生物信息学方向
开篇：润墨网以专业的文秘视角，为您筛选了八篇生物信息学方向范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
生物信息学方向范文第1篇
[关键词]妇科肿瘤学；研究生教育；生物信息学；交叉学科；现代医学
[中图分类号]G642[文献标识码]A[文章编号]1673-7210（2020）09（a）-0069-04
傳统的妇科肿瘤学研究生教育重视的是单一学科的知识传授，忽略了学科之间的交叉影响，教育理念陈旧，教学内容繁杂，传授方法老套，学生们在接收和学习知识的过程中往往处于被动的位置，难以突破传统思维的桎梏，这点显然不符合现代医学复合型人才的教育要求。妇科肿瘤学是大数据背景下知识更新迅速的学科之一，迫切需要全新的研究生教育理念进行知识的传授。生物信息学理念刚好为这一过程搭建桥梁。
生物信息学是20世纪90年代逐渐兴起的一门交叉学科，它以生物作为主要研究对象，借助计算机技术、信息科学技术、分子生物学技术和应用数学等手段，对大量复杂的生物数据进行处理、存储、分析和阐述，旨在深入挖掘和揭示潜在的生物学意义。随着精准医疗时代的到来，生物信息学的作用日益凸显，它已经渗透到生命科学研究领域的各个方面，并成为了最有活力的前沿领域之一[1]。当前，国内不少高等医学院校陆续开设生物信息学这门课程。对于医学研究生而言，生物信息学不仅仅是一门课程，它还教会了学生从海量生物数据中挖掘有意义的生物信息，因此，从某种意义而言，它更是一种思维方式的体现。广西医科大学附属肿瘤医院（以下简称“我院”）妇科从1985年开始招收研究生，在学校开设生物信息学课程之初，即重视研究生生物信息学思维的培养，并且使他们学会将这种思维方式更好地应用于妇科肿瘤学研究领域，为社会输送一批又一批具有生物信息学理念的现代医师。
1将生物信息学核心理念应用于妇科肿瘤学研究生的教学实践
生物信息学的核心理念是海量数据的管理和挖掘，注重学生自主学习能力的培养，而自主学习是一种新型教学理念，同时也是高等院校教学改革的主要方向之一[2]。生物信息学除了能教会学生使用大量的相关数据库和在线分析工具进行科学研究以外，还能教会他们掌握主动学习的方法和途径，学会利用现有的数据库和在线分析工具进行深度挖掘，旨在帮助他们解决临床实践过程针对疑难病症的诊疗问题，最终服务患者[3]。在妇科肿瘤学研究生教学实践中引入生物信息学理念有如下几个方面的具体表现：
1.1建立生物信息学的概念和意识
在妇科肿瘤学领域培养出具有生物信息学知识背景的研究生，这种跨学科创新型研究生培养模式，突破了传统的单一学科研究生培养模式的桎梏，顺应了新时代研究生教育的发展潮流。在日常研究生培养中，我院着重帮助学生建立起生物信息学的意识和思维方式。首先，在课程设置方面，我院动员妇科肿瘤学研究生自觉将生物信息学这门课程列为其研究生生涯的必修课程。通过课程的学习，学生将意识到，生物信息学是一门由生命科学和计算机科学交叉形成的新兴学科，先后经历了前基因组时代、基因组时代和后基因组时代三个阶段，涵盖了生物信息的获取、处理、存储、传播、分析和阐述等方面[4]。其次，我院定期组织学生进行小组学习，通过线上线下混合式教学手段引导学生对生物信息学的深度学习。同时，我院也重视妇科肿瘤学教师自身的生物信息学通识教育，不定期邀请生物信息学教研室教师答疑解惑。最后，我院引导学生将生物信息学知识应用到研究生课题研究中，进一步加深学生对生物信息学和妇科肿瘤学知识的理解。
1.2学会使用生物医学数据库和在线分析工具
生物信息学发展至今，产生许多生物医学数据库和在线分析工具，如基因表达（geneexpressionomnibus，GEO）数据库、蛋白质相互作用数据库、微小RNA（microRNAs，miRNA）靶标数据库、癌症基因组图谱（thecancergenomeatlas，TCGA）数据库和用于注释、可视化和集成发现（thedatabaseforannotation，visualizationandintegrateddiscovery，DAVID）的数据库等常用数据库和GEO2R在线工具、GeneMANIA在线工具和医学本体信息检索（CoremineMedical）平台等常用在线分析平台[5]。对于妇科肿瘤学研究生而言，无论是专业型研究生还是学术型研究生，掌握生物信息学知识并不在于如何进行复杂算法的开发、原始数据的处理或数据库的构建，而是如何使用这些数据库和在线工具进行数据挖掘和分析，并用于指导科学研究和临床实践。在妇科肿瘤学研究生教学实践中，我院着重强调“以实践为中心”。比如，Wei等[6]在其研究生课题中巧妙应用了GEO数据库中的3个独立基因芯片数据（GSE25191、GSE28799和GSE33874），进行基因差异表达分析和基因通路富集分析，并通过实时定量聚合酶链反应和TCGA数据库验证，发现整合素α6亚单位（integrinα6subunit，ITGA6）是卵巢癌肿瘤干细胞核心基因，该基因的高表达与卵巢癌化疗的耐药和预后差密切相关。研究生唯有亲身实践，将理论知识融入实践中，才有可能熟练掌握这些生物医学数据库和在线分析软件的使用方法和数理基础。
1.3将数据挖掘理念融入科学研究和临床实践中
在生物医学大数据时代背景下，生物医学研究正发生着重大变革，从基因组学、蛋白质组学、代谢组学、转录组学和表观遗传学等多学科研究到基于海量临床信息数据的真实世界研究，它们所产生的大量高维复杂的研究数据互相交汇，共同构成生物医学大数据[7]。对研究生而言，如何将多层次临床和研究数据进行深度挖掘和有机整合，从而转化为新知识，既是机遇，又是挑战。在妇科肿瘤学研究生教育中，我院将数据挖掘理念渗透到各个教学环节中，旨在让研究生掌握主动学习的方法和途径，培养其创新思维，为今后的科学研究和临床实践打下扎实的基础。在科学研究方面，尤其是在课题选题和设计阶段，组织学生利用互联网查找学科领域的前沿问题或热点问题，对自己感兴趣的方向各自提出一个具体的科学假设。然后通过查找文献和充分利用数据库进行深入的数据挖掘，构建生物信息学分析网络来回答具体科学问题。最后，组织学生进行分子实验或利用临床资料来验证科学假设。在临床实践方面，引导学生将临床上遇到的問题转化成具体的科学问题，然后应用简单的临床生物信息学方法对具体的科学问题进行浅层次的数据挖掘，从而充分地为后续临床研究做好准备。这种将数据挖掘理念融入科学研究和临床实践的教学方法，充分锻炼了研究生的科研和临床思维。比如，吴文娟等[8]进行卵巢上皮性癌铂类耐药相关差异表达蛋白质筛选时，结合了生物信息学方法分析，筛选出62个铂类耐药相关的差异表达蛋白质，然后通过正选择分析时发现，蛋白C6、CNTN1在亚洲人群中均存在正选择作用（P<0.05），而蛋白BCHE在欧洲人群中存在正选择作用（P<0.05），基于CoremineMedical平台的文献挖掘及TCGA数据库中的芯片数据交集分析进一步印证，12个差异蛋白（CRP、FN1、S100A9、TF、ALB、VWF、APOC2、APOE、CD44、F2、GPX3和ACTB）与卵巢癌铂类耐药相关。Wei等[9]在探讨卵巢癌多药耐药的分子研究中，充分利用CoremineMedical平台进行文献数据挖掘，并结合分子生物学实验发现，ITGA6可能在卵巢癌细胞中起到调节基因的作用，参与卵巢癌的多药耐药过程。蒋燕明等[10]在回答与宫颈上皮内瘤变进展相关的差异基因和信号通路这一问题上，通过对GEO数据库中获得的2套芯片数据（GSE63514和GSE51993）进行深入挖掘和综合的生物信息学分析，筛选出与宫颈上皮内瘤变进展相关的14个差异表达基因和3条信号通路。
2生物信息学理念对妇科肿瘤学研究生教育的影响
传统医学与互联网、大数据、人工智能等技术的深度融合催生了新医科这一全新的现代医学形态[11]，它借助了计算机科学和人工智能的爆发式发展，实质上也是多学科交叉融合的产物。这种顺应时展的产物，颠覆了传统医学模式，深深地影响了医学教育领域。在新医科背景下，高等医学教育更应该注重教育理念和培养模式的改革，满足“健康中国”的战略需求，培养出能够运用学科交叉知识来解决医学领域前沿问题并引领未来医学发展的高层次医学领军人才[11]。研究生教育是我国教育体系中最高层次的教育，以培养拔尖创新人才作为主要任务和核心内容，建立以教学为基础、以科研为主导、临床和科研相结合的研究生培养模式，这是培养拔尖创新人才的根本方法[12]。在妇科肿瘤学研究生教育中引入生物信息学理念，恰好符合了新医科背景下研究生拔尖创新人才培养模式，将对妇科肿瘤学研究生教育改革产生深远影响。
