生物信息学的研究方向范文
时间：2023-12-04 18:07:53
导语：如何才能写好一篇生物信息学的研究方向，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
关键词： 生物信息学 研究生教学 实践
1.引言
生物信息学（bioinformatics）是一门新兴的交叉学科，生物学与医学、数学、计算机科学是其中三个主要组成部分。生物信息学作为跨越生命科学和信息科学两大热点领域的学科，拥有蓬勃的生命力。面对人类基因组计划所产生的庞大的分子生物学信息，生物信息学的重要性已越来越突出，它无疑将会为生命科学的研究带来革命性的变革。［1］［2］国内外对生物信息学的人才需求也在激增。
目前，生物信息学在我国尚处于起步阶段，因为要进行生物信息学的研究，对人员要求很高，需要深厚的生物大分子结构和功能方面的背景知识，需要扎实的应用数学或统计学知识，还需要精通计算机，至少得具备三者之二。但实际情况是大部分从事生物学研究的人不熟悉计算机，而从事计算机科学的人员多数又缺乏对生物学的了解。尽管如此，生物信息学的教育在国内外高等院校及科研机构越来越普及。据不完全统计，我国超过30个高校或科研机构开设生物信息学专业课程。［3］这些研究与教育一般分散在多个系所属的多个专业中，如生命科学院（北京大学等）、计算机学院（哈尔滨工业大学等）、理学院（天津大学等），我校是由计算机学院开设全校公共课。不同学校根据自身的情况，在开设生物信息学这门课时，侧重点都不一样。如果由医学院的教师授课，则侧重点可能在致病基因的研究方面，［4］计算机专业教师授课则可能侧重于数据库的管理、查询等方面，［5］理学院的教师授课则可能侧重于生物信息学中的数学问题。笔者是计算机专业出身的，研究方向为图像处理与模式识别，所以主要从计算机和数学的角度去授课。另外，研究生教学又与本科生教学［6］不同，研究生教学更加应该注重培养学生的主动学习意识和综合能力。笔者将教学实践中的心得进行了初步的总结，以供商榷。
2.注重培养学生的学习兴趣
从培养学生的学习兴趣出发，在课堂教学过程中，充分利用丰富的网络资源，如图像、视频等。比如在介绍模式生物时，可以给出各种模式生物的图像；在介绍各种各样的生物数据库时，可以在课堂上现场上网登陆数据库，演示和介绍各个数据库的特点和使用方法等。研究生不同于本科生，本科生可能比较习惯于教师的灌输性教学，而研究生教学更加鼓励学生主动自觉地学习。这从“研究”一词的英文解释“re-search”――再（“re-”）探索（“search”）中也可以看出。教师在研究生学习过程中主要起引路的作用，而不可能手把手带着学生研究。生物信息学更是如此，它是一门新兴的交叉学科，很多理论和研究内容还不成熟，需要科学工作者不断地探索。因此，通过生动形象的启发式课堂教学，培养学生的学习兴趣，对学生以后的进一步研究有着重要的作用和意义。
3.注重培养学生的综合素质
在生物信息学的上课过程中安排几次学生的课堂报告。具体做法是：由教师或学生在国外重要期刊（如Bioinformatics）或会议上找与学生自身的研究方向比较相近的生物信息学方面的最新文献，然后几个学生一组共同针对某几篇文献进行阅读、理解，最后以报告的形式跟大家一起交流和讨论。在这个过程中，可以培养学生的如下几个方面的能力：
（1）搜寻资料的能力。现在网络非常发达，网络资源也非常丰富，如何从纷繁复杂的网络资源中找到自己所需的资料不是一件容易的事。学生可以通过学校购买的数据库进行查找适合自己的文献资料，也可以通过搜索引擎进行查找。通过这个过程，学生可以了解有哪些数据库可以利用，哪些网站资源比较丰富，以及选择什么关键词进行查找比较有效，等等。
（2）阅读外文文献的能力。学生在本科阶段一般没有读外文文献的习惯，而进入研究生学习阶段，为了了解和研究国际前沿领域，就必须阅读大量外文文献，毕竟国外的科技实力在很多方面还是处于领先位置的。给学生指定几篇优秀的外文文献进行阅读和理解，可以一定程度上锻炼学生阅读外文文献的能力。因为要想真正理解文献的内容，就必须对文献进行仔细认真的阅读和研究。
（3）团结协作的能力。每个课堂报告都是由几个学生共同参与完成的，在这过程中有组织协调和分工的问题，这需要大家共同努力，团结协作。团结协作在当今社会越来越被推崇，所以培养学生团结协作的能力对于他们以后进入社会很有帮助。从实际执行的情况看，效果还不错。比如有的学生数学基础好，他就负责理解文献中的公式和算法部分；有的学生计算机能力比较强，他就负责编程实现、课件制作等。
（4）口头表达的能力。课堂报告的最后陈述和讨论可以锻炼学生的口头表达能力。有的学生平时很少有作报告的机会，所以口头表达的能力得不到锻炼。本课程提供给学生一次口头表达能力锻炼的机会，让学生体会到如何组织报告内容、如何把自己理解的内容介绍给听众是比较有效的，是容易被大家理解和接受的。
4.理论与实践相结合，鼓励交叉性研究
为了做到学有所用，笔者从每个学生自身的研究方向出发，为每个学生指定与其研究方向相关的生物信息学方面的最新文献进行阅读和理解。鼓励学生进行跨学科切交叉性研究，将所学的生物信息学知识应用于实际的研究中，或者利用已掌握的知识促进生物信息学的研究。比如课堂上的计算机学院的学生有研究图像处理与模式识别的，就给他们安排一些生物图像处理、基因识别等方面的文献。这种交叉性的学习和研究，有可能激发学生的灵感，获得比较大的创新性成果。
5.结语
生物信息学课程教学的实践表明，学生经过这门课程的学习，学到了一定的内容，如对生物信息学这门课有了比较清楚的了解和认识、综合素质得到了一定的提高、找到了一些适合自己的研究切入点等。总的来说，教学效果不错，但还需要进一步探索，进一步完善。
参考文献：
［1］张阳德.生物信息学［M］.北京：科学出版社，2005：1-15.
