時(shí)間：2023-01-24 23:04:56
序論：在您撰寫生物信息學(xué)論文時(shí)，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
[論文摘要]生物信息學(xué)是80年代以來新興的一門邊緣學(xué)科，信息在其中具有廣闊的前景。伴隨著人類基因組計(jì)劃的勝利完成與生物信息學(xué)的發(fā)展有著密不可分的聯(lián)系，生物信息學(xué)的發(fā)展為生命科學(xué)的發(fā)展為生命科學(xué)的研究帶來了諸多的便利，對(duì)此作了簡(jiǎn)單的分析。
一、生物信息學(xué)的產(chǎn)生
21世紀(jì)是生命科學(xué)的世紀(jì)，伴隨著人類基因組計(jì)劃的勝利完成，與此同時(shí)，諸如大腸桿菌、結(jié)核桿菌、啤酒酵母、線蟲、果蠅、小鼠、擬南芥、水稻、玉米等等其它一些模式生物的基因組計(jì)劃也都相繼完成或正在順利進(jìn)行。人類基因組以及其它模式生物基因組計(jì)劃的全面實(shí)施，使分子生物數(shù)據(jù)以爆炸性速度增長(zhǎng)。在計(jì)算機(jī)科學(xué)領(lǐng)域，按照摩爾定律飛速前進(jìn)的計(jì)算機(jī)硬件，以及逐步受到各國政府重視的信息高速公路計(jì)劃的實(shí)施，為生物信息資源的研究和應(yīng)用帶來了福音。及時(shí)、充分、有效地利用網(wǎng)絡(luò)上不斷增長(zhǎng)的生物信息數(shù)據(jù)庫資源，已經(jīng)成為生命科學(xué)和生物技術(shù)研究開發(fā)的必要手段，從而誕生了生物信息學(xué)。
二、生物信息學(xué)研究?jī)?nèi)容
（一）序列比對(duì)
比較兩個(gè)或兩個(gè)以上符號(hào)序列的相似性或不相似性。序列比對(duì)是生物信息學(xué)的基礎(chǔ)。兩個(gè)序列的比對(duì)現(xiàn)在已有較成熟的動(dòng)態(tài)規(guī)劃算法，以及在此基礎(chǔ)上編寫的比對(duì)軟件包BALST和FASTA，可以免費(fèi)下載使用。這些軟件在數(shù)據(jù)庫查詢和搜索中有重要的應(yīng)用。有時(shí)兩個(gè)序列總體并不很相似，但某些局部片斷相似性很高。Smith-Waterman算法是解決局部比對(duì)的好算法，缺點(diǎn)是速度較慢。兩個(gè)以上序列的多重序列比對(duì)目前還缺乏快速而又十分有效的算法。
（二）結(jié)構(gòu)比對(duì)
比較兩個(gè)或兩個(gè)以上蛋白質(zhì)分子空間結(jié)構(gòu)的相似性或不相似性。
（三）蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)
從方法上來看有演繹法和歸納法兩種途徑。前者主要是從一些基本原理或假設(shè)出發(fā)來預(yù)測(cè)和研究蛋白質(zhì)的結(jié)構(gòu)和折疊過程。分子力學(xué)和分子動(dòng)力學(xué)屬這一范疇。后者主要是從觀察和總結(jié)已知結(jié)構(gòu)的蛋白質(zhì)結(jié)構(gòu)規(guī)律出發(fā)來預(yù)測(cè)未知蛋白質(zhì)的結(jié)構(gòu)。同源模建和指認(rèn)（Threading）方法屬于這一范疇。雖然經(jīng)過30余年的努力，蛋白結(jié)構(gòu)預(yù)測(cè)研究現(xiàn)狀遠(yuǎn)遠(yuǎn)不能滿足實(shí)際需要。
（四）計(jì)算機(jī)輔助基因識(shí)別
給定基因組序列后，正確識(shí)別基因的范圍和在基因組序列中的精確位置.這是最重要的課題之一，而且越來越重要。經(jīng)過20余年的努力，提出了數(shù)十種算法，有十種左右重要的算法和相應(yīng)軟件上網(wǎng)提供免費(fèi)服務(wù)。原核生物計(jì)算機(jī)輔助基因識(shí)別相對(duì)容易些，結(jié)果好一些。從具有較多內(nèi)含子的真核生物基因組序列中正確識(shí)別出起始密碼子、剪切位點(diǎn)和終止密碼子，是個(gè)相當(dāng)困難的問題，研究現(xiàn)狀不能令人滿意，仍有大量的工作要做。
（五）非編碼區(qū)分析和DNA語言研究
在人類基因組中，編碼部分進(jìn)展總序列的3－5%，其它通常稱為“垃圾”DNA，其實(shí)一點(diǎn)也不是垃圾，只是我們暫時(shí)還不知道其重要的功能。分析非編碼區(qū)DNA序列需要大膽的想象和嶄新的研究思路和方法。DNA序列作為一種遺傳語言，不僅體現(xiàn)在編碼序列之中，而且隱含在非編碼序列之中。
三、生物信息學(xué)的新技術(shù)
（一）Lipshutz(Affymetrix,Santaclara,CA,USA)
描述了一種利用DNA探針陣列進(jìn)行基因組研究的方法，其原理是通過更有效有作圖、表達(dá)檢測(cè)和多態(tài)性篩選方法，可以實(shí)現(xiàn)對(duì)人類基因組的測(cè)序。光介導(dǎo)的化學(xué)合成法被應(yīng)用于制造小型化的高密度寡核苷酸探針的陣列，這種通過軟件包件設(shè)計(jì)的寡核苷酸探針陣列可用于多態(tài)性篩查、基因分型和表達(dá)檢測(cè)。然后這些陣列就可以直接用于并行DNA雜交分析，以獲得序列、表達(dá)和基因分型信息。Milosavljevic(CuraGen,Branford,CT,USA)介紹了一種新的基于專用定量表達(dá)分析方法的基因表達(dá)檢測(cè)系統(tǒng)，以及一種發(fā)現(xiàn)基因的系統(tǒng)GeneScape。為了有效地抽樣表達(dá)，特意制作片段模式以了解特定基因的子序列的發(fā)生和冗余程度。他在酵母差異基因表達(dá)的大規(guī)模研究中對(duì)該技術(shù)的性能進(jìn)行了驗(yàn)證，并論述了技術(shù)在基因的表達(dá)、生物學(xué)功能以及疾病的基礎(chǔ)研究中的應(yīng)用。（二）基因的功能分析
Overton(UniversityofPennsylvaniaSchoolofMedicine,Philadelphia,PA,USA)論述了人類基因組計(jì)劃的下一階段的任務(wù)基因組水平的基因功能分析。這一階段產(chǎn)生的數(shù)據(jù)的分析、管理和可視性將毫無疑問地比第一階段更為復(fù)雜。他介紹了一種用于脊椎動(dòng)物造血系統(tǒng)紅系發(fā)生的功能分析的原型系統(tǒng)E-poDB，它包括了用于集成數(shù)據(jù)資源的Kleisli系統(tǒng)和建立internet或intranet上視覺化工具的bioWidget圖形用戶界面。EpoDB有可能指導(dǎo)實(shí)驗(yàn)人員發(fā)現(xiàn)不可能用傳統(tǒng)實(shí)驗(yàn)方法得到的紅系發(fā)育的新的藥物靶，制藥業(yè)所感興趣的是全新的藥物靶，EpoDB提供了這樣一個(gè)機(jī)會(huì)，這可能是它最令人激動(dòng)的地方。
Babbitt(UniversityofCalifornia,SanFrancisco,CA,USA)討論了通過數(shù)據(jù)庫搜索來識(shí)別遠(yuǎn)緣蛋白質(zhì)的方法。對(duì)蛋白質(zhì)超家族的結(jié)構(gòu)和功能的相互依賴性的理解，要求了解自然所塑造的一個(gè)特定結(jié)構(gòu)模板的隱含限制。蛋白質(zhì)結(jié)構(gòu)之間的最有趣的關(guān)系經(jīng)常在分歧的序列中得以表現(xiàn)，因而區(qū)分得分低（low-scoring）但生物學(xué)關(guān)系顯著的序列與得分高而生物學(xué)關(guān)系較不顯著的序列是重要的。Babbit證明了通過使用BLAST檢索，可以在數(shù)據(jù)庫搜索所得的低得分區(qū)識(shí)別遠(yuǎn)緣關(guān)系（distantrelationship）。Levitt(Stanforduniveersity,PaloAlto,CA,USA)討論了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)和一種僅從序列數(shù)據(jù)對(duì)功能自動(dòng)模建的方法?；蚬δ苋Q于基因編碼的蛋白質(zhì)的三級(jí)結(jié)構(gòu)，但數(shù)據(jù)庫中蛋白質(zhì)序列的數(shù)目每18個(gè)月翻一番。為了確定這些序列的功能，結(jié)構(gòu)必須確定。同源模建和從頭折疊（abinitiofolding）方法是兩種現(xiàn)有的互為補(bǔ)充的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法；同源模建是通過片段匹配（segmentmatching）來完成的，計(jì)算機(jī)程棄SegMod就是基于同源模建方法的。
（三）新的數(shù)據(jù)工具
Letovsky(JohnshopkinsUniversity,Baltimore,MD,USA)介紹了GDB數(shù)據(jù)庫，它由每條人類染色體的許多不同圖譜組成，包括細(xì)胞遺傳學(xué)、遺傳學(xué)、放射雜交和序列標(biāo)簽位點(diǎn)（STS）的內(nèi)容，以及由不同研究者用同種方法得到的圖譜。就位置查詢而言，如果不論其類型（type）和來源（source），或者是否它們正好包含用以批定感興趣的區(qū)域的標(biāo)志（markers），能夠搜索所有圖譜是有用的。為此目的，該數(shù)據(jù)庫使用了一種公用坐標(biāo)系統(tǒng)（commoncoordinatesystem）來排列這些圖譜。數(shù)據(jù)庫還提供了一張高分辨率的和與其他圖譜共享許多標(biāo)志的圖譜作為標(biāo)準(zhǔn)。共享標(biāo)志的標(biāo)之間的對(duì)應(yīng)性容許同等于所有其它圖譜的標(biāo)準(zhǔn)圖譜的分配。
Candlin(PEappliedBiosystems,FosterCity,CA,USA)介紹了一種新的存儲(chǔ)直接來自ABⅠPrismdNA測(cè)序儀的數(shù)據(jù)的關(guān)系數(shù)據(jù)庫系統(tǒng)BioLIMS。該系統(tǒng)可以與其它測(cè)序儀的數(shù)據(jù)集成，并可方便地與其它軟件包自動(dòng)調(diào)用，為測(cè)序儀與序列數(shù)據(jù)的集成提供了一種開放的、可擴(kuò)展的生物信息學(xué)平臺(tái)。
參考文獻(xiàn)：
一、正在出現(xiàn)的技術(shù)
Klingler(Lncytepharmaceuticals,PaloAlto,CA,USA)強(qiáng)調(diào)基因組學(xué)正推動(dòng)制藥業(yè)進(jìn)入信息時(shí)代。隨著不斷增加的序列、表達(dá)和作圖數(shù)據(jù)的產(chǎn)生，描述和開發(fā)這些數(shù)據(jù)的信息工具變得對(duì)實(shí)現(xiàn)基因組研究的任務(wù)至關(guān)重要。他談到了Incytepharmaceuticals對(duì)大規(guī)?；蚪M數(shù)據(jù)和生物信息學(xué)的貢獻(xiàn)。