2.1对传统医学教育模式的冲击
传统医学教育模式重视学科教育的系统性，强调以学科为中心，忽视了学科间知识的渗透和交流，显然不符合现代医学教育的宗旨[13]。在传统医学教育模式下，学科的课程体系教学依旧采用灌输理念，这种填鸭式的知识传授过程容易磨灭学生主动探索知识的求知欲。在大数据时代，高等教育改革重点围绕学生创新能力的培养展开，并积极引入现代化教育理念，强调以学生为中心、以实践为主进行教学内容的更新[14-15]。最近十年，在《教育信息化“十三五”规划》和《教育信息化十年发展规划（2011-2020年）》等文件的引领下，国内教育信息化得到了迅猛的发展，包括大数据、云计算和人工智能等现代化信息技术已经进入现代教育系统，在这一历史背景下，国家相继出台《中国教育现代化2035》和《教育信息化2.0行动计划》等政策文件，为我国教育信息化建设道路指明了方向[16]。
作为一门交叉学科，生物信息学知识和理念早已渗透到各个医学学科领域，并衍生出多个分支学科。临床生物信息学是其中一个分支学科，也是一座搭建在基础研究和临床诊疗之间的桥梁，更是解决临床肿瘤相关诊治因素的新手段。因此，在精准医学时代，很有必要引入肿瘤生物信息学特异性研究方法或全新高级的研究工具，来回答与肿瘤相关的关键问题[17]，对于肿瘤学的研究生教育亦是如此。妇科肿瘤学研究生教育不应该局限于讲授单一学科的知识、基础研究和临床实践，引入生物信息学理念，不仅对传统医学教育模式产生冲击，还能培养研究生从多角度思考问题的能力，从而产生独特的研究方法和形成创新性思维，更能培养研究生从不同的专业角度发现问题、分析问题和解决问题的能力[18]。
2.2提高教师教学理论素养和教学反思自觉性
在教学医院，临床医师不但要从事临床诊疗工作，还要承担科研工作和教学任务。他们的日常临床工作繁重枯燥，科研方法往往单调乏味，教学理念陈旧乏新。医学教师作为医学教育的实践者，只有在先进教育理念的引领下，才有可能真正做到以学生为中心，使学生受益，从而提高人才培养的质量[19]。因此，医学教师应该以更加开阔的视野主动投入到各类前沿的教学改革与研究中，重视有助于医学生自主学习的教学手段开发和应用。临床医师学习先进的生物信息学知识和理念，并将之应用于临床和教学实践中，有助于他们对实践中出现的难以解决的医学问题进行合理解释，同时满足现代医学研究和教育的发展需求，为提高自身教学理论素养和教学反思的自觉性提供了新途径。
2.3拓宽研究生知识的深度和广度
妇科肿瘤学是一门特殊的学科，不同于传统意义的妇产科学，从某种程度上来说，也是一门妇产科学和肿瘤学的交叉学科，因而，更适合采用生物信息学教育理念。妇科肿瘤学主要研究女性生殖系统肿瘤，目前积累了大量基础研究和临床研究数据，同时也产生了许多学科前沿问题。研究生在基础理论知识学习的同时，眼界不应仅限于病房的临床实践，更应该放眼于学科研究前沿技术的发展，敢于批判反思，大胆假设和小心求证，并且提出临床新观念[11]。生物信息学刚好为研究生自主学习搭建了这样一座桥梁。我院妇科教研室非常重视研究生科研创新思维的培养，并充分利用生物信息学服务性和多样性的特点，将生物信息学与妇科肿瘤学进行知识的深度融合。妇科肿瘤学研究生在进行跨学科生物信息学知识和技能培训的同时，有望避免学科知识结构单一的缺点，还能打破学科专业之间的界限，从而拓宽知识的深度和广度。
生物信息学方向范文第2篇
关键词：计算机算法；生物信息学；应用研究
引言
生物信息学作为一门新兴的交叉学科，它涵盖了计算机科学、生物学以及统计学等不同的学科。它的主要研究内容是通过应用计算机对各种生物数据信息进行检索、分析以及储存。在生物信息学中，它的各种组合问题都具有数量繁多、计算量大的鲜明特征，为了能有效地解决各类组合难问题，就必须不断提高计算的处理速度，创新计算机算法，保证各算法和程序的高效性。
1 在生物信息学中普遍被应用的计算机算法
在生物信息学中那些常见NP-难的组合优化问题可以分为以下几个：群体单体型检测问题、个体单体型检测问题、多元聚合酶链反应引物集设计问题、标签SNPs选择问题、序列比对问题以及基因芯片的探针设计问题[1]。这些问题都具有大量的信息数据，对于计算机的处理速度要求偏高。所以，必须不断优化计算机算法，对计算机算法在生物信息学中的应用展开分析和研究。通常来说，生物信息学中组合优化问题采用的计算机算法主要包括以下几种：近似算法、精确算法、启发式算法以及参数化算法等。采用近似算法通常可以得到较为满意的时间复杂度。精确算法则是生物信息学中遇到难度大组合问题的首要选择，然而它具备偏高的时间复杂度[2]。启发式算法相对于传统的计算机算法，前者获得解的收敛速度会快很多。参数化算法通过从组合问题的参数特性研究分析入手，建立出多维的数学模型，从而有效地解决问题。
2 启发式算法在生物信息学中的应用
启发式算法通常被普遍应用于较大规模生物信息学的组合问题中，启发式算法具体包括了以下几种不同的算法：粒子群优化算法、神经网络算法、遗传算法、混沌免疫进化算法、模拟退火算法。
粒子群优化算法又可以称为微粒群算法或者微粒群优化算法，它是通过模拟鸟群寻食行为而不断发展起来的一种基于群体合作的随机搜索的优化算法。通常情况下，可以将它归类为群集智能的一种，被纳入了多主体优化系统。粒子群优化算法的主要发明者为Kennedy教授和Eberhart教授。在解决组合优化问题过程中，粒子群优化算法通过将问题的每一个解相对应的找出空间中某只鸟的位置，将空间中所有的鸟统称为粒子，每一个粒子的飞行都通过队员的飞行经验以及自身的飞行经验进行适当的调整。当某个粒子在实际的飞行过程中遇到最佳的飞行位置，这个就是粒子的最优解，也就是个体的极值。而如果是整个集体的最优解，也就是群体的极值，它为每个粒子所遇到过的最佳位置总和。在实际的算法操作过程中，粒子是否处于较优的位置需要通过优化函数决定的适应度来确定。与此同时，粒子的飞行速度直接关系到每个粒子的飞行距离以及方向。粒子群优化算法最大的优势就在于它不需要依靠大量的经验参数，简捷实用、适用于并行处理、具备较快的收敛速度等[3]，而它的弊端则是收敛精度不够高、容易局限于局部的极值。
神经网络算法在生物信息学中的主要作用是用来对生物神经系统信息处理过程的模拟。神经网络算法主要可以分为两个层面，一个为输出层面，另一个为输入层面。在这两个层面中间还存在些许隐藏的学习层面，这些学习层面中又包含了很多的结点[4]。不同结点之间的连接方式多种多样，与此同时，每个结点如何把输入信号转换为输出信号的选择性也有很多[5]。要想对神经网络进行有效的训练，就必须提供大量的数据信息。神经网络在得到训练后，就能够起到从相同类型没有处理过的数据中获取信息的作用。神经网络算法最大的不足在于，无法从大量的生物信息数据参数中提取出最简单的知识。
3 参数化算法
参数化算法作为一种先进的计算机算法，通过将计算实践和计算理论有效地结合在一起，从而不断提高解决生物信息学组合问题的效率。通过学习参数计算理论可以知道，在生物信息学中的某些NP-难问题能够实行参数化，简单来说就是合理设计出算法复杂度为“0”的计算方法。在这个过程中，c作为一个常数，n则作为问题的规模，k是一个参数，这个参数的变化过程只能保持在一个小的范围中。一旦常数c的数值较小，参数化算法就能充分的抓住k作为一个小参数的特性，较为快速的破解掉生物信息学中的NP-难问题。
4 结束语
综上所述，要想大力发展生物信息学，就必须将生物学和计算机学紧密的结合在一起。既要加强生物学方面知识的学习，还要不断对计算机算法进行改革创新，提高计算机算法的运行速度以及精确度，共同促进生物信息学稳定持续的发展。
参考文献
[1]（沙特） Alsuw aiyel M H.算法设计技巧与分析[M].吴伟昶，方世昌，等，译.北京：电子工业出版社，2008：371-407.