［2］郝柏林，张淑誉.生物信息学手册［M］.上海：上海科学技术出版社，2002：1-10.
［3］许忠能.生物信息学［M］.北京：清华大学出版社，2008：8-17.
［4］曹骥，黎丹戎.浅谈医学生物信息学的教学模式［J］.广西医科大学学报，2007，（24）：122-123.
篇2
关键词：生物信息学；考试；网络
生物信息学（Bioinformatics）是建立在分子生物学的基础上，随着20世纪90年代人类基因组计划的实施以及高通量自动化测序技术的应用而诞生的。生物信息学是以DNA和蛋白质序列等数据为核心，综合运用高等数学、计算机科学和生物学工具，通过数据库的建立、生物学数据的检索、生物学数据的处理、生物学数据的利用（计算生物学）等，以达到诠释数据中的生物学意义的目的。目前生物信息学的主要的研究方向有：序列比对、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及建立进化模型等。[1，2]生物信息学作为一门新型交叉学科，我国很多高校先后在生物科学、生物技术和基础医学等专业开设了生物信息学课程。此外，北京大学、清华大学和浙江大学等部分高校还在高校招生中增设了生物信息学专业。按照教学规律，生物信息学是在学生掌握生物化学、遗传学、分子生物学以及计算机应用等相关知识的基础上开设的。通过生物信息学课程的学习，不仅可以加深对分子生物学和基因工程等课程的理解，而且可以为进一步学习基因组学（Genomics）和蛋白质组学（Protemics）奠定基础。[3]我校在国内较早地涉足该课程的教学工作，笔者于2007年开始在生物技术和生物科学专业本科生中开设了生物信息学课程，其中生物技术专业作为必修课程，生物科学专业列为选修课程。对本科生而言，通过该课程的学习，要求获得如下生物信息学的知识和技能：（1）熟练掌握和使用生物信息学中的相关数据库，包括DNA序列数据库、蛋白质序列和结构数据库、已测定全序列的动植物和微生物的完整基因组数据库以及国内外文献数据库。（2）熟练掌握DNA和蛋白质序列的同源性比较和分析。（3）能分析DNA序列转录翻译成氨基酸序列的结构和功能。（4）熟练掌握生物信息学常用的分析软件。实际操作能力是生物信息学教学过程中需要重点培养的能力。另一方面，考试是对学生知识和能力的一种测量，它的功能是量化学生的知识和能力，以及通过考试促进学生的知识和能力的增长提高。考试是教学过程中的一个重要的环节，是检查学生对所学知识的掌握程度、应用所学知识的综合能力及衡量教师教学效果的主要形式，它可以督促学生全面系统地复习和巩固所学的知识和技能，是评定学生成绩的有效手段。科学、合理的考试，可以使学生明了学习的差距，自动调节学习方向，充分发挥学生学习的主观能动性，教师亦可通过考试了解教学效果，调节和改进教学内容和教学方法，充分发挥考试的导向作用，提高教学质量。[4，5]
一、常规考试方法在生物信息学课程考试中存在的问题
常规传统的考试方式是每位学生使用同一份完全同的试卷，在同一时间中进行考试。对于生物信息学课程来说，由于其课程的特点所限，在考试整个过程中，为了完成试卷中操作题的解答，需要使用联网的计算机，因此，生物信息学课程常规的考试方式是每位学生发给考题完全相同的纸质试卷，学生将答案写在纸质的考卷上，其中操作题利用联网的计算机完成操作后将答案写在纸质的试卷上。我们自2007年开始经过5年的教学实践发现，常规传统的考试方法存在一些亟待解决的问题。由于参加考试的每位学生是同一份完全相同的试卷，同时考试过程中必须使用联网的计算机，根据考试结果中出现少量完全雷同的卷面显示，虽然考试过程中有监考教师的严格监督和巡查，依然有少量的学生通过计算机联网的及时在线信息系统，如：QQ、MSN、e-mail等，相互传递试题的答案并进行比对，因此，在客观上难以彻底杜绝考试作弊现象。鉴于这种情况，迫切需要探索一种新的考试方式，克服传统考试方式的局限性，以适应生物信息学课程的特点和需要，达到更加客观、科学、公正地评价学生考试和课程成绩的目的。
二、新的考试方法的探索——网络考试系统的构建
为解决上述生物信息学课程考试中出现的问题，笔者构建了生物信息学网络考试系统，以便替代传统的考试方法（图1）。本考试系统具有以下特点：
第一，建立较大容量的试题库。试题库中题型包括选择题、判断题、简答题和操作题等四种题型，分别含有500、100、50和50道题。每套完整的试题满分为100分，其中设置为选择题50分（每题1分，共50小题）、判断题10分（每题1分，共10题）、简答题20分（每题5分，共4题）、操作题20分（每小题10分，共2题），每套试卷也可以根据考试需要重新设置每种题型的分值和题目数量。试题库题目主要以《基础生物信息学及其应用》和《简明生物信息学》等教材为依据。[6，7]题库中的题目考核内容涵盖教材的所有章节和主要知识点，其中的操作题目覆盖课程的重点教学内容。