Lipshutz(Affymetrix,Santaclara,CA,USA)描述了一種利用DNA探針陣列進(jìn)行基因組研究的方法，其原理是通過更有效有作圖、表達(dá)檢測(cè)和多態(tài)性篩選方法，可以實(shí)現(xiàn)對(duì)人類基因組的測(cè)序。光介導(dǎo)的化學(xué)合成法被應(yīng)用于制造小型化的高密度寡核苷酸探針的陣列，這種通過軟件包件設(shè)計(jì)的寡核苷酸探針陣列可用于多態(tài)性篩查、基因分型和表達(dá)檢測(cè)。然后這些陣列就可以直接用于并行DNA雜交分析，以獲得序列、表達(dá)和基因分型信息。Milosavljevic(CuraGen,Branford,CT,USA)介紹了一種新的基于專用定量表達(dá)分析方法的基因表達(dá)檢測(cè)系統(tǒng)，以及一種發(fā)現(xiàn)基因的系統(tǒng)GeneScape。為了有效地抽樣表達(dá)，特意制作片段模式以了解特定基因的子序列的發(fā)生和冗余程度。他在酵母差異基因表達(dá)的大規(guī)模研究中對(duì)該技術(shù)的性能進(jìn)行了驗(yàn)證，并論述了技術(shù)在基因的表達(dá)、生物學(xué)功能以及疾病的基礎(chǔ)研究中的應(yīng)用。
二、基因的功能分析
Overton(UniversityofPennsylvaniaSchoolofMedicine,Philadelphia,PA,USA)論述了人類基因組計(jì)劃的下一階段的任務(wù)——基因組水平的基因功能分析。這一階段產(chǎn)生的數(shù)據(jù)的分析、管理和可視性將毫無疑問地比第一階段更為復(fù)雜。他介紹了一種用于脊椎動(dòng)物造血系統(tǒng)紅系發(fā)生的功能分析的原型系統(tǒng)E-poDB，它包括了用于集成數(shù)據(jù)資源的Kleisli系統(tǒng)和建立internet或intranet上視覺化工具的bioWidget圖形用戶界面。EpoDB有可能指導(dǎo)實(shí)驗(yàn)人員發(fā)現(xiàn)不可能用傳統(tǒng)實(shí)驗(yàn)方法得到的紅系發(fā)育的新的藥物靶，制藥業(yè)所感興趣的是全新的藥物靶，EpoDB提供了這樣一個(gè)機(jī)會(huì)，這可能是它最令人激動(dòng)的地方。
Sali(Rockefelleruniversity,NewYork,NY,USA)討論了同源蛋白質(zhì)結(jié)構(gòu)模建。比較蛋白質(zhì)模建（comparativeproteinmodeling）也稱為同源模建（homologymodeling），即利用實(shí)驗(yàn)確定的蛋白質(zhì)結(jié)構(gòu)為模式（模型）來預(yù)測(cè)另一種具有相似氨基酸序列的蛋白質(zhì)（靶）的構(gòu)象。此方法現(xiàn)在已經(jīng)具有了足夠的精確性，并且被認(rèn)為效果良好，因?yàn)榈鞍踪|(zhì)序列的一個(gè)微小變化通常僅僅導(dǎo)致其三維結(jié)構(gòu)的細(xì)微改變。
Babbitt(UniversityofCalifornia,SanFrancisco,CA,USA)討論了通過數(shù)據(jù)庫搜索來識(shí)別遠(yuǎn)緣蛋白質(zhì)的方法。對(duì)蛋白質(zhì)超家族的結(jié)構(gòu)和功能的相互依賴性的理解，要求了解自然所塑造的一個(gè)特定結(jié)構(gòu)模板的隱含限制。蛋白質(zhì)結(jié)構(gòu)之間的最有趣的關(guān)系經(jīng)常在分歧的序列中得以表現(xiàn)，因而區(qū)分得分低（low-scoring）但生物學(xué)關(guān)系顯著的序列與得分高而生物學(xué)關(guān)系較不顯著的序列是重要的。Babbit證明了通過使用BLAST檢索，可以在數(shù)據(jù)庫搜索所得的低得分區(qū)識(shí)別遠(yuǎn)緣關(guān)系（distantrelationship）。Levitt(Stanforduniveersity,PaloAlto,CA,USA)討論了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)和一種僅從序列數(shù)據(jù)對(duì)功能自動(dòng)模建的方法?；蚬δ苋Q于基因編碼的蛋白質(zhì)的三級(jí)結(jié)構(gòu)，但數(shù)據(jù)庫中蛋白質(zhì)序列的數(shù)目每18個(gè)月翻一番。為了確定這些序列的功能，結(jié)構(gòu)必須確定。同源模建和從頭折疊（abinitiofolding）方法是兩種現(xiàn)有的互為補(bǔ)充的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法；同源模建是通過片段匹配（segmentmatching）來完成的，計(jì)算機(jī)程棄SegMod就是基于同源模建方法的。
三、新的數(shù)據(jù)工具
Letovsky(JohnshopkinsUniversity,Baltimore,MD,USA)介紹了GDB數(shù)據(jù)庫，它由每條人類染色體的許多不同圖譜組成，包括細(xì)胞遺傳學(xué)、遺傳學(xué)、放射雜交和序列標(biāo)簽位點(diǎn)（STS）的內(nèi)容，以及由不同研究者用同種方法得到的圖譜。就位置查詢而言，如果不論其類型（type）和來源（source），或者是否它們正好包含用以批定感興趣的區(qū)域的標(biāo)志（markers），能夠搜索所有圖譜是有用的。為此目的，該數(shù)據(jù)庫使用了一種公用坐標(biāo)系統(tǒng)（commoncoordinatesystem）來排列這些圖譜。數(shù)據(jù)庫還提供了一張高分辨率的和與其他圖譜共享許多標(biāo)志的圖譜作為標(biāo)準(zhǔn)。共享標(biāo)志的標(biāo)之間的對(duì)應(yīng)性容許同等于所有其它圖譜的標(biāo)準(zhǔn)圖譜的分配。
Markowitz(LawrenceberkeleyLaboratory,Berkeley,CA,USA)討論了分布式數(shù)據(jù)庫與局部管理的關(guān)系，以及用基于工具的方法開發(fā)分子生物學(xué)數(shù)據(jù)庫（MDBs）的問題。許多方案當(dāng)前正在促進(jìn)搜索多種不同來源MDBs的數(shù)據(jù)，包括建立數(shù)據(jù)倉庫；這要求對(duì)各種MDBs的組合有一種全局觀，并從成員MDBs中裝填數(shù)據(jù)入中心數(shù)據(jù)庫。這些方案的主要問題是開發(fā)整體視圖（globalviews），構(gòu)建巨大的數(shù)據(jù)倉庫并使集成的數(shù)據(jù)庫與不斷發(fā)展中的成員MDBs同步化的復(fù)雜性。Markowitz還討論了對(duì)象協(xié)議模型（objectprotocolmodel,OPM），并介紹了支持以下用途的工具：建立用于文本文件或者關(guān)系MDBs的OPM視圖；將MDBs作成一個(gè)數(shù)據(jù)庫目錄，提供MDB名稱、定位、主題、獲取信息和MDB間鏈接等信息；說明、處理和解釋多數(shù)據(jù)庫查詢。Karp(SRIinternational,MenloPark,CA,USA)解釋了Ocelot,一種能滿足管理生物學(xué)信息需求的面向?qū)ο笾R(shí)陳述系統(tǒng)（一種面向?qū)ο笙到y(tǒng)的人工智能版）。Ocelot支持略圖展開（schemaevolution）并采用一種新的最優(yōu)化并行控制機(jī)制（同時(shí)進(jìn)行多項(xiàng)訪問數(shù)據(jù)的過程），其略圖驅(qū)動(dòng)圖形編輯器提供了交互式瀏覽和編輯功能，其注釋系統(tǒng)支持?jǐn)?shù)據(jù)庫開發(fā)者之間的結(jié)構(gòu)通訊。
Riley(MarinebiologicalLaboratory,WoodsHole,MA,USA)在討論大腸桿菌蛋白質(zhì)的功能同時(shí)，特別提到了GPEC數(shù)據(jù)庫，它包括了由實(shí)驗(yàn)確定的所有E.coli基因的功能的信息。該數(shù)據(jù)庫中最大比例的蛋白質(zhì)是酶，其次則為轉(zhuǎn)運(yùn)和調(diào)控蛋白。
Candlin(PEappliedBiosystems,FosterCity,CA,USA)介紹了一種新的存儲(chǔ)直接來自ABⅠPrismdNA測(cè)序儀的數(shù)據(jù)的關(guān)系數(shù)據(jù)庫系統(tǒng)BioLIMS。該系統(tǒng)可以與其它測(cè)序儀的數(shù)據(jù)集成，并可方便地與其它軟件包自動(dòng)調(diào)用，為測(cè)序儀與序列數(shù)據(jù)的集成提供了一種開放的、可擴(kuò)展的生物信息學(xué)平臺(tái)。
Glynais(NetGenics,Cleveland,OH,USA)認(rèn)為生物信息學(xué)中最關(guān)鍵的問題之一是軟件工具和數(shù)據(jù)庫缺乏靈活性。但是，軟件技術(shù)的發(fā)展已得到了其它領(lǐng)域如金融業(yè)和制造業(yè)的發(fā)展經(jīng)驗(yàn)的借鑒，可以使來自不同軟件商的運(yùn)行于各種硬件系統(tǒng)的軟件共同工作。這種系統(tǒng)的國際標(biāo)準(zhǔn)是CORBA，一種由250多個(gè)主要軟件和硬件公司共同合作開發(fā)的軟件體系。聯(lián)合使用CORBA和Java可以開發(fā)各種通過一個(gè)公用用戶界面訪問任何種類的數(shù)據(jù)或軟件工具的網(wǎng)絡(luò)應(yīng)用軟件，也包括生物信息學(xué)應(yīng)用軟件。Overton不同意Glynias的這種想法，他強(qiáng)調(diào)說CORBA僅對(duì)軟件集成有用，不兼容的數(shù)據(jù)庫軟件可能是計(jì)算生物學(xué)所面臨的最困難問題，一些制藥公司和數(shù)據(jù)庫倉庫最近資助了一項(xiàng)用OCRBA鏈接不同的數(shù)據(jù)庫的計(jì)劃[2,3]。
四、制藥先導(dǎo)的發(fā)現(xiàn)
Burgess(Sturcturalbioinformatics,SanDiego,CA,USA)討論了填補(bǔ)基因組學(xué)和藥物設(shè)計(jì)之間鴻溝的蛋白質(zhì)結(jié)構(gòu)中的計(jì)算問題。在缺乏主要疾病基因或藥物靶的精確描述數(shù)據(jù)的情況下，藥物設(shè)計(jì)者們不得不采用大規(guī)模表達(dá)蛋白質(zhì)篩選方法；而結(jié)構(gòu)生物信息學(xué)則采用一種更為實(shí)用有效的計(jì)算方法直接從序列數(shù)據(jù)中確定靶蛋白質(zhì)的活性位點(diǎn)的精細(xì)結(jié)構(gòu)特征，它利用一種集成專家系統(tǒng)從現(xiàn)實(shí)的或虛擬的化學(xué)文庫中進(jìn)行迅速的計(jì)算篩選，可以達(dá)到一個(gè)很大的規(guī)模。