[2]（美） Baxevanis And reas D，F rancis Ouellette B F.生物信息学：基因和蛋白质分析的实用指南[M].李衍达，孙之荣，等，译.北京：清华大学出版社，2008：13-120.
[3]杨久俊，邓辉文，滕姿.基于混沌免疫进化算法的聚类算法分析[J].计算机科学，2008，8：154-156.
[4]谢民主.单体型组装问题参数化建模及算法研究[D].长沙：中南大学，2008.
生物信息学方向范文第3篇
论文摘要：研讨式教学模式将研究与讨论贯穿于教学的全过程，有助于调动学生的积极性、加深对知识的理解、增进学习效果。通过确立授课目标、精心设计和组织授课内容、在实践中不断总结经验，在“生物信息学”的授课过程中对研讨式教学模式进行了探索和实践。
论文关键词：生物信息学；课堂研讨；案例分析
21世纪是生命科学的世纪，生物技术飞速发展，生物学数据大量积累。而生物信息学正是在这种大背景下蓬勃兴起的交叉型学科，旨在用信息学方法解决生物学问题。为了培养复合型人才，大力发展交叉学科，国防科技大学（以下简称“我校”）近年来面向全校理工科研究生开设了“生物信息学”选修课程。
“生物信息学”作为新兴的交叉学科，具有融合性、发展性和开放性的特点。融合性是指生物信息学涉及的生物、计算机、数学等多个学科的交叉与融合。从20世纪90年代到现在，该学科发展非常迅速，研究热点发生了数次改变。开放性是指该学科存在大量有待探索和研究的新问题。这些特点一方面为课堂教学提供了大量的主题和素材，一方面也对授课方式提出了较高的要求。经过认真分析，选定研讨式教学作为该课程的主要授课方式。研讨式教学即研究讨论式教学，是将研究与讨论贯穿于教学的全过程。在教师的具体指导下，充分发挥学生的主体作用，通过自我学习、自我教育、自我提高来获取知识和强化能力培养。通过确立教学目标，精心设计和组织教学内容，在实践中贯彻研讨式教学理念和方法，在生物信息学课程中对研讨式教学模式进行了理论探索和实践创新。
一、教学目标的确立
合理的课程目标与定位是决定课程建设成败和教学效果的基础，其主要依据是人才培养需求和授课对象的实际情况。首先，教学对象是研究生，已具备一定的自主学习和创新思维的能力。教师不仅要传授知识，而且要讲解基本的研究方法，让学生具备独立思考问题、分析问题和解决问题的能力。其次，作为军校学生，以后从事的工作可能涉及很多学科方向，展现如何针对一门新的学科方向进行研究的整体思路显得很有意义。最后，考虑到学生不同的知识背景，对于各部分内容的理解程度不同，必须兼顾不同的专业方向，让每个学生都能有所收获。因此，确立教学目标为：介绍生物信息学的基本概念和方法，通过案例分析展现科学研究的基本方法和实践过程。
二、教学内容的设计和组织
1.教学内容的总体设计
确定了教学目标之后，需要对课程的教学内容进行总体设计。参考国内外多所高校的相关课程设置，如北京大学的“生物信息学导论”、中科大的“生物信息学”、中科院的“生物信息学与系统生物学”和MIT的“Bioinformatics and Proteomics”等，发现这些课程主要是针对生物专业的学生开设，侧重于方法学介绍。而我校学生大部分是工科背景，对于统计和机器学习方法有一定基础，重点是了解相关的生物学问题，并应用已有的工科知识去分析和解决这些问题。同时，随着生物信息学的快速发展，研究领域不断扩大，有必要展现该学科的最新进展。
因此，课程内容总体设计上以生物学问题为主线，结合最新的研究成果，对各种计算方法的应用过程进行深入和细致的讲解。在介绍生物信息学的研究现状和生物学基础知识之后，分多个专题详述生物信息学最新的研究进展，各专题在内容上相互衔接，由浅入深，以便学生理解和接受。以问题为导向的课程设计对于启发学生思考，积极参与课堂研讨具有重要作用。
进一步，为了突出部分重点专题及其分析方法，采用案例分析课的形式，针对一些重要问题进行深入探讨。鼓励学生应用所学知识，结合自身的专业背景，通过积极地思考和讨论提出相应的解决方案。案例选择为教师有一定研究基础的开放性问题，一方面介绍已有的研究成果，一方面结合教师的研究体会，通过积极讨论拓展新的研究思路。案例分析课有助于学生更多地参与课堂研讨，对于知识的综合应用和科学研究过程产生切身体会。
2.教学内容的组织
研讨式教学的关键是调动学生的积极性，鼓励学生踊跃地参与课堂讨论，提出自己的观点。通过集中备课，学习和吸取老教师的成功经验，总结调动学生积极性的基本要素，对授课内容进行了认真的组织和编排。
（1）重点突出，详略得当。由于生物信息学涵盖内容非常丰富，有必要对课程内容进行取舍，在保证知识面的基础上，突出授课的重点。减少或删除重要性较低的部分，采用图片和动画等形式对重要的知识点加以强调，以深化学生的理解。只有学生对重点内容理解透彻，才能激发出浓厚的学习兴趣，积极参与课堂研讨，碰撞出智慧的火花。
（2）新颖有趣，实例丰富。在课程内容上应充分体现知识性和趣味性，以丰富的实例展现生物信息学中基本的概念和方法。学生往往关注与日常生活休戚相关的内容，期望能用所学知识解释常见现象，因此实例选择应贴近生活体验。课件中准备了大量的实例，例如，在讲完构建进化树之后，举例说明为什么人类的祖先是从非洲走出来的；在生物代谢一章，通过卖火柴的小女孩的故事阐释生物代谢过程的高效性；在蛋白质结构部分，讨论为什么湿着头发睡觉，头发容易变翘。通过实例分析，增加学生对于所学知识的理解和参与课堂研讨的积极性。
（3）设置思考题，留出想象空间。针对重要的知识点，预先设置思考题，以启发和扩展学生思路。生物信息学作为一门新兴学科，存在大量没有确定结论的开放性问题，有待深入探究。例如“人类与小鼠的基因组差别很小，为什么形态上有那么大的差别”，“生物系统模拟中，是否越复杂的模型越好”。针对这些问题适时地开展课堂研讨，有助于激发学生的学习兴趣，开阔其视野。
三、研讨式教学的开展
