和学生实践操作;（3）蛋白质序列分析：同样以家蝇防御素蛋白为对象，分蛋白质序列检索、蛋白质序列比对、蛋白质基本性质分析（蛋白质的氨基酸组成、分子量、等电点、亲疏水性分析、跨膜区分析、信号肽分析）、蛋白质功能预测、蛋白质结构预测（蛋白质二级结构和三级结构预测）共5大部分内容进行讲解和指导学生进行实践操作。

（三）以科研促进生物信息学的教学改革

笔者所在课程组主要集中于功能基因组学的研究，涉及了功能基因的获取、生物信息学分析、功能验证等方面的内容。学生在课程学习中，参与到教师的科研课题中，学会运用生物信息学所学知识实际解决科研问题。学生可自行完成从文献的查阅、目的序列的获取（由公共数据库获得或实验室测序获得）、基因序列的分析、理论推导氨基酸序列基本性质的分析及结构和功能的预测、系统发育分析，如有可能，学生可通过实验的方法验证生物信息学分析的结果，同时鼓励学生自主选择感兴趣的基因、蛋白进行课程设计研究，实践结束后学生将结果以论文形式提交给教师。

三、教学探索的成效

生物信息学是一门实践性很强的学科，实验教学作为培养学生的重要手段，在该门课程学习中有着举足轻重的作用。在医学院校生物技术专业生物信息学课程的教学中，立足于生物医学视角的实践教学，以与医学相关的基因、蛋白质等数据作为研究的主体，结合基因工程实验教学改革生物信息学的授课内容，有利于学生对专业课程知识的系统学习。同时，结合生物信息学研究前沿和自主科研课题成果，形成科研教学相融合的实践性教学，能够充分调动学生学习的主动性和积极性，进而激发学生的求知欲和创新能力。教学与科研形成相辅相成的互助关系，科研成果转化为教学资源，明显充实了教学内容，提升了教学水平和学生能力。在教学改革探索过程中，已有学生参与到课题组的科研工作中，利用所学的生物信息学知识，通过指定题目或自主选题，顺利完成毕业实习并发表了科研论文《印鼠客蚤线粒体COⅡ基因的克隆、序列测定和分子系统学分析》[3]、《美洲大蠊i型溶菌酶基因的克隆及其功能预测》[4]、《致倦库蚊防御素基因的克隆与原核表达及蛋白纯化》[5]、《德国小蠊致敏原Blag 2的Glu 233突变的分子对接研究》[6]、《伏马菌素B1特异单链抗体的同源建模及分子对接模拟研究》[7]等，证明生物信息学课程教学改革切实可行。

参考文献：

[1]郭丽，赵杨，柏建岭，等.医学院校生物统计学专业生物信息学教学探索[J].南京医科大学学报（社会科学版），2013，10（5）：457-460.

[2]张洁，王S，刘红美.结合科研改进基因工程实验教学的教学实践[J].教育教学论坛，2012，28（42）：70-71.

[3]王S，张迎春，张春林，等.印鼠客蚤线粒体COⅡ基因的克隆、序列测定和分子系统学分析[J].贵州科学，2012，30（5）：35-39.

[4]王S，龙高群，张春林，等.美洲大蠊i型溶菌酶基因的克隆及其功能预测[J].动物医学进展，2012，33（9）：21-27.

[5]王S，王吉平，张春林，等.致倦库蚊防御素基因的克隆与原核表达及蛋白纯化[J].动物医学进展，2012，33（11）：45-50.

