成人三级视频在线观看,国产性较精品视频免费,99视频精品免费99在线

引論：我們?yōu)槟砹?3篇生物信息學(xué)方向范文，供您借鑒以豐富您的創(chuàng)作。它們是您寫(xiě)作時(shí)的寶貴資源，期望它們能夠激發(fā)您的創(chuàng)作靈感，讓您的文章更具深度。

篇1

1生物體醫(yī)學(xué)信號(hào)

生物體不同信號(hào)的波形圖。幾種常見(jiàn)的心電波形圖如圖2所示，可以看出不同形態(tài)的生物體反映出不同的信號(hào)特征，進(jìn)而反映在波形圖上。醫(yī)師可以根據(jù)波形圖的特征對(duì)生物體的病情加以判斷，從而進(jìn)行針對(duì)性治療。計(jì)算機(jī)和智能化技術(shù)的不斷發(fā)展為生物信號(hào)診斷技術(shù)提供可靠的保證。正確地劃分生物信號(hào)類(lèi)別是醫(yī)學(xué)內(nèi)的重要保證。一般來(lái)說(shuō)，對(duì)波形間的相似性程度進(jìn)行劃分類(lèi)別，再對(duì)不同類(lèi)別信號(hào)加以分析，可以縮短工作量，提高工作效率和分析的準(zhǔn)確性，這是目前生物信號(hào)研究的發(fā)展方向。

2相似性分析法

指采用某種方法來(lái)描述和分析兩者之間的相似度。相似性分析通常分為兩個(gè)步驟:特征提取和表示以及相似性度量。由于生物體發(fā)出的生物自然信號(hào)能夠隨時(shí)間的推移而發(fā)生變化，因此可以把生物信號(hào)作為時(shí)序信號(hào)中的一種。對(duì)時(shí)序數(shù)據(jù)的分析目前已廣泛應(yīng)用，例如氣象變化情況、石油勘探情況、股票走勢(shì)數(shù)據(jù)等。可以看出時(shí)序數(shù)據(jù)具有很大的復(fù)雜性和計(jì)算量，其相似性度量會(huì)很大程度影響著分析的結(jié)果。生物信號(hào)同樣具有上述特性，復(fù)雜多變是生物信號(hào)波形曲線形態(tài)的主要特征，因此其相似性分析要包括以下兩個(gè)方面:一是從原始生物信號(hào)中提取特征信息，進(jìn)行優(yōu)化組合，作為表示特征向量;二是對(duì)特征向量進(jìn)行相似性度量或分類(lèi)。原始數(shù)列的特征提取對(duì)降低計(jì)算量有很好的幫助，通過(guò)只保留數(shù)列的主要形態(tài)，去除次要形態(tài)和細(xì)枝末節(jié)，提高數(shù)據(jù)分析的準(zhǔn)確性。目前，特征提取的方法有很多，研究思路也各不相同。Keogh等［2］以時(shí)間序列為基礎(chǔ)，輸出的結(jié)果形式為線性分段，這種成為線性分段算法。主要方法是將數(shù)列表示為多段線性的直線，從而減少實(shí)驗(yàn)數(shù)據(jù)。這種線性分段算法的優(yōu)點(diǎn)直觀明了，可進(jìn)行多解析多運(yùn)算，支持各類(lèi)測(cè)量方法，應(yīng)用廣泛。生物信號(hào)作為時(shí)間序列的一種，也存在復(fù)雜表現(xiàn)形式，因此在分析中會(huì)面臨很多困難。基線漂移和時(shí)間軸的伸縮是生物信號(hào)最主要面臨的問(wèn)題［3－4］，選擇合適的距離度量方法，能夠提高相似性分析的準(zhǔn)確性。動(dòng)態(tài)時(shí)間彎曲(dynamictimewarp，DTW)可以作為一種有效的解決方法，但它的缺點(diǎn)是時(shí)間復(fù)雜，應(yīng)用并不廣泛.

3生物醫(yī)學(xué)信號(hào)相似性分析的關(guān)鍵問(wèn)題

生物信號(hào)作為時(shí)序信號(hào)的一種，具有維數(shù)高、數(shù)據(jù)量巨大、噪聲干擾嚴(yán)重的特點(diǎn)。但由于人體是一個(gè)復(fù)雜的自然系統(tǒng)，人體信號(hào)具有時(shí)序信號(hào)所沒(méi)有的一些特點(diǎn)。

3.1隨機(jī)性強(qiáng)

由于人體的個(gè)體差異性很大，所表現(xiàn)出的生理信號(hào)也會(huì)隨之產(chǎn)生差異，比如年齡的差異、性別的差異等。人體健康與生病的生理信號(hào)，其差異性會(huì)更大。生物醫(yī)學(xué)信號(hào)具有隨機(jī)性，它的特征并不平穩(wěn)，隨著時(shí)間發(fā)生變化，這種變化為醫(yī)學(xué)中的信號(hào)處理帶來(lái)較大困難。

3.2信號(hào)弱，噪聲強(qiáng)

一般直接從人體中檢測(cè)到的電信號(hào)幅值比較小。因此，在處理各種生理信號(hào)之前要應(yīng)用放大器。噪聲是指其他信號(hào)對(duì)所研究對(duì)象信號(hào)的干擾，研究時(shí)需要對(duì)信號(hào)去除噪聲再進(jìn)行研究。

3.3頻率范圍低

經(jīng)頻譜分析可知，除聲音信號(hào)(如心音)頻譜成分較高外，其他電生理信號(hào)的頻譜一般較低。

3.4周期性

生物信號(hào)的幅值會(huì)隨著時(shí)間而產(chǎn)生周期性的變化，如圖3所示的心電波形。首先，將連續(xù)信號(hào)分為單個(gè)波形，即找到電波的最高點(diǎn)為分割點(diǎn);然后，將連續(xù)波形分為多個(gè)單段連續(xù)的波形。若分割點(diǎn)選取不準(zhǔn)確，將會(huì)對(duì)信號(hào)的判斷產(chǎn)生影響.生物信號(hào)具有維度高、數(shù)據(jù)多等特征，在相似性分析方面存在一定的難度。由于人們大都注意特征數(shù)據(jù)的提取方法，因此希望距離度量采用更簡(jiǎn)單的方法。生物信號(hào)經(jīng)過(guò)復(fù)雜的特征數(shù)據(jù)提取后，距離度量通常采用簡(jiǎn)單方法降低運(yùn)算復(fù)雜程度，提高準(zhǔn)確率。生物信號(hào)具有信號(hào)弱、噪聲強(qiáng)、頻率范圍低等特點(diǎn)，需要采用相應(yīng)方法達(dá)到降維、去噪的功能。通常提取初次特征后，剩余的信息量仍然會(huì)很大，因此需要對(duì)特征數(shù)據(jù)進(jìn)行再優(yōu)化，采用該方法雖然能保證較高的準(zhǔn)確率，但優(yōu)化過(guò)程復(fù)雜度過(guò)高。

4窗口斜率的特征表示方法

特征提取方法是相似性分析的重要內(nèi)容，是影響分析的效率和精確性的重要保證。由于生物信號(hào)波形的相似性，我們需要關(guān)注波形征點(diǎn)的微小差異，重視波形中的細(xì)節(jié)走勢(shì)變化，對(duì)波形進(jìn)行分類(lèi)研究。上文提到，特征提取優(yōu)化過(guò)程復(fù)雜度很高，難以同時(shí)兼顧提取的效率和準(zhǔn)確性，但因?yàn)樯镄盘?hào)波形具有周期性，可以將波形按照周期進(jìn)行劃分，波形的變化走勢(shì)可以用不同階段內(nèi)的斜率表示，因此本研究提出了采用窗口斜率的特征表示方法。

4.1窗口斜率表示法

基于X、Y軸的波形圖表示方法。首先將該坐標(biāo)內(nèi)的區(qū)域進(jìn)行網(wǎng)格劃分，網(wǎng)格的大小可由兩個(gè)參數(shù):閾值t和網(wǎng)格高度h決定。對(duì)橫坐標(biāo)的劃分網(wǎng)格大小由閾值t確定，對(duì)縱坐標(biāo)的劃分網(wǎng)格大小由網(wǎng)格高度h確定。兩個(gè)參數(shù)t和h的大小對(duì)窗口效率法分析結(jié)果影響較大，對(duì)于不同的生物信號(hào)波形應(yīng)選取合適的參數(shù)進(jìn)行劃分。在網(wǎng)格劃分中，首先設(shè)定兩個(gè)參數(shù)，窗口閾值為t，網(wǎng)格高度為h。則波形的任意一個(gè)窗口的幅值可表示為(at(i－1)+1，…，ati+1)。任意一個(gè)窗口內(nèi)的縱向幅值差可以通過(guò)公式(3－1)來(lái)表示。(3－1)從公式可以看出，當(dāng)閾值t固定后，公式所計(jì)算的值實(shí)際就是窗口內(nèi)的斜率，因此這種方法稱(chēng)作窗口斜率表示法。

4.2參數(shù)確定

從上述公式的計(jì)算方法我們可以看出，窗口斜率特征法的參數(shù)t對(duì)于窗口內(nèi)斜率的計(jì)算有著重要的影響，參數(shù)選擇過(guò)大，則無(wú)法起到精細(xì)分析的效果;參數(shù)選擇過(guò)小，會(huì)導(dǎo)致任務(wù)量增加，網(wǎng)格高度一般選擇0.1且不變動(dòng)。圖5顯示了心電波形和鋒電位波形的形狀，進(jìn)行兩種心電波形分析時(shí)，采用窗口斜率法首先確定閾值和高度。通常，窗口閾值在關(guān)鍵波峰的1/10～1/5內(nèi)選擇，經(jīng)過(guò)大量實(shí)驗(yàn)數(shù)據(jù)表明，心電波形窗口閾值為4時(shí)效果最佳，鋒電位波形窗口閾值為2時(shí)效果最佳.

4.3窗口斜率法特征提取結(jié)果

窗口斜率法的實(shí)質(zhì)就是將坐標(biāo)內(nèi)的波形圖進(jìn)行網(wǎng)格劃分，對(duì)網(wǎng)格內(nèi)的數(shù)據(jù)進(jìn)行斜率計(jì)算，計(jì)算結(jié)果表現(xiàn)在坐標(biāo)內(nèi)，從而對(duì)相似的波形區(qū)分開(kāi)來(lái)。生物信號(hào)具有復(fù)雜性、緯度高等特征，非常適合采用窗口斜率法進(jìn)行特征提取。在特征提取過(guò)程中主要關(guān)注窗口內(nèi)斜率的變化規(guī)律，即使幾個(gè)波形走勢(shì)非常相似，但反映在斜率變化上會(huì)有很大的不同。圖6顯示了3種相似的波形經(jīng)過(guò)窗口斜率法計(jì)算后，結(jié)果對(duì)比差異很明顯。計(jì)算前可以看到3種原始波形很難區(qū)分，但通過(guò)窗口斜率計(jì)算后，特征體現(xiàn)在斜率上會(huì)有很大的變化，通過(guò)這些變化可以準(zhǔn)確判斷波形類(lèi)別，再進(jìn)行下一步研究分析。

4.4窗口斜率法特點(diǎn)

窗口斜率特征提取法是基于生物信號(hào)復(fù)雜性與相似性的難點(diǎn)而定。對(duì)3種相似的波形采用窗口斜率法計(jì)算后，其斜率波形表現(xiàn)出明顯的差異，因此，窗口斜率法對(duì)于生物信號(hào)波形的特征提取非常有用，其原理較為簡(jiǎn)單，計(jì)算方法方便。經(jīng)窗口斜率法對(duì)序列降維計(jì)算，能夠節(jié)約計(jì)算量。此外，窗口斜率法能夠維持靈敏度和特異度的平衡，使其均保持在較高水平，即在避免異常波形漏檢的情況下，提高了波形識(shí)別的準(zhǔn)確率。因此，窗口斜率法可作為生物信號(hào)相似波形處理的重要手段。然而，窗口斜率法的關(guān)鍵點(diǎn)在于選擇合適的閾值參數(shù)，它很大程度影響計(jì)算的準(zhǔn)確性。尋找最優(yōu)閾值是一個(gè)煩瑣的工作，需要不斷地迭代計(jì)算。窗口斜率法的關(guān)鍵點(diǎn)在于窗口閾值的選取，該參數(shù)對(duì)斜率計(jì)算結(jié)果影響很大，而且對(duì)不同波形時(shí)要求不盡相同。通過(guò)手動(dòng)選取分類(lèi)閾值，計(jì)算結(jié)果會(huì)有誤差，選不到最優(yōu)閾值，分類(lèi)結(jié)果也得不到最優(yōu)。如果閾值范圍很大，會(huì)造成任務(wù)量增大，如何選擇確定合適的閾值參數(shù)，對(duì)于窗口斜率法的應(yīng)用具有重要影響，這也是下一步工作的主要方向。此外，未來(lái)的工作還需要一些實(shí)驗(yàn)結(jié)果來(lái)論證此方法的效果，通過(guò)對(duì)不同信號(hào)波的研究，確定選擇最佳閾值參數(shù)的方法與理論。

［參考文獻(xiàn)］

［1］劉海龍.生物醫(yī)學(xué)信號(hào)處理［M］.北京:化學(xué)工業(yè)出版社，2006.