在授课过程中，教师应努力营造活跃的课堂气氛，密切观察学生的动向，及时沟通存在的问题，选择合适的时机开展课堂研讨。不断地积累经验，使课堂讨论达到更好的效果。在开展课堂研讨时，尤其应注意以下几点：
1.因材施教
在“生物信息学”课程中，学生的专业背景不尽相同，少部分学生来自生物专业，其他大部分是工科背景，如自动化、计算机仿真和认知科学等。因此，在主题的选择和研讨环节的设计上，应充分考虑到学生的需求和背景知识，发掘大家共同的兴趣点。实践证明，不同的学科背景可以有效地促进交流，提供对于同一问题的不同视角。例如，生物专业的学生可以解释有关生物技术的问题，而仿真专业的学生对于系统的建模方法有深入的理解。有效的课堂讨论，能够促进各种思路的融合，碰撞出灵感的火花。
2.及时沟通
研讨式教学需要教师对授课整体情况有较好的把握。例如，有一章的内容是生物学基础，教师针对这部分内容进行了充分准备，包括大量的图片和动画，并穿插了很多科学家的故事。但授课效果不尽理想，到了预设问题的环节，只有一两个学生参与讨论，大部分学生都一脸茫然。通过及时沟通，发现了两个问题。一是背景知识不够，学生对于预设问题了解不多；二是重要性认识不足，学生认为生物学的基础知识与本课程的学习关系不大。考虑到学生的疑问，对授课内容进行及时调整，进一步强调所学知识对于生物信息学的意义，并通过具体实例激发学生的学习兴趣。在实例的启发下，学生开展了积极的讨论，加深了对于所学知识的认识。开展研讨式教学，应以学生为主体，及时地沟通发现课堂中存在的问题，并相应地调整授课内容。即使教师讲得天花乱坠，如果学生知其然，不知其所以然，也不可能达到好的授课效果。
3.审时度势
课堂研讨开展的时机很重要。例如，当讲到生物信息学概况时，学生反应不是很强烈。而当教师结合自身经验谈研究体会时，学生很有兴趣，表情变得活跃，适合开展课堂讨论。此时，可以组织学生交流学习目的、预期和存在的疑问，以便教师进行有针对性地授课。研讨式教学一方面强调学生的主体地位，一方面要求教师发挥主导作用，密切注意学生动向，发现学生的兴趣点，引导讨论的逐步展开和深入。
4.自主提问
如果教师能够营造出一种轻松愉悦的课堂氛围，学生往往能够主动发问，提出不同观点，而不拘泥于预先设置的问题。实践证明，通过学生自主提问展开的课堂研讨，往往效果更好。在前期铺垫时，启发学生自主思考并积极讨论，分析该领域可能存在的问题和发展方向。当讲到后续内容时，学生有了一定的心理预期，很想了解该领域的研究现状和发展趋势，以验证与预期是否一致。同时，自主提问对于生物信息学研究有很好的推动作用，学生经常能够独辟蹊径，提出全新的思路，拓展研究内容的广度和深度。
5.课堂报告
在授课过程中，鼓励学生结合所学知识选择感兴趣的专题，阅读相关文献并进行课堂报告。由于学生的选题更接近彼此的思维方式，能够反映一些共性的问题，对于扩展思路很有帮助。在报告过程中，教师可适时点评，穿插课堂讨论，以深化学生对问题的理解。课堂报告可以全面地锻炼学生的表达能力、写作能力和创新思维能力，提高学生的综合素质。
生物信息学方向范文第4篇
关键词：微课；探究式教学；生物信息学
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）28-0127-02
随着网络技术、信息技术和移动终端的快速发展，我们已进入“微信”、“微博”、“微电影”和“微课”的“微时代”。“微课”是指在5～10分钟的时间内，以视频为主要载体，记录教师在教学过程中围绕某个知识点而开展的可视化、数字化的教学活动。由于微课可以通过智能手机、平板电脑等多种移动终端来制作、展现和学习交流，它已经被越来越多的学生和教师接受。探究式教学是适应高等教育改革和发展的必然趋势，如何在教学中更好地实施探究式教学，是目前生物信息学探究式教学模式在实践环节面临的重要问题。本文就如何在生物信息学探究性教学实践中应用“微课”教学手段提高探究性教学效果进行了探讨。
一、探究性教学是生物信息学教学的发展方向
探究式教学模式是指学生在教师的指导下，根据自身先前认知结构中的相关经验，通过体验、发现、探索、协作等方式主动获取知识、解决问题的一种教学模式。区别于以教师为中心、以知识掌握为本、以知识结构为驱动的传统教学，探究性教学以学生为中心，以能力发展为本，以问题或任务为驱动开展教学活动。
1.探究性教学是生物信息学教学改革的必然趋势。《国家中长期教育改革和发展规划纲要（2010―2020年）》指出，要“遵循教育规律和人才成长规律，深化教育教学改革，创新教育教学方法，探索多种培养方式，形成各类人才辈出、拔尖创新人才不断涌现的局面”。同时，《国家中长期生物技术人才发展规划（2010―2020年）》指出，我国生物技术的开发应用总体水平与世界先进水平还有较大差距，在支撑我国生物产业发展的过程中缺乏高层次创新型人才和优秀创业型人才，需要增加人才资源开发投入，完善人才发展体制。综合上述两个纲要可以看出，未来迫切需要具有创新能力和素质的生物专业人才，而创新人才培养的关键在教育。所以，以“自主、探究、合作”为主要特点的探究式教学，符合国家教育教学改革和生物人才的发展规划，是生物信息学教学改革的必然趋势。
2.探究性教学模式适于生物信息学交叉学科的教学。生物信息学是由生物学与数学、计算机科学等学科交叉形成的前沿学科，主要通过研发并应用计算机技术及数学与统计方法，对生物数据进行管理、整合、分析、建模，从而解决重要的生物学问题，阐明新的生物学规律，获得传统生物学手段无法获得的创新发现。生物信息学人才培养的主要目标是具有创新能力和素质的生物信息学专业人才，这就要求在生物信息学实践中，当提出某一生物学问题时，可以借鉴和利用不同学科的思路和方法去探究。只要有利于揭示生物学规律的结果都可以保留，而不必拘泥于不同探究结果的同一性。这与探究性教学中以培养学生的能力发展为目标是一致的。
二、生物信息学探究性教学中存在的主要问题