第6篇：生物信息学的认识范文

关键词:生物信息学医学统计学课堂教学

生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probabilitydistribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a,b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（genechip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值；考虑到基因在不同序列上变异程度的统计量，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量：，修正值a由M的方差s2的均数和标准差估计得到。

三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clusteringanalysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（HierarchicalClustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（UnsupervisedAnalysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(AverageLinkageClustering)一般能给出较为合理的聚类结果2。

（二）判别分析

判别分析（discriminantanalysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-NearestNeighborClassifiers）、分类树算法（ClassificationTreeAlgorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（SupervisedAnalysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlationanalysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

四、意义

第7篇：生物信息学的认识范文

【关键词】组合数学 教学方法 生物医学 生物信息学

【中图分类号】G64 【文献标识码】A 【文章编号】2095-3089（2015）09-0132-02

伴随着信息时代的来临，特别是生物医学科学研究的迅猛发展，尤其是生物信息学这门科学的出现使得原来的生物医学研究向低通量的临床数据转向高通量分子生物学数据。组合数学作为一门应用性较强的数学分支，在生物医学中的应用广泛，面对多因素高通量的生物医学问题，增加高等学校，特别是生物信息学专业学生的组合数学知识，培养他们运用组合数学方法分析和解决生物医药科学问题的能力已经成为必要。如何在教学过程中提高学生学习组合数学的兴趣，建立组合数学的逻辑思维用于解决医学问题是我们教育工作者需要思考的问题。

一、高等学校组合数学的特点及教学现状

组合数学是一门研究离散对象的科学，在计算机科学、信息科学中具有重要的地位，是理科及工科院校的一门必修课，随着现代生物医学的日益发展，组合数学的重要性也日渐凸显。组合数学对于生物医学专业基础课有着直接的衍射作用。目前，部分开设组合数学课程的生物高等学校的主要面向生物信息学、统计学等等专业开设，讲授学时30到60学时。在大部分生物高等学校并没有该类课程的设置，也是导致高等学校组合数学教师队伍的匮乏的主要原因。而且目前组合数学授课考核形式也比较单一。组合数学主要是以理论授课形式为主的教学方式，考试成绩是考核学生的唯一标准，忽视了学生在学习过程中的考核。信息时代学科的交叉发展体现在组合数学在各个学科中不可替代的作用，因此提高生物高等学校学生的组合数学学习兴趣，培养他们运用组合数学的能力是目前迫切需要解决的问题。

二、改进组合数学教学措施，提高学生兴趣

（一）更新教学内容，改进教学方法

目前的组合数学内容主要有： 鸽巢原理、排列与组合、容斥原理、递推关系、生成函数等基本的组合数学知识及其在数学中的应用。为了让学生在有限的学时内学完必要的知识，更新和精选教学内容显得尤为必要，将以组合数学内容为主导的教学模式改进成以生物医学问题为导向的教学模式。由于面向医学专业的特殊性，从内容上应着重选择与医学知识联系紧密的内容，采取精讲和略讲相结合的方式。根据不同专业背景更新组合数学的教学内容往往能够起到事半功倍的效果。以下是我们在讲解排列与组合一章时的一个教学实例：“生物遗传信息是由DNA分子中4个碱基核苷酸就像电报密码似的以不同的排列顺序记录下来，它载着人类的全部基因或全部遗传信息，人的DNA约有30亿（3×109） 碱基对，按照排列的思想可知人类基因组可能的排列方式有N=4■=（4■）■≈（1.52）■种，然而人类仅从这无穷多的方式中选了一种作为全人类共同的遗传密码，可见我们的基因组是祖先们留给人类的最宝贵的财富！”。这样的实例教学不仅可以让学生熟悉课堂知识，还能让学生对所学的知识进行综合的运用，更重要的与生物医学问题的结合提高了学生的学习兴趣。通过兴趣小组讨论学习提高学生自主学习的主动性，变被动学习为主动学习，充分调动学生学习组合数学的兴趣，从而充分发挥学生学习的主观能动性。