第二，自动随机组卷。随机组题方式设置2种，一是全体参加考试的学生试卷中所有试题都相同，但每道题目的题号前后顺序有别；二是每位学生的试卷中不仅试题的题号顺序不同，而且试题也不完全相同。两种组题方式各有利弊，前者能保证每位学生的试卷难度系数完全相同，但只是学生的试卷中试题的顺序不同，题目依然还是相同的；后者则能保证彻底杜绝参加考试的学生通过互联网比对试题答案的可能，但由于每位学生的试题不同，因此可能导致不同的学生之间的试题难度系数存在一定的差异。两种不同的组题方式还有待在今后的教学实践中进行比较和科学选择。
第三，自动阅卷和人工阅卷方式相结合。阅卷方式中设置客观试题（包括选择题和判断题）自动阅卷和自动评分，主观题（包括简答题和操作题）采用在计算机上人工阅卷。同时也留有全部设置为人工阅卷的后台操作系统。
第四，考试时间设置倒计时。可以按照学校的考试时间安排，设置固定时长的考试时间，考试开始后设置的固定时长开始倒计时，到点后自动保存试卷和答案并关闭考试系统。参加考试的学生也可以点击按钮保存试卷和答案提前交卷。此外，考试系统主界面还设置了课程的一些相关信息（如授课教师、学校名称、课程简介等），并设置将来将考试系统转入网络课程一部分的链接，为将来进一步改进和发展该考试系统提供了窗口。
科学、合理、公正的考试，对课程教学可以起积极促进作用，激发学生学习的积极性，培养学生的创新能力，有利于学生个性的发展；反之，则不仅不利于教学，而且会挫伤学生学习的积极性和自尊心，阻碍学生创造力和个性的发展。笔者构建的网络自动组题的生物信息学考试系统能较好地实现生物信息学课程的客观公正的考试，在客观上彻底杜绝考试作弊现象的发生，达到科学检测学生对生物信息学课程基础知识和操作能力掌握的情况，客观公正地评价学生的考试成绩和课程成绩。
参考文献：
[1]戴凌燕，姜述君，高亚梅.《生物信息学》课程教学方法探索与实践[J].生物信息学，2009，7（4）：311-313，319.
[2]张纪阳，刘伟，谢红卫.生物信息学课程研究性教学的实践与思考[J].高等教育研究学报，2011，34（4）：51-53，57.
[3]向太和.我国现有《生物信息学》教材和网络资源的分析[J].杭州师范学院学报（自然科学版），2006，5（6）：495-498.
[4]赵晴.考试方法改革的研究与实践[J].中山大学学报论丛，2001，21（1）：144-146.
[5]高艳阳，张峰.高校考试方法改革研究综述[J].理工高教研究，2003，22（6）：100-101.
[6]蒋彦，王小行，曹毅，等.基础生物信息学及其应用[M].北京：清华大学出版社，2003.
[7]钟扬，张亮，赵琼.简明生物信息学[M].北京：高等教育出版社，2001.
篇3
生物信息学教学模式探索任务引领生物信息学是用数理和信息科学的观点、理论和方法研究生命现象、组织和分析呈现指数增长的生物医学数据的一门学科，它是生物医学、数学、信息科学以及计算机科学等诸多学科的崭新交叉学科。生物信息学几乎是今后所有生物（医药）研究开发所必需的工具。
21世纪是生物科学的世纪。近年，我国生物技术公司对生物信息学人员的相关需求也迅速增加，浙江理工大学生命科学学院生物技术专业在进行了行业调研并进行专业课程体系构建研究后，于2006年定位和开设了生物信息学课程。该门课程经过8年多的建设后，对教学团队的建设、课程目标的设定、教学内容及教学教法的选择等方面进行了卓有成效的探索，这些探索所形成的结论，可为即将开设或正在进行该课程教学改革的学校提供可借鉴的经验。
一、生物信息学的课程特点
诺贝尔奖获得者W.Gilbert1991年提出了这样一个观点：传统生物学解决问题的方式是实验的，而现在，基于全部基因都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的，是一个科学家先从理论推测出发设定研究目标，然后再回到实验中去追踪或验证这些理论假设。而生物信息学研究正是从英特网上源源不断地采集数据，进行分析、归类与重组，发现新线索、新现象和新规律，用以指导实验工作设计，是一条既快又省的研究路线。它对于找寻一个研究项目的突破口是非常重要的，选定合适的研究出发点，可避免许多不必要的重复，最大程度节约研究资源，使研究成果最大化。鉴于该门技术对生物科学的理论、实践要求以及对信息技术掌握的要求，生物信息学课程与其他课程的教学有很大不同。
1.在课程目标定位中，提高学生对相关网络资源的使用能力是该门课程的重要目标之一。学生必需使用强大的搜索功能实现数据储存、检索和分析，学校在教学资源配置上必需向此倾斜。
2.该门课程学科交叉性强，所涉及的生物及计算机等学科的相关知识更新都很快，导致其理论和实践内容不断推陈出新，这使得在教学内容选择上要紧跟这些更新，不断进行调整。