目前生物信息学探究性教学应用于教学实践的时间不长，虽然取得了一定的成果，但在实践环节还存在以下主要问题。
1.学生的基础知识不扎实，导致探究性教学效果不好。生物信息学是生物、数学与计算机等学科形成的交叉学科，在进行探究性的教学过程中，涉及到数学与计算机方面的知识和技术比较多，而生物背景的学生在这方面的知识比较欠缺或者不强，所以在探究性问题的自主探究时，表现出参与的兴趣不高、设计的方案较为单一、小组协作的效率较低等实际问题，从而导致探究性教学效果不好。
2.学生的动手实践和创新能力不强，导致探究性教学没有落到实处。在按照自主设计的探究方案进行上机实践时，大部分学生的自主设计方案不能在上机时间内完成。除过设计较为复杂的情况外，大部分原因是由于学生自身对计算机的linux操作系统、perl编程语言以及相关的操作技术不熟造成的，有些细节在他们的自主设计中没有考虑到，所以总会碰到很多超乎其想象的问题。本来这些问题在课外时间学生可以继续解决，但由于学生的学习科目很多，上机没有完成的内容很少有学生在课外继续探究，导致探究性的上机实践活动没有落到实处。
3.教师的授课时间和水平限制，导致探究性教学的教师导向作用不明显。教师能否提出启发性的，适于进行探究性的问题是探究性教学能否取得成功的关键所在。但是由于课时和教学内容的限制，很多提出的问题还是以教师为中心，学生沿着教师的思路向统一的结果或者答案靠拢，学生并没有根据自身的知识结构从多种途径进行探索。
三、微课为生物信息学探究性教学的有效实施提供了新的思路和方法
微课是指以视频为主要载体，记录教师围绕某个知识点或教学环节开展的简短、完整的教学活动。其核心组成内容包括微教学视频以及与该教学主题相关的微教案、微课件、微练习、微反思、微点评、微反馈等辅教学资源。
微课的特点有三点：首先微课短小精悍，通过多媒体和网络技术进行教学内容传播，有利于学生利用碎片化时间进行学习；其次，微课的教学容量小，主题突出，内容独立精练，有利于学生查缺补漏，各取所需，能够实现教与学的个性化选择。最后，微课的时间一般很短，通常限制在5～10分钟之间。
为在短时间内达到良好的学习效果，微课常采用问题式的、案例化的教学方法，微课有助于激发学习者的学习兴趣，启迪学习者进行思考，这与探究式教学模式所主张的体验式学习、自主学习的思想是一致的。所以在探究性教学中可以使用微课。另外，微课有很大的灵活性，可以针对生物信息学探究性教学中的某一具体问题进行微课授课，微课为生物信息学探究性教学的有效实施提供了新的思路和方法。
四、微课在生物信息学探究性教学实践中的应用
按照生物信息学探究性教学的主要环节，微课可以分为课前预习类、课堂教学类、课后复习和拓展类。下面结合案例谈谈微课在生物信息学探究性教学实践中的应用。
1.微课在课前预习中的应用。生物信息学探究性教学授课内容大多涉及一些数理统计和计算机知识，然而对于生物背景的大学生在这方面基础较弱。所以，教师可以根据学生学习新知识所需的数理知识设计制作具有针对性的微课，让学生在预习新课时根据自己的实际情况选择性地观看微课，为后续新课的探究性学习打好基础。例如在讲到序列对数据库的检索（Blast）一节内容时，可以将Blast一节授课内容中用到的正态分布、极值分布、统计学p值的显著性检验等知识做成微课，供学生在课前预习。
2.微课在课堂教学中的应用。在生物信息学探究性教学的课堂教学实践中，教师应该积极去引导和促进学生进行探究，过多使用微课的形式可能会让学生失去探究的动力，形成对微课的依赖，所以在利用微课进行教学时，教学内容应该有所选择，应该主要针对教学中的重点和难点内容制作微课，并上传到相应的课程学习网站上，以便学生在课堂学习外，还可以利用课外时间进行观看和探究。例如在讲到“序列对数据库的检索（Blast）”一节内容时，在课堂教学中可以利用微课探究不同核酸或者蛋白打分矩阵的选择对blast结果的影响，或者探究不同的E值对blast结果的影响。
3.微课在课后拓展中的应用。由于学生自身的知识结构和理解能力的差异，他们对同一知识和操作的理解和掌握程度会有所不同，而课堂教学不可能针对每一个学生进行探究式教学，因此，教师可以根据课堂教学的实施状况和学生的实际能力，将具有拓展性的学习辅助材料（教学视频、辅文档等）设计制作成微课程，以满足学有余力的学生利用课外时间继续进行探究性学习。例如“序列对数据库的检索（Blast）”一节课的教学结束后，可以在课后拓展内容中利用微课引入近年发生的“中东呼吸综合征（MERS）”，然后引导学生利用blast工具探究引起“中东呼吸综合征”的冠状病毒（MERS-CoV）序列特征，并分析其进化趋势。
五、结语
在生物信息学探究性教学实践过程中运用微课，有助于学生自主学习和创新能力的培养，不仅提高了探究性教学在课堂中的教学效果，而且可以使学生的探究性学习延伸到课外。微课作为一种新型的教学技术，随着其在生物信息学探究性教学实践中的广泛应用，必将促进生物信息学教学的改革和学生创新能力的发展。
参考文献：
[1]胡铁生，黄明燕，李民.我国微课发展的三个阶段极其启示[J].远程教育杂志，2013，（4）：36-42.
[2]徐丹丹，偶志红，毕小平.在药学类专业教学中开展微课教学的尝试[J].药学教育，2014，30（2）：27-29.
[3]张林，柴惠，赵虹.生物信息学教学模式探讨[J].新课程研究（中旬刊），2010，（06）.
[4]谈松华.战略机遇期中国高等教育改革走向[J].国家教育行政学院学报，2010，（02）.
[5]胡娜，常军，徐玲.生物信息学教学改革与探索[J].安徽农业科学，2010，（03）.
[6]夏锦文，程晓樵.研究性教学的理论内涵与实践要求[J].中国大学教学，2009，（12）.
[7]虢毅，胡德华，邓昊.生物信息学课程“开放式、研究性”教学模式的探讨[J].生物信息学，2009，（03）.
[8]吴晓茜.利用微课促进信息技术教学的有效途径[J].课程教学研究，2013，（07）.