［2］KeoghE，ChakrabartiK，PazzaniM，etal．DimensionalityReductionforFastSimilaritySearchinLargeTimeSeriesDatabases［J］.KnowledgeandInformationSystems，2001，3(3):263－286．

篇2

生物信息學(xué)（bioinformatics）是一門(mén)新興的交叉學(xué)科，生物學(xué)與醫(yī)學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)是其中三個(gè)主要組成部分。生物信息學(xué)作為跨越生命科學(xué)和信息科學(xué)兩大熱點(diǎn)領(lǐng)域的學(xué)科，擁有蓬勃的生命力。面對(duì)人類(lèi)基因組計(jì)劃所產(chǎn)生的龐大的分子生物學(xué)信息，生物信息學(xué)的重要性已越來(lái)越突出，它無(wú)疑將會(huì)為生命科學(xué)的研究帶來(lái)革命性的變革。［1］［2］國(guó)內(nèi)外對(duì)生物信息學(xué)的人才需求也在激增。

目前，生物信息學(xué)在我國(guó)尚處于起步階段，因?yàn)橐M(jìn)行生物信息學(xué)的研究，對(duì)人員要求很高，需要深厚的生物大分子結(jié)構(gòu)和功能方面的背景知識(shí)，需要扎實(shí)的應(yīng)用數(shù)學(xué)或統(tǒng)計(jì)學(xué)知識(shí)，還需要精通計(jì)算機(jī)，至少得具備三者之二。但實(shí)際情況是大部分從事生物學(xué)研究的人不熟悉計(jì)算機(jī)，而從事計(jì)算機(jī)科學(xué)的人員多數(shù)又缺乏對(duì)生物學(xué)的了解。盡管如此，生物信息學(xué)的教育在國(guó)內(nèi)外高等院校及科研機(jī)構(gòu)越來(lái)越普及。據(jù)不完全統(tǒng)計(jì)，我國(guó)超過(guò)30個(gè)高校或科研機(jī)構(gòu)開(kāi)設(shè)生物信息學(xué)專(zhuān)業(yè)課程。［3］這些研究與教育一般分散在多個(gè)系所屬的多個(gè)專(zhuān)業(yè)中，如生命科學(xué)院（北京大學(xué)等）、計(jì)算機(jī)學(xué)院（哈爾濱工業(yè)大學(xué)等）、理學(xué)院（天津大學(xué)等），我校是由計(jì)算機(jī)學(xué)院開(kāi)設(shè)全校公共課。不同學(xué)校根據(jù)自身的情況，在開(kāi)設(shè)生物信息學(xué)這門(mén)課時(shí)，側(cè)重點(diǎn)都不一樣。如果由醫(yī)學(xué)院的教師授課，則側(cè)重點(diǎn)可能在致病基因的研究方面，［4］計(jì)算機(jī)專(zhuān)業(yè)教師授課則可能側(cè)重于數(shù)據(jù)庫(kù)的管理、查詢(xún)等方面，［5］理學(xué)院的教師授課則可能側(cè)重于生物信息學(xué)中的數(shù)學(xué)問(wèn)題。筆者是計(jì)算機(jī)專(zhuān)業(yè)出身的，研究方向?yàn)閳D像處理與模式識(shí)別，所以主要從計(jì)算機(jī)和數(shù)學(xué)的角度去授課。另外，研究生教學(xué)又與本科生教學(xué)［6］不同，研究生教學(xué)更加應(yīng)該注重培養(yǎng)學(xué)生的主動(dòng)學(xué)習(xí)意識(shí)和綜合能力。筆者將教學(xué)實(shí)踐中的心得進(jìn)行了初步的總結(jié)，以供商榷。

2.注重培養(yǎng)學(xué)生的學(xué)習(xí)興趣

從培養(yǎng)學(xué)生的學(xué)習(xí)興趣出發(fā)，在課堂教學(xué)過(guò)程中，充分利用豐富的網(wǎng)絡(luò)資源，如圖像、視頻等。比如在介紹模式生物時(shí)，可以給出各種模式生物的圖像；在介紹各種各樣的生物數(shù)據(jù)庫(kù)時(shí)，可以在課堂上現(xiàn)場(chǎng)上網(wǎng)登陸數(shù)據(jù)庫(kù)，演示和介紹各個(gè)數(shù)據(jù)庫(kù)的特點(diǎn)和使用方法等。研究生不同于本科生，本科生可能比較習(xí)慣于教師的灌輸性教學(xué)，而研究生教學(xué)更加鼓勵(lì)學(xué)生主動(dòng)自覺(jué)地學(xué)習(xí)。這從“研究”一詞的英文解釋“re-search”――再（“re-”）探索（“search”）中也可以看出。教師在研究生學(xué)習(xí)過(guò)程中主要起引路的作用，而不可能手把手帶著學(xué)生研究。生物信息學(xué)更是如此，它是一門(mén)新興的交叉學(xué)科，很多理論和研究?jī)?nèi)容還不成熟，需要科學(xué)工作者不斷地探索。因此，通過(guò)生動(dòng)形象的啟發(fā)式課堂教學(xué)，培養(yǎng)學(xué)生的學(xué)習(xí)興趣，對(duì)學(xué)生以后的進(jìn)一步研究有著重要的作用和意義。

3.注重培養(yǎng)學(xué)生的綜合素質(zhì)

在生物信息學(xué)的上課過(guò)程中安排幾次學(xué)生的課堂報(bào)告。具體做法是：由教師或?qū)W生在國(guó)外重要期刊（如Bioinformatics）或會(huì)議上找與學(xué)生自身的研究方向比較相近的生物信息學(xué)方面的最新文獻(xiàn)，然后幾個(gè)學(xué)生一組共同針對(duì)某幾篇文獻(xiàn)進(jìn)行閱讀、理解，最后以報(bào)告的形式跟大家一起交流和討論。在這個(gè)過(guò)程中，可以培養(yǎng)學(xué)生的如下幾個(gè)方面的能力：

（1）搜尋資料的能力。現(xiàn)在網(wǎng)絡(luò)非常發(fā)達(dá)，網(wǎng)絡(luò)資源也非常豐富，如何從紛繁復(fù)雜的網(wǎng)絡(luò)資源中找到自己所需的資料不是一件容易的事。學(xué)生可以通過(guò)學(xué)校購(gòu)買(mǎi)的數(shù)據(jù)庫(kù)進(jìn)行查找適合自己的文獻(xiàn)資料，也可以通過(guò)搜索引擎進(jìn)行查找。通過(guò)這個(gè)過(guò)程，學(xué)生可以了解有哪些數(shù)據(jù)庫(kù)可以利用，哪些網(wǎng)站資源比較豐富，以及選擇什么關(guān)鍵詞進(jìn)行查找比較有效，等等。

（2）閱讀外文文獻(xiàn)的能力。學(xué)生在本科階段一般沒(méi)有讀外文文獻(xiàn)的習(xí)慣，而進(jìn)入研究生學(xué)習(xí)階段，為了了解和研究國(guó)際前沿領(lǐng)域，就必須閱讀大量外文文獻(xiàn)，畢竟國(guó)外的科技實(shí)力在很多方面還是處于領(lǐng)先位置的。給學(xué)生指定幾篇優(yōu)秀的外文文獻(xiàn)進(jìn)行閱讀和理解，可以一定程度上鍛煉學(xué)生閱讀外文文獻(xiàn)的能力。因?yàn)橐胝嬲斫馕墨I(xiàn)的內(nèi)容，就必須對(duì)文獻(xiàn)進(jìn)行仔細(xì)認(rèn)真的閱讀和研究。

（3）團(tuán)結(jié)協(xié)作的能力。每個(gè)課堂報(bào)告都是由幾個(gè)學(xué)生共同參與完成的，在這過(guò)程中有組織協(xié)調(diào)和分工的問(wèn)題，這需要大家共同努力，團(tuán)結(jié)協(xié)作。團(tuán)結(jié)協(xié)作在當(dāng)今社會(huì)越來(lái)越被推崇，所以培養(yǎng)學(xué)生團(tuán)結(jié)協(xié)作的能力對(duì)于他們以后進(jìn)入社會(huì)很有幫助。從實(shí)際執(zhí)行的情況看，效果還不錯(cuò)。比如有的學(xué)生數(shù)學(xué)基礎(chǔ)好，他就負(fù)責(zé)理解文獻(xiàn)中的公式和算法部分；有的學(xué)生計(jì)算機(jī)能力比較強(qiáng)，他就負(fù)責(zé)編程實(shí)現(xiàn)、課件制作等。

（4）口頭表達(dá)的能力。課堂報(bào)告的最后陳述和討論可以鍛煉學(xué)生的口頭表達(dá)能力。有的學(xué)生平時(shí)很少有作報(bào)告的機(jī)會(huì)，所以口頭表達(dá)的能力得不到鍛煉。本課程提供給學(xué)生一次口頭表達(dá)能力鍛煉的機(jī)會(huì)，讓學(xué)生體會(huì)到如何組織報(bào)告內(nèi)容、如何把自己理解的內(nèi)容介紹給聽(tīng)眾是比較有效的，是容易被大家理解和接受的。

4.理論與實(shí)踐相結(jié)合，鼓勵(lì)交叉性研究

為了做到學(xué)有所用，筆者從每個(gè)學(xué)生自身的研究方向出發(fā)，為每個(gè)學(xué)生指定與其研究方向相關(guān)的生物信息學(xué)方面的最新文獻(xiàn)進(jìn)行閱讀和理解。鼓勵(lì)學(xué)生進(jìn)行跨學(xué)科切交叉性研究，將所學(xué)的生物信息學(xué)知識(shí)應(yīng)用于實(shí)際的研究中，或者利用已掌握的知識(shí)促進(jìn)生物信息學(xué)的研究。比如課堂上的計(jì)算機(jī)學(xué)院的學(xué)生有研究圖像處理與模式識(shí)別的，就給他們安排一些生物圖像處理、基因識(shí)別等方面的文獻(xiàn)。這種交叉性的學(xué)習(xí)和研究，有可能激發(fā)學(xué)生的靈感，獲得比較大的創(chuàng)新性成果。

5.結(jié)語(yǔ)

生物信息學(xué)課程教學(xué)的實(shí)踐表明，學(xué)生經(jīng)過(guò)這門(mén)課程的學(xué)習(xí)，學(xué)到了一定的內(nèi)容，如對(duì)生物信息學(xué)這門(mén)課有了比較清楚的了解和認(rèn)識(shí)、綜合素質(zhì)得到了一定的提高、找到了一些適合自己的研究切入點(diǎn)等。總的來(lái)說(shuō)，教學(xué)效果不錯(cuò)，但還需要進(jìn)一步探索，進(jìn)一步完善。

參考文獻(xiàn)：

［1］張陽(yáng)德.生物信息學(xué)［M］.北京：科學(xué)出版社，2005：1-15.

［2］郝柏林，張淑譽(yù).生物信息學(xué)手冊(cè)［M］.上海：上海科學(xué)技術(shù)出版社，2002：1-10.

［3］許忠能.生物信息學(xué)［M］.北京：清華大學(xué)出版社，2008：8-17.