（二）加强多媒体辅助教学，提高学生学习兴趣

组合数学传统的授课方式是在黑板上将定义、定理的内容进行逐步严密的推导证明，这在一定程度上让学生紧跟授课教师的思维和建立学生的逻辑思考能力。然而随着多媒体技术的不断进步，利用多媒体和板书相结合的策略成为下一阶段组合数学教学模式的主要教学手段。对于繁琐的定理公式例如容斥原理避免推导证明，结合多媒体的几何图形使学生更加直观的理解和应用。以我们在教授容斥原理时的一个实例，容斥原理的根本思想是将难的问题分解成若干简单问题，通过间接计数来解决直接计数不容易解决的问题，我们用多媒体幻灯片分别展示两集合和三集合的容斥原理（图1A和B），并按照容斥原理的逻辑顺序利用多媒体动画技术控制每一部分的出现顺序，不仅避免了大量繁重枯燥的板书推导，最重要的是图形式教学可以帮助学生对容斥原理建立更直观的理解。可见在组合数学的教学过程多媒体的充分利用可以起到事半功倍的效果。

图1 多媒体在组合数学教学中的应用――容斥原理实例

（三）增设组合数学实验课，培养学生创新性思维

组合数学除了基本理论课之外还应该开设适当的实验课，在实验课上让学生自己动手解决一些与生物医学有关的实际问题。通过让学生自己编程实现排列组合的算法，不仅可以增进学生对排列与组合的深入认识，也能够培养学生利用排列组合思想解决实际问题的能力。以下是我们的一个实验教学实例：“任选一种排列生成算法，编程实现自动生成n个（如n=6）不同元素中取r个元素的排列，并输出指定任意n和r的所有排列。”，不仅让学生掌握了课堂上讲解的排列原理，还锻炼了编程能力，初步体验了科研的乐趣，由消极的被动学习升级为积极的主动学习。可见通过组合数学实验课更能培养学生自己动手自己学习的能力，进一步激发学生的创新性思维。

（四）精挑细选课后练习，培养学生独立解决问题的能力

组合数学作为一门应用性较强的数学课，需要学生掌握其在生物医学领域的应用，这就必须加强组合数学课堂后练习。因此习题是组合数学课程重要的教学环节，也是理论教学必不可少的补充。然而习题课并不意味着单纯地大量做题，教师应根据课堂内容，精挑细选出质量比较高的少量题目，供学生课余时间认真研究，要在习题中体现组合数学的知识点，激发学生独立给出解决问题的新观点和新方法。设置习题时，应以问题为导向，即给定一个实际的有兴趣的问题，让学生利用所学的组合数学理论进行解决，进一步加强学生对知识细节的理解和掌握，并让学生举一反三熟练掌握所学内容，使学生的理解更加深刻。如我们在教学过程中的一个课后习题实例：“一位国际象棋大师有11周的时间备战一场锦标赛，他决定每天至少下一盘棋，但是为了使自己不过分疲劳他还决定在每周不能下棋超过12盘。证明存在连续若干天，期间这位大师恰好下了21盘棋。”，该实例引起了学生在课余时间学习组合数学的一个热潮。

总之，面对高等学校生物信息学学生的专业特点，传统的单一的纯理论的组合数学教学方法已经不再适用。应该考虑改进教学内容和方法，发挥学生学习的主观能动性，使学生在快乐进取的氛围里学习组合数学，具体的教学内容和教学方法的改进仍有待教学工作者进一步探讨和研究。

参考文献：

[1]卢开澄，卢华明.组合数学[M].北京：清华大学出版社，2002.

[2]苏建忠，张岩，刘洪波，王芳，崔颖.组合数学在生物信息学教学中的应用[J]. 科技创新导报，2012，6，142-143.