生物信息学方向范文第5篇
关键词：生物信息学；研究生；培养模式
中图分类号 G642.0 文献标识码 A 文章编号 1007-7731（2016）22-0120-02
随着基因组测序技术的飞速发展，学科交叉的趋势也越来越明显，如生物信息学、数字医学、金融数学、环境生态学等，交叉学科的产生意味着跨学科时代的到来，这是不同科学门类领域学科相互渗透融合，凭借对象整合、概念移植理论渗透和类比推理等方法，对象世界及其变化进行体认和再现后形成的新学科[1]。这就要求我们必须创新，鼓励创新，而鼓励创新需要鼓励创新性人才培养，尤其是研究生阶段的人才培养，因为这个阶段的培养是建立在学科发展的国际前沿基础上的，但在高等院校中，由于当前研究生教育制度的“单一专业制”，限制了跨学科人才培养。然而，面对如此巨大变革，庞大的测序数据也是当前研究人员面对最困难的问题，此时生物信息学得到高度重视。尽管生物信息学是以生物为研究对象的学科，但是它的研究手段却是计算机与统计学算法相结合，涵盖了生物信息的获取、处理、存储、分配、分析以及阐述等各个方面以理解和利用海量的生物学数据为目的学科，这对我们生物学专业的学生来说无疑是学习和研究的屏障，培养其理论思维能力，创新能力和实践能力尤为重要，如何在生物学本科生中培养生物信息学研究生是生物学科研究生培养的难点。探索如何克服这一难点而培养能力和自主性强的生物信息学科研究生将具有十分重要的意义，本文就跨学科培养生物信息学研究生所面临的一些问题进行探讨。
1 跨学科培养生物信息学研究生的必要性
跨学科或交叉学科的出现发挥了明显的作用，为许多领域的科学问题提供了答案。法国作家普鲁斯特曾说，真正的发现之旅，并不是去寻找新大陆，而是采用一种新视角[2]。在某一个学科内无法解决的问题，如果换个角度就很可能迎刃而解，这种创新性的问题答案的获得不但需要多学科的协同攻关，更需要在研究生教育方面培养一大批高层次的具有跨学科思维并掌握多学科理论与方法的人才，这样才能更好地推动科技创新。在国外，跨学科研究已经非常普遍。如在德国的柏林工业大学已经建立跨系研究中心、跨学科研究小组、大学研究论坛以及跨学科研究协会等组织；在日本，名古屋大学建立了复合专业群以促进学科前沿交叉领域的发展和研究生素质的提高[3]。这些不争的事实均反映了在世界范围内跨学科研究生培养的趋势所在，跨学科生物信息学研究生的培养也不例外。
2 跨学科培养生物信息学研究生的优势与不足
我国研究生教育培养已从传统单一学科的培养模式向跨学科和学科交叉的培养方向发展，跨学科、跨专业选择的研究生数量也日渐增多，已成规模。跨学科的研究生同本专业研究生相比，既有优势，也存在一定的不足，当然包括跨学科培养的生物信息学研究生。跨学科培养的优势在于研究生能虼佣嘟嵌瓤悸俏侍猓有可能因为学科交叉而产生独特的研究方法和思维方式，形成创新点；也可以从不同的专业角度发现问题、观察问题、研究问题、解决问题。不足之处有：在新学科的基础知识及专业知识积累上有所欠缺，对很多问题理解不透彻，初期也可能学习，科研压力大很难进入科研状态，如果自我调节能力不强，导致有些研究生可能会出现自卑情绪，需要一定的适应阶段，但过了这个阶段，跨学科的优势即可逐步显现出来。
3 跨学科培养生物信息学研究生的制约因素
在高等教育体系中，本科教育和研究生教育分别培养应用型人才和研究型、创新型人才[4]。近年来，为了适应社会发展对复合型高层次人才的需求，我国许多高等院校逐步开展了对研究生的跨学科培养。但在培养过程中，存在一些制约其发展因素，主要表现在以下几个方面：
3.1 培养理念与方式 在传统的教育管理理念与方式下，研究生教育的培养主题依然是单学科，而非多学科、交叉学科、跨学科。我国大多数院校的研究生培养仍然采取这种模式，虽然也培养了一些杰出人才，但总体上不利于研究生多方面知识的获取，使研究生缺乏创新性。对于跨学科培养研究生，行政管理条例应该灵活，研究生学制期限也不应该固定，因人而异等等均收到一定的限制，无法实施。在高等院校在课程的设置上，一般很少设立学科跨度大的专业必修课和选修课，学院与学院之间基本不再进行跨学院跨学科开课，选课上缺乏协作性，研究生培养计划中也没有整体的培养应对跨学科的培养方案等。
3.2 培养体制与机构 我国大多数的高校是以一级学科为基础设置学院，学院数量较多，学校也习惯于以学院为基本单位，学院内部学科包容量较少，专业划分过于详细，而此时可能忽略了跨学科与交叉学科过于规范的培养框架。目前，我国有很多高校拥有独具特色和优势的学科与专业，但由于僵化的培养制度，难于形成特色或优势学科主导下的跨学科培养方案，更不利于高层次人才的培养。所以，跨学科培养存在一定的体制问题，学生在掌握了大量交叉学科知识及研究方法后，还要认清主导学科并能解决实际问题。如果在培养过程中过于重视现有的培养制度和教学计划，就容易使整个培养体系走向僵化，不但不能促进跨学科的发展，更难以培养出适应社会发展需要的复合型高层次的人才。
3.3 导师与研究生个人 在指导教师方面，大多数导师也不具有跨学科学习与跨学科研究的经历，其开展的研究项目也只是单一学科的。而刚刚跨学科的研究生也可能和导师的情况类似，这样导师与学生的学科知识结构都相对单一，对其他学科知识及发展动态掌握不够，使跨学科培养在双方面都受到了阻碍。所以，在跨学科研究上，导师和学生都应该拥有跨学科研究的知识背景，既要掌握一定的跨学科相关知识和研究方法，也要经常参与跨学科的学术交流，积极进行跨学科建设和跨学科项目的研究。
4 跨学科培养生物信息学研究生的必要措施
跨学科的研究生培养是一个长期而又复杂的过程，跨学科生物信息学研究生培养也不例外，从培养过程中涉及的制约因素考虑，为提高跨学科生物信息学研究生创新人才的培养水平，提出以下主要措施：
4.1 建立健全相关跨学科培养制度 在组织机构上，设置好学院后，应注意适当增加学院的学科数量，以促进不同学科不同专业的交叉与融合。在资源利用上，实现资源共享，由学校统一进行管理大型实验设备和仪器，建立相关的技术与服务平台，避免资源闲置或浪费现象的发生，提高资源利用率，更要打破学科专业之间的界限，积极争取校企与科研院所的合作等，进行研究生联合培养。
4.2 完善跨学科培养方式 跨学科培养涉及到很多环节，首先在考试科目的设置、试卷命题及复试上，都要尽可能按跨学科招生。既要注重考察考生知识容量，也要考察考生的能力是否具备跨学科培养的潜力，优先录取综合素质高的跨学科考生。此外，招生录取途径也应该多样化，如导师有招生自[5]。在研究生课程教学上，更要注重课程的交叉性与综合性，还要引入交叉学科研究的最新成果，使研究生了解学科发展动态。另外，跨学科研究生可以在不同实验室进行学习，提高自身能力，积极参加学校或学院组织的学术交流、多听跨学科的学术报告和学术讲座等。
此外，还要注重激励机制，目前，许多高校及科研院所在评估科研人员的业绩时，过于注重甚至只考虑第一作者的贡献，其他作者的贡献忽略不计，这样非常不利于跨学科研究的培养，影响积极性。许多生物信息学的研究是和其他的生物学科交叉发展的，第一作者贡献固然大，其他位次的也要适当的考虑，这样才能使得研究生的跨学科教育快速发展。
4.3 重视导师与研究生的跨学科研究 跨学科研究生的水平高低c导师的学术水平、综合能力等有直接的关系，因为导师对研究生选题、技术路线等方面具有很大的指导作用。研究生在跨学科上也应高度重视，储备知识，拓展思维，这样和导师进行的跨学科沟通时才能顺利进行，有利于发展。导师方面，我们倡导的多导师制，也就是我们常听说的还有副导师，这样更能有效地培养研究生的全面知识与试验技能，有助于跨学科的创新性。培养跨学科的生物信息生学研究生的知识与技能，多导师制更值得提倡，因为其中涉及很多软件知识、计算机知识、生物学知识等多个学科的知识和技能，这样可以相互补充，有助于问题的解决。
我国研究生教育具有多层次性、多类型的人才培养模式，但跨学科人才培养仍处在探索阶段，存在很多制约因素，但跨学科研究生培养对于培养创新型人才有着及其重要的作用，可能成为培养交叉学科人才、创新人才的有效途径。
参考文献
[1]炎冰，宋子良.交叉学科概念新解[J].科学技术与辩证法，1996，13（4）：51-54.
[2]林崇德，罗良.建设创新型国家与创新人才的培养[J].北京师范大学学报（社会科学版）2007，1：29-34.
[3]何沐蓉，朱浩，常军武.跨学科培养生物医学研究生[J].学位与研究生教育，2011，7（7）：11-16.
[4]贾川.我国高校跨学科研究生培养机制研究[D].长沙：国防科学技术大学，2008.