篇3

近些年，生物信息學(xué)順應(yīng)時(shí)代變化而成為生命科學(xué)的新興領(lǐng)域。[1]生物信息學(xué)主要是對(duì)核酸和蛋白質(zhì)兩個(gè)大方向的數(shù)據(jù)進(jìn)行處理與分析。[2]目前，生物信息學(xué)作為基礎(chǔ)課程在各高校生物科學(xué)專(zhuān)業(yè)及相關(guān)專(zhuān)業(yè)開(kāi)設(shè)。其教學(xué)質(zhì)量的高低對(duì)于培養(yǎng)學(xué)生的綜合能力具有重要的意義。[3]因此，各高校在教材選擇、課程安排、教學(xué)內(nèi)容、實(shí)踐教學(xué)等方面不斷進(jìn)行改進(jìn)。[4]優(yōu)秀的生物信息學(xué)教材是提高教學(xué)質(zhì)量的基礎(chǔ)。對(duì)不同的教材進(jìn)行對(duì)比分析，從中選取適合相關(guān)專(zhuān)業(yè)的教材，是教師的必要工作。本文對(duì)五種生物信息學(xué)教材進(jìn)行分析，為不同專(zhuān)業(yè)對(duì)于教材的選擇提供參考和建議。

一、研究方法及教材簡(jiǎn)介

（一）文獻(xiàn)研究法

筆者主要從以下三個(gè)方面進(jìn)行文獻(xiàn)檢索。首先，搜索與生物信息學(xué)教材分析相關(guān)的著作。其次，利用中國(guó)知網(wǎng)、萬(wàn)方數(shù)據(jù)庫(kù)等檢索與教材分析相關(guān)的期刊論文。最后，借鑒優(yōu)秀教師的教案，仔細(xì)閱讀并進(jìn)行分析。深入了解相關(guān)生物信息學(xué)教材分析的背景以便進(jìn)行整理分析。

（二）對(duì)比研究法

本文主要選取了五種生物信息學(xué)教材，根據(jù)教材的基本框架結(jié)構(gòu)及特點(diǎn)，對(duì)其進(jìn)行對(duì)比分析，分析總結(jié)不同教材之間異同。

二、生物信息學(xué)教材分析

隨著課程改革的不斷完善，針對(duì)不同地區(qū)、不同專(zhuān)業(yè)，教材的使用也趨向多元化。生物信息學(xué)教材是教師進(jìn)行教學(xué)活動(dòng)的基礎(chǔ)。對(duì)不同的生物信息學(xué)教材進(jìn)行對(duì)比，以便教師作出最適合的選擇。如表1所示，對(duì)五種教材從宏觀角度進(jìn)行內(nèi)容上的分析。

如表1所示，從中可看出這五種教材從整體編寫(xiě)方面，都涵蓋了核酸和蛋白質(zhì)兩個(gè)主要層面。主要內(nèi)容包括：生物信息學(xué)的概念及發(fā)展歷程、數(shù)據(jù)庫(kù)的介紹、生物信息學(xué)常用統(tǒng)計(jì)方法、基因組學(xué)、蛋白質(zhì)組學(xué)等幾大方面。并且，大多數(shù)教材都附有思考題，有利于學(xué)生課后對(duì)知識(shí)進(jìn)行運(yùn)用及加深理解。只是隨著生物信息學(xué)的飛速發(fā)展，不同版本的教材增添了新的相關(guān)的知識(shí)。同時(shí)不同教材的側(cè)重點(diǎn)略有差異。

另一方面，從表1中可看出，五種教材所包含的章節(jié)為7到15章不等。這說(shuō)明，隨著科學(xué)技術(shù)的不斷發(fā)展，更多的前沿知識(shí)不斷地填充到教材中。所以，隨著時(shí)間的變化，不同的教材，具有各自的特色。

首先，教材的側(cè)重點(diǎn)不同。隨著各物種的基因組計(jì)劃的不斷完成，生物信息學(xué)發(fā)展實(shí)現(xiàn)了質(zhì)的飛躍。并且融入到各個(gè)領(lǐng)域中。例如：由李霞、雷建波編寫(xiě)的《生物信息學(xué)》，側(cè)重介紹了生物信息學(xué)與疾病的相關(guān)聯(lián)性。教材在內(nèi)容和形式上有所創(chuàng)新。突出實(shí)用性，以臨床實(shí)際問(wèn)題作為編寫(xiě)出發(fā)點(diǎn)；而劉娟編寫(xiě)的《生物信息學(xué)》一書(shū)中，以豐富的實(shí)例，重點(diǎn)介紹了相關(guān)數(shù)據(jù)庫(kù)和軟件的功能、應(yīng)用策略和使用方法。在章節(jié)編排上涉及微陣列數(shù)據(jù)分析的內(nèi)容，突出了生物信息學(xué)與數(shù)學(xué)的融合。

其次，不同教材的難度存在差異性。陶士珩編寫(xiě)的《生物信息學(xué)》較基礎(chǔ)，包含了生物信息學(xué)基本內(nèi)容，力求使學(xué)生全面了解和掌握生物信息學(xué)領(lǐng)域的重要基礎(chǔ)知識(shí)與基本操作技能。而陳銘編寫(xiě)的《生物信息學(xué)》，根據(jù)生物信息學(xué)多學(xué)科融合的特點(diǎn)，增添編程與統(tǒng)計(jì)學(xué)知識(shí)，教材所涉及的知識(shí)范圍廣泛。使得無(wú)論是對(duì)教師還是學(xué)生來(lái)講，都要求具有深厚的學(xué)科背景。

最后，學(xué)科之間聯(lián)系程度差異。生物信息學(xué)作為一項(xiàng)生物科學(xué)的工具，不僅僅應(yīng)用于生物學(xué)，同時(shí)，在醫(yī)學(xué)、農(nóng)業(yè)專(zhuān)業(yè)、計(jì)算機(jī)科學(xué)等領(lǐng)域。[10]但不同教材所體現(xiàn)生物信息學(xué)與其他學(xué)科的聯(lián)系程度不盡相同。例如：吳祖建編寫(xiě)的《生物信息學(xué)分析實(shí)踐》一書(shū)，主要包含了數(shù)據(jù)庫(kù)檢索、引物設(shè)計(jì)、序列分析等諸多技術(shù)問(wèn)題。書(shū)中以圖表形式為主，文字介紹為輔，以讓學(xué)生學(xué)會(huì)操作為主，將生物信息學(xué)與計(jì)算機(jī)科學(xué)緊密結(jié)合。

三、結(jié)語(yǔ)

生物信息學(xué)重要特點(diǎn)為學(xué)科交叉性，涉獵范圍廣。不同的生物信息學(xué)教材適用于不同專(zhuān)業(yè)。本文對(duì)五種教材進(jìn)行對(duì)比分析，根據(jù)教材不同特色并結(jié)合不同專(zhuān)業(yè)特點(diǎn)，為教師選擇適合的教材提出建議。陶士珩、劉娟編寫(xiě)的兩版不同《生物信息學(xué)》，內(nèi)容基礎(chǔ)，適用農(nóng)業(yè)專(zhuān)業(yè)和師范專(zhuān)業(yè)作為教學(xué)用書(shū)；李霞、雷健波編寫(xiě)的教材，主要突出了與醫(yī)學(xué)相關(guān)聯(lián)系，適用于醫(yī)學(xué)專(zhuān)業(yè)用書(shū)；陳銘、吳祖建所編寫(xiě)教材，注重與計(jì)算機(jī)科學(xué)的關(guān)聯(lián)，實(shí)踐性強(qiáng)，有利于培養(yǎng)學(xué)生動(dòng)手操作能力，適用于計(jì)算機(jī)專(zhuān)業(yè)。

參考文獻(xiàn)：

[1]朱杰.生物信息學(xué)的研究現(xiàn)狀及其發(fā)展問(wèn)題的探討[J].生物信息學(xué)，2005，3（4）：185-188.

[2]趙屹，谷瑞升，杜生明.生物信息學(xué)研究現(xiàn)狀及發(fā)展趨勢(shì)[J].醫(yī)學(xué)信息學(xué)雜志，2010（5）：2-6.

[3]倪青山，金曉琳，胡福泉等.生物信息學(xué)教學(xué)中學(xué)生創(chuàng)新能力培養(yǎng)探討[J].基礎(chǔ)醫(yī)學(xué)教育，2012，14（11）：816-818.

[4]向太和.我國(guó)現(xiàn)有《生物信息學(xué)》教材和網(wǎng)絡(luò)資源的分析[J].杭州師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2006，5（6）.

[5]陶士珩.生物信息學(xué)[M].北京：科學(xué)出版社，2007.

[6]劉娟.生物信息學(xué)[M].北京：高等教育出版社，2014.

[7]吳祖建.生物信息學(xué)分析實(shí)踐[M].北京：科學(xué)出版社，2010.

[8]陳銘.生物信息學(xué)（第二版）[M].北京：科學(xué)出版社，2015.

[9]李霞，雷建波.生物信息學(xué)（第二版）[M].北京：人民衛(wèi)生出版社，2015.

篇4

傳統(tǒng)的婦科腫瘤學(xué)研究生教育重視的是單一學(xué)科的知識(shí)傳授，忽略了學(xué)科之間的交叉影響，教育理念陳舊，教學(xué)內(nèi)容繁雜，傳授方法老套，學(xué)生們?cè)诮邮蘸蛯W(xué)習(xí)知識(shí)的過(guò)程中往往處于被動(dòng)的位置，難以突破傳統(tǒng)思維的桎梏，這點(diǎn)顯然不符合現(xiàn)代醫(yī)學(xué)復(fù)合型人才的教育要求。婦科腫瘤學(xué)是大數(shù)據(jù)背景下知識(shí)更新迅速的學(xué)科之一，迫切需要全新的研究生教育理念進(jìn)行知識(shí)的傳授。生物信息學(xué)理念剛好為這一過(guò)程搭建橋梁。

生物信息學(xué)是20世紀(jì)90年代逐漸興起的一門(mén)交叉學(xué)科，它以生物作為主要研究對(duì)象，借助計(jì)算機(jī)技術(shù)、信息科學(xué)技術(shù)、分子生物學(xué)技術(shù)和應(yīng)用數(shù)學(xué)等手段，對(duì)大量復(fù)雜的生物數(shù)據(jù)進(jìn)行處理、存儲(chǔ)、分析和闡述，旨在深入挖掘和揭示潛在的生物學(xué)意義。隨著精準(zhǔn)醫(yī)療時(shí)代的到來(lái)，生物信息學(xué)的作用日益凸顯，它已經(jīng)滲透到生命科學(xué)研究領(lǐng)域的各個(gè)方面，并成為了最有活力的前沿領(lǐng)域之一[1]。當(dāng)前，國(guó)內(nèi)不少高等醫(yī)學(xué)院校陸續(xù)開(kāi)設(shè)生物信息學(xué)這門(mén)課程。對(duì)于醫(yī)學(xué)研究生而言，生物信息學(xué)不僅僅是一門(mén)課程，它還教會(huì)了學(xué)生從海量生物數(shù)據(jù)中挖掘有意義的生物信息，因此，從某種意義而言，它更是一種思維方式的體現(xiàn)。廣西醫(yī)科大學(xué)附屬腫瘤醫(yī)院（以下簡(jiǎn)稱(chēng)“我院”）婦科從1985年開(kāi)始招收研究生，在學(xué)校開(kāi)設(shè)生物信息學(xué)課程之初，即重視研究生生物信息學(xué)思維的培養(yǎng)，并且使他們學(xué)會(huì)將這種思維方式更好地應(yīng)用于婦科腫瘤學(xué)研究領(lǐng)域，為社會(huì)輸送一批又一批具有生物信息學(xué)理念的現(xiàn)代醫(yī)師。

1將生物信息學(xué)核心理念應(yīng)用于婦科腫瘤學(xué)研究生的教學(xué)實(shí)踐

生物信息學(xué)的核心理念是海量數(shù)據(jù)的管理和挖掘，注重學(xué)生自主學(xué)習(xí)能力的培養(yǎng)，而自主學(xué)習(xí)是一種新型教學(xué)理念，同時(shí)也是高等院校教學(xué)改革的主要方向之一[2]。生物信息學(xué)除了能教會(huì)學(xué)生使用大量的相關(guān)數(shù)據(jù)庫(kù)和在線分析工具進(jìn)行科學(xué)研究以外，還能教會(huì)他們掌握主動(dòng)學(xué)習(xí)的方法和途徑，學(xué)會(huì)利用現(xiàn)有的數(shù)據(jù)庫(kù)和在線分析工具進(jìn)行深度挖掘，旨在幫助他們解決臨床實(shí)踐過(guò)程針對(duì)疑難病癥的診療問(wèn)題，最終服務(wù)患者[3]。在婦科腫瘤學(xué)研究生教學(xué)實(shí)踐中引入生物信息學(xué)理念有如下幾個(gè)方面的具體表現(xiàn)：

1.1建立生物信息學(xué)的概念和意識(shí)