3.课程教学实践性强，同时涉及生物技术专业实践和计算机应用技术的实践，这需要教师在授课过程中根据学生的学习规律合理安排实践项目，发挥好这两种技术的协同作用。
二、生物信息学课程教学模式探索
1.教学目标与其所培养学生的核心技能
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与授课对象的实际情况。经过对该门课程教学对象的研究发现，在生物专业课程体系下培养的本科生，其前导课程主要集中在生物领域，通常没有系统的学习过计算机、信息技术、编程等知识。对信息检索、模型建立、软件的识别及应用的能力相当薄弱。因此，本门课程将提高学生的信息技术能力也作为一个重要的课程目标。学生在本门课程中将学习与生物技术相关的各种数据库和软件的使用。当然，对学生信息技术能力的要求也定位在能使用、会使用就行，不需要将学生掌握生物数据库构建和软件开发作为课程教学的目标。
在课程目标的设定过程中，应牢记高校对文化的传承的功能，要使学生了解生物信息学发展的历程。在生物信息学学科发展过程中所涌现出来的著名学者，众所周知的震撼人心、启迪心灵的奇闻秩事，能使学生对这门课程产生浓厚的兴趣，甚至更深刻地领会这门课程的含义。
熟练掌握生物数据库的检索和使用是生物信息学课程教学的首要目标。到目前为止，生物学数据库总数已达500个以上，在DNA序列方面有GenBank、EMBL和DDBJ等；在蛋白质一级结构方面有UniProt、SWISS-PROT、PIR和MIPS等；在蛋白质和其他生物大分子的结构方面有PDB等；在蛋白质结构分类方面有SCOP和CATH等。各数据库均通过Internet提供多种形式的数据检索服务。例如，NCBI-GenBank数据库就提供Retrieve（Email），Entrez（Web集成信息检索）及Query（Email集成检索）等多种方式的检索服务。这类检索服务是生物数据库所能提供的多种服务中最基本的信息共享和应用服务，也是生物专业学生和科研工作者经常使用的。在教学过程中需通过设计检索任务来完成对这些数据库使用方法的学习，如通过生物数据库检索家蚕profilin基因的相关信息。
增强学生使用生物信息处理软件的能力，是生物信息学课程教学的重要目标。在世界各地，科学家每天都要通过序列比对软件进行成千上万次的序列比对。学生需要通过课程的学习熟练掌握各种生物信息处理软件，有时还有必要进行一些简单程序的设计，进而掌握发现新线索、查找新规律的工具。例如，目前，借助于生物信息手段的蛋白质预测是提供蛋白质结构及功能信息的重要方法，对这种预测方法的学习将使学生更多更快地了解蛋白质的信息，加深对生物技术科学的理解和运用。除了生物数据库和生物软件使用学习外，还要着重体现生物学文献调研和阅读、论文撰写等基本能力的训练，如EndNote文献管理软件的使用。
2.教学内容选择和教学顺序的组织
生物信息学的课程教学内容的选择，要紧随生物信息学的发展方向，涵盖最前沿知识和最先进技术领域。与此同时，教学内容的选择还应充分考虑学生基础和对该门课程的需求。生物信息学选课学生通常有两类，一类是具有较为扎实的生物学基础的学生，他们学习目的非常明确，其学习重点在于提高对生物信息实验所得结果的分析解释和验证能力。另一类是生物学基础相对较弱的学生，这些学生主要是为了了解生物信息学发展前沿、掌握检索能力以及初步的分析技能，对分析、处理、预测结果的验证涉及不多。无论哪种学生，都比较欠缺信息技术方面的知识，因此，这类知识在前面部分介绍。而后面部分则随学生的类型有所改变，我们根据授课学生的分类选择不同的授课内容和授课重点，尝试据此来划分教学组织的各个阶段，在每个教学节点精心设置任务（如表1所示）。
与其他课程的教学一样，生物信息学课程的教学需遵守学生对知识的掌握规律，其内容的选择与安排应按照循序渐进的原则。从第一阶段到第二阶段，教学内容“由易到难”。随着教学过程的深入，课程内容更侧重于对生物信息学某一专业领域的引导，此时授课教师的指导更加重要，这类领域往往与开课院系专业的优势研究领域和导师研究方向相结合。
3.课程教学方法的改革
生物信息学是一门涉及知识面深刻而广泛，学生独立自学的难度很大的交叉科学。依据建构主义教学理论的特点，这类难度大、技术性和实践性强的课程要特别重视以学生为教学主体的教学方法，应尝试从任务引领入手，将生物信息学的一些重要学习内容逐步展现出来。
在生物信息学教学中，教学内容侧重于任务引领，设定与学生生活相贴近的、接合学科发展前沿的引领任务。例如，可以从高水平杂志（Nature、Science）上根据任务引领的关键词搜索综述，根据综述总结出该任务发展脉络，提炼教学任务，将较为抽象的计算机算法、生物学基础知识融于任务中，使学生有积极参与的意愿。及时将任务相关工具提供给学生，或是提前引导学生自己查询工具，使学生有完成任务的基础。