生物信息学方向范文第6篇
单链抗体除本身的治疗作用外，还可作为载体与细胞因子等结合，构建成双功能抗体用于肿瘤的导像治疗。据文献报道［1~3］各衍生因子两个完整基因融合成单一蛋白，经抗肿瘤活性检测发现，融合蛋白具有双重活性，但融合蛋白的亲和性及抗肿瘤活性分别较衍生因子的功能及活性有所变化，可能由于融合蛋白结构变化导致功能及活性的变化。利用生物信息学网络资源分析融合蛋白的二级结构及其理化性质，为进一步探讨单链双功能抗体基因融合蛋白提供依据。
1双功能抗体的研究进展
随着分子生物学的发展，肿瘤的药敏基因治疗成为各国学者研究的热点［3~5］。将目的基因导入靶细胞是基因治疗过程中的一个重要环节，因为目的基因导入靶细胞效率的高低将直接影响基因治疗的效果甚至成败。由逆转录病毒介导的基因转移所面临的最大问题是病毒转导效率较低，原因之一是由于包装后难以得到稳定产生较高滴度感染性逆转录病毒的包装细胞系。单链抗体（ScFv）是由Fv抗体衍生而来，将抗体重链可变区和轻链可变区通过一段连接肽连接而成，ScFv具有天然抗体的亲和力，而分子只有完整抗体的六分之一。具有分子小、穿透力强、容易进入实体瘤周围的血液循环等特点，体内应用具有较大的分布容积和较高的组织分布比例，ScFv是构建双功能抗体，双特异性抗体等多种新功能抗体分子的理想元件。一个蛋白或蛋白片段可以融合到ScFv片段上以配备附加的性质，如免疫毒素的产生，是通过将一个肿瘤特异的ScFv或Fab融合到一个内源化能杀死靶细胞的毒素上。许多细胞特异抗体可将试剂传递到肿瘤部位发挥其细胞毒元件的作用。肿瘤特异性抗体片段已经与细胞因子融合［4~8］。在这种情况下，称免疫细胞因子的分子注射到患者体内，在肿瘤细胞表面积聚，可以激活肿瘤附近的T淋巴细胞。这些融合蛋白内在的肿瘤结合活性允许使用低浓度，没有通常与系统细胞因子注射相关的副作用。
细胞因子融合蛋白均具有衍生因子的双重活性，其中有一些的活性较各自野生型低，或者与野生型因子的相加一致，或者其活性高于衍生因子的相加活性，人工构建的新蛋白可能具有与衍生因子无关的新活性［9~11］。事实证明：具有不同功能域的复合蛋白质以及连接肽的设计是今后寻找新的治疗因子的有效途径和研究方向。生物信息学可以促进药物的发现和开发过程，即充分利用生物信息学的生物学和遗传学信息来寻找和开发以基因为基础的药物。
2双功能抗体的表达及其生物学性质的预测
对于cDNA序列包含一个完整的蛋白质编码区，重要的则是分析所编码蛋白质的功能。蛋白质序列的生物信息学分析是从理论分析迈向实验研究的最为重要的部分。如果拟对所感兴趣的基因投入实验研究，那么，基于生物信息学获得尽可能多的关于该基因/蛋白质的信息是十分重要和极其重要的，尤其是当采用生物信息学的分析得到其结构功能域的信息后，将对研究思路的制定提供重要的指导信息［12，13］。
传统生物学认为，蛋白质的序列决定了它的结构，也就决定了它的功能［14，15］。因此，随着近10年来生物学分子序列信息的爆炸性增长，大大促进了各种序列分析和预测技术的发展，目前已经可以用理论预测的方法获得大量的结构和功能信息，用生物信息学的方法，通过计算机模拟和计算来“预测”出未知蛋白质信息或提供与之相关的辅助信息，可以用较低的成本和较快的时间就能获得可靠的结果［16~18］。重组融合蛋白是通过DNA重组的方法，将功能上相关的两种蛋白用连接肽连接，以达到优化蛋白功能的目的，如免疫毒素和细胞因子融合蛋白，并已用于肿瘤治疗。我们在构建融合蛋白之后，运用生物信息学资源DNAssist核酸序列分析软件分析ScFv-TNF-αDNA序列翻译并获得了氨基酸序列，蛋白质分析软件（ANTHEPROTV5）分析融合蛋白的二级结构及其理化性质。利用生物信息学网络资源进行分析预测融合蛋白的性质，为进一步探讨单链双功能抗体基因融合蛋白提供依据。构建重组导向的融合蛋白［19］，通过重组PCR方法在编码ScFv与TNF-α的碱基之间引入酶切位点，并克隆到逆转录病毒表达载体PLxSN上表达，用脂质体转染法转染PA317包装细胞，G418筛选10天后共挑选50个细胞集落，扩大培养后测定29个细胞集落的病毒滴度，筛选出一株cfu>1×109/L的感染性重组病毒产生细胞系C26。【参考文献】
1StrubeRW，ChenSY.Characterizationofanti-cyclinEsingle-chainFvantibodiesandintrabodiesinbreastcancercells：enhancedintracellularstabilityofnovelsFv-F(c)intrabodies.JImmunolMethodsK，2002，263(1-2)：149-167.
2KimEJ，ChoD，HwangSY，etal.Interleukin-2fusionproteinwithanti-CD3single-chainFv(sFv)selectivelyprotectsTcellsfromdexamethasone-inducedapoptosis.Vaccine，2001，20(3-4)：608-615.
3PengLS，PenichetML，DelaCruzJS，etal.Mechanismofantitumoractivityofasingle-chaininterleukin-12IgG3antibodyfusionprotein(mscIL-12.her2.IgG3).JInterferonCytokineRes，2001，21(9)：709-720.
4ScherfU，BenharI，WebberKO，etal.Cytotoxicandantitumoractivityofarecombinanttumornecrosisfactor-B1(Fv)fusionproteinonLeYantigen-expressinghumancancercells.ClinCancerRes，1996，2(9)：1523-1531.
5ChenP，ChenCQ，YaoLB，etal.ReconstructionandanalysisofaHumansmallmolecularantibodytotumornecrosisfactoralpha.ShengwuHuaxueYuShengwuWuliXuebao，2001，33(1)：71-76.
6WuestT，GerlachE，BanerjeeD，etal.TNF-Selectokine：anovelprodruggeneratedfortumortargetingandsite-specificactivationoftumornecrosisfactor.Oncogene，2002，21(27)：4257-4265.
7MaJ，LiZ，LuoD.Singlechainantibodyvaccinationinmiceagainsthumanovariancancerenhancedbymicrospheresandcytokines.JDrugTarget，2003，11(3)：169-176.
8BremerE，KuijlenJ，SamploniusD，etal.Targetcell-restrictedand-enhancedapoptosisinductionbyascFv：sTRAILfusionproteinwithspecificityforthepancarcinoma-associatedantigenEGP2.IntJCancer，2004，109(2)：281-290.
9TrevorKT，HershEM，BraileyJ，etal.TransductionofhumandendriticcellswitharecombinantmodifiedvacciniaAnkaravirusencodingMUC1andIL-2.CancerImmunolImmunother，2001，50(8)：397-407.
10NiethammerAG，XiangR，RuehlmannJM，etal.Targetedinterleukin2therapyenhancesprotectiveimmunityinducedbyanautologousoralDNAvaccineagainstmurinemelanoma.CancerRes，2001，61(16)：6178-6184.
11LiuX，ZhangL，ZhangM，etal.Co-modificationofIL-2-TNFalphafusiongeneandB7.1genetomurinebreasttumorcellsleadstoimprovedtumorrejectionandvaccineeffect.ChinMedJ(Engl)，2000，113(2)：167-171.
12张成岗，贺福初.生物信息学方法与实践.北京：科学出版社，2002，126-136.
13黄韧，薛成.生物信息学网络资源与应用.广州：中山大学出版社，2003，237-306.