在婦科腫瘤學(xué)領(lǐng)域培養(yǎng)出具有生物信息學(xué)知識(shí)背景的研究生，這種跨學(xué)科創(chuàng)新型研究生培養(yǎng)模式，突破了傳統(tǒng)的單一學(xué)科研究生培養(yǎng)模式的桎梏，順應(yīng)了新時(shí)代研究生教育的發(fā)展潮流。在日常研究生培養(yǎng)中，我院著重幫助學(xué)生建立起生物信息學(xué)的意識(shí)和思維方式。首先，在課程設(shè)置方面，我院動(dòng)員婦科腫瘤學(xué)研究生自覺(jué)將生物信息學(xué)這門(mén)課程列為其研究生生涯的必修課程。通過(guò)課程的學(xué)習(xí)，學(xué)生將意識(shí)到，生物信息學(xué)是一門(mén)由生命科學(xué)和計(jì)算機(jī)科學(xué)交叉形成的新興學(xué)科，先后經(jīng)歷了前基因組時(shí)代、基因組時(shí)代和后基因組時(shí)代三個(gè)階段，涵蓋了生物信息的獲取、處理、存儲(chǔ)、傳播、分析和闡述等方面[4]。其次，我院定期組織學(xué)生進(jìn)行小組學(xué)習(xí)，通過(guò)線上線下混合式教學(xué)手段引導(dǎo)學(xué)生對(duì)生物信息學(xué)的深度學(xué)習(xí)。同時(shí)，我院也重視婦科腫瘤學(xué)教師自身的生物信息學(xué)通識(shí)教育，不定期邀請(qǐng)生物信息學(xué)教研室教師答疑解惑。最后，我院引導(dǎo)學(xué)生將生物信息學(xué)知識(shí)應(yīng)用到研究生課題研究中，進(jìn)一步加深學(xué)生對(duì)生物信息學(xué)和婦科腫瘤學(xué)知識(shí)的理解。

1.2學(xué)會(huì)使用生物醫(yī)學(xué)數(shù)據(jù)庫(kù)和在線分析工具

生物信息學(xué)發(fā)展至今，產(chǎn)生許多生物醫(yī)學(xué)數(shù)據(jù)庫(kù)和在線分析工具，如基因表達(dá)（geneexpressionomnibus，GEO）數(shù)據(jù)庫(kù)、蛋白質(zhì)相互作用數(shù)據(jù)庫(kù)、微小RNA（microRNAs，miRNA）靶標(biāo)數(shù)據(jù)庫(kù)、癌癥基因組圖譜（thecancergenomeatlas，TCGA）數(shù)據(jù)庫(kù)和用于注釋、可視化和集成發(fā)現(xiàn)（thedatabaseforannotation，visualizationandintegrateddiscovery，DAVID）的數(shù)據(jù)庫(kù)等常用數(shù)據(jù)庫(kù)和GEO2R在線工具、GeneMANIA在線工具和醫(yī)學(xué)本體信息檢索（CoremineMedical）平臺(tái)等常用在線分析平臺(tái)[5]。對(duì)于婦科腫瘤學(xué)研究生而言，無(wú)論是專(zhuān)業(yè)型研究生還是學(xué)術(shù)型研究生，掌握生物信息學(xué)知識(shí)并不在于如何進(jìn)行復(fù)雜算法的開(kāi)發(fā)、原始數(shù)據(jù)的處理或數(shù)據(jù)庫(kù)的構(gòu)建，而是如何使用這些數(shù)據(jù)庫(kù)和在線工具進(jìn)行數(shù)據(jù)挖掘和分析，并用于指導(dǎo)科學(xué)研究和臨床實(shí)踐。在婦科腫瘤學(xué)研究生教學(xué)實(shí)踐中，我院著重強(qiáng)調(diào)“以實(shí)踐為中心”。比如，Wei等[6]在其研究生課題中巧妙應(yīng)用了GEO數(shù)據(jù)庫(kù)中的3個(gè)獨(dú)立基因芯片數(shù)據(jù)（GSE25191、GSE28799和GSE33874），進(jìn)行基因差異表達(dá)分析和基因通路富集分析，并通過(guò)實(shí)時(shí)定量聚合酶鏈反應(yīng)和TCGA數(shù)據(jù)庫(kù)驗(yàn)證，發(fā)現(xiàn)整合素α6亞單位（integrinα6subunit，ITGA6）是卵巢癌腫瘤干細(xì)胞核心基因，該基因的高表達(dá)與卵巢癌化療的耐藥和預(yù)后差密切相關(guān)。研究生唯有親身實(shí)踐，將理論知識(shí)融入實(shí)踐中，才有可能熟練掌握這些生物醫(yī)學(xué)數(shù)據(jù)庫(kù)和在線分析軟件的使用方法和數(shù)理基礎(chǔ)。

1.3將數(shù)據(jù)挖掘理念融入科學(xué)研究和臨床實(shí)踐中

在生物醫(yī)學(xué)大數(shù)據(jù)時(shí)代背景下，生物醫(yī)學(xué)研究正發(fā)生著重大變革，從基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)、轉(zhuǎn)錄組學(xué)和表觀遺傳學(xué)等多學(xué)科研究到基于海量臨床信息數(shù)據(jù)的真實(shí)世界研究，它們所產(chǎn)生的大量高維復(fù)雜的研究數(shù)據(jù)互相交匯，共同構(gòu)成生物醫(yī)學(xué)大數(shù)據(jù)[7]。對(duì)研究生而言，如何將多層次臨床和研究數(shù)據(jù)進(jìn)行深度挖掘和有機(jī)整合，從而轉(zhuǎn)化為新知識(shí)，既是機(jī)遇，又是挑戰(zhàn)。在婦科腫瘤學(xué)研究生教育中，我院將數(shù)據(jù)挖掘理念滲透到各個(gè)教學(xué)環(huán)節(jié)中，旨在讓研究生掌握主動(dòng)學(xué)習(xí)的方法和途徑，培養(yǎng)其創(chuàng)新思維，為今后的科學(xué)研究和臨床實(shí)踐打下扎實(shí)的基礎(chǔ)。在科學(xué)研究方面，尤其是在課題選題和設(shè)計(jì)階段，組織學(xué)生利用互聯(lián)網(wǎng)查找學(xué)科領(lǐng)域的前沿問(wèn)題或熱點(diǎn)問(wèn)題，對(duì)自己感興趣的方向各自提出一個(gè)具體的科學(xué)假設(shè)。然后通過(guò)查找文獻(xiàn)和充分利用數(shù)據(jù)庫(kù)進(jìn)行深入的數(shù)據(jù)挖掘，構(gòu)建生物信息學(xué)分析網(wǎng)絡(luò)來(lái)回答具體科學(xué)問(wèn)題。最后，組織學(xué)生進(jìn)行分子實(shí)驗(yàn)或利用臨床資料來(lái)驗(yàn)證科學(xué)假設(shè)。在臨床實(shí)踐方面，引導(dǎo)學(xué)生將臨床上遇到的問(wèn)題轉(zhuǎn)化成具體的科學(xué)問(wèn)題，然后應(yīng)用簡(jiǎn)單的臨床生物信息學(xué)方法對(duì)具體的科學(xué)問(wèn)題進(jìn)行淺層次的數(shù)據(jù)挖掘，從而充分地為后續(xù)臨床研究做好準(zhǔn)備。這種將數(shù)據(jù)挖掘理念融入科學(xué)研究和臨床實(shí)踐的教學(xué)方法，充分鍛煉了研究生的科研和臨床思維。比如，吳文娟等[8]進(jìn)行卵巢上皮性癌鉑類(lèi)耐藥相關(guān)差異表達(dá)蛋白質(zhì)篩選時(shí)，結(jié)合了生物信息學(xué)方法分析，篩選出62個(gè)鉑類(lèi)耐藥相關(guān)的差異表達(dá)蛋白質(zhì)，然后通過(guò)正選擇分析時(shí)發(fā)現(xiàn)，蛋白C6、CNTN1在亞洲人群中均存在正選擇作用（P<0.05），而蛋白BCHE在歐洲人群中存在正選擇作用（P<0.05），基于CoremineMedical平臺(tái)的文獻(xiàn)挖掘及TCGA數(shù)據(jù)庫(kù)中的芯片數(shù)據(jù)交集分析進(jìn)一步印證，12個(gè)差異蛋白（CRP、FN1、S100A9、TF、ALB、VWF、APOC2、APOE、CD44、F2、GPX3和ACTB）與卵巢癌鉑類(lèi)耐藥相關(guān)。Wei等[9]在探討卵巢癌多藥耐藥的分子研究中，充分利用CoremineMedical平臺(tái)進(jìn)行文獻(xiàn)數(shù)據(jù)挖掘，并結(jié)合分子生物學(xué)實(shí)驗(yàn)發(fā)現(xiàn)，ITGA6可能在卵巢癌細(xì)胞中起到調(diào)節(jié)基因的作用，參與卵巢癌的多藥耐藥過(guò)程。蔣燕明等[10]在回答與宮頸上皮內(nèi)瘤變進(jìn)展相關(guān)的差異基因和信號(hào)通路這一問(wèn)題上，通過(guò)對(duì)GEO數(shù)據(jù)庫(kù)中獲得的2套芯片數(shù)據(jù)（GSE63514和GSE51993）進(jìn)行深入挖掘和綜合的生物信息學(xué)分析，篩選出與宮頸上皮內(nèi)瘤變進(jìn)展相關(guān)的14個(gè)差異表達(dá)基因和3條信號(hào)通路。

2生物信息學(xué)理念對(duì)婦科腫瘤學(xué)研究生教育的影響

傳統(tǒng)醫(yī)學(xué)與互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的深度融合催生了新醫(yī)科這一全新的現(xiàn)代醫(yī)學(xué)形態(tài)[11]，它借助了計(jì)算機(jī)科學(xué)和人工智能的爆發(fā)式發(fā)展，實(shí)質(zhì)上也是多學(xué)科交叉融合的產(chǎn)物。這種順應(yīng)時(shí)展的產(chǎn)物，顛覆了傳統(tǒng)醫(yī)學(xué)模式，深深地影響了醫(yī)學(xué)教育領(lǐng)域。在新醫(yī)科背景下，高等醫(yī)學(xué)教育更應(yīng)該注重教育理念和培養(yǎng)模式的改革，滿足“健康中國(guó)”的戰(zhàn)略需求，培養(yǎng)出能夠運(yùn)用學(xué)科交叉知識(shí)來(lái)解決醫(yī)學(xué)領(lǐng)域前沿問(wèn)題并引領(lǐng)未來(lái)醫(yī)學(xué)發(fā)展的高層次醫(yī)學(xué)領(lǐng)軍人才[11]。研究生教育是我國(guó)教育體系中最高層次的教育，以培養(yǎng)拔尖創(chuàng)新人才作為主要任務(wù)和核心內(nèi)容，建立以教學(xué)為基礎(chǔ)、以科研為主導(dǎo)、臨床和科研相結(jié)合的研究生培養(yǎng)模式，這是培養(yǎng)拔尖創(chuàng)新人才的根本方法[12]。在婦科腫瘤學(xué)研究生教育中引入生物信息學(xué)理念，恰好符合了新醫(yī)科背景下研究生拔尖創(chuàng)新人才培養(yǎng)模式，將對(duì)婦科腫瘤學(xué)研究生教育改革產(chǎn)生深遠(yuǎn)影響。

2.1對(duì)傳統(tǒng)醫(yī)學(xué)教育模式的沖擊

傳統(tǒng)醫(yī)學(xué)教育模式重視學(xué)科教育的系統(tǒng)性，強(qiáng)調(diào)以學(xué)科為中心，忽視了學(xué)科間知識(shí)的滲透和交流，顯然不符合現(xiàn)代醫(yī)學(xué)教育的宗旨[13]。在傳統(tǒng)醫(yī)學(xué)教育模式下，學(xué)科的課程體系教學(xué)依舊采用灌輸理念，這種填鴨式的知識(shí)傳授過(guò)程容易磨滅學(xué)生主動(dòng)探索知識(shí)的求知欲。在大數(shù)據(jù)時(shí)代，高等教育改革重點(diǎn)圍繞學(xué)生創(chuàng)新能力的培養(yǎng)展開(kāi)，并積極引入現(xiàn)代化教育理念，強(qiáng)調(diào)以學(xué)生為中心、以實(shí)踐為主進(jìn)行教學(xué)內(nèi)容的更新[14-15]。最近十年，在《教育信息化“十三五”規(guī)劃》和《教育信息化十年發(fā)展規(guī)劃（2011-2020年）》等文件的引領(lǐng)下，國(guó)內(nèi)教育信息化得到了迅猛的發(fā)展，包括大數(shù)據(jù)、云計(jì)算和人工智能等現(xiàn)代化信息技術(shù)已經(jīng)進(jìn)入現(xiàn)代教育系統(tǒng)，在這一歷史背景下，國(guó)家相繼出臺(tái)《中國(guó)教育現(xiàn)代化2035》和《教育信息化2.0行動(dòng)計(jì)劃》等政策文件，為我國(guó)教育信息化建設(shè)道路指明了方向[16]。