学生在每个节点都非常清晰地知道下个节点的主题，并在完成教师的任务过程中，构建局部知识框架，形成自己的见解。教师需在课堂上和课堂以外及时掌握学生对各个节点知识的掌握情况，找到学生的最近发展区，针对重点、难点解惑，提高教学效果。这样可以使选择的教学任务吸引学生、引领学科前沿，还能在教学过程与学生的互动中有效地实现教学相长。
4.重视切合课程设计的教材编写
生物信息学不同于其他学科，其很多内容和知识节点更新很快，很多最新成果必须教师根据生物信息学发展前沿及时整理和总结，其教学内容设置着重于保证教学内容的先进性和前沿性。教材的更新和修订周期较短，几乎每学期均需要重新修订。
2001年，教育部在[2001]4号文件中明确要求直属高校的“本科教育要创造条件使用英语等外语进行公共课和专业课教学”，在信息技术、生物科学、管理、金融、法律等专业力争在3年内使外语讲授的课程达到所开课程的5%～10%，尤其强调了生物科学更要先行一步。现实情况也使英文自编教材的编写刻不容缓，现在，绝大部分前沿生物数据信息（最主要的核酸和蛋白质）数据库均为全英文操作界面，操作者只有熟练掌握生物信息学英文术语才能自如地使用该系统，才能更有效的进行生物信息学的学习和研究工作。在英文自编教材编写时，理论部分的参考书我们精心应选定了具有非常严谨理论体系和反应了最前沿生物信息技术的《BIOINFORMATICS：Databases，Tools， and Algorithms》。编写时需要特别注意应依据教学设计来设定来序化任务，突出不同教学阶段的教学重点，使学生学习过程是个循序渐进的过程。我校采用的自编教材根据教学阶段共设置五个引领任务：
（1）Pubmed检索profilin基因研究进展；
（2）家蚕profilin基因结构分析与PCR扩增引物的设计；
（3）家蚕profilin基因同源序列的获取与进化树的构建；
（4）家蚕profilin蛋白二级和三级结构的模拟；
（5）家蚕profilin蛋白理化性质和功能位点的分析.
5.合理配置网络资源和多媒体教学资源
首先，学会利用互联网、计算机、数据库和应用软件进行生物信息分析的基本方法和技能本身就是生物信息学教学重点。以往普通的多媒体教室已难以提供一个交互式的网络化、信息化的教学环境，如果想上好生物信息学这门课程，网络资源和多媒体教学资源的应用，将贯穿于整个生物信息学课程（从任务下发及申领、任务控制及执行、任务完成结果检验与反馈）的整个教与学的过程。而我们通过极域电子教室和学校4A网络教学平台结合，较好的实现了生物信息学交互式的网络化、信息化的教学环境。
课前，教师通过网络平台将任务教学内容、任务序列、工具等传递给学生，学生通过登陆互联网络，利用网络资源和软件尝试完成预习任务。此处可以设置学情反馈点，教师通过网络论坛等形式掌握学生预习情况。授课过程中，教师利用教师机客户端的文件分发系统将任务教学内容、任务序列、工具等发送到学生桌面，再通过广播教学多媒体技术为学生形象的讲解任务内容以及完成方法。每位学生在教师的监督下在互联网上执行任务。教师在监控学生完成任务过程中，不断的得到学生任务进程的反馈，对于任务中学生出现共性问题，利用网络、广播教学或演示等形式及时解决。课下，学生同样可通过学校4A网络教学平台将任务报告、作业、问题和意见等反馈给教师，教师在平台上批改任务报告后将成绩和评语发送给学生，让学生及时了解自己的学习情况，师生还可以通过平台中的网络论坛进行问题讨论等。网络环境下的生物信息学任务引领式教学，不仅能提高学生的学习兴趣，还能创造更为有效的师生互动信息教学环境。
三、结束语
经过多年的生物信息学教学实践发现，如果想建设好生物信息学课程，我们需要设定非常清晰的教学目标，理清课程需要培养学生的核心技能；结合行业发展的技术前沿精心选择教学内容，合理序化教学顺序；要依据建构教学理论，重视以学生为教学主体的教学方法，尝试从任务引领入手引领学生学习，提高学生的学习兴趣；要重视切合课程设计的教材编写，理论部分引自精选英文参考书，设计教材结构应切合任务引领的教学方法；合理配置网络资源和多媒体教学资源，加强学生互动，为成功地实现“反转课堂”提供保障。
参考文献：
[1]张林，柴惠.现代教学手段在生物信息学教学中的应用[J].新课程研究，2011，219（4）：156-158.
[2]柴惠，赵虹，张婷.高等院校生物信息学双语教学课程建设之我见[J].中国高等医学教育，2010，（4）：83-84.
[3]Gilbert，W.Towards a paradigm shift in biology[J].Nature，1991，（349）：99.
[4]刘伟，张纪阳.“生物信息学”课程中研讨式教学实践[J].中国电力教育，2012，（23）：60-61.
[5]范丙友，贾小平，胥华伟.生物信息学课程教学改革与探索[J].大学教育，2013，（16）：61-62.