作者简介：

刘洪波（1983-），男，汉族，山东德州人，博士，讲师，主要研究方向：生物信息学，计算表观遗传学。

王芳（1982-），女，汉族，吉林松原人，博士，副教授，主要研究方向：生物信息学，计算表观遗传学。

第8篇：生物信息学的认识范文

“兴趣+坚持”是我的成功秘诀

“你能猜得出我最初是学什么专业的吗？”在系统生物学界已经小有名气的赵兴明问记者，随后他自己笑着说，“你们肯定猜不到！我其实是机械专业出身，和计算机及生物学简直是风马牛不相及。”赵兴明本科在校时学的是机械专业，但是由于对计算机产生了浓厚的兴趣，他完全凭借着自学学习了很多计算机的课程。到了研究生期间，赵兴明决定正式转入计算机专业学习。他原本计划从事传统计算机领域的研究，但是他的导师给了他一个建议，希望他能够研究生物信息学。

生物信息学在当时刚刚流行起来，是世界上一个非常热也非常新的方向，这激起了赵兴明非常强烈的挑战兴趣，于是便阴差阳错地进入了这个领域。但他毕竟不是生物背景出身，生物知识很匮乏，对于生物信息可以说一点概念都没有，刚开始学习的时候特别困难，完全是靠自己的勤奋和摸索才坚持下来而没有掉队。但是有磨炼必然有收获，也正是从那个时候，赵兴明养成了极强的独立科研能力，对他日后攀登科研高峰有着极大的帮助。

博士毕业后，赵兴明东渡日本到东京大学读博士后。在日本，他学到了日本人严谨认真、一丝不苟的敬业态度，这对他日后的治学之道触动非常深刻。他的合作者是当时日本非线性科学领域的著名教授Kazuyuki Aihara，在与他的合作研究中，赵兴明受益匪浅，大大拓宽了自己的研究思路，并踏入了一个新的研究领域-系统生物学，开始考虑如何从系统科学的角度研究生物学问题。 随后几年，赵兴明又赴欧洲游学，并与欧盟分子生物学实验室（EMBL）的国际著名生物信息学家Peer Bork开展合作研究。在EMBL，他见到了很多世界顶级的科学家，带给了他非常大的冲击。在与他们的交流中，赵兴明实实在在地认识到了山外有山，学无止境的道理。

赵兴明所研究的网络生物学，就是将复杂生物系统抽象表达为网络，建立网络模型，进而通过网络挖掘来揭示生物体内给成分之间的复杂关系，从而揭示生物系统的运行机制。采用数学领域中图论的研究方法，借助网络的概念和复杂网络的研究手段，将生物体中各种分子及其相互作用加以抽象，组成一个包含多个体、多层次相互作用的复杂网络。这是一门涉及生物学、医学、计算机学、生物信息学等多学科交叉的研究领域，这在有些人看来既枯燥又繁琐，但这些在赵兴明看来却是充满了“趣味”。

“读万卷书，行万里路”是赵兴明为自己定下的目标，在国外游历多年之后，他最终还是选择叶落归根，回到祖国发展。没有什么豪言壮语，只是在他内心深处有那么一个朴实的声音：国家培养了我，总要为国家做出些成绩来！不可否认，当下国内的科研环境充满了浮躁和压力，有不少科研工作者本身并不热衷于做研究，只是将其看作为养家糊口的谋生工具而已。那么，这只是一份工作，却做不成事业。在赵兴明看来，搞科研就像攀登珠峰，首先你要有一颗不断征服的雄心，还要有发现风景的眼睛，自然能在风雪兼程中找到坚持的乐趣。

老药新用：

网络生物学大显身手

赵兴明时刻在思考怎么利用数学和计算机的方法来构建一个生物网络，怎么用这个网络把分子之间的关系描述出来，怎么挖掘网络里所蕴含的知识，从而用来识别疾病基因，进而可以在药物研发方面大展身手。

在过去10余年中，国际上新药研发成功率出现明显下降。导致研发新药研发失败的主要原因是药物的有效性和安全性这两大问题。尽管随着我国对生物医药领域的投入增多，国内研发的硬件条件得到了很大的提高，但相对于新药研发的巨额投入而言，仍然不得不认真思考如何利用有限的资源实现成果产出最大化和研发风险最小化这一关键问题。新药物研发成本的增长和成功率的降低，使得药物重新定位逐渐成为各大药物公司和科研机构最重要的新药物开发模式之一。药物重新定位（repositioning/repurposing）指的是发现旧药物新疗效的技术，因而也被称为老药新用，就是利用相关的技术方法对已有的药物进行重新筛选、组合或改造从而发现其未知新用途的过程。