Elliston(Genelogic,Columbia,MD,USA)討論了治療藥物開發(fā)中發(fā)現(xiàn)新的分子靶的過程，著重討論了基因發(fā)現(xiàn)方法。他認(rèn)為，隨著日益臨近的人類基因組測(cè)序的完成，幾乎全部基因的特征將在序列水平得到揭示。但是，對(duì)基因的認(rèn)識(shí)將有賴于更多的信息而不僅僅是序列，需要考慮的第一類信息是轉(zhuǎn)錄表達(dá)水平信息，而Genelogic公司的GeneExpress就是一個(gè)由mRNA表達(dá)譜、轉(zhuǎn)錄因子位點(diǎn)、新基因和表達(dá)序列標(biāo)簽組成的數(shù)據(jù)庫。
Liebman(Vysis,Downessgrove,IL,USA)介紹了Vysis公司開發(fā)的計(jì)算和實(shí)驗(yàn)方法，這些主法不僅用于管理序列數(shù)據(jù)，而且被用于以下用途：分析臨床數(shù)據(jù)庫和自然—突變數(shù)據(jù)庫；開發(fā)新的算法以建立功能同源性（區(qū)別于序列同源性）模擬生物學(xué)通路以進(jìn)行風(fēng)險(xiǎn)評(píng)估；藥物設(shè)計(jì)的靶評(píng)估；聯(lián)系復(fù)雜的通路特性以便識(shí)別副作用；開發(fā)疾病發(fā)展的定性模型并解釋臨床后果。
隨著發(fā)現(xiàn)的新基因的日益增多，這個(gè)問題顯得格外重要：基因的功能是什么？Escobedo(Chirontechnologies,Emeryville,CA,USA)提出了這個(gè)問題的一種方法：將分泌蛋白質(zhì)的基因的功能克隆與篩選這些克?。赡艿乃幬锇校┙Y(jié)合起來。在這種方法中，在微粒體cDNA文庫池中進(jìn)行體外翻譯避免了勞動(dòng)密集的克隆、表達(dá)和純化步聚，對(duì)文庫池中的翻譯產(chǎn)物在細(xì)胞水平進(jìn)行篩選，測(cè)試其在細(xì)胞增殖和分化中的作用。例如，在用這種方法識(shí)別的111個(gè)克隆中，56個(gè)屬于已知的分泌蛋白質(zhì)，25個(gè)為膜相關(guān)蛋白，另外30個(gè)功能未知，可能是新的蛋白質(zhì)。一種相似的方法在轉(zhuǎn)移到小鼠模型系統(tǒng)中的基因傳導(dǎo)載體中構(gòu)建分泌蛋白質(zhì)的cDNA文庫來克隆特定的功能基因。
Ffuchs(Glaxowellcome,ResearchTrianglePark,NC,USA)討論了生物信息學(xué)更為廣義的影響：它不僅影響到新藥物靶基的發(fā)現(xiàn)，還對(duì)改善藥物開發(fā)的臨床前期和臨床期的現(xiàn)狀極具重要性。眾所周知，涉汲數(shù)以千計(jì)病人的臨床試驗(yàn)（可能是藥物開發(fā)最為花錢的部分）的設(shè)計(jì)不論多么仔細(xì)，也不能為正確的藥物選擇正確的病人。而在基因組水平劃分病人群體的方法可以大大改善發(fā)現(xiàn)新藥的效率。Fuchs介紹了一種將病人的基因型和表型標(biāo)志結(jié)合起來以改善臨床前期和臨床期藥物開發(fā)過程的系統(tǒng)GeneticinformationSystem.他強(qiáng)調(diào)將遺傳學(xué)和生物信息學(xué)數(shù)據(jù)同化學(xué)、生物化學(xué)、藥理學(xué)和醫(yī)學(xué)數(shù)據(jù)連接起來的集成信息管理和分析方法是極其重要的。
Green(HumanGenomeSciences,Rockville,MD,USA)介紹了他的測(cè)序工作中采用的數(shù)據(jù)管理工具?；贓ST的測(cè)序方法所面臨的挑戰(zhàn)是，在對(duì)幾百個(gè)cDNA克復(fù)測(cè)序之后，產(chǎn)生的數(shù)據(jù)堆積如山。由于大多數(shù)人類基因都是用這種方法發(fā)現(xiàn)并在么有數(shù)據(jù)庫中分類編排的，面臨的識(shí)別開放讀框、重疊序列的重疊圖譜、組織特異表達(dá)和低豐度mRNA基因的任務(wù)是令人生畏的。HumangenomeSciences公司開發(fā)了一些可用戶化數(shù)據(jù)庫工具，在同一個(gè)數(shù)據(jù)庫中可包括以下功能：WWW上訪問和檢索數(shù)據(jù)，序列拼接，臨視潛在藥物靶基因的研究進(jìn)展等。這些能夠管理多項(xiàng)任務(wù)——從注釋基因序列到成功開發(fā)基因產(chǎn)物進(jìn)入藥物發(fā)現(xiàn)的流程——的軟件工具，極其可望從一種基于基因組知識(shí)的藥物發(fā)現(xiàn)方法中得到新的藥物靶。
Summer-Smith(Base4bioinformatics,Mississauga,Ontario,Canada)描述了一種相關(guān)的策略。藥物發(fā)現(xiàn)階段中所要求的軟件工具的任務(wù)是多樣化的，要能注釋基因，并闡明它的生理和病理功能及其商業(yè)潛質(zhì)。對(duì)這樣多種來源的信息的集成與分析，在派生的、項(xiàng)目取向的數(shù)據(jù)庫（project-specificdatabase,PSD）中可以很好完成。由于項(xiàng)目貫穿于發(fā)現(xiàn)到開發(fā)全過程，其間又不斷加入背景的成員，PSD在項(xiàng)目的管理與發(fā)展中成為一種關(guān)鍵性的資源。
按照Smith(Bostonuniversity,Boston,MA,USA)的觀點(diǎn)[2]，我們并不需要更快捷的計(jì)算機(jī)或更多的計(jì)算機(jī)科學(xué)家，而是需要更的生物學(xué)家和生物化學(xué)家來解釋序列的功能。這對(duì)有些軟件或硬件專家來說是個(gè)打擊，但生物學(xué)系統(tǒng)的復(fù)雜性是令人生畏的，并且對(duì)基因功能的認(rèn)識(shí)可能需要生物學(xué)方法和計(jì)算方法的結(jié)合。探索基因的功能很可能要花費(fèi)生物學(xué)家們數(shù)十年的時(shí)間，本次會(huì)議表明沒有任何單一的方法可以得出一個(gè)答案；但是，將計(jì)算生物學(xué)同大規(guī)模篩先結(jié)合起來識(shí)別一種化學(xué)靶物（hit）是一種產(chǎn)生化學(xué)工具來探索基因功能的方法，這些化學(xué)工具接下來就可以用作理解基因功能的“探針”。這種方法在Butt(GeneTranscriptionTechnologies,Philadelphia,PA,USA)的描述中，既是一種檢查基因功能的簡(jiǎn)單方法，也是為潛在的藥物靶發(fā)現(xiàn)化學(xué)先導(dǎo)物的簡(jiǎn)單方法，他描述了一種可以在酵母中重建人類基因功能的酵母大規(guī)模篩選系統(tǒng)。在此系統(tǒng)中，可以迅捷地在一個(gè)化學(xué)文庫中發(fā)現(xiàn)配基。這種技術(shù)的重要特征是它不僅僅是發(fā)現(xiàn)一種藥物靶的配基的篩板（screen），相反，由于該系統(tǒng)的高速度，它也是發(fā)現(xiàn)先導(dǎo)靶基因的一種篩板。過去，世界上的制藥公司通常在某一時(shí)間內(nèi)僅能對(duì)有限數(shù)目（約20多個(gè)）的藥物靶基因進(jìn)行工作，鑒于此，我們需要根本不同的方法如基因組學(xué)來打開通向“新”生物學(xué)的通路。由于機(jī)器人和合成化學(xué)的進(jìn)步，藥物發(fā)現(xiàn)中最關(guān)鍵的問題不再是得到一種先導(dǎo)化合物（leadcompound），而是得到導(dǎo)向靶基因。此次會(huì)議為從計(jì)算和實(shí)驗(yàn)方法中發(fā)展出的新生物學(xué)邁出很好的一步。
參考文獻(xiàn)
1LimHA,BatttR.TIBTECH,1998;16(3)):104
關(guān)鍵詞：推薦系統(tǒng)；生物信息學(xué)
推薦系統(tǒng)(RecommenderSystem)[1]是個(gè)性化信息服務(wù)的主要技術(shù)之一，它實(shí)現(xiàn)的是“信息找人，按需服務(wù)”；通過對(duì)用戶信息需要、興趣愛好和訪問歷史等的收集分析，建立用戶模型，并將用戶模型應(yīng)用于網(wǎng)上信息的過濾和排序，從而為用戶提供感興趣的資源和信息。生物信息學(xué)(Bioinformatics)[2,3]是由生物學(xué)、應(yīng)用數(shù)學(xué)和計(jì)算機(jī)科學(xué)相互交叉所形成的一門新型學(xué)科；其實(shí)質(zhì)是利用信息科學(xué)的方法和技術(shù)來解決生物學(xué)問題。20世紀(jì)末生物信息學(xué)迅速發(fā)展，在信息的數(shù)量和質(zhì)量上都極大地豐富了生物科學(xué)的數(shù)據(jù)資源，而數(shù)據(jù)資源的急劇膨脹需要尋求一種科學(xué)而有力的工具來組織它們，基于生物信息學(xué)的二次數(shù)據(jù)庫[4]能比較好地規(guī)范生物數(shù)據(jù)的分類與組織，但是用戶無法從大量的生物數(shù)據(jù)中尋求自己感興趣的部分（著名的生物信息學(xué)網(wǎng)站NCBI(美國國立生物技術(shù)信息中心)，僅僅是小孢子蟲(Microsporidia)的DNA序列就達(dá)3399種），因此在生物二次數(shù)據(jù)庫上建立個(gè)性化推薦系統(tǒng)，能使用戶快速找到自己感興趣的生物信息。特別是在當(dāng)前生物信息數(shù)據(jù)量急劇增長(zhǎng)的情況下，生物信息學(xué)推薦系統(tǒng)將發(fā)揮強(qiáng)大的優(yōu)勢(shì)。
1推薦系統(tǒng)的工作流程
應(yīng)用在不同領(lǐng)域的推薦系統(tǒng)，其體系結(jié)構(gòu)也不完全相同。一般而言，推薦系統(tǒng)的工作流程[5]如圖1所示。
(1)信息獲取。推薦系統(tǒng)工作的基礎(chǔ)是用戶信息。用戶信息包括用戶輸入的關(guān)鍵詞、項(xiàng)目的有關(guān)屬性、用戶對(duì)項(xiàng)目的文本評(píng)價(jià)或等級(jí)評(píng)價(jià)及用戶的行為特征等，所有這些信息均可以作為形成推薦的依據(jù)。信息獲取有兩種類型[6]，即顯式獲取(Explicit)和隱式獲取(Implicit)，由于用戶的很多行為都能暗示用戶的喜好，因此隱式獲取信息的準(zhǔn)確性比顯式高一些。
(2)信息處理。信息獲取階段所獲得的用戶信息，一般根據(jù)推薦技術(shù)的不同對(duì)信息進(jìn)行相應(yīng)的處理。用戶信息的存儲(chǔ)格式中用得最多的是基于數(shù)值的矩陣格式，最常用的是用m×n維的用戶—項(xiàng)目矩陣R來表示，矩陣中的每個(gè)元素Rij=第i個(gè)用戶對(duì)第j個(gè)項(xiàng)目的評(píng)價(jià)，可以當(dāng)做數(shù)值處理，矩陣R被稱為用戶—項(xiàng)目矩陣。
(3)個(gè)性化推薦。根據(jù)形成推薦的方法的不同可以分為三種，即基于規(guī)則的系統(tǒng)、基于內(nèi)容過濾的系統(tǒng)和協(xié)同過濾系統(tǒng)?；谝?guī)則的推薦系統(tǒng)和基于內(nèi)容過濾的推薦系統(tǒng)均只能為用戶推薦過去喜歡的項(xiàng)目和相似的項(xiàng)目，并不能推薦用戶潛在感興趣的項(xiàng)目。而協(xié)同過濾系統(tǒng)能推薦出用戶近鄰所喜歡的項(xiàng)目，通過用戶與近鄰之間的“交流”，發(fā)現(xiàn)用戶潛在的興趣。因此本文所用的算法是基于協(xié)同過濾的推薦算法。