篇4
【关键词】云计算 生物信息学
下一代测序技术的应用产生了大量的测序数据，这对生物学特别是生物信息学在数据的存储、管理和搜索等方面带来了新的挑战。一直以来计算机存储和处理数据能力的增长速度都快于生物数据的增长速度，但2003年后，由于测序技术的发展使得测序成本大幅度下降，产生了大量的生物数据，计算机的存储和计算能力逐渐无法满足大数据的需求。这促进了云计算的运用和发展，它使得用户可以根据需求租用硬件设备和软件，避免了对硬件设备的大量资金投入和管理投入。
1 云计算定义
“云”是一个通过虚拟技术把云端计算机或是服务器连接在一起的服务网络。存储和分析数据都由“云”端的服务器或是计算机完成。中国云计算专家刘鹏给出如下定义：“云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。”
按照资源的共享水平，云计算的服务模式分为三种，基础架构即服务（Infrastructure as a service）， 平台即服务（Platform as a service）和软件即服务（Software as a service）。
IaaS（Infrastructure as a service） Service：基础架构即服务。它整合了基础设施如虚拟主机、存储设备、网络设备等资源成为一个服务平台提供给用户使用。IaaS位于网络的底层，向用户提供按需分配、按需付费的计算设备和存储设备。
PaaS（Platform as a service）提供服务平台，用户掌控运作应用程序的环境，可以在平台上应用，测试和开发软件。
SaaS（Software as a service）即在服务平台上提供软件供用户使用，用户只使用软件，不掌握操作系统、硬件等网络基础架构。用户不必自己安装软件，只需要浏览器连接到公共的服务平台即可。供应商会按照用户的要求安装所需的软件，并负责软件的升级和维护。
云计算的主要优点：
（1）把用户从安装和测试软件的工作中解脱出来。云计算平台可以按照用户的需求提供软件及硬件的服务。用户不需要考虑网络下面复杂的硬件架构，仅仅需要关注计算和分析就可以。
（2）按需租用计算资源可以让用户支付更少的费用。在云计算平台上，用户在最初时可以租用少量的机器，以后随着需求的增加或减少相应的增加或减少租用的机器。用户所付的费用就是实际租用机器的费用。
（3）云计算方便研究人员之间的数据共享和分析。不同研究者在本地服务器上安装的软件版本可能不同，所以共享数据和软件很困难。云计算可以使登录同一个平台的用户共享操作系统和所有的软件数据，保证了软件的版本同步更新。
2 云计算在生物信息中的应用
我们把云计算在生物信息学中的应用按IaaS， PaaS和SaaS三个方面分别介绍。
2.1 IaaS
用户租用云计算上的虚拟主机可以自己控制计算、存储等硬件设备，建立需要的计算环境。并且大量的生物信息学工具可以打包为虚拟镜像用于租用的云计算的虚拟主机上，可以很方便的进行多种数据分析。如CloVR提供的一个包含预配置和自动的生物信息学流程的虚拟主机，可以运行在本地的计算机上也可以运行在云计算平台上。这个虚拟机以Ubuntu和BioLinux为基础，安装了Grid Engine和Hadoop作为作业调度，Ergatis作为工作流系统，还有很多开源的生物信息学软件，如BLAST、16S rRNA等。用户也可以开发自己的软件运行在虚拟机上。Bioconductor是一个开源的关于R语言的生物信息学库，提供了一系列的软件包用于微阵列数据分析。用户可以下载Bioconductor提供的镜像安装到租用的云计算平台上。
2.2 PaaS
Galaxy Cloudman和Eoulsan可以看做PaaS。Galaxy整合了一系列的简单易用的工具，提供一个简易的网页用来分析数据。Galaxy Cloudman把Galaxy的软件工具打包成一个镜像，可以在AWS（Amazon Web Service）上应用。用户可以将其他安装在Galaxy平台上的软件安装到自己的云计算平台上，甚至可以在Galaxy Cloudman上定义插件。通过添加额外的工具，可以扩展默认函数并测试和使用。从这个意义上说，Galaxy Cloudman可以看做PaaS。
Eoulsan整合了很多下一代基因数据分析工具，如BWA，Bowtie，SOAP2，GSNAP，edgeR，和DEdeq于一个框架内，同时，它也支持用户自己开发的插件用于数据分析。
2.3 SaaS
很多传统的生物信息学工具如BLAST、UCSC Genome Browser仅仅用一个浏览器就可以登录到服务器使用相应的服务，它们也可以称为SaaS。这些服务一般由软件工具的开发者提供，伸缩性很差。我们主要介绍应用于云计算平台上可以伸缩的生物信息学工具。
短序列（读段）匹配是指将测序得到短序列匹配到参考基因组上，这是许多测序数据分析的第一步，如SNP识别和基因表达谱分析。CloudBurst，CloudAligner，SEAL和Crossbow都是应用于云计算基于MapReduce的软件，可以匹配数以百万计的序列。Schatz用”seed-and-extend”算法开发的CloudBurst可以确定错误匹配的数目。CloudBurst模仿了RMAP的算法，但速度提高了30倍。但是CloudBurst不支持fastq文件，并且不能处理重亚硫酸盐测序和（双）末端测序产生的数据。CloudAligner弥补了这个缺点，并且比CloudBurst快35%到80%。SEAL整合了BWA，在序列匹配时可以去除重复的序列，这对SNP识别和以后分析很有用。应用MapReduce的Crossbow整合了Bowtie和SOAPsnp，可以在几个小时内匹配数以十亿计的序列。
差异表达分析可以用来寻找不同样本中表达有明显差别的基因，而RNA测序（RNA-seq）用来量化样本中的基因表达水平。Myrna是一个云计算平台上计算大规模RNA测序的软件。它整合了序列匹配、归一化、聚类分析和统计模型，直接输出不同样本的基因表达水平和不同表达水平的基因。然而，Myrna 最大的缺陷是不能正确地将短序列匹配到外显子拼接位点上。但FX弥补了这个缺点。FX用改进的匹配函数分析RNA数据，以RPKM或是BPKM的格式输出不同基因的表达水平。