赵兴明给我们举了一个著名的老药新用的例子是沙立度胺（thalidomide），该药物最初用于治疗孕妇早晨恶心，由于其严重的副作用被禁用；后来，该药物被发现可以用来治疗麻风结节性红斑并作为ENL药物于1998年重新上市，最近该药物又被发现可以用来治疗二型糖尿病。相比于从零开始的新药研发， 药物重新定位基于已有药物的重新开发能够节省大量前期研发投入并大大缩短研发周期，因此越来越受到政府部门、制药企业、学术机构等各方面的关注。

尽管药物重新定位已经不是一个新的概念并蕴含着巨大的潜力，但是药物新疗效的发现并不是一件容易的事情。比如，大多数重新定位的药物其新用途与其最初的目的很少有明显的关系，这使得药物重新定位有种让人无从下手的感觉。赵兴明认为，在药物重新定位的研究过程中，应当系统地综合考虑疾病产生的分子机制及其所涉及和影响的分子网络特征，以及药物所影响的分子网络特征，这将会大大提高药物重新定位的准确率。在过去的3年里，赵兴明和他的团队针对“药物重新定位”开展了深入的研究，最近他在乳腺癌药物重定位方面取得了很大进展，他针对乳腺癌所识别的药物，不仅在多个乳腺癌细胞细胞系上得到了验证，而且可以很好地抑制小鼠体内的肿瘤生长。

向脑科学研究进军

随着脑科学研究日益成为当今世界具有学科交叉和综合特点的重要科学前沿，赵兴明也表示，希望今后能以计算系统生物学为桥梁，进行脑科学方面的相关研究。大脑作为生物体内结构和功能最复杂的组织，需要从分子、细胞系统、全脑、和行为等不同层次进行研究和整合，才有可能提示其奥秘，其复杂性远远超出了我们目前的认识能力。在未来的研究中，脑科学必将和信息学结合起来，将不同层次的数据进行分析整合、建模和仿真，绘制出脑功能、结构和神经网络图谱，从而解决目前脑科学所面临的海量数据问题。这块研究的“处女地”，一定会让系统生物学背景的赵兴明大有用武之地。

第9篇：生物信息学的认识范文

【关键词】 蛋白质组学；中医证候；中医诊疗；中医药现代化

随着人类基因组序列的完成，人类已经由基因组时代进入后基因组时代。基因数量的有限性和基因结构的相对稳定性使基因组学研究成功迈入到功能基因组学研究。蛋白质组学遂成为后基因时代的研究前沿和热点领域。将蛋白质组学引入中医证候学研究，必将进一步为证候分类、辩证标准的选择和个体化等提供可靠的依据，对于发展中医药学，走中医药现代化之路具有深远的影响。本文综述了蛋白质组学研究的主要关键技术及其与中医证候学研究的相关性。

1蛋白质组及蛋白质组学

1994年澳大利亚的Wilkin和Williams等第一次提出了蛋白质组（Proteome）概念[1、2]，指由一个基因组，或一个细胞、组织所表达的全部蛋白质。蛋白质组学（Proteomics）以蛋白质组为研究对象，分析细胞内动态变化的蛋白质组组成成分、表达水平与修饰状态，了解蛋白质间相互作用与联系，在整体水平上研究蛋白质的组成与调控的活动规律[3]。蛋白质组研究是为了识别及鉴定一个细胞或组织所表达的全部蛋白质以及它们的表达模式，是对基因组研究的重要补充，是生物体在蛋白质水平上定量、动态、整体性的研究[4]。蛋白质组研究数据与基因组数据的整合，将在后基因组研究中发挥重要作用。