(4)推薦結(jié)果。顯示的任務(wù)是把推薦算法生成的推薦顯示給用戶，完成對(duì)用戶的推薦。目前最常用的推薦可視化方法是Top－N列表[7]，按照從大到小順序把推薦分值最高的N個(gè)事物或者最權(quán)威的N條評(píng)價(jià)以列表的形式顯示給用戶。
2生物信息學(xué)推薦系統(tǒng)的設(shè)計(jì)
綜合各種推薦技術(shù)的性能與優(yōu)缺點(diǎn)，本文構(gòu)造的生物信息學(xué)推薦系統(tǒng)的總體結(jié)構(gòu)如圖2所示。
生物信息學(xué)推薦系統(tǒng)實(shí)現(xiàn)的主要功能是在用戶登錄生物信息學(xué)網(wǎng)站時(shí)，所留下的登錄信息通過網(wǎng)站傳遞到推薦算法部分；推薦算法根據(jù)該用戶的用戶名從數(shù)據(jù)庫提取出推薦列表，并返回到網(wǎng)站的用戶界面；用戶訪問的記錄返回到數(shù)據(jù)庫，系統(tǒng)定時(shí)調(diào)用推薦算法，對(duì)數(shù)據(jù)庫中用戶訪問信息的數(shù)據(jù)進(jìn)行分析計(jì)算，形成推薦列表。
本系統(tǒng)采用基于近鄰的協(xié)同過濾推薦算法，其結(jié)構(gòu)可以進(jìn)一步細(xì)化為如圖3所示。算法分為鄰居形成和推薦形成兩大部分，兩部分可以獨(dú)立進(jìn)行。這是該推薦系統(tǒng)有別于其他系統(tǒng)的優(yōu)勢(shì)之一。由于信息獲取后的用戶—項(xiàng)目矩陣維數(shù)較大，使得系統(tǒng)的可擴(kuò)展性降低。本系統(tǒng)采用SVD矩陣降維方法，減少用戶—項(xiàng)目矩陣的維數(shù)，在計(jì)算用戶相似度時(shí)大大降低了運(yùn)算的次數(shù)，提高了推薦算法的效率。
(1)信息獲取。用戶對(duì)項(xiàng)目的評(píng)價(jià)是基于用戶對(duì)某一個(gè)項(xiàng)目(為表示簡(jiǎn)單，以下提及的項(xiàng)目均指網(wǎng)站上的生物物種)的點(diǎn)擊次數(shù)來衡量的。當(dāng)一個(gè)用戶注冊(cè)并填寫好個(gè)人情況以后，系統(tǒng)會(huì)自動(dòng)為該用戶創(chuàng)建一個(gè)“信息矩陣”，該矩陣保存了所有項(xiàng)目的ID號(hào)以及相應(yīng)的用戶評(píng)價(jià)，保存的格式為：S+編號(hào)+用戶評(píng)價(jià)，S用于標(biāo)記項(xiàng)目，每個(gè)項(xiàng)目編號(hào)及其評(píng)價(jià)都以“S”相隔開；編號(hào)是唯一的，占5位；用戶評(píng)價(jià)是用戶點(diǎn)擊該項(xiàng)目的次數(shù)，規(guī)定其范圍是0~100，系統(tǒng)設(shè)定當(dāng)增加到100時(shí)不再變化。這樣做可防止形成矩陣時(shí)矩陣評(píng)價(jià)相差值過大而使推薦結(jié)果不準(zhǔn)確。(2)信息處理。信息處理是將所有用戶的信息矩陣轉(zhuǎn)換為用戶—項(xiàng)目矩陣，使用戶信息矩陣數(shù)值化，假設(shè)系統(tǒng)中有M個(gè)用戶和N個(gè)項(xiàng)目，信息處理的目的就是創(chuàng)建一個(gè)M×N的矩陣R，R[I][J]代表用戶I對(duì)項(xiàng)目J的評(píng)價(jià)。
(3)矩陣處理。協(xié)同過濾技術(shù)的用戶—項(xiàng)目矩陣的數(shù)據(jù)表述方法所帶來的稀疏性嚴(yán)重制約了推薦效果，而且在系統(tǒng)較大的情況下，它既不能精確地產(chǎn)生推薦集，又忽視了數(shù)據(jù)之間潛在的關(guān)系，發(fā)現(xiàn)不了用戶潛在的興趣，而且龐大的矩陣增加了計(jì)算的復(fù)雜度，因此有必要對(duì)該矩陣的表述方式做優(yōu)化，進(jìn)行矩陣處理。維數(shù)簡(jiǎn)化是一種較好的方法，本文提出的算法應(yīng)用單值分解(SingularValueDecomposition，SVD)技術(shù)[8]，對(duì)用戶—項(xiàng)目矩陣進(jìn)行維數(shù)簡(jiǎn)化。
(4)相似度計(jì)算。得到降維以后的用戶矩陣US，就可以尋找每個(gè)用戶的近鄰。近鄰的確定是通過兩個(gè)用戶的相似度來度量的。本文采用Pearson相關(guān)度因子[9]求相似度。(5)計(jì)算用戶鄰居。該方法有兩種[10]，即基于中心的鄰居(Center－BasedNeighbor)和集合鄰居(AggregateNeighbor)。本系統(tǒng)采用了第一種方法，直接找出與用戶相似度最高的前N個(gè)用戶作為鄰居，鄰居個(gè)數(shù)N由系統(tǒng)設(shè)定，比如規(guī)定N＝5。
(6)推薦形成。推薦形成的前提是把當(dāng)前用戶的鄰居ID號(hào)及其與當(dāng)前用戶的相似度保存到數(shù)據(jù)庫中，而在前面的工作中已找出各用戶的鄰居以及與用戶的相似度，推薦形成部分只需要對(duì)當(dāng)前登錄用戶進(jìn)行計(jì)算。推薦策略是：對(duì)當(dāng)前用戶已經(jīng)訪問過的項(xiàng)目不再進(jìn)行推薦，推薦的范圍是用戶沒有訪問的項(xiàng)目，其目的是推薦用戶潛在感興趣的項(xiàng)目；考慮到系統(tǒng)的項(xiàng)目比較多，用戶交互項(xiàng)目的數(shù)量很大，所以只篩選出推薦度最大的N個(gè)項(xiàng)目，形成Top－N推薦集，設(shè)定N＝5。
3生物信息學(xué)推薦系統(tǒng)的實(shí)現(xiàn)
生物信息學(xué)推薦系統(tǒng)的實(shí)現(xiàn)可以用圖4來表示。數(shù)據(jù)庫部分主要存儲(chǔ)用戶信息和項(xiàng)目信息，用SQLServer2000實(shí)現(xiàn)。
數(shù)據(jù)訪問層實(shí)現(xiàn)了與用戶交互必需的存儲(chǔ)過程以及觸發(fā)器，也使用SQLServer2000，主要完成以下功能：初始化新用戶信息矩陣；插入新項(xiàng)目時(shí)更新所有用戶的信息矩陣；用戶點(diǎn)擊項(xiàng)目時(shí)更新該用戶對(duì)項(xiàng)目的評(píng)價(jià)；刪除項(xiàng)目時(shí)更新所有用戶的信息矩陣。用戶訪問層主要涉及網(wǎng)頁與用戶的交互和調(diào)用數(shù)據(jù)訪問層的存儲(chǔ)過程，在這里不做詳細(xì)的介紹。
推薦算法完成整個(gè)個(gè)性化推薦的任務(wù)，用Java實(shí)現(xiàn)。(1)數(shù)據(jù)連接類DataCon。該類完成與SQLServer2000數(shù)據(jù)庫的連接，在連接之前必須要下載三個(gè)與SQLServer連接相關(guān)的包，即msutil.jar、msbase.jar和mssqlserver.jar。
(2)數(shù)據(jù)操作類DataControl。該類負(fù)責(zé)推薦算法與數(shù)據(jù)庫的數(shù)據(jù)交換，靜態(tài)成員Con調(diào)用DataCon.getcon()獲得數(shù)據(jù)庫連接，然后對(duì)數(shù)據(jù)庫進(jìn)行各種操作。把所有方法編寫成靜態(tài)，便于推薦算法中不創(chuàng)建對(duì)象就可以直接調(diào)用。
(3)RecmmendSource與CurrentUserNeighbor。這兩個(gè)類作為FCRecommand類的內(nèi)部類，RecmmendSource用于保存當(dāng)前用戶的推薦列表，包括推薦項(xiàng)目號(hào)和推薦度；CurrentUserNeighbor用于保存鄰居信息，包括鄰居ID號(hào)、相似度及其訪問信息。
(4)協(xié)同過濾推薦算法FCRecommand。該類實(shí)現(xiàn)了整個(gè)推薦算法，主要分為鄰居形成方法FCArithmetic和推薦形成方法GenerateRecommend。
下面給出方法FCArithmetic的關(guān)鍵代碼：
Matrixuser_item=this.User_Item_Arry();//獲取用戶—項(xiàng)目矩陣
user_item=this.SVD_Calculate(user_item);//調(diào)用SVD降維方法
Vectorc_uservector=newVector();//當(dāng)前用戶向量
Vectoro_uservector=newVector();//其他用戶向量
Vectorc_user_correlate_vector=newVector();
//當(dāng)前用戶與其他用戶之間相似度向量
for(inti=0;ifor(intj=0;jc_uservector.addElement(user_item.get(i,j));
//1.獲得當(dāng)前用戶向量
for(intk=0;ko_uservector.clear();
for(intl=0;lo_uservector.addElement(user_item.get(k,l));
//2.獲得其他用戶的向量
//3.計(jì)算當(dāng)前用戶與其他用戶的相似度
usercorrelativity=this.Correlativity(c_uservector,o_uservector);
c_user_correlate_vector.addElement(usercorrelativity);
}
//4.根據(jù)當(dāng)前用戶與其他用戶的相似度，計(jì)算其鄰居
this.FindUserNeighbor(i,c_user_correlate_vector);
}
根據(jù)鄰居形成方法FCArithmetic，可以得到每個(gè)用戶的鄰居。作為測(cè)試用例，圖6顯示用戶Jack與系統(tǒng)中一部分用戶的相似度，可以看出它與自己的相似度必定最高；并且它與用戶Sugx訪問了相同的項(xiàng)目，它們之間的相似度也為1，具有極高的相似度。
4結(jié)束語
在傳統(tǒng)推薦系統(tǒng)的基礎(chǔ)上，結(jié)合當(dāng)前生物信息學(xué)網(wǎng)站的特點(diǎn)，提出一個(gè)基于生物信息平臺(tái)的推薦系統(tǒng)，解決了傳統(tǒng)生物信息網(wǎng)站平臺(tái)信息迷茫的缺點(diǎn)，為用戶推薦其感興趣物種的DNA或蛋白質(zhì)序列。
優(yōu)點(diǎn)在于協(xié)同過濾的推薦算法能發(fā)現(xiàn)用戶潛在的興趣，能促進(jìn)生物學(xué)家之間的交流；推薦算法的鄰居形成與推薦形成兩部分可以單獨(dú)運(yùn)行，減少了系統(tǒng)的開銷。進(jìn)一步的工作是分析生物數(shù)據(jù)的特點(diǎn)及生物數(shù)據(jù)之間的關(guān)系，增加用戶和項(xiàng)目數(shù)量，更好地發(fā)揮推薦系統(tǒng)的優(yōu)勢(shì)。
參考文獻(xiàn)：
［1］PAULR，HALRV.Recommendersystems[J].CommunicationsoftheACM，1997,40(3):56－58.