3 云计算面临的问题
云计算提供了强大的计算能力，但云计算自身的特点也使它的发展面临了一些困难和制约。云计算在生物信息学上的应用尚处于初期阶段，尽管已经出现了一定数量的生物信息学工具，但仍有很多的分析无法完成，很多的工具还需升级或者开发。云计算上数据的隐私性和安全性也是用户需要考虑的方面。特别是一些生物数据涉及到病人的隐私，但很多国家还没有保护这种数据隐私的法律。云计算服务提供商需要制定一些规则来保护用户的数据。
4 对应用云计算的建议
对于将要使用云计算的用户，需要考虑以下三个方面：数据规模、安全隐私和费用。
数据规模及安全隐私：首先要考虑你的数据规模是否超过了本地计算机的处理能力。现在本地的个人电脑可以处理数千兆的数据，服务器一次可以处理数百G的数据。如果用户熟悉并行计算的技术，可以处理数TB的数据。但如果你的数据更大并且不精通并行计算，本地计算机和服务器就很难处理了，就可以考虑云计算。用户如果要向云计算平台上传输数据，需要考虑数据的安全性和隐私性。比如涉及病人的隐私是否会泄露，云计算服务提供商是否可以保证数据的安全等。
费用：云计算的费用一般是按照使用的计算资源的多少和使用时间的长短计算的。使用云计算前应该评估其使用费用。用户应该考虑所有阶段的费用，如数据传输、保存、分析等。
目前，云计算和生物信息学都处在快速发展当中，云计算在生物信息学中的应用也越来越广泛和深入。特别是生物数据的大规模增涨，生物学家必须从大量的数据当中分辨出有用的信息。这就需要强大的存储能力和计算分析能力，云计算可以很好的解决这个问题。 云计算和生物信息学的结合将极大的促进生物学的发展。
参考文献
[1]刘鹏主编.云计算（第二版）[M].北京：电子工业出版社，2011（05）.
[2]Schatz MC，CloudBurst：Highly sensitive read mapping with MapReduce，Bioinformatics
25（11）：1363-1369，2009.
[3]Nguyen T，ShiW，Ruden D，CloudAligner：A fast and full-featured mapreduce based tool.for sequence mapping， BMC Res Notes 4：171，2011.
[4]Hong D，Rhie A，Park SS，Lee J，Ju YS，Kim S，Yu SB，Bleazard T，Park HS，Rhee H，Chong H，Yang KS，Lee YS，Kim IH，Lee JS，Kim JI，Seo JS，FX：An RNA-seq analysis tool on the cloud， Bioinformatics 28（5）：721-723，2012.
作者简介
李渊（1985-），男，河南省延津县人。硕士研究生学历。现为苏州大学系统生物学研究中心助理实验师。主要研究方向为实验技术。
篇5
【摘要】理论免疫学用数学的方法来研究和解决免疫学问题，以及对免疫学相关的数学方法进行理论研究的一门科学。随着高通量方法和基因组数据的出现，理论免疫学从受体交联和免疫原理、Jerne的相互作用网络和自我选择等经典建模方法开始向信息学、空间扩展模型、免疫遗传学和免疫信息学、进化免疫学、分子生物信息学和表遗传学、高通量研究方法和免疫组学等方面转变。
【关键词】免疫学, 理论；数学模型；生物数学
Advances of theoretical immunology
JIN Yan
（Basic medical college, Liaoning Universtity of Traditional Chinese Medicine, LIAONING Shenyang, 110032,）
【Abstracts】Theoretical immunology is to develop mathematical methods that help to investigate the immunological problems, and to study the mathematical theory on immunology. With the advent of high-throughput methods and genomic data, immunological modeling of theoretical immunology shifted from receptor cross linking, Jerne interaction networks and self-non self selection, toward the informatics, spatially extended models, immunogenetics and immunoinformatics, evolutionary immunology, innate immunity and epigenetics, high-throughput research methods and Immunomics. Immunology, Theoretical; Mathematical Models; biomathematics
理论免疫学[1]（Theoretical Immunology）是指用数学的方法来研究和解决免疫学问题，以及对免疫学相关的数学方法进行理论研究的一门科学。理论免疫学是免疫学与数学交叉的边缘学科，也称数学免疫学（Mathematical Immunology），是生物数学的一个分支。由于免疫现象复杂，从免疫学中提出的数学问题往往也十分复杂，需要进行大量计算工作，因此从近年兴起的复杂系统研究的角度来讲[2]，理论免疫学也称复杂免疫学（Complex Immunology）。理论免疫学的任务就是揭示免疫系统运行的规律和机制，及其病理机制。数学模型（Mathematical Models）和数据分析是理论免疫学的主要方法，计算机是研究和解决理论免疫学问题的重要工具。