作為一門(mén)交叉學(xué)科，生物信息學(xué)知識(shí)和理念早已滲透到各個(gè)醫(yī)學(xué)學(xué)科領(lǐng)域，并衍生出多個(gè)分支學(xué)科。臨床生物信息學(xué)是其中一個(gè)分支學(xué)科，也是一座搭建在基礎(chǔ)研究和臨床診療之間的橋梁，更是解決臨床腫瘤相關(guān)診治因素的新手段。因此，在精準(zhǔn)醫(yī)學(xué)時(shí)代，很有必要引入腫瘤生物信息學(xué)特異性研究方法或全新高級(jí)的研究工具，來(lái)回答與腫瘤相關(guān)的關(guān)鍵問(wèn)題[17]，對(duì)于腫瘤學(xué)的研究生教育亦是如此。婦科腫瘤學(xué)研究生教育不應(yīng)該局限于講授單一學(xué)科的知識(shí)、基礎(chǔ)研究和臨床實(shí)踐，引入生物信息學(xué)理念，不僅對(duì)傳統(tǒng)醫(yī)學(xué)教育模式產(chǎn)生沖擊，還能培養(yǎng)研究生從多角度思考問(wèn)題的能力，從而產(chǎn)生獨(dú)特的研究方法和形成創(chuàng)新性思維，更能培養(yǎng)研究生從不同的專(zhuān)業(yè)角度發(fā)現(xiàn)問(wèn)題、分析問(wèn)題和解決問(wèn)題的能力[18]。

2.2提高教師教學(xué)理論素養(yǎng)和教學(xué)反思自覺(jué)性

在教學(xué)醫(yī)院，臨床醫(yī)師不但要從事臨床診療工作，還要承擔(dān)科研工作和教學(xué)任務(wù)。他們的日常臨床工作繁重枯燥，科研方法往往單調(diào)乏味，教學(xué)理念陳舊乏新。醫(yī)學(xué)教師作為醫(yī)學(xué)教育的實(shí)踐者，只有在先進(jìn)教育理念的引領(lǐng)下，才有可能真正做到以學(xué)生為中心，使學(xué)生受益，從而提高人才培養(yǎng)的質(zhì)量[19]。因此，醫(yī)學(xué)教師應(yīng)該以更加開(kāi)闊的視野主動(dòng)投入到各類(lèi)前沿的教學(xué)改革與研究中，重視有助于醫(yī)學(xué)生自主學(xué)習(xí)的教學(xué)手段開(kāi)發(fā)和應(yīng)用。臨床醫(yī)師學(xué)習(xí)先進(jìn)的生物信息學(xué)知識(shí)和理念，并將之應(yīng)用于臨床和教學(xué)實(shí)踐中，有助于他們對(duì)實(shí)踐中出現(xiàn)的難以解決的醫(yī)學(xué)問(wèn)題進(jìn)行合理解釋?zhuān)瑫r(shí)滿足現(xiàn)代醫(yī)學(xué)研究和教育的發(fā)展需求，為提高自身教學(xué)理論素養(yǎng)和教學(xué)反思的自覺(jué)性提供了新途徑。

2.3拓寬研究生知識(shí)的深度和廣度

篇5

中圖分類(lèi)號(hào)：G642.0?????文獻(xiàn)標(biāo)識(shí)碼：A?????文章編號(hào)：1007-0079（2012）23-0060-02

21世紀(jì)是生命科學(xué)的世紀(jì)，生物技術(shù)飛速發(fā)展，生物學(xué)數(shù)據(jù)大量積累。而生物信息學(xué)正是在這種大背景下蓬勃興起的交叉型學(xué)科，旨在用信息學(xué)方法解決生物學(xué)問(wèn)題。為了培養(yǎng)復(fù)合型人才，大力發(fā)展交叉學(xué)科，國(guó)防科技大學(xué)（以下簡(jiǎn)稱(chēng)“我校”）近年來(lái)面向全校理工科研究生開(kāi)設(shè)了“生物信息學(xué)”選修課程。

“生物信息學(xué)”作為新興的交叉學(xué)科，具有融合性、發(fā)展性和開(kāi)放性的特點(diǎn)。[1]融合性是指生物信息學(xué)涉及的生物、計(jì)算機(jī)、數(shù)學(xué)等多個(gè)學(xué)科的交叉與融合。從20世紀(jì)90年代到現(xiàn)在，該學(xué)科發(fā)展非常迅速，研究熱點(diǎn)發(fā)生了數(shù)次改變。開(kāi)放性是指該學(xué)科存在大量有待探索和研究的新問(wèn)題。這些特點(diǎn)一方面為課堂教學(xué)提供了大量的主題和素材，一方面也對(duì)授課方式提出了較高的要求。經(jīng)過(guò)認(rèn)真分析，選定研討式教學(xué)作為該課程的主要授課方式。研討式教學(xué)即研究討論式教學(xué)，是將研究與討論貫穿于教學(xué)的全過(guò)程。[2]在教師的具體指導(dǎo)下，充分發(fā)揮學(xué)生的主體作用，通過(guò)自我學(xué)習(xí)、自我教育、自我提高來(lái)獲取知識(shí)和強(qiáng)化能力培養(yǎng)。[3]通過(guò)確立教學(xué)目標(biāo)，精心設(shè)計(jì)和組織教學(xué)內(nèi)容，在實(shí)踐中貫徹研討式教學(xué)理念和方法，在生物信息學(xué)課程中對(duì)研討式教學(xué)模式進(jìn)行了理論探索和實(shí)踐創(chuàng)新。

一、教學(xué)目標(biāo)的確立

合理的課程目標(biāo)與定位是決定課程建設(shè)成敗和教學(xué)效果的基礎(chǔ)，其主要依據(jù)是人才培養(yǎng)需求和授課對(duì)象的實(shí)際情況。首先，教學(xué)對(duì)象是研究生，已具備一定的自主學(xué)習(xí)和創(chuàng)新思維的能力。教師不僅要傳授知識(shí)，而且要講解基本的研究方法，讓學(xué)生具備獨(dú)立思考問(wèn)題、分析問(wèn)題和解決問(wèn)題的能力。其次，作為軍校學(xué)生，以后從事的工作可能涉及很多學(xué)科方向，展現(xiàn)如何針對(duì)一門(mén)新的學(xué)科方向進(jìn)行研究的整體思路顯得很有意義。最后，考慮到學(xué)生不同的知識(shí)背景，對(duì)于各部分內(nèi)容的理解程度不同，必須兼顧不同的專(zhuān)業(yè)方向，讓每個(gè)學(xué)生都能有所收獲。因此，確立教學(xué)目標(biāo)為：介紹生物信息學(xué)的基本概念和方法，通過(guò)案例分析展現(xiàn)科學(xué)研究的基本方法和實(shí)踐過(guò)程。

二、教學(xué)內(nèi)容的設(shè)計(jì)和組織

1.教學(xué)內(nèi)容的總體設(shè)計(jì)

確定了教學(xué)目標(biāo)之后，需要對(duì)課程的教學(xué)內(nèi)容進(jìn)行總體設(shè)計(jì)。參考國(guó)內(nèi)外多所高校的相關(guān)課程設(shè)置，如北京大學(xué)的“生物信息學(xué)導(dǎo)論”、中科大的“生物信息學(xué)”、中科院的“生物信息學(xué)與系統(tǒng)生物學(xué)”和MIT的“Bioinformatics and Proteomics”等，發(fā)現(xiàn)這些課程主要是針對(duì)生物專(zhuān)業(yè)的學(xué)生開(kāi)設(shè)，側(cè)重于方法學(xué)介紹。而我校學(xué)生大部分是工科背景，對(duì)于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)方法有一定基礎(chǔ)，重點(diǎn)是了解相關(guān)的生物學(xué)問(wèn)題，并應(yīng)用已有的工科知識(shí)去分析和解決這些問(wèn)題。同時(shí)，隨著生物信息學(xué)的快速發(fā)展，研究領(lǐng)域不斷擴(kuò)大，有必要展現(xiàn)該學(xué)科的最新進(jìn)展。

因此，課程內(nèi)容總體設(shè)計(jì)上以生物學(xué)問(wèn)題為主線，結(jié)合最新的研究成果，對(duì)各種計(jì)算方法的應(yīng)用過(guò)程進(jìn)行深入和細(xì)致的講解。在介紹生物信息學(xué)的研究現(xiàn)狀和生物學(xué)基礎(chǔ)知識(shí)之后，分多個(gè)專(zhuān)題詳述生物信息學(xué)最新的研究進(jìn)展，各專(zhuān)題在內(nèi)容上相互銜接，由淺入深，以便學(xué)生理解和接受。以問(wèn)題為導(dǎo)向的課程設(shè)計(jì)對(duì)于啟發(fā)學(xué)生思考，積極參與課堂研討具有重要作用。

進(jìn)一步，為了突出部分重點(diǎn)專(zhuān)題及其分析方法，采用案例分析課的形式，針對(duì)一些重要問(wèn)題進(jìn)行深入探討。鼓勵(lì)學(xué)生應(yīng)用所學(xué)知識(shí)，結(jié)合自身的專(zhuān)業(yè)背景，通過(guò)積極地思考和討論提出相應(yīng)的解決方案。案例選擇為教師有一定研究基礎(chǔ)的開(kāi)放性問(wèn)題，一方面介紹已有的研究成果，一方面結(jié)合教師的研究體會(huì)，通過(guò)積極討論拓展新的研究思路。案例分析課有助于學(xué)生更多地參與課堂研討，對(duì)于知識(shí)的綜合應(yīng)用和科學(xué)研究過(guò)程產(chǎn)生切身體會(huì)。

2.教學(xué)內(nèi)容的組織

研討式教學(xué)的關(guān)鍵是調(diào)動(dòng)學(xué)生的積極性，鼓勵(lì)學(xué)生踴躍地參與課堂討論，提出自己的觀點(diǎn)。通過(guò)集中備課，學(xué)習(xí)和吸取老教師的成功經(jīng)驗(yàn)，總結(jié)調(diào)動(dòng)學(xué)生積極性的基本要素，對(duì)授課內(nèi)容進(jìn)行了認(rèn)真的組織和編排。

（1）重點(diǎn)突出，詳略得當(dāng)。由于生物信息學(xué)涵蓋內(nèi)容非常豐富，有必要對(duì)課程內(nèi)容進(jìn)行取舍，在保證知識(shí)面的基礎(chǔ)上，突出授課的重點(diǎn)。減少或刪除重要性較低的部分，采用圖片和動(dòng)畫(huà)等形式對(duì)重要的知識(shí)點(diǎn)加以強(qiáng)調(diào)，以深化學(xué)生的理解。只有學(xué)生對(duì)重點(diǎn)內(nèi)容理解透徹，才能激發(fā)出濃厚的學(xué)習(xí)興趣，積極參與課堂研討，碰撞出智慧的火花。

篇6

1　醫(yī)學(xué)生的計(jì)算生物學(xué)與生物信息學(xué)思維培養(yǎng)