[2]陳新.生物信息學(xué)簡(jiǎn)介[EB/OL].(2001).166.111.68.168/bioinfo/papers/Chen_Xin.pdf.
[3]林毅申,林丕源.基于WebServices的生物信息解決方案[J].計(jì)算機(jī)應(yīng)用研究,2005,22(6):157－158,164.[4]邢仲璟,林丕源,林毅申.基于Bioperl的生物二次數(shù)據(jù)庫建立及應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2004(11):58－60.
[5]AIRIAS,TAKAHISAA,HIROYAI,etal.Personalizationsystembasedondynamiclearning:InternationalSemanticWebConference[C].Sardinia:[s.n.],2002.
[6]BREESEJS,HECKERMAND,KADIEC.Empericalanalysisofpredictivealgorithmsforcollaborativefiltering:proceedingsoftheFourteenthConferenceonUniversityinArtificialIntelligence[C].Madison:WI,1998:43－52.
[7]SCHAFERJB,KONSTANJ,RIEDLJ.Recommendersystemsine－commerce:proceedingoftheACMConferenceonElectronicCommerce[C].Pittsburgh:PA,1999:158－166.
[8]PRYORMH.Theeffectsofsingularvaluedecompositiononcollaborativefiltering[EB/OL].(1998).cs.dartmouth.edu/reports/TR98－338.pdf.
關(guān)鍵詞：醫(yī)學(xué)檢驗(yàn)；生物信息學(xué)；課程教學(xué)
近年來，生物信息學(xué)在各醫(yī)藥院校越來越受到重視，多所院校相繼在研究生教學(xué)中開設(shè)了生物信息學(xué)課程[1]。而對(duì)于醫(yī)學(xué)本科層次是否需要開設(shè)生物信息學(xué)課程這一問題，雖然目前各方面的觀點(diǎn)不一，但是已經(jīng)有一些院校開始進(jìn)行嘗試。目前醫(yī)學(xué)檢驗(yàn)專業(yè)（五年制，畢業(yè)時(shí)授予醫(yī)學(xué)學(xué)士學(xué)位）已調(diào)整為醫(yī)學(xué)檢驗(yàn)技術(shù)專業(yè)（四年制，畢業(yè)時(shí)授予理學(xué)學(xué)士學(xué)位），而生物信息學(xué)作為一門新課程，在醫(yī)學(xué)檢驗(yàn)（技術(shù)）專業(yè)學(xué)生培養(yǎng)中的作用正日益受到關(guān)注，逐步被某些院校選擇作為必修課或者選修課。
一、開設(shè)課程的必要性
空前繁榮的生物醫(yī)學(xué)大數(shù)據(jù)的產(chǎn)出，及其蘊(yùn)含的重大生命奧秘的揭示，將決定現(xiàn)代生命科技和醫(yī)藥產(chǎn)業(yè)研發(fā)的高度，決定人們對(duì)疾病的認(rèn)識(shí)和掌控能力，也將對(duì)主導(dǎo)生物醫(yī)學(xué)大數(shù)據(jù)存儲(chǔ)、管理、注釋、分析全過程，解決生命密碼的關(guān)鍵手段———現(xiàn)代生物信息學(xué)技術(shù)的發(fā)展帶來前所未有的機(jī)遇和挑戰(zhàn)[2]。對(duì)于醫(yī)學(xué)專業(yè)學(xué)生而言，通過學(xué)習(xí)生物信息學(xué)，從而掌握利用各種網(wǎng)絡(luò)信息資源來檢索和獲取生物信息數(shù)據(jù)，并選擇和使用各種生物信息學(xué)軟件來分析數(shù)據(jù)。在當(dāng)今大數(shù)據(jù)時(shí)代，這方面的知識(shí)和技能的培養(yǎng)對(duì)于醫(yī)學(xué)生今后從事醫(yī)學(xué)科研工作是非常重要的。因此，在醫(yī)學(xué)專業(yè)學(xué)生中開設(shè)生物信息學(xué)課程非常必要。我校從2010年開始將生物信息學(xué)設(shè)置為研究生教學(xué)的必修課；從2013年開始在醫(yī)學(xué)檢驗(yàn)專業(yè)中開設(shè)生物信息學(xué)選修課，自2015年開始轉(zhuǎn)為醫(yī)學(xué)檢驗(yàn)技術(shù)專業(yè)。在醫(yī)學(xué)檢驗(yàn)技術(shù)專業(yè)中開設(shè)生物信息學(xué)課程，能夠?yàn)樵搶I(yè)學(xué)生的臨床和科研方面的素質(zhì)積累提供必要的支持，更重要的是增強(qiáng)了在醫(yī)學(xué)和信息科學(xué)交叉領(lǐng)域解決問題的技能，其意義幾乎等同于在研究生教學(xué)中的設(shè)課意義。
二、教學(xué)內(nèi)容的安排
醫(yī)學(xué)檢驗(yàn)技術(shù)專業(yè)的教學(xué)任務(wù)非常緊張，幾乎將原來醫(yī)學(xué)檢驗(yàn)專業(yè)前八個(gè)學(xué)期（最后兩個(gè)學(xué)期為實(shí)習(xí)階段）課程壓縮到六個(gè)學(xué)期來完成，學(xué)生學(xué)習(xí)壓力可想而知。我校為了減輕學(xué)生負(fù)擔(dān)，各課程的課時(shí)數(shù)都比醫(yī)學(xué)檢驗(yàn)專業(yè)有所減少。但生物信息學(xué)并未改變，仍然為16學(xué)時(shí)。為了在較短的學(xué)時(shí)內(nèi)實(shí)現(xiàn)教學(xué)效果的最大化，我們結(jié)合該專業(yè)學(xué)生的特點(diǎn)和需求，將授課內(nèi)容分為理論課和實(shí)踐課兩部分，實(shí)踐課不占學(xué)時(shí)。理論課主要介紹基本的生物信息學(xué)理論、資源和數(shù)據(jù)的獲取、分析方法和工具的使用；實(shí)踐課則通過布置作業(yè)，課后上機(jī)操作來解決問題。理論課主要內(nèi)容包括：生物信息學(xué)導(dǎo)論、DNA測(cè)序技術(shù)、序列的獲取、雙序列比對(duì)、多序列比對(duì)、蛋白質(zhì)結(jié)構(gòu)分析和預(yù)測(cè)共計(jì)六個(gè)專題。實(shí)踐課主要內(nèi)容包括：cDNA及基因組參考序列的獲?。怀Ｒ娦蛄懈袷降尼屃x與轉(zhuǎn)換；雙序列比對(duì)（局部比對(duì)）；多序列比對(duì)（全局比對(duì)）；蛋白質(zhì)綜合信息查詢；蛋白質(zhì)基本性質(zhì)、疏水區(qū)、亞細(xì)胞定位、信號(hào)肽、跨膜區(qū)、模體及結(jié)構(gòu)域分析與二級(jí)結(jié)構(gòu)預(yù)測(cè)；蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè)。在理論課實(shí)施過程中，注重將與生物信息學(xué)相關(guān)的生命科學(xué)和醫(yī)學(xué)前沿的一些最新進(jìn)展和最新成果引入理論知識(shí)講授中，讓學(xué)生在有限學(xué)時(shí)內(nèi)能夠進(jìn)一步認(rèn)識(shí)生物信息學(xué)的內(nèi)涵和課程的價(jià)值，追蹤前沿學(xué)科的動(dòng)態(tài)，開拓視野。
三、教學(xué)方法的設(shè)計(jì)
生物信息學(xué)涉及多個(gè)學(xué)科領(lǐng)域，交叉性強(qiáng)，在較短的學(xué)時(shí)內(nèi)學(xué)好這門課程的難度很大。學(xué)生的學(xué)習(xí)興趣與教學(xué)內(nèi)容和手段關(guān)系密切，除了精心選擇教學(xué)內(nèi)容外，教學(xué)方法上也有很多需要革新乃至創(chuàng)新的地方。在教學(xué)過程中，我們形成了頗具特色的教學(xué)經(jīng)驗(yàn)，由授課教師獨(dú)創(chuàng)的授課———實(shí)踐———演示（Teaching-Practicing-Showing，TPS）教學(xué)模式已應(yīng)用于教學(xué)。TPS教學(xué)模式著力于以實(shí)際問題為引線，將理論授課與上機(jī)實(shí)踐有機(jī)地融為一體，逐步介紹生物數(shù)據(jù)分析的各項(xiàng)技能，并指導(dǎo)學(xué)生將其融會(huì)貫通以真正掌握相關(guān)的基本方法與常用工具。首先，在教學(xué)內(nèi)容上引入具體實(shí)例來進(jìn)行教學(xué)，比如講解生物信息數(shù)據(jù)庫（Gene、Nucleotide、UniProt、PDB等）時(shí)，通過給出檢索某個(gè)人類疾病基因數(shù)據(jù)的例子來學(xué)習(xí)數(shù)據(jù)庫的使用方法。課堂上教學(xué)實(shí)例的設(shè)計(jì)需要任課教師在備課時(shí)投入大量精力來完成，還需要教師具備多學(xué)科交叉的知識(shí)。教學(xué)實(shí)踐表明，與醫(yī)學(xué)相關(guān)的生物信息學(xué)分析實(shí)例可以讓學(xué)生更好地認(rèn)識(shí)該課程的作用，大幅度提高學(xué)生的學(xué)習(xí)興趣和學(xué)習(xí)的主動(dòng)性。此外，課堂教學(xué)手段也應(yīng)該豐富多彩，多媒體教學(xué)中可以充分使用圖片、動(dòng)畫等元素。其次，舉例分析時(shí)可以進(jìn)行一定的現(xiàn)場(chǎng)演示，比如講解檢索Unigene數(shù)據(jù)庫時(shí)可以一邊上網(wǎng)演示一邊解釋說明。
四、考核方式的變革