2蛋白质组学研究技术

2.1双向凝胶电泳技术

1975年，意大利生化学家O’Farrell在对大肠杆菌、老鼠及几尼猪的蛋白质研究中，发明了双向电泳技术[5]（ISO-DLAT），具有高分辨率、快速、简便等优点。双向电泳技术是蛋白质组学研究的核心技术之一，其原理是在相互垂直的方向上，它利用蛋白质等电点和分子量的不同运用等电聚焦和聚丙烯酰胺凝胶电泳把复杂的蛋白质混合物在二维平面上分离。

2.2生物质谱技术

1906年，Thomson发明了质谱，在随后的几十年里，质谱技术逐渐发展成为研究、分析和鉴定生物大分子的前沿方法[6]。质谱技术的原理是先将样品离子化，再根据不同离子间的荷质比（m/z）差异来分离蛋白质，并确定其分子量[7]。到20世纪80年代，因两项软电离质谱技术―基质辅助激光解析电离质谱技术（MALDI）和电喷雾质谱技术（ESI）的发明，使得质谱技术取得了突破性进展。这两种质谱技术具有高灵敏度、高通量和高质量的检测范围等特点，使得在pmol（10-12）乃至fmol（10-15）的水平上准确分析分子量高达几万到几十万的生物大分子成为可能[8]。

2.3 蛋白质芯片

蛋白质芯片是用于研究蛋白质功能模式的一种鉴定方法[9]，是指在固相支持物（载体）表面固定大量蛋白探针（抗原、抗体,受体、配体、酶、底物等），形成高密度排列的蛋白质点阵[10]，可以高通量地测定各种微量纯化的蛋白质的生物活性，以及蛋白质与生物大分子之间的相互作用[18]。蛋白质芯片具有快速、高效、微型化、自动化、高通量的特点。

2.4生物信息学

生物信息学是在生命科学、计算机科学和应用数学的基础上逐步发展形成的一门新兴交叉学科，运用数学和计算机手段进行巨量生物信息资源的收集、存储、处理、搜索、利用、共享、分析与解析的科学[11]，它由数据库、计算机网络和应用软件3部分组成[12、13]。蛋白质组信息学研究方法主要包括蛋白质序列比较分析，蛋白质结构-功能的研究，点突变的设计及家族鉴定，蛋白质空间结构预测，建模和分子设计以及分析蛋白质与蛋白质相互作用的数据库[14、15]。

3中医证候学与蛋白质组学

中医证候是指疾病发生和演变过程中某阶段以及患者个体当时所处特定内、外环境本质的反映，它以相应的症、舌、脉、形、色、神表现出来，能够不同程度地揭示病因、病位、病性、邪正盛衰、病势等病机内容，为辨证论治提供依据。中医的“证”是指疾病在演变过程中各种病理因素在体质、自然环境、社会心理等因素和多种矛盾综合作用于机体的整体反应，是诊察和思辨所得。而蛋白质组学摒弃了经典分子生物学研究个别基因的习惯，从蛋白质组整体水平上阐述“一种基因组所表达的全套蛋白质”，以建立对生命现象的整体认识。这与中医学的“整体观”具有高度的一致性，且蛋白质组学研究方法的整体性和系统性与中医基础理论的整体观和系统性又极为相似[16]。因而，将蛋白质组学应用于中医证候学研究，不仅能反映一系列症状的物质背景，而且能进一步了解不同蛋白组分的在证表现差异和激烈程度[17]，将是揭示证实质的最有效手段[18]。

在证候理论指导下，运用功能蛋白质组学的方法，通过探讨证候，特别是同病异证或异病同证的蛋白质差异表达及翻译后的修饰情况，揭示与某一证候形成相关的所有蛋白质及其特征，在整体蛋白质表达的水平上阐明证候的本质，则可称为证候蛋白质组学[19]。这种将蛋白质组学应用于“证”的研究，能够沟通“实体结构”和“功能模拟”的桥梁，整体上比较不同疾病、同病异证之间的蛋白质图谱差异，探索蛋白质表达图谱与中医分型的系统的、有规律的联系。