本部分特指醫(yī)學(xué)專(zhuān)業(yè)學(xué)生的生物信息學(xué)教學(xué)，部分醫(yī)學(xué)院校開(kāi)設(shè)的醫(yī)學(xué)生物信息學(xué)專(zhuān)業(yè)教學(xué)將在下一部分中提及。無(wú)論是醫(yī)學(xué)基礎(chǔ)研究，還是以循證醫(yī)學(xué)為代表的臨床研究，生命科學(xué)研究的一般過(guò)程，都遵循發(fā)現(xiàn)問(wèn)題資料查詢(xún)預(yù)實(shí)驗(yàn)提出科學(xué)假設(shè)設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證假說(shuō)資料查詢(xún)和結(jié)果分析科學(xué)理論總結(jié)的基本思路［3］。在這個(gè)過(guò)程中，計(jì)算生物學(xué)與生物信息學(xué)不僅是進(jìn)行資料查詢(xún)和結(jié)果分析的重要工具，更應(yīng)是在提出科學(xué)假設(shè)和實(shí)驗(yàn)設(shè)計(jì)階段就需要貫徹執(zhí)行的理念和思維方式。換言之，具體的生物信息學(xué)與分子生物學(xué)實(shí)驗(yàn)一樣都是驗(yàn)證生物醫(yī)學(xué)假說(shuō)的實(shí)驗(yàn)方法，是將一個(gè)生命科學(xué)假設(shè)用計(jì)算和信息學(xué)思維方式表達(dá)和實(shí)現(xiàn)的過(guò)程。在我國(guó)，絕大部分醫(yī)學(xué)基礎(chǔ)研究和臨床研究課題都是由醫(yī)學(xué)院校畢業(yè)的臨床工作者設(shè)計(jì)和申請(qǐng)的。由于臨床醫(yī)師大都承擔(dān)了繁重的臨床工作，申請(qǐng)者親自完成課題的機(jī)會(huì)很少，獲批課題的具體實(shí)施及數(shù)據(jù)管理、存儲(chǔ)、檢索、分析和整合多由研究生或?qū)嶒?yàn)室工作人員負(fù)責(zé)。因此結(jié)合我國(guó)的實(shí)際情況，將生物信息學(xué)與具體課題耦合，即將一個(gè)科學(xué)假設(shè)用計(jì)算和信息學(xué)表示并有效實(shí)施的思維和實(shí)踐培訓(xùn)，才是醫(yī)學(xué)生生物信息學(xué)培訓(xùn)的中心內(nèi)容。由于我國(guó)臨床醫(yī)學(xué)教學(xué)采用長(zhǎng)學(xué)制（5年、7年或8年）教學(xué)，對(duì)實(shí)踐性和針對(duì)性都很強(qiáng)的生物信息學(xué)而言，過(guò)早或過(guò)于籠統(tǒng)的培訓(xùn)都顯得意義不大，所以筆者認(rèn)為針對(duì)醫(yī)學(xué)生的生物信息學(xué)培訓(xùn)安排在研究生階段是比較合適的，教育中心是以醫(yī)學(xué)研究需求為指導(dǎo)，強(qiáng)調(diào)信息學(xué)思維培訓(xùn)和實(shí)踐操作。具體提出的建議有兩點(diǎn)，一是根據(jù)學(xué)生專(zhuān)業(yè)背景調(diào)整理論教學(xué)內(nèi)容。醫(yī)學(xué)院校學(xué)生的數(shù)理基礎(chǔ)、計(jì)算機(jī)基礎(chǔ)及統(tǒng)計(jì)學(xué)理論基礎(chǔ)不能和工科院校的學(xué)生相比，醫(yī)學(xué)專(zhuān)業(yè)包括基礎(chǔ)醫(yī)學(xué)、臨床醫(yī)學(xué)、口腔、預(yù)防等專(zhuān)業(yè)，涉及廣泛，各個(gè)專(zhuān)業(yè)背景的學(xué)生對(duì)這門(mén)課程的需求不盡相同。因此在理論課程上，要根據(jù)不同的專(zhuān)業(yè)背景和研究?jī)?nèi)容形成“個(gè)性化”的培養(yǎng)方案，目的是讓學(xué)生有選擇有針對(duì)性地掌握相關(guān)生物信息學(xué)內(nèi)容，例如數(shù)據(jù)庫(kù)的類(lèi)型和選擇，常用軟件的種類(lèi)和應(yīng)用等，同時(shí)又不會(huì)對(duì)過(guò)于高深的生物信息學(xué)理論產(chǎn)生反感。二是結(jié)合研究生階段的課題，開(kāi)展研究?jī)?nèi)容模擬和實(shí)踐操作練習(xí)。為了更好的配合研究生階段的課題，可將《生物信息學(xué)》開(kāi)課時(shí)間調(diào)整到研究生階段的第三學(xué)期，即在學(xué)生進(jìn)入課題研究階段之后，讓學(xué)生在清楚面臨的課題內(nèi)容后，有針對(duì)性地學(xué)習(xí)在完成課題過(guò)程中要使用到的知識(shí)、工具和解決問(wèn)題的思路，包括文獻(xiàn)查閱、保存、編輯，核酸序列查找和同源性比對(duì)及進(jìn)化分析，PCR引物設(shè)計(jì)，基因功能、結(jié)構(gòu)預(yù)測(cè)，調(diào)控元件及轉(zhuǎn)錄因子預(yù)測(cè)，蛋白質(zhì)基本理化性質(zhì)分析，跨膜區(qū)及信號(hào)肽預(yù)測(cè)，二級(jí)結(jié)構(gòu)和空間三維結(jié)構(gòu)的預(yù)測(cè)等。這樣學(xué)生的學(xué)習(xí)興趣和效率會(huì)大大提高。為了解決上課時(shí)間與課題時(shí)間沖突的問(wèn)題，可以采用生物信息學(xué)授課老師加入導(dǎo)師組成員，通過(guò)網(wǎng)上教學(xué)和答疑、夜間授課、集中授課與個(gè)別指導(dǎo)結(jié)合等多種方式靈活解決。

2　以醫(yī)學(xué)為中心的生物信息學(xué)專(zhuān)業(yè)人才培養(yǎng)

如果說(shuō)對(duì)醫(yī)學(xué)生進(jìn)行生物信息學(xué)教育的目的是使其學(xué)會(huì)將一個(gè)生命科學(xué)假設(shè)用計(jì)算和信息學(xué)表示，并正確提供初始數(shù)據(jù)，那么以醫(yī)學(xué)為中心的生物信息學(xué)專(zhuān)業(yè)人才培養(yǎng)的目的，就是使其學(xué)會(huì)用計(jì)算機(jī)學(xué)和信息學(xué)處理并證實(shí)科學(xué)假設(shè)的過(guò)程。具體的內(nèi)容包括，與實(shí)驗(yàn)室工作人員和臨床醫(yī)生配合，從計(jì)算生物學(xué)與生物信息學(xué)角度指導(dǎo)并幫助其完成科學(xué)假設(shè)和課題內(nèi)容設(shè)計(jì)；在課題實(shí)施階段對(duì)后者提供的初始數(shù)據(jù)進(jìn)行管理、存儲(chǔ)、檢索、分析和整合，以及滿足后者更高要求的計(jì)算機(jī)技術(shù)的需求，例如應(yīng)用軟件的設(shè)計(jì)，生物系統(tǒng)和結(jié)構(gòu)的建模，等等。目前，計(jì)算生物學(xué)與生物信息學(xué)專(zhuān)業(yè)研究生的培養(yǎng)模式主要有3種：①以生物學(xué)為中心的多學(xué)科培養(yǎng)模式。理論教育以生物學(xué)為中心，在6～9個(gè)學(xué)期內(nèi)陸續(xù)完成生物學(xué)部分課程（相當(dāng)于普通生物學(xué)系1／3～1／4課程）的選修，然后根據(jù)興趣和實(shí)際情況選擇一個(gè)相關(guān)實(shí)驗(yàn)室完成研究生課題。這種培養(yǎng)模式被大多數(shù)綜合大學(xué)采納。②以工程設(shè)計(jì)為中心的培養(yǎng)模式。③以醫(yī)學(xué)為中心的培養(yǎng)模式。指以醫(yī)學(xué)研究和臨床應(yīng)用為中心設(shè)置計(jì)算生物學(xué)和生物信息學(xué)，絕大多數(shù)由醫(yī)學(xué)院校設(shè)置，側(cè)重生物信息學(xué)與臨床醫(yī)學(xué)的結(jié)合。在進(jìn)入課題階段之前會(huì)有1～2年臨床相關(guān)概念和信息的培訓(xùn)，主要開(kāi)設(shè)的課程包括生物學(xué)、細(xì)胞生物學(xué)、分子生物學(xué)與基因組學(xué)、化學(xué)與物理學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)等，甚至包括部分醫(yī)學(xué)課程，后期實(shí)踐階段通常選擇一個(gè)相關(guān)實(shí)驗(yàn)室完成研究生課題。總的看來(lái)，醫(yī)學(xué)生物信息學(xué)基礎(chǔ)課程設(shè)置與國(guó)際趨勢(shì)相符，也符合以醫(yī)學(xué)為中心計(jì)算生物學(xué)與生物信息學(xué)的培訓(xùn)要求。但從近年生物信息學(xué)專(zhuān)業(yè)研究生就業(yè)情況來(lái)看，確實(shí)存在素質(zhì)參差不齊，學(xué)不能致用，不能很快融入研究工作等問(wèn)題。筆者認(rèn)為，這種現(xiàn)象可以從三個(gè)方面加以改進(jìn)：①以職業(yè)發(fā)展和學(xué)位教育為導(dǎo)向，建立多層次、多形式的醫(yī)學(xué)信息學(xué)教育和繼續(xù)教育體系。各醫(yī)學(xué)院校可在統(tǒng)一專(zhuān)業(yè)培養(yǎng)目標(biāo)和定位的基礎(chǔ)上，根據(jù)自身的學(xué)科基礎(chǔ)和特色，結(jié)合學(xué)生畢業(yè)后的工作領(lǐng)域和就業(yè)方向，形成“個(gè)性化”的專(zhuān)業(yè)方向和培養(yǎng)方案。②加強(qiáng)師資力量的建設(shè)，形成以課程為中心的教學(xué)團(tuán)隊(duì)。現(xiàn)有醫(yī)學(xué)生物學(xué)教材內(nèi)容寬泛、偏重理論，對(duì)實(shí)踐環(huán)節(jié)的指導(dǎo)較少，需要授課老師有選擇的挑選合適的內(nèi)容并予以補(bǔ)充和完善。這對(duì)授課教師的素質(zhì)提出了更高要求，要求其能根據(jù)實(shí)際情況因材施教，有所取舍，強(qiáng)化重點(diǎn)。目前，各院校教學(xué)團(tuán)隊(duì)和師資力量配備受限，建議可以課程為中心，培養(yǎng)、引進(jìn)學(xué)術(shù)帶頭人，從其他專(zhuān)業(yè)挑選骨干教師兼任等多種形式，形成以課程為中心的教學(xué)團(tuán)隊(duì)。③實(shí)踐教學(xué)與綜合能力的培養(yǎng)。生物信息學(xué)是一門(mén)實(shí)踐性非常強(qiáng)的學(xué)科，要將“學(xué)有所長(zhǎng)，學(xué)以致用”作為人才培養(yǎng)的最終目的。可以通過(guò)構(gòu)建開(kāi)放式實(shí)踐教學(xué)平臺(tái)，建設(shè)實(shí)踐教學(xué)基地等方式盡可能強(qiáng)化實(shí)踐操作訓(xùn)練［4］，后期部分學(xué)生可以結(jié)合個(gè)人興趣，本著雙向選擇的原則，將實(shí)踐階段訓(xùn)練固定到導(dǎo)師和實(shí)驗(yàn)室，并安排其參與完成某一項(xiàng)課題的設(shè)計(jì)、實(shí)施和總結(jié)，在整個(gè)過(guò)程中要特別注意培養(yǎng)學(xué)生的學(xué)習(xí)興趣和自學(xué)能力，強(qiáng)調(diào)知識(shí)的自我更新。

綜上所述，醫(yī)學(xué)生物信息學(xué)人才培養(yǎng)的最終目的是使生物信息學(xué)能滿足現(xiàn)代醫(yī)療和醫(yī)學(xué)研究發(fā)展的需要，使醫(yī)學(xué)生物信息學(xué)人才成為有效連接基礎(chǔ)研究與臨床醫(yī)療的橋梁，為現(xiàn)代醫(yī)學(xué)的發(fā)展提供新途徑［5］。

參考文獻(xiàn)：

［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，饒賢才，等．醫(yī)學(xué)院校生物信息學(xué)實(shí)踐教學(xué)初探［J］．基礎(chǔ)醫(yī)學(xué)教育，2011，13（6）：538－539．

［3］張樂(lè)平，馮紅玲，宋茂海，等．生物信息學(xué)教學(xué)與醫(yī)科學(xué)生計(jì)算思維培養(yǎng)［J］．計(jì)算機(jī)教育，2012，19（4）：12－16．

篇7

生物信息學(xué)作為一門(mén)新興的交叉學(xué)科，它涵蓋了計(jì)算機(jī)科學(xué)、生物學(xué)以及統(tǒng)計(jì)學(xué)等不同的學(xué)科。它的主要研究?jī)?nèi)容是通過(guò)應(yīng)用計(jì)算機(jī)對(duì)各種生物數(shù)據(jù)信息進(jìn)行檢索、分析以及儲(chǔ)存。在生物信息學(xué)中，它的各種組合問(wèn)題都具有數(shù)量繁多、計(jì)算量大的鮮明特征，為了能有效地解決各類(lèi)組合難問(wèn)題，就必須不斷提高計(jì)算的處理速度，創(chuàng)新計(jì)算機(jī)算法，保證各算法和程序的高效性。