生物信息學(xué)作為選修課，既要遵循學(xué)校相關(guān)的考試制度，也要通過對(duì)考試方式的變革來提高考試效果。我們將理論考核與學(xué)生的實(shí)踐能力考核聯(lián)系起來，結(jié)合學(xué)生課外實(shí)踐任務(wù)的完成情況和開卷考試成績(jī)進(jìn)行綜合評(píng)定。在課程中安排一次課外實(shí)踐任務(wù)，要求每位學(xué)生獨(dú)立完成相關(guān)分析并提交書面分析報(bào)告，該部分占考核成績(jī)的20%。具體內(nèi)容為自行選擇一個(gè)人類細(xì)胞外功能蛋白：1.利用ClustalX對(duì)各物種參考蛋白序列進(jìn)行多序列比對(duì)（輸出PS格式結(jié)果）；2.分析分子量、等電點(diǎn)、分子式、穩(wěn)定性、親疏水性及亞細(xì)胞定位；3.預(yù)測(cè)二級(jí)結(jié)構(gòu)并模擬三維結(jié)構(gòu)。課程結(jié)束后進(jìn)行開卷考試，內(nèi)容包括基礎(chǔ)知識(shí)和綜合分析，盡量采取靈活的出題方式，并控制題量，該部分占考核成績(jī)的80%。近年來的教學(xué)實(shí)踐表明，這種綜合評(píng)定的方式能夠反映學(xué)生對(duì)該課程的掌握程度，體現(xiàn)學(xué)生利用生物信息學(xué)知識(shí)解決問題的能力。
五、展望
實(shí)踐表明，生物信息學(xué)課程教學(xué)能夠給學(xué)生提供所需要的生物信息學(xué)知識(shí)和技能，但是在教學(xué)內(nèi)容安排、教學(xué)方法設(shè)計(jì)、教學(xué)手段使用和教學(xué)效果評(píng)價(jià)等諸多環(huán)節(jié)都需要進(jìn)一步探討。在這個(gè)過程中，我們既需要吸收傳統(tǒng)教學(xué)模式中的優(yōu)點(diǎn)和精髓，做到嚴(yán)謹(jǐn)和切合實(shí)際，又需要更新教學(xué)理念，突出醫(yī)學(xué)特色，大膽嘗試新的教學(xué)方法和手段，最終形成本課程別具一格的教學(xué)特色。
作者:倫永志 單位:大連大學(xué)
參考文獻(xiàn)
一、引言
隨著生物科學(xué)的發(fā)展，只有定性的結(jié)論已不能滿足實(shí)踐的需要，實(shí)現(xiàn)生物科學(xué)結(jié)論定量化是人們長(zhǎng)期追求探索的目標(biāo)；生物統(tǒng)計(jì)學(xué)是生物學(xué)科定量化的重要分析理論與方法，生物統(tǒng)計(jì)學(xué)是生物學(xué)科應(yīng)具備的基本知識(shí)和素質(zhì)，與生命活動(dòng)有關(guān)的各種現(xiàn)象中普遍存在著隨機(jī)現(xiàn)象，大到森林陸地生態(tài)系統(tǒng)，小至分子水平，均受到許多隨機(jī)因素的影響，表現(xiàn)為各種各樣的隨機(jī)現(xiàn)象，而生物統(tǒng)計(jì)學(xué)正是從數(shù)量方面揭示大量隨機(jī)現(xiàn)象中存在的必然規(guī)律的學(xué)科。因此，生物統(tǒng)計(jì)學(xué)是一門在實(shí)踐中應(yīng)用十分廣泛的工具學(xué)科，它是生命科學(xué)各專業(yè)的專業(yè)基礎(chǔ)課，對(duì)后續(xù)生命科學(xué)課程學(xué)習(xí)和生物科研有重要作用。
同時(shí)，生物統(tǒng)計(jì)作為數(shù)理統(tǒng)計(jì)在生本論文由整理提供物學(xué)領(lǐng)域的應(yīng)用，是教學(xué)難度較大的一門課程。因此，在生物統(tǒng)計(jì)學(xué)精品課程建設(shè)過程中，針對(duì)各專業(yè)培養(yǎng)目標(biāo)的定位，因材施教，更新教育理念，加強(qiáng)實(shí)踐訓(xùn)練，在教學(xué)方法和教學(xué)手段上進(jìn)行改革和大膽探索。
二、二十一世紀(jì)對(duì)生物統(tǒng)計(jì)學(xué)課程的重新定位
（一）新世紀(jì)對(duì)生物統(tǒng)計(jì)學(xué)課程提出的新要求。
二十世紀(jì)上半葉農(nóng)業(yè)和遺傳統(tǒng)計(jì)學(xué)首先獲得了發(fā)展，在其基礎(chǔ)上發(fā)展起來的生物統(tǒng)計(jì)學(xué)、統(tǒng)計(jì)流行病學(xué)、隨機(jī)化臨床試驗(yàn)學(xué)已經(jīng)成為攻克人類疾病的一個(gè)里程碑。這在過去的半個(gè)世紀(jì)里顯著提高了人類的期望壽命。
21世紀(jì)人類基因組，基因芯片等實(shí)驗(yàn)科學(xué)產(chǎn)生出的巨量數(shù)據(jù)，需要新工具來組織和提取重要信息。
將數(shù)據(jù)轉(zhuǎn)化為信息需要統(tǒng)計(jì)理論和實(shí)踐本論文由整理提供方面的洞察力、技術(shù)和訓(xùn)練。
未來的生物統(tǒng)計(jì)學(xué)將會(huì)與信息技術(shù)密切結(jié)合，較少側(cè)重傳統(tǒng)數(shù)理統(tǒng)計(jì)，而會(huì)更多注意數(shù)據(jù)分析，尤其是大型數(shù)據(jù)庫的處理。生物統(tǒng)計(jì)學(xué)越來越不同于其它數(shù)學(xué)領(lǐng)域，計(jì)算機(jī)和信息科學(xué)工具至少和概率論一樣重要。
（二）生物統(tǒng)計(jì)學(xué)對(duì)大學(xué)生素質(zhì)培養(yǎng)的作用。
生物統(tǒng)計(jì)學(xué)的一個(gè)重要特點(diǎn)就是通過樣本來推斷和估計(jì)總體，這樣得到的結(jié)論有很大的可靠性但有一定的錯(cuò)誤率，這是統(tǒng)計(jì)分析的基本特點(diǎn)，因此在生物統(tǒng)計(jì)課程的學(xué)習(xí)中培養(yǎng)了一種新的思維方法———從不肯定性或概率的角度來思考問題和分析科學(xué)試驗(yàn)的結(jié)果。
生物統(tǒng)計(jì)學(xué)是通過個(gè)別的試驗(yàn)研究得出其一般性結(jié)論，屬于歸納推理的范疇。但其有別于簡(jiǎn)單枚舉法和科學(xué)歸納法，是一種或然性歸納推理或者概率歸納推理。在生命科學(xué)的研究中絕大多數(shù)涉及到的是隨機(jī)事件，因此，生物統(tǒng)計(jì)學(xué)不僅是試驗(yàn)設(shè)計(jì)與統(tǒng)計(jì)方法的教學(xué)，更重要的還是大學(xué)生思維方式的培養(yǎng)，這對(duì)提高大學(xué)生的素質(zhì)很有必要。
生物統(tǒng)計(jì)學(xué)包括試驗(yàn)設(shè)計(jì)和統(tǒng)計(jì)方法兩個(gè)有機(jī)聯(lián)系的組成部分。通過試驗(yàn)設(shè)計(jì)的教學(xué)可提高大學(xué)生設(shè)計(jì)研究課題試驗(yàn)方案的能力，使之明確課題的研究目的、試驗(yàn)因素與水平以及試驗(yàn)設(shè)計(jì)方法等方面的內(nèi)容。通過統(tǒng)計(jì)方法的教學(xué)除讓學(xué)生弄清各種統(tǒng)計(jì)方法的內(nèi)涵外，還需要使學(xué)生能夠正確地選擇最適合的統(tǒng)計(jì)方法，以揭示資料潛在的信息，達(dá)到研究的最終目的，從而提高大學(xué)生科學(xué)研究素質(zhì)。
三、教學(xué)方法和教學(xué)手段的改革
（一）加強(qiáng)電子課件及網(wǎng)絡(luò)平臺(tái)本論文由整理提供建設(shè)。
生物統(tǒng)計(jì)學(xué)是應(yīng)用概率論和數(shù)理統(tǒng)計(jì)原理研究生物界數(shù)量變化的學(xué)科，而概率統(tǒng)計(jì)的理論和思維方法對(duì)本科生來說有一定的難度，加之課程學(xué)時(shí)的減少（由原來的60-70學(xué)時(shí)，降到現(xiàn)在的40學(xué)時(shí)左右）,如何深入淺出地引導(dǎo)學(xué)生入門，并使學(xué)生在了解概率統(tǒng)計(jì)思想的基礎(chǔ)上，掌握常用統(tǒng)計(jì)分析方法的應(yīng)用及使用條件是課程的教學(xué)難點(diǎn)。為此，我們利用多媒體技術(shù)，制作了與教材配套的課件，通過在課堂上把抽象內(nèi)容形象化與直觀化，收到了良好教學(xué)效果。建設(shè)了一個(gè)生物統(tǒng)計(jì)學(xué)教學(xué)網(wǎng)絡(luò)支撐平臺(tái)，現(xiàn)有課程簡(jiǎn)介、教學(xué)大綱、師資力量、授課教案、電子版《生物統(tǒng)計(jì)學(xué)》教材、課程錄像、實(shí)習(xí)指導(dǎo)、在線測(cè)試題、參考文獻(xiàn)、其它教學(xué)資源等欄目，免費(fèi)向全校師生開放。
（二）將多媒體教學(xué)優(yōu)勢(shì)與學(xué)生的認(rèn)知規(guī)律有機(jī)結(jié)合，用較少的學(xué)時(shí)得到良好的教學(xué)效果。
多媒體具有信息量大、形象化、直觀化的特點(diǎn)。
但是如果不能很好地將多媒體這些特點(diǎn)與學(xué)生的認(rèn)知規(guī)律相結(jié)合，多媒體教學(xué)就可能會(huì)帶來一些弊端諸如：（1）內(nèi)容多，幻燈片變換快，由照本宣科變?yōu)檎掌列?，為新的“滿堂灌”；（2）課件圖片多，內(nèi)容以展示為主，缺乏啟發(fā)性；（3）教學(xué)內(nèi)容常用滿屏的方式顯示（即所謂“死屏”）,老師照著屏幕上的內(nèi)容給學(xué)生講解，失去了傳統(tǒng)教學(xué)方法，老師邊講邊板書能給學(xué)生留下比較深刻印象的特點(diǎn)，缺乏吸引力。
而多媒體在教學(xué)中只能充當(dāng)工具的角色，在教學(xué)過程中必須將多媒體信息量大、形象化、直觀化的特點(diǎn)與學(xué)生的認(rèn)知規(guī)律緊密結(jié)合在一起。在制作課件時(shí)，采用啟發(fā)式教學(xué)方式，精煉教學(xué)內(nèi)容，模仿傳統(tǒng)教學(xué)書寫板書的過程，根據(jù)教學(xué)內(nèi)容的難易程度，采用逐字、逐句、逐段顯示教學(xué)內(nèi)容的動(dòng)畫方式。在課堂教學(xué)中，老師仍然保持傳統(tǒng)教學(xué)方法的教姿教態(tài)，在授課的過程中與學(xué)生保持互動(dòng)，根據(jù)學(xué)生在課堂上接受知識(shí)的能力，掌握屏幕上顯示內(nèi)容的速度，必要時(shí)輔以板書進(jìn)行講解。這樣做既發(fā)揮了多媒體教學(xué)的特點(diǎn)，又充分照顧到學(xué)生的認(rèn)知規(guī)律，在內(nèi)容沒本論文由整理提供有縮減，學(xué)時(shí)減少近三分之一的情況下，仍然取得良好的教學(xué)效果。