14GuexN，PeitschMC.SWISS-MODELandtheSwiss-PdbViewer：Anenvironmentforcomparativeproteinmodelling.Electrophoresis，1997，18(15)：2714-2723.
15GuexN，DiemandA，PeitschMC.Proteinmodellingforall.TiBS，1999，24(9)：364-367.
16ClaverieJM.Effectivelarge-scalesequencesimilaritysearches.MethodsEnzymol，1996，266：212-227
putationalgeneidentification.JMolMed，1997，75(6)：389-393.
生物信息学方向范文第7篇
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
生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。
生物信息学方向范文第8篇
【关键词】生物信息学序列比对动态规划算法
一、背景与意义
随着人类基因组计划的顺利实施和信息技术的迅速发展，GeneBank、EMBL和DDBJ国际三大核酸序列数据库数据量呈指数增长。生物学家、数学家和计算机科学家都面临着一个相同的并且严峻的问题，如何利用、表达这些数据进而分析与解释基因序列间的潜在关系，从中发掘出对人类有利的信息。为迎接挑战，一门涉及生物、数学、物理、化学、计算机科学等诸多科学的新型学科应运而生，并且日益成为二十一世纪自然科学的核心领域之一。
生物信息学的主要研究对象是DNA序列和蛋白质序列，主要通过分类、分析和检索核苷酸序列或氨基酸序列，获取基因编码和调控、代谢途径、DNA和蛋白质结构功能及其相互关系等各方面的知识。所以在生命起源、生物进化以及细胞、器官和个体的出现、生长、病变、消亡等生命科学问题中，生物信息学都起着非常重要的作用。生物信息学是发现生命科学问题中的基本规律和时空联系，发掘生物序列数据中蕴含的生物学意义的交叉学科[1]。
在生物信息学中，序列比对是最基本、最重要的操作。对于基因序列，通过比对可以推测出哪个基因家族可能包含该序列，并可以推测出该序列可能具有的生物学功能；对于蛋白质序列，通过比对可以推测出该序列可能的功能和结构，并可以找出与它同源的蛋白质序列。所以在生物信息学中，序列比对具有非常重要的意义和实用价值。目前，国际上提出了众多经典的比对算法，也开发了众多的序列比对软件。但对于同一组序列，不同的软件采用不同的序列比对算法，其运算速度和比对结果都有很大差异。有些软件考虑了比对结果而运行时间较长，而有些软件运算速度很快比对结果却不理想。一般情况下两者不能同时兼得。所以，对于序列比对算法的研究还有待继续深入。
二、多序列比对的研究现状及发展趋势
多序列比对是双序列比对的一般性推广。由于核酸数据库容量的增长呈指数级，序列比对的数量通常都会远远大于两个，使用动态规划算法来解决比对问题已经是不可行的了，这使得多序列比对成为一NP难题。为了解决这一难题，人们提出了许多近似算法。
2.1动态规划算法
多序列比对最早采用的是动态规划算法来解决。动态规划算法中最为经典的是Needleman-Wunsch算法，其解决思路是把整个问题分解成多个相互联系的子问题，通过依次解决每个子问题，从而解决整个问题。动态规划算法最初用于求解两个序列的比对，当把动态规划的基本思想推广到多序列比对时，3个很短序列的比对还可以顺利进行。比对序列的数量如果超过3个，由于需要很大的存储空间和很长的运行时间，比对根本无法进行下去。所以多序列比对问题不能采用动态规划算法来解决。Carrillo和Lipman等人对该算法进行了改进，提出了Carrillo-Lipman算法，通过减少存储空间将序列比对的数量提高到10。2004年，唐玉荣等人对动态规划算法进行了优化[2]，与基本动态规划法敏感性相同，但降低了算法的时间复杂度，并在减少存储空间方面也有一定的效果。
2.2启发式算法
目前，绝大多数算法属于启发式算法，包括星比对算法，渐进式比对算法，迭代细化方法等。其中应用最早的是星比对算法，而应用最广并且效果较好的是渐进式比对算法。Hogeweg和Hesper首先提出渐进式比对算法，而后Feng和Taylor对其加以完善。与动态规划算法相比，该算法在计算速度、存储空间和序列数目等方面都更加优良。并且，渐进式比对算法能够直接用于构造进化树，反映序列间的进化关系。2005年，段敏等人提出了一种用减少序列比对过程中总评分的方法来达到局部优化目的的多序列比对算法[3]。启发式算法虽然在一定层度上减少了算法的运行时间和存储空间，但都有一些不足之处。星比对算法中，无论采用何种方法并不能保证找到的序列是最好的中心序列。渐进式比对算法中，构造的指导树有时不一定真正反映系统的进化信息，根据指导树渐进比对容易产生局部最优化问题。迭代细化算法中，无法采用何种迭代策略得到的结果最优。
2.3随机算法
多序列比对中，应用最多的随机算法有遗传算法、模拟退火算法和粒子群算法等。遗传算法是一种全局意义上的自适应随机搜索方法，它借鉴生物进化规律，模拟生物进化过程中的一系列事件，包括突变、和选择，最终得到一个优化解。模拟退火算法则是模拟物理中的退火过程并结合复杂系统中的组合优化之间的相似性来寻找最优解。2008年，向昌盛等人提出了将遗传算法和模拟退火算法相结合的遗传退火进化思想[4]，设计了运用该思想进行多序列比对的算法过程，实验结果表明该算法是行之有效的。2011年，徐小俊等人针对粒子群优化易陷入局部最优、收敛速度慢的现象，提出了一种分段取值惯性权重（SW）方法[5]，该方法在解决多序列比对问题时可以有效地避免算法早熟，并提高解的精度。
2.4分治算法
分治算法是把一个大问题分解成若干个小问题来解决。Stoye提出了一种新的分治算法DCA，将Carrillo-Lipman算法引入进来。在不影响特征表现的前提下，把序列分割成完全满足Carrillo-Lipman算法长度要求的子序列，使用Carrillo-Lipman算法进行序列比对。2000年Stoye又提出了一种OMA算法，以达到减少存储空间的目的。2009年，业宁等人设计了一个DCA-ClustalW算法来解决多序列比对问题[6]，从纵向和横向两个方面将复杂问题简单化，并在BaliBase基准数据集上测试了算法的可行性。
2.5其他算法
2006年，陈娟等人给出了多重序列比对的蚁群算法[7]，结果显示蚁群算法可以有效解决多重序列比对问题并具有自适应性、鲁棒性等特点。而文献[8，9]针对蚁群算法易于陷入局部最优解、收敛速度慢等问题，提出了改进的方法。
三、结论
生物信息学中最基本和最核心的问题之一就是多序列比对。由于多序列比对处理的数据越来越庞大和复杂，所以其算法对计算精度和运算速度的要求也越来越高。如何能快速有效的获得比对的结果，一直苦恼着众多的学者们。
参考文献
[1]孙啸，陆祖宏，谢建明.生物信息学基础.北京：清华大学出版社，2005，10-17
[2]唐玉荣，一种优化的生物序列比对算法.计算机工程与设计，2004，25（11）：1936-1945
[3]段敏，许龙飞.生物DNA序列比对算法研究.佳木斯大学学报，2005，23（2）：153-158
[4]向昌盛，周建军，周子英.模拟退火遗传算法在生物多序列比对中的应用.湖南农业科学，2008，（4）：29-34
[5]徐小俊，雷秀娟，郭玲.基于SWGPSO算法的多序列比对.计算机工程，2011，37（6）：184-186
[6]业宁，张倩倩，许翠云.一种多序列比对分值算法DCA-ClustalW.计算机与数学工程，2010，38（11）：30-33
[7]陈娟，陈.多重序列比对的蚁群算法.计算机应用，2006，26（6）：124-128