1 在生物信息學(xué)中普遍被應(yīng)用的計(jì)算機(jī)算法

在生物信息學(xué)中那些常見(jiàn)NP-難的組合優(yōu)化問(wèn)題可以分為以下幾個(gè)：群體單體型檢測(cè)問(wèn)題、個(gè)體單體型檢測(cè)問(wèn)題、多元聚合酶鏈反應(yīng)引物集設(shè)計(jì)問(wèn)題、標(biāo)簽SNPs選擇問(wèn)題、序列比對(duì)問(wèn)題以及基因芯片的探針設(shè)計(jì)問(wèn)題[1]。這些問(wèn)題都具有大量的信息數(shù)據(jù)，對(duì)于計(jì)算機(jī)的處理速度要求偏高。所以，必須不斷優(yōu)化計(jì)算機(jī)算法，對(duì)計(jì)算機(jī)算法在生物信息學(xué)中的應(yīng)用展開(kāi)分析和研究。通常來(lái)說(shuō)，生物信息學(xué)中組合優(yōu)化問(wèn)題采用的計(jì)算機(jī)算法主要包括以下幾種：近似算法、精確算法、啟發(fā)式算法以及參數(shù)化算法等。采用近似算法通常可以得到較為滿意的時(shí)間復(fù)雜度。精確算法則是生物信息學(xué)中遇到難度大組合問(wèn)題的首要選擇，然而它具備偏高的時(shí)間復(fù)雜度[2]。啟發(fā)式算法相對(duì)于傳統(tǒng)的計(jì)算機(jī)算法，前者獲得解的收斂速度會(huì)快很多。參數(shù)化算法通過(guò)從組合問(wèn)題的參數(shù)特性研究分析入手，建立出多維的數(shù)學(xué)模型，從而有效地解決問(wèn)題。

2 啟發(fā)式算法在生物信息學(xué)中的應(yīng)用

啟發(fā)式算法通常被普遍應(yīng)用于較大規(guī)模生物信息學(xué)的組合問(wèn)題中，啟發(fā)式算法具體包括了以下幾種不同的算法：粒子群優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)算法、遺傳算法、混沌免疫進(jìn)化算法、模擬退火算法。

粒子群優(yōu)化算法又可以稱(chēng)為微粒群算法或者微粒群優(yōu)化算法，它是通過(guò)模擬鳥(niǎo)群尋食行為而不斷發(fā)展起來(lái)的一種基于群體合作的隨機(jī)搜索的優(yōu)化算法。通常情況下，可以將它歸類(lèi)為群集智能的一種，被納入了多主體優(yōu)化系統(tǒng)。粒子群優(yōu)化算法的主要發(fā)明者為Kennedy教授和Eberhart教授。在解決組合優(yōu)化問(wèn)題過(guò)程中，粒子群優(yōu)化算法通過(guò)將問(wèn)題的每一個(gè)解相對(duì)應(yīng)的找出空間中某只鳥(niǎo)的位置，將空間中所有的鳥(niǎo)統(tǒng)稱(chēng)為粒子，每一個(gè)粒子的飛行都通過(guò)隊(duì)員的飛行經(jīng)驗(yàn)以及自身的飛行經(jīng)驗(yàn)進(jìn)行適當(dāng)?shù)恼{(diào)整。當(dāng)某個(gè)粒子在實(shí)際的飛行過(guò)程中遇到最佳的飛行位置，這個(gè)就是粒子的最優(yōu)解，也就是個(gè)體的極值。而如果是整個(gè)集體的最優(yōu)解，也就是群體的極值，它為每個(gè)粒子所遇到過(guò)的最佳位置總和。在實(shí)際的算法操作過(guò)程中，粒子是否處于較優(yōu)的位置需要通過(guò)優(yōu)化函數(shù)決定的適應(yīng)度來(lái)確定。與此同時(shí)，粒子的飛行速度直接關(guān)系到每個(gè)粒子的飛行距離以及方向。粒子群優(yōu)化算法最大的優(yōu)勢(shì)就在于它不需要依靠大量的經(jīng)驗(yàn)參數(shù)，簡(jiǎn)捷實(shí)用、適用于并行處理、具備較快的收斂速度等[3]，而它的弊端則是收斂精度不夠高、容易局限于局部的極值。

神經(jīng)網(wǎng)絡(luò)算法在生物信息學(xué)中的主要作用是用來(lái)對(duì)生物神經(jīng)系統(tǒng)信息處理過(guò)程的模擬。神經(jīng)網(wǎng)絡(luò)算法主要可以分為兩個(gè)層面，一個(gè)為輸出層面，另一個(gè)為輸入層面。在這兩個(gè)層面中間還存在些許隱藏的學(xué)習(xí)層面，這些學(xué)習(xí)層面中又包含了很多的結(jié)點(diǎn)[4]。不同結(jié)點(diǎn)之間的連接方式多種多樣，與此同時(shí)，每個(gè)結(jié)點(diǎn)如何把輸入信號(hào)轉(zhuǎn)換為輸出信號(hào)的選擇性也有很多[5]。要想對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的訓(xùn)練，就必須提供大量的數(shù)據(jù)信息。神經(jīng)網(wǎng)絡(luò)在得到訓(xùn)練后，就能夠起到從相同類(lèi)型沒(méi)有處理過(guò)的數(shù)據(jù)中獲取信息的作用。神經(jīng)網(wǎng)絡(luò)算法最大的不足在于，無(wú)法從大量的生物信息數(shù)據(jù)參數(shù)中提取出最簡(jiǎn)單的知識(shí)。

3 參數(shù)化算法

參數(shù)化算法作為一種先進(jìn)的計(jì)算機(jī)算法，通過(guò)將計(jì)算實(shí)踐和計(jì)算理論有效地結(jié)合在一起，從而不斷提高解決生物信息學(xué)組合問(wèn)題的效率。通過(guò)學(xué)習(xí)參數(shù)計(jì)算理論可以知道，在生物信息學(xué)中的某些NP-難問(wèn)題能夠?qū)嵭袇?shù)化，簡(jiǎn)單來(lái)說(shuō)就是合理設(shè)計(jì)出算法復(fù)雜度為“0”的計(jì)算方法。在這個(gè)過(guò)程中，c作為一個(gè)常數(shù)，n則作為問(wèn)題的規(guī)模，k是一個(gè)參數(shù)，這個(gè)參數(shù)的變化過(guò)程只能保持在一個(gè)小的范圍中。一旦常數(shù)c的數(shù)值較小，參數(shù)化算法就能充分的抓住k作為一個(gè)小參數(shù)的特性，較為快速的破解掉生物信息學(xué)中的NP-難問(wèn)題。

4 結(jié)束語(yǔ)

綜上所述，要想大力發(fā)展生物信息學(xué)，就必須將生物學(xué)和計(jì)算機(jī)學(xué)緊密的結(jié)合在一起。既要加強(qiáng)生物學(xué)方面知識(shí)的學(xué)習(xí)，還要不斷對(duì)計(jì)算機(jī)算法進(jìn)行改革創(chuàng)新，提高計(jì)算機(jī)算法的運(yùn)行速度以及精確度，共同促進(jìn)生物信息學(xué)穩(wěn)定持續(xù)的發(fā)展。

參考文獻(xiàn)

[1]（沙特） Alsuw aiyel M H.算法設(shè)計(jì)技巧與分析[M].吳偉昶，方世昌，等，譯.北京：電子工業(yè)出版社，2008：371-407.

[2]（美） Baxevanis And reas D，F(xiàn) rancis Ouellette B F.生物信息學(xué)：基因和蛋白質(zhì)分析的實(shí)用指南[M].李衍達(dá)，孫之榮，等，譯.北京：清華大學(xué)出版社，2008：13-120.

[3]楊久俊，鄧輝文，滕姿.基于混沌免疫進(jìn)化算法的聚類(lèi)算法分析[J].計(jì)算機(jī)科學(xué)，2008，8：154-156.

篇8

“生物信息學(xué)”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國(guó)田納西州gatlinburg召開(kāi)的“生物學(xué)中的信息理論”討論會(huì)上首次被提出的［1］，由美國(guó)學(xué)者lim在1991年發(fā)表的文章中首次使用。生物信息學(xué)自產(chǎn)生以來(lái)，大致經(jīng)歷了前基因組時(shí)代、基因組時(shí)代和后基因組時(shí)代三個(gè)發(fā)展階段［2］。2003年4月14日，美國(guó)人類(lèi)基因組研究項(xiàng)目首席科學(xué)家collins f博士在華盛頓隆重宣布人類(lèi)基因組計(jì)劃（human genome project，hgp）的所有目標(biāo)全部實(shí)現(xiàn)［3］。這標(biāo)志著后基因組時(shí)代（post genome era，pge）的來(lái)臨，是生命科學(xué)史中又一個(gè)里程碑。生物信息學(xué)作為21世紀(jì)生物技術(shù)的核心，已經(jīng)成為現(xiàn)代生命科學(xué)研究中重要的組成部分。研究基因、蛋白質(zhì)和生命，其研究成果必將深刻地影響農(nóng)業(yè)。本文重點(diǎn)闡述生物信息學(xué)在農(nóng)業(yè)模式植物、種質(zhì)資源優(yōu)化、農(nóng)藥的設(shè)計(jì)開(kāi)發(fā)、作物遺傳育種、生態(tài)環(huán)境改善等方面的最新研究進(jìn)展。

1.生物信息學(xué)在農(nóng)業(yè)模式植物研究領(lǐng)域中的應(yīng)用

1997年5月美國(guó)啟動(dòng)國(guó)家植物基因組計(jì)劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹(shù)等十多種具有經(jīng)濟(jì)價(jià)值的關(guān)鍵植物的基因圖譜。國(guó)家植物基因組計(jì)劃是與人類(lèi)基因組工程（hgp）并行的龐大工程［4］。近年來(lái)，通過(guò)各國(guó)科學(xué)家的通力合作，植物基因組研究取得了重大進(jìn)展，擬南芥、水稻等模式植物已完成了全基因組測(cè)序。人們可以使用生物信息學(xué)的方法系統(tǒng)地研究這些重要農(nóng)作物的基因表達(dá)、蛋白質(zhì)互作、蛋白質(zhì)和核酸的定位、代謝物及其調(diào)節(jié)網(wǎng)絡(luò)等，從而從分子水平上了解細(xì)胞的結(jié)構(gòu)和功能［5］。目前已經(jīng)建立的農(nóng)作物生物信息學(xué)數(shù)據(jù)庫(kù)研究平臺(tái)有植物轉(zhuǎn)錄本（ta）集合數(shù)據(jù)庫(kù)tigr、植物核酸序列數(shù)據(jù)庫(kù)plantgdb、研究玉米遺傳學(xué)和基因組學(xué)的mazegdb數(shù)據(jù)庫(kù)、研究草類(lèi)和水稻的gramene數(shù)據(jù)庫(kù)、研究馬鈴薯的pomamo數(shù)據(jù)庫(kù)，等等。

2.生物信息學(xué)在種質(zhì)資源保存研究領(lǐng)域中的應(yīng)用

種質(zhì)資源是農(nóng)業(yè)生產(chǎn)的重要資源，它包括許多農(nóng)藝性狀（如抗病、產(chǎn)量、品質(zhì)、環(huán)境適應(yīng)性基因等）的等位基因。植物種質(zhì)資源庫(kù)是指以植物種質(zhì)資源為保護(hù)對(duì)象的保存設(shè)施。至1996年，全世界已建成了1300余座植物種質(zhì)資源庫(kù)，在我國(guó)也已建成30多座作物種質(zhì)資源庫(kù)。種質(zhì)入庫(kù)保存類(lèi)型也從單一的種子形式，發(fā)展到營(yíng)養(yǎng)器官、細(xì)胞和組織，甚至dna片段等多種形式。保護(hù)的物種也從有性繁殖植物擴(kuò)展到無(wú)性繁殖植物及頑拗型種子植物等［6］。近年來(lái)，人們?cè)絹?lái)越多地應(yīng)用各種分子標(biāo)記來(lái)鑒定種質(zhì)資源。例如微衛(wèi)星、aflp、ssap、rbip和snp等。由于對(duì)種質(zhì)資源進(jìn)行分子標(biāo)記產(chǎn)生了大量的數(shù)據(jù)，因此需要建立生物信息學(xué)數(shù)據(jù)庫(kù)和采用分析工具來(lái)實(shí)現(xiàn)對(duì)這些數(shù)據(jù)的查詢(xún)、統(tǒng)計(jì)和計(jì)算機(jī)分析等［7］。