（三）長(zhǎng)期堅(jiān)持教育教學(xué)方法及教學(xué)規(guī)律的研究。
生物統(tǒng)計(jì)學(xué)的理論基礎(chǔ)是概率論與數(shù)理統(tǒng)計(jì)，從這個(gè)層面上講，它有非常濃的數(shù)學(xué)味道，但是它又有別于概率論與數(shù)理統(tǒng)計(jì)，生物統(tǒng)計(jì)學(xué)更主要強(qiáng)調(diào)的是概率論及數(shù)理統(tǒng)計(jì)的思想和方法在解決生命科學(xué)中一些具體問題的應(yīng)用。因此在教學(xué)過程中就存在一個(gè)“度”的把握問題，如果將概率論及數(shù)理統(tǒng)計(jì)的原理講得太多，一是學(xué)時(shí)不允許，二是學(xué)生難以消化，得不到好的教學(xué)效果；如果只注重方法的講解，學(xué)生知其然不知其所以然，就會(huì)誤入亂套公式的歧途。經(jīng)過將教學(xué)的重點(diǎn)放在教學(xué)中引導(dǎo)學(xué)生重點(diǎn)掌握統(tǒng)計(jì)方法的功能與用途，方法與步驟，防止各類方法的誤用，淡化定理的證明與公式的推導(dǎo)。在教學(xué)內(nèi)容的安排上采用“保干削枝”，即在學(xué)時(shí)減少很多的情況下，將一些次要的統(tǒng)計(jì)方法去掉，也要保證有足夠的學(xué)時(shí)講授理論分布與抽樣分布、統(tǒng)計(jì)假設(shè)測(cè)驗(yàn)等方面的內(nèi)容，讓學(xué)生掌握生物統(tǒng)計(jì)學(xué)中所蘊(yùn)含的概率論及數(shù)理統(tǒng)計(jì)的思想精髓，從而避免學(xué)生亂套統(tǒng)計(jì)公式。
（四）密切跟蹤生命科學(xué)發(fā)展的前沿動(dòng)向，探索生物統(tǒng)計(jì)學(xué)解決前沿問題的理論與方法。
統(tǒng)計(jì)學(xué)在生物學(xué)中的應(yīng)用已有長(zhǎng)遠(yuǎn)的歷史，本論文由整理提供許多統(tǒng)計(jì)的理論與方法也是自生物上的應(yīng)用發(fā)展而來，而且生物統(tǒng)計(jì)是一個(gè)極重要的跨生命科學(xué)各研究領(lǐng)域的平臺(tái)?，F(xiàn)在基因組學(xué)、蛋白質(zhì)組學(xué)與生物信息學(xué)的蓬勃發(fā)展，使得生物統(tǒng)計(jì)在這些突破性生物科技領(lǐng)域上扮演著不可或缺的角色。
在課程建設(shè)中，隨時(shí)注意納入生物統(tǒng)計(jì)學(xué)在前沿領(lǐng)域研究應(yīng)用的內(nèi)容，增強(qiáng)課程的活力，提高教師和學(xué)生面向生物產(chǎn)業(yè)主戰(zhàn)場(chǎng)解決實(shí)際問題的能力。
四、加強(qiáng)實(shí)踐教學(xué)，注重學(xué)生能力培養(yǎng)
生物統(tǒng)計(jì)學(xué)要不要開實(shí)驗(yàn)課，怎樣開實(shí)驗(yàn)課，一直存在爭(zhēng)議，在此認(rèn)為生物統(tǒng)計(jì)學(xué)不僅應(yīng)該開設(shè)實(shí)驗(yàn)課，而且還要將實(shí)踐教學(xué)的重點(diǎn)放在計(jì)算機(jī)技術(shù)和統(tǒng)計(jì)軟件的應(yīng)用上，讓學(xué)生不僅掌握統(tǒng)計(jì)方法，而且加深對(duì)原理的認(rèn)識(shí)，獲得就業(yè)或升學(xué)的必備計(jì)算機(jī)統(tǒng)計(jì)技能，提高解決復(fù)雜問題的能力。
（一）開展統(tǒng)計(jì)軟件的實(shí)習(xí)，擴(kuò)大學(xué)生的視野，提高學(xué)生素質(zhì)。
20世紀(jì)20年展起來的多元統(tǒng)計(jì)方法雖然對(duì)于處理多變量的種類數(shù)據(jù)問題具有很大的優(yōu)越性，但由于計(jì)算工作量大，使得這些有效的統(tǒng)計(jì)分析方法一開始并沒有能夠在實(shí)踐中很好推廣開來。而電子計(jì)算機(jī)技術(shù)的誕生與發(fā)展，使得復(fù)雜的數(shù)據(jù)處理工作變得非常容易，所以充分利用現(xiàn)代計(jì)算技術(shù)，通過計(jì)算機(jī)軟件將統(tǒng)計(jì)方法中復(fù)雜難懂的計(jì)算過程屏障起來，讓用戶直接看到統(tǒng)計(jì)輸出結(jié)果與有關(guān)解釋，從而使統(tǒng)計(jì)方法的普及變得非常容易。在課程體系改革中，各課程的教學(xué)時(shí)數(shù)與達(dá)到培養(yǎng)目標(biāo)所需完成的教學(xué)內(nèi)容相比還是不足的。為此，可以通過標(biāo)準(zhǔn)的統(tǒng)計(jì)軟件的教學(xué)實(shí)習(xí)來達(dá)到以點(diǎn)帶面，擴(kuò)大學(xué)生視野，提高學(xué)生素質(zhì)。超級(jí)秘書網(wǎng)
為此我們建立了一個(gè)專用于實(shí)習(xí)教學(xué)的生物統(tǒng)計(jì)電腦實(shí)驗(yàn)室?，F(xiàn)共有50余臺(tái)電腦，并連接到校園網(wǎng)。實(shí)驗(yàn)室配備有指導(dǎo)教師，負(fù)責(zé)對(duì)上機(jī)的學(xué)生答疑。除按教學(xué)計(jì)劃進(jìn)行的正常實(shí)習(xí)教學(xué)外，實(shí)驗(yàn)室還對(duì)優(yōu)秀學(xué)生免費(fèi)開放，鼓勵(lì)他們結(jié)合教師的科研活動(dòng)，應(yīng)用所學(xué)生物統(tǒng)計(jì)學(xué)知識(shí)，學(xué)習(xí)新的生物統(tǒng)計(jì)學(xué)知識(shí)，掌握應(yīng)用計(jì)算機(jī)解決生物統(tǒng)計(jì)學(xué)問題的技能。
（二）全方位、多層次的實(shí)踐教學(xué)。
為了進(jìn)一步培養(yǎng)學(xué)生實(shí)際動(dòng)手能力和科學(xué)嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，必須將本課程的實(shí)踐教學(xué)活動(dòng)延伸到課堂教學(xué)外，開展全方位、多層次的實(shí)踐教學(xué)。
在原綿陽農(nóng)專期間，主要在作物育種、作物本論文由整理提供栽培、動(dòng)物營養(yǎng)等課程實(shí)驗(yàn)與實(shí)習(xí)中，根據(jù)相關(guān)內(nèi)容加入了試驗(yàn)設(shè)計(jì)方法以及數(shù)據(jù)統(tǒng)計(jì)分析的相關(guān)內(nèi)容。
組建了西南科技大學(xué)生命科學(xué)與工程學(xué)院以后，由原來的單一農(nóng)科專業(yè)變成了理、工、農(nóng)三大學(xué)科均有專業(yè)的格局。雖然專業(yè)的學(xué)科歸屬不同，但有一點(diǎn)是相通的，其內(nèi)涵均屬于生命科學(xué)的范疇。以科學(xué)研究的方法進(jìn)行劃分，均屬于實(shí)驗(yàn)科學(xué)。
掌握正確的實(shí)驗(yàn)設(shè)計(jì)方法，從不確定性數(shù)據(jù)中挖掘事物的客觀規(guī)律，是實(shí)驗(yàn)科學(xué)工作者必備的技能。因此，我們將原來只是在農(nóng)科專業(yè)上延伸實(shí)踐教學(xué)的作法推廣到全院的所有專業(yè)，結(jié)合實(shí)驗(yàn)課教學(xué)的改革，對(duì)發(fā)酵工藝學(xué)實(shí)驗(yàn)、植物細(xì)胞工程實(shí)驗(yàn)、食用菌實(shí)驗(yàn)、微生物學(xué)實(shí)驗(yàn)等課程的內(nèi)容全部或部分改為用生物統(tǒng)計(jì)學(xué)指導(dǎo)學(xué)生自主進(jìn)行實(shí)驗(yàn)設(shè)計(jì)，把過去單一的實(shí)驗(yàn)流程、樣品觀察或檢測(cè)實(shí)驗(yàn)改變?yōu)樵囼?yàn)條件的優(yōu)化試驗(yàn)，提出在不同條件下對(duì)樣品測(cè)定的比較試驗(yàn)設(shè)計(jì)、單因素試驗(yàn)設(shè)計(jì)、多因素試驗(yàn)設(shè)計(jì)、正交試驗(yàn)設(shè)計(jì)、均勻試驗(yàn)設(shè)計(jì)，對(duì)試驗(yàn)結(jié)果要求學(xué)生使用統(tǒng)計(jì)學(xué)的方法對(duì)進(jìn)行分析和討論，最后得出最佳試驗(yàn)條件。
這樣的實(shí)驗(yàn)教學(xué)改革起到了一箭雙雕的作用，從專業(yè)基礎(chǔ)課或?qū)I(yè)課的角度看，改驗(yàn)證性實(shí)驗(yàn)為設(shè)計(jì)型、綜合性實(shí)驗(yàn)，增強(qiáng)了學(xué)生解決實(shí)際問題的能力，培養(yǎng)了學(xué)生創(chuàng)新思維的能力；從生物統(tǒng)計(jì)學(xué)角度看，將課程的教學(xué)實(shí)踐延伸到課程外，彌補(bǔ)了學(xué)時(shí)的不足，更重要的是學(xué)生將自己學(xué)到的統(tǒng)計(jì)學(xué)知識(shí)，轉(zhuǎn)化為解決實(shí)際問題的能力，知識(shí)得到很好的內(nèi)化。
此外，在學(xué)生課外科技活動(dòng)中指導(dǎo)學(xué)生選用正確的實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)的統(tǒng)計(jì)分析方法，提升科技作品的檔次；在畢業(yè)論文（設(shè)計(jì)）中要求學(xué)生采用恰當(dāng)?shù)纳锝y(tǒng)計(jì)學(xué)方法進(jìn)行設(shè)計(jì)與分析，寫出高質(zhì)量的畢業(yè)論文（設(shè)計(jì)）。