4展望

运用蛋白质组学技术对中医证候进行研究，为寻找“证侯”的标志蛋白质，揭示中医“证”理论中蕴藏的科学内涵，阐明中医诊疗的分子机理，最终在分子生物学水平上解释生理和病理奠定了基础[20、21]。中医证候是辨证论治的基础和核心，依据蛋白质组学的理论和技术来探索中医学理论的基本内涵、中医证候蛋白质组学以及从蛋白质组学水平探索中药药效的机理，都可能成为中医药理论和治疗研究的突破口。中医学的发展与现代科学蛋白质组学的交叉，一方面可使中医学吸取新的思想，取得进一步发展的动力，另一方面又因其独特的理论与视角，也可为蛋白质组学乃至现代科学的研究与发展提供新的思路[19]。

参考文献

[1]Wilkins M R, Sanchez J C, Gooley A A, et al. Progress with proteome projects: why all proteins expressed by a genome should be identified and how to do it[J]. Biotechnology and genetic engineering reviews, 1996, 13: 19 - 50.

[2]Wilkins,M.R.Government backs proteome proposal. Nature. 1995, 378:653.

[3]张树军，狄建军，张国文，魏永春.蛋白质组学研究方法.内蒙古民族大学学报，2008，23（6）：647-649.

[4]熊伟.蛋白质组双向技术在生物医学研究中的应用进展. 生命科学仪器. 2010, 8(2): 7-10.

[5]O’ Farrell P H. High resolution two-dimensional gel electrophoresis of proteins [J]. Biol Chem, 1975, 250 (10):4007-4021.

[6]Domon B, Aebersold R. Mass spectrometry and protein analysis[J]. Science, 2006, 312 （5771）: 212.

[7]Guo Y M, Shen S H, Jing Y X , et al. Plant proteomics in the post-genomics era. Acta Botanical Sinca. 2002, 44(6):631-641.

[8]阮松林，马华升，王世恒等．植物蛋白质组学研究进展Ⅰ．蛋白质组关键技术.遗传，2006，28（11）：1472-1486.

[9]Boguski M S, Mcintosh M W. Biomedical information for proteomics[J]. Nature, 2003, 422 (6928) : 233-237.

[10] 刘康栋，赵建龙. 蛋白质芯片技术进展. 中国生物工程. 2004, 24(12): 48-57.

[11]Baldi P, Brunak S. Bioinformatics: The Machine Learning Approach [M]. Cambridge, Mass. : MIT Press, 2001.

[12]Goodman N. Biological data becomes computer literate: new advances inbioinformatics.Curr Opin Biotechnol . 2002, 13(1): 68-71.

[13]陈铭.后基因组时代的生物信息学[J]. 生物信息学，2004,2（2）:29.

[14]陈永对. 生物信息学在基因组和蛋白质研究中的应用. 中国临床康复. 2006, 10(41): 136-139.

[15]贺光，孙开来. 生物信息学在蛋白质研究中的应用. 国外医学遗传学分册. 2002, 25(3): 156-158.

[16] 张焱，张庆荣. 蛋白质组学与中医证候研究的思考. 长春中医药大学学报. 2007, 23(5): 3-5.

[17] 孙晓伟，周苏宁. 蛋白质组学与中医药研究. 中西医结合心脑血管病杂志. 2005, 3(11): 987-989.

[18] 余宗阳，杜建. 蛋白质组学与中医证候实质研究[J]. 中国中西医结合杂志. 2004, 24(9): 844-846.

[19] 申定珠，李家邦，蒋荣鑫，凌江红. 证候蛋白质组学与中医证候学相关性探讨. 中国中西医结合杂志. 2006, 26(4): 366-368.