3.生物信息學(xué)在農(nóng)藥設(shè)計(jì)開(kāi)發(fā)研究領(lǐng)域中的應(yīng)用

傳統(tǒng)的藥物研制主要是從大量的天然產(chǎn)物、合成化合物，以及礦物中進(jìn)行篩選，得到一個(gè)可供臨床使用的藥物要耗費(fèi)大量的時(shí)間與金錢(qián)。生物信息學(xué)在藥物研發(fā)中的意義在于找到病理過(guò)程中關(guān)鍵性的分子靶標(biāo)、闡明其結(jié)構(gòu)和功能關(guān)系，從而指導(dǎo)設(shè)計(jì)能激活或阻斷生物大分子發(fā)揮其生物功能的治療性藥物，使藥物研發(fā)之路從過(guò)去的偶然和盲目中找到正確的研發(fā)方向。生物信息學(xué)為藥物研發(fā)提供了新的手段［8，9］，導(dǎo)致了藥物研發(fā)模式的改變［10］。目前，生物信息學(xué)促進(jìn)農(nóng)藥研制已有許多成功的例子。itzstein等設(shè)計(jì)出兩種具有與唾液酸酶結(jié)合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結(jié)合活性的250倍［11］。目前，這兩種新藥已經(jīng)進(jìn)入臨床試驗(yàn)階段。tang sy等學(xué)者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經(jīng)設(shè)計(jì)出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設(shè)計(jì)合成了十多類(lèi)數(shù)百個(gè)除草化合物，經(jīng)生物活性測(cè)定，部分化合物的活性已超過(guò)商品化光合作用抑制劑的水平［14］。

現(xiàn)代農(nóng)藥的研發(fā)已離不開(kāi)生物信息技術(shù)的參與，隨著生物信息學(xué)技術(shù)的進(jìn)一步完善和發(fā)展，將會(huì)大大降低藥物研發(fā)的成本，提高研發(fā)的質(zhì)量和效率。

4.生物學(xué)信息學(xué)在作物遺傳育種研究領(lǐng)域中的應(yīng)用

隨著主要農(nóng)作物遺傳圖譜精確度的提高，以及特定性狀相關(guān)分子基礎(chǔ)的進(jìn)一步闡明，人們可以利用生物信息

學(xué)的方法，先從模式生物中尋找可能的相關(guān)基因，然后在作物中找到相應(yīng)的基因及其位點(diǎn)。農(nóng)作物的遺傳學(xué)和分子生物學(xué)的研究積累了大量的基因序列、分子標(biāo)記、圖譜和功能方面的數(shù)據(jù)，可通過(guò)建立生物信息學(xué)數(shù)據(jù)庫(kù)來(lái)整合這些數(shù)據(jù)，從而比較和分析來(lái)自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎(chǔ)上，育種學(xué)家就可以應(yīng)用計(jì)算機(jī)模型來(lái)提出預(yù)測(cè)假設(shè)，從多種復(fù)雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標(biāo)記中篩選到理想的組合，從而培育出新的優(yōu)良農(nóng)作物品種。

5.生物信息學(xué)在生態(tài)環(huán)境平衡研究領(lǐng)域中的應(yīng)用

在生態(tài)系統(tǒng)中，基因流從根本上影響能量流和物質(zhì)流的循環(huán)和運(yùn)轉(zhuǎn)，是生態(tài)平衡穩(wěn)定的根本因素。生物信息學(xué)在環(huán)境領(lǐng)域主要應(yīng)用在控制環(huán)境污染方面，主要通過(guò)數(shù)學(xué)與計(jì)算機(jī)的運(yùn)用構(gòu)建遺傳工程特效菌株，以降解目標(biāo)基因及其目標(biāo)污染物為切入點(diǎn)，通過(guò)降解污染物的分子遺傳物質(zhì)核酸 dna，以及生物大分子蛋白質(zhì)酶，達(dá)到催化目標(biāo)污染物的降解，從而維護(hù)空氣［16］、水源、土地等生態(tài)環(huán)境的安全。

美國(guó)農(nóng)業(yè)研究中心（ars）的農(nóng)藥特性信息數(shù)據(jù)庫(kù)（ppd）提供 334 種正在廣泛使用的殺蟲(chóng)劑信息，涉及它們?cè)诃h(huán)境中轉(zhuǎn)運(yùn)和降解途徑的16種最重要的物化特性。日本豐橋技術(shù)大學(xué)（toyohashi university of technology）多環(huán)芳烴危險(xiǎn)性有機(jī)污染物的物化特性、色譜、紫外光譜的譜線圖。美國(guó)環(huán)保局綜合風(fēng)險(xiǎn)信息系統(tǒng)數(shù)據(jù)庫(kù)（iris）涉及 600種化學(xué)污染物，列出了污染物的毒性與風(fēng)險(xiǎn)評(píng)價(jià)參數(shù)，以及分子遺傳毒性參數(shù)［17］。除此之外，生物信息學(xué)在生物防治［18］中也起到了重要的作用。網(wǎng)絡(luò)的普及，情報(bào)、信息等學(xué)科的資源共享，勢(shì)必會(huì)創(chuàng)造出一個(gè)環(huán)境微生物技術(shù)信息的高速發(fā)展趨勢(shì)。

6.生物信息學(xué)在食品安全研究領(lǐng)域中的應(yīng)用

食品在加工制作和存儲(chǔ)過(guò)程中各種細(xì)菌數(shù)量發(fā)生變化，傳統(tǒng)檢測(cè)方法是進(jìn)行生化鑒定，但所需時(shí)間較長(zhǎng)，不能滿足檢驗(yàn)檢疫部門(mén)的要求，運(yùn)用生物信息學(xué)方法獲得各種致病菌的核酸序列，并對(duì)這些序列進(jìn)行比對(duì)，篩選出用于檢測(cè)的引物和探針，進(jìn)而運(yùn)用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重?zé)晒舛縫cr等技術(shù)，可快速準(zhǔn)確地檢測(cè)出細(xì)菌及病毒。此外，對(duì)電阻抗、放射測(cè)量、elisa法、生物傳感器、基因芯片等［21-25］技術(shù)也是未來(lái)食品病毒檢測(cè)的發(fā)展方向。

轉(zhuǎn)基因食品檢測(cè)是通過(guò)設(shè)計(jì)特異性的引物對(duì)食品樣品的dna提取物進(jìn)行擴(kuò)增，從而判斷樣品中是否含有外源性基因片段［26］。通過(guò)對(duì)轉(zhuǎn)基因農(nóng)產(chǎn)品數(shù)據(jù)庫(kù)信息的及時(shí)更新，可準(zhǔn)確了解各國(guó)新出現(xiàn)和新批準(zhǔn)的轉(zhuǎn)基因農(nóng)產(chǎn)品，便于查找其插入的外源基因片段，以便及時(shí)對(duì)檢驗(yàn)方法進(jìn)行修改。目前由于某些通過(guò)食品傳播的病毒具有變異特性，以及檢測(cè)方法的不完善等因素影響，生物信息學(xué)在食品領(lǐng)域的應(yīng)用還比較有限，但隨著食品安全檢測(cè)數(shù)據(jù)庫(kù)的不斷完善，相信相關(guān)的生物信息學(xué)技術(shù)將在食品領(lǐng)域發(fā)揮越來(lái)越重要的作用。

生物信息學(xué)廣泛用于農(nóng)業(yè)科學(xué)研究的各個(gè)領(lǐng)域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報(bào)部門(mén)，以及信息中介服務(wù)機(jī)構(gòu)提供相關(guān)服務(wù)，通過(guò)出版物、信息共享平臺(tái)、數(shù)字圖書(shū)館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國(guó)生物信息學(xué)發(fā)展還很不均衡，與國(guó)際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學(xué)能夠更好地為我國(guó)農(nóng)業(yè)持續(xù)健康發(fā)展發(fā)揮作用。

參考文獻(xiàn)：

［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.

［2］鄭國(guó)清，張瑞玲.生物信息學(xué)的形成與發(fā)展［j］.河南農(nóng)業(yè)科學(xué)，2002，（11）：4-7.

［3］駱建新，鄭崛村，馬用信等.人類(lèi)基因組計(jì)劃與后基因組時(shí)代.中國(guó)生物工程雜志，2003，23，（11）：87-94.

［4］曹學(xué)軍.基因研究的又一壯舉——美國(guó)國(guó)家植物基因組計(jì)劃［j］.國(guó)外科技動(dòng)態(tài)，2001，1：24-25.

［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.

［6］盧新雄.植物種質(zhì)資源庫(kù)的設(shè)計(jì)與建設(shè)要求［j］.植物學(xué)通報(bào)，2006，23，（1）：119-125.

［7］guy d

，noel e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.

［8］鄭衍，王非.藥物生物信息學(xué)，化學(xué)化工出版社，2004.1：214-215.

［9］俞慶森，邱建衛(wèi)，胡艾希.藥物設(shè)計(jì).化學(xué)化工出版社，2005.1：160-164.

［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.

［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.

［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.

［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.

［14］楊華錚，劉華銀，鄒小毛等.計(jì)算機(jī)輔助設(shè)計(jì)與合成除草劑的研究［j］.計(jì)算機(jī)與應(yīng)用化學(xué)，1999，16，（5）：400.

［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.

［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監(jiān)測(cè)分析［j］.微生物學(xué)雜志，2008，28，（4）：93-97.

［17］程樹(shù)培，嚴(yán)峻，郝春博等.環(huán)境生物技術(shù)信息學(xué)進(jìn)展［j］.環(huán)境污染治理技術(shù)與設(shè)備，2002，3，（11）：92-94.

［18］史應(yīng)武，婁愷，李春.植物內(nèi)生菌在生物防治中的應(yīng)用［j］.微生物學(xué)雜志，2009，29，（6）：61-64.

［19］趙玉玲，張?zhí)焐瑥埱善G.pcr 法快速檢測(cè)肉食品污染沙門(mén)菌的實(shí)驗(yàn)研究［j］.微生物學(xué)雜志，2010，30，（3）：103-105.

［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測(cè)4種主要致腹瀉性大腸埃希菌［j］.微生物學(xué)雜志，2010，30，（3）：25-29.

［21］索標(biāo)，汪月霞，艾志錄.食源性致病菌多重分子生物學(xué)檢測(cè)技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：71-75

［22］朱曉娥，袁耿彪.基因芯片技術(shù)在基因突變?cè)\斷中的應(yīng)用及其前景［j］.重慶醫(yī)學(xué)，2010，（22）：3128-3131.

［23］陳彥闖，辛明秀.用于分析微生物種類(lèi)組成的微生物生態(tài)學(xué)研究方法［j］.微生物學(xué)雜志，2009，29，（4）：79-83.

篇9

1.生物信息學(xué)在農(nóng)業(yè)模式植物研究領(lǐng)域中的應(yīng)用

2.生物信息學(xué)在種質(zhì)資源保存研究領(lǐng)域中的應(yīng)用

3.生物信息學(xué)在農(nóng)藥設(shè)計(jì)開(kāi)發(fā)研究領(lǐng)域中的應(yīng)用

4.生物學(xué)信息學(xué)在作物遺傳育種研究領(lǐng)域中的應(yīng)用

隨著主要農(nóng)作物遺傳圖譜精確度的提高，以及特定性狀相關(guān)分子基礎(chǔ)的進(jìn)一步闡明，人們可以利用生物信息學(xué)的方法，先從模式生物

中尋找可能的相關(guān)基因，然后在作物中找到相應(yīng)的基因及其位點(diǎn)。農(nóng)作物的遺傳學(xué)和分子生物學(xué)的研究積累了大量的基因序列、分子標(biāo)記、圖譜和功能方面的數(shù)據(jù)，可通過(guò)建立生物信息學(xué)數(shù)據(jù)庫(kù)來(lái)整合這些數(shù)據(jù)，從而比較和分析來(lái)自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎(chǔ)上，育種學(xué)家就可以應(yīng)用計(jì)算機(jī)模型來(lái)提出預(yù)測(cè)假設(shè)，從多種復(fù)雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標(biāo)記中篩選到理想的組合，從而培育出新的優(yōu)良農(nóng)作物品種。

5.生物信息學(xué)在生態(tài)環(huán)境平衡研究領(lǐng)域中的應(yīng)用

6.生物信息學(xué)在食品安全研究領(lǐng)域中的應(yīng)用

參考文獻(xiàn)：

［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.

［2］鄭國(guó)清，張瑞玲.生物信息學(xué)的形成與發(fā)展［j］.河南農(nóng)業(yè)科學(xué)，2002，（11）：4-7.

［3］駱建新，鄭崛村，馬用信等.人類(lèi)基因組計(jì)劃與后基因組時(shí)代.中國(guó)生物工程雜志，2003，23，（11）：87-94.

［4］曹學(xué)軍.基因研究的又一壯舉——美國(guó)國(guó)家植物基因組計(jì)劃［j］.國(guó)外科技動(dòng)態(tài)，2001，1：24-25.

［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.

［6］盧新雄.植物種質(zhì)資源庫(kù)的設(shè)計(jì)與建設(shè)要求［j］.植物學(xué)通報(bào)，2006，23，（1）：119-125.

［7］guy d，noel

e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.