通過這樣的教學(xué)實(shí)踐，訓(xùn)練了學(xué)生的統(tǒng)計(jì)思維能力，使學(xué)生充分認(rèn)識(shí)到掌握生物統(tǒng)計(jì)學(xué)這一工具的重要性和必要性，增強(qiáng)了學(xué)生學(xué)好用好這門工具的信心，提高了學(xué)生從復(fù)雜的生命現(xiàn)象中挖掘事物客觀發(fā)展規(guī)律的能力。
精品課程是集科學(xué)性、先進(jìn)性、教育性、整體性、有效性和示范性于一身的優(yōu)秀課程。作為精品課程的載體，應(yīng)具有一流的教師隊(duì)伍、一流的教學(xué)內(nèi)容本論文由整理提供、一流的教學(xué)方法、一流的教材、一流的教學(xué)管理等特點(diǎn)。與之相比，我們?cè)谏锝y(tǒng)計(jì)學(xué)精品課程的建設(shè)上，才剛剛起步，今后還要在教材建設(shè)、師資隊(duì)伍建設(shè)、科學(xué)研究等方面加大力度，將生物統(tǒng)計(jì)學(xué)建設(shè)成體現(xiàn)現(xiàn)代教育教學(xué)思想、符合現(xiàn)代科學(xué)技術(shù)和適應(yīng)社會(huì)發(fā)展進(jìn)步的需要、能夠促進(jìn)學(xué)生的全面發(fā)展而深受學(xué)生歡迎的一門課程。
（一）教師應(yīng)通過積極主動(dòng)的學(xué)習(xí)和應(yīng)用，不斷加深對(duì)信息技術(shù)的認(rèn)識(shí)我認(rèn)為，要想實(shí)現(xiàn)信息技術(shù)和生物學(xué)科的“整合”，教師首先要對(duì)信息技術(shù)有一個(gè)全面的認(rèn)識(shí)，至少每一位教師要能熟練使用電腦，平時(shí)要經(jīng)常主動(dòng)上網(wǎng)搜集各種與生物學(xué)科相關(guān)的信息資料來豐富自己的課堂教學(xué)資源，并結(jié)合課堂教學(xué)內(nèi)容經(jīng)常動(dòng)手制作PPT、FLASH、AUTHWARE等，還要積極學(xué)習(xí)和掌握電腦的多種應(yīng)用手段，在不斷嘗試中將其變成自己生活的一部分。
（二）對(duì)信息技術(shù)與課堂教學(xué)整合的理解“整合”實(shí)際上是一種課堂教學(xué)中呈現(xiàn)出來的狀態(tài)，或是效果，每一節(jié)課都有具體的任務(wù)，都有一定的教學(xué)目標(biāo)。在信息技術(shù)的強(qiáng)大功能面前，教學(xué)不能退居于后，成為次要部分，無論如何，教學(xué)都是首要內(nèi)容，教學(xué)目標(biāo)的達(dá)成，學(xué)生獲得的學(xué)習(xí)結(jié)果，都是第一位的東西。利用信息技術(shù)的強(qiáng)大功能去實(shí)現(xiàn)課堂教學(xué)的目標(biāo)是必要的，但信息技術(shù)從屬于課堂教學(xué)的地位也是必然的。若信息技術(shù)能在教學(xué)過程最需要的時(shí)刻發(fā)揮作用，非常自然真實(shí)地成為教學(xué)過程中一個(gè)環(huán)節(jié)、一個(gè)步驟、一段過程……，這樣狀態(tài)下的課堂教學(xué)，就成為一種整合狀態(tài)，它所達(dá)到的效果是我們所追求的課堂教學(xué)效果，此刻很難說是教學(xué)還是信息技術(shù)在起決定性作用，因?yàn)樗鼈冎g不分彼此，已經(jīng)完全融為一體，也就整合在一起了。
（三）信息技術(shù)在生物課堂教學(xué)中的應(yīng)用1.將微觀世界或宏觀現(xiàn)象通過視頻、動(dòng)畫、聲音、圖片等形式展現(xiàn)在學(xué)生面前，加強(qiáng)了教學(xué)的直觀性，激發(fā)學(xué)生學(xué)習(xí)的興趣，有利于揭示事物本質(zhì)，使抽象事物具體化。同時(shí)運(yùn)用信息技術(shù)還可以刺激學(xué)生的視、聽、看等多種感官，如用形象生動(dòng)的圖像信號(hào)吸引學(xué)生的視覺，用音響適中、悅耳精煉的語言信號(hào)吸引學(xué)生的聽覺，特別是電教媒體的特技效果突破了信息傳遞中的時(shí)間和空間的限制，使學(xué)生能直觀地看到宏觀世界、微觀世界、遠(yuǎn)方或過去的事物，使信息通道得到了無限的延伸和擴(kuò)展。2.關(guān)注全體、分層教學(xué)、因材施教，從而激發(fā)學(xué)生學(xué)習(xí)興趣，改變學(xué)生對(duì)學(xué)習(xí)的倦怠心理，提高學(xué)習(xí)效率。例如：在學(xué)生做題時(shí)，可以運(yùn)用PPT打出不同難度的題，教師通過活動(dòng)讓不同層次的學(xué)生參與其中，這樣既關(guān)注了全體，又達(dá)到了分層教學(xué)，同時(shí)也照顧了學(xué)困生的自尊心，起到了一舉兩得的作用。
二、在實(shí)踐中發(fā)現(xiàn)的一些問題
在信息技術(shù)與生物學(xué)科整合的實(shí)踐過程中，我有過困惑，總結(jié)過經(jīng)驗(yàn)教訓(xùn)，主要表現(xiàn)在以下幾個(gè)方面：
（一）在課堂教學(xué)中不能盲目突出信息技術(shù)在實(shí)際教學(xué)中，不能片面追求效果的最優(yōu)化，不分課型、內(nèi)容，不顧實(shí)際教學(xué)需要，盲目使用各種媒體。信息技術(shù)只是一種教學(xué)工具或教學(xué)手段，如果利用得當(dāng)，它就可以推動(dòng)教學(xué)改革，提高教學(xué)質(zhì)量；如果沒有正確認(rèn)識(shí)信息技術(shù)，那么素材、課件等就會(huì)變?yōu)榻處煹摹半姽唷惫ぞ?。我們?nèi)绻婵浯笮畔⒓夹g(shù)的效果，排斥傳統(tǒng)的教學(xué)手段和方法，如以電子板書替代傳統(tǒng)板書，或是本應(yīng)使用實(shí)物、模型、掛圖等常規(guī)教具的情況下，一味使用多媒體技術(shù)，就會(huì)搞得學(xué)生視覺疲勞，失去了觀看的興趣。長(zhǎng)此以往，不但會(huì)影響信息技術(shù)的使用效果，而且還會(huì)事倍功半。因此，我們?cè)谑褂眯畔⒓夹g(shù)時(shí)，應(yīng)注意時(shí)間長(zhǎng)短適中，信息適量，媒體搭配合理、有序、適當(dāng)，而且要根據(jù)不同年齡特點(diǎn)的學(xué)生及教學(xué)內(nèi)容需要選擇不同的信息技術(shù)手段，內(nèi)容、設(shè)計(jì)上不應(yīng)過于花哨，以免分散學(xué)生的注意力。
（二）使用信息技術(shù)時(shí)，應(yīng)處理好教師、學(xué)生、教材的關(guān)系“教師是主導(dǎo)，學(xué)生是主體”。我想，不論在傳統(tǒng)的教學(xué)模式中還是在信息技術(shù)環(huán)境下，都不能忽視教師的主導(dǎo)作用和學(xué)生的主體地位。在新型的課堂教學(xué)中學(xué)生應(yīng)在教師的引導(dǎo)下適當(dāng)?shù)赝ㄟ^各種媒介進(jìn)行自主探究、合作交流、主動(dòng)質(zhì)疑等來提高判斷事物、解決問題的能力，培養(yǎng)良好的思維習(xí)慣。同時(shí)教師也能對(duì)課堂收放自如，只有這樣才能達(dá)到信息技術(shù)與課程整合高效性。但大家要注意的是在使用信息技術(shù)時(shí)不能忽視教材，脫離教材，因?yàn)榻滩某休d了當(dāng)節(jié)課的教學(xué)內(nèi)容、學(xué)習(xí)任務(wù)。
要想實(shí)現(xiàn)信息技術(shù)與生物教學(xué)的有效整合，要求教師投入大量的時(shí)間和精力挖掘備整合課程資源，這必然會(huì)給本來就辛苦備課，疲于奔命批改作業(yè)的教師帶來更大的壓力。同時(shí)，學(xué)校還必須投入大量的人力、物力、財(cái)力，構(gòu)建校園信息化平臺(tái)，建設(shè)信息技術(shù)教師隊(duì)伍等。教師教得辛苦，教學(xué)輔助部門配合得辛苦，學(xué)生學(xué)的效果也不盡如人意，投入和產(chǎn)出不成比例，往往高投入的背后是很低的收益，這導(dǎo)致許多教師也不愿意進(jìn)行整合。
二、解決信息技術(shù)與生物教學(xué)整合問題的辦法
1．明確整合的意義，確立正確方向
信息技術(shù)與生物教學(xué)整合的意義在于利用信息技術(shù)把枯燥、復(fù)雜、抽象的生物學(xué)知識(shí)生動(dòng)、活潑、具體地呈遞出來，創(chuàng)造一種新型的教學(xué)環(huán)境去啟發(fā)學(xué)生的思維，減輕學(xué)生的學(xué)習(xí)負(fù)擔(dān)，提高學(xué)生的學(xué)習(xí)興趣，從而達(dá)到提高教學(xué)效率的目的。教師必須明確信息技術(shù)與生物教學(xué)整合的意義，以確立正確的整合方向。
2．加強(qiáng)理論學(xué)習(xí)，將整合落實(shí)
在信息技術(shù)與生物教學(xué)的整合過程中，要充分加強(qiáng)教法、教育心理學(xué)、教學(xué)論等理論的學(xué)習(xí)指導(dǎo)，把這些教學(xué)理論融入信息技術(shù)與生物教學(xué)的整合過程中，依據(jù)建構(gòu)主義學(xué)習(xí)理論，結(jié)合生物學(xué)科的特點(diǎn)，構(gòu)建易于實(shí)現(xiàn)生物教學(xué)與信息技術(shù)整合的新型教學(xué)模式。
3．結(jié)合生物學(xué)特點(diǎn)，進(jìn)行科學(xué)整合
現(xiàn)行高中生物教材，并不是每一節(jié)課的內(nèi)容都適合用信息技術(shù)來完成的。比如“細(xì)胞器”“遺傳的分子基礎(chǔ)”“生態(tài)系統(tǒng)”等用實(shí)物或投影演示，效果會(huì)很好。因此我們應(yīng)該從具體的教學(xué)內(nèi)容和目標(biāo)出發(fā)，明確信息技術(shù)教學(xué)用在什么地方，什么時(shí)候用，怎么用，期望收到什么效果，以真正達(dá)到“信息技術(shù)與生物教學(xué)的科學(xué)整合”。信息技術(shù)與生物教學(xué)的整合應(yīng)科學(xué)合理，其地位是“輔助”而不是“替代”。
4．建立評(píng)價(jià)機(jī)制，讓師生看到整合效益