虽然从上个世纪中期，数学模型已经开始应用于免疫学，但传统的模型大部分是基于微分方程[3]、差分模型和元胞自动机（Cellular Automata）[4]。这些传统模型以少数成份（一种受体和一种抗原，或两个T细胞群之间等）参与的简单动力学为主要研究内容。直到2000年，人们才开始对免疫学的复杂性进行数学建模。随着高通量方法（High Throughput Methods）和基因组数据（Genomic Data）的出现，理论免疫学开始转向信息学（Informatics）方面[5]。与分子免疫学的生物信息学（Bioinformatics）分析一样，当前免疫学研究中与复杂性有关的主要研究目标大多集中在高通量测量计划和系统免疫学（System Immunology）或免疫组学（Immunomics）计划。在数学模型水平上，分析方法也从以微分方程为主的简单系统转向广泛应用Monte Carlo模拟（Monte Carlo simulations）。这种向更多分子和更多计算的转变态势与复杂系统涉及的所有研究领域出现的转变极为相似。同时，理论免疫学中另一个重要转变是，人们关注焦点从对外源性的适应性免疫系统的转向更多考虑固有免疫系统的平衡。
1理论免疫学经典模型
免疫学是生物学的一个领域，很早就认识到了数学建模和数学分析方法的作用。早在上个世纪60年代和70年代，数学模型已经应用于免疫学的不同领域，例如：抗原-受体的相互作用、T和B细胞群动力学、疫苗接种、生发中心动力学、病毒动力学和免疫系统对病毒的清除[6]等。现在的许多免疫学原理和观点都是数学模型的结果。
1.1 受体交联和免疫原理
受体交联[7-9]（Receptor Cross Linking）和免疫原理（Immunon Theory）是由Alan Perelson提出、Carla Wofsy作了进一步分析。这个原理根据的事实是，低价抗原不能激活B细胞，而高价抗原（即抗原拥有多个重复基序）即使在抗原密度非常低（3-4目）的情况下也能够激活B细胞。Sulzer和Perelson[10-13]据此发展了这个理论和数学模型并提出，抗原能够聚集B细胞受体，从而激活B细胞。这个结论是B细胞免疫的基础之一。
尽管数学模型对免疫学发展的贡献的例子还有很多，但是免疫网络（Immunological Networks）的概念和自我选择（Self-Non Self Selection）问题占有相当重要的地位。
1.2 Jerne的相互作用网络
假设受体库（Receptor Repertoire）是满的，即受体库中每一个分子都有其相对应的受体，并且这些受体可以特异性地与其它受体相互作用。Jerne据此提出免疫调节网络[14]（Regulatory Immune Networks）的存在。抗原激活的淋巴细胞可产生新受体，这些受体对于其它淋巴细胞来说是抗原，等等，以此类推。这个网络的概念对理论学家来说很有吸引力，特别是在提出神经网络（Neural Networks）中的认知行为（Cognitive Behavior）概念之后，提出了更多的免疫网络模型[15][16]。有人用元胞自动机和布尔网络（Boolean networks）建立大尺度行为（Large Scale Behavior）模型，有人用常微分方程（ODEs）来建立自身调节网络模型（Local Regulatory Networks）。随着时间的推移，人们对Jerne网络学说逐渐失去了兴趣，其主要原因是Jerne网络学说的理论模型和实际的实验证据没有很好的相关性。
1.3 自我选择
调节性网络实际上是理论免疫学中自我选择这个大课题的一部分。假设表达自身反应性受体的淋巴细胞被机体清除（阴性选择）。大多数阴性选择可能是由于中枢性耐受（Central Tolerance）所导致的（T细胞在胸腺，人和小鼠的B细胞在骨髓）。阴性选择机制失败可导致自身免疫性疾病。人们通过多种途径对自我选择展开研究。有人从分子的角度和基于特殊的选择机制来研究，而有人则建立了更为复杂的模型，例如Polly Matzinger的危险模型[17][18]（Danger Model）和Irun Cohen的侏儒模型[19-27]（Homunculus Model）。这些模型都是想反映真实的复杂系统，尽管仅通过检测免疫系统的成分，人们是无法接近问题的实质，但是他们的尝试拓宽了我们的视野。直到今天，关于获得和打破（自身免疫性疾病）耐受的途径，也没有一个公认的解释。
2理论免疫学的现代模型
理论免疫学的模型和问题现在正逐渐向分子理论免疫学方向发展。这种理论方向的演变与大量基因组全序列的检测、分子生物学工具的巨大进展、高通量测量技术的发展、空间分布（Spatial Distribution）作用的测量和建模能力的发展等实验技术的发展是分不开的。同时，计算机处理能力和建模技术的发展也是影响现论免疫学的重要因素。
2.1 Immsim、Simmune和其它复杂模型
免疫学中，最大胆的尝试可能就是建立一个免疫系统的系统模型。第一个建立这样模型的尝试是上世纪80年代由IBM公司Philip Seiden开发的IMMSIM模型[28-31]。其设计的主要目的是为了在计算机上进行免疫应答试验。IMMSIM采用了克隆选择原理的基本观点，认为免疫细胞和免疫分子独立地识别抗原，免疫细胞被竞争地选择，以产生更好的识别抗原的克隆种类。IMMSIM模型的基础是空间扩展的元胞自动机，它用位串（或比特流，Bitstrings）代表受体、抗原和MHC分子的可变性。到目前为止，抗原和受体多样性的位串表示方法已被许多其他研究者[32,33,34]所采用。IMMSIM包括了适应性免疫系统的所有主要成份：CD4和CD8 T细胞、B细胞及其相应的受体，MHC Ⅰ类和Ⅱ类分子和一些细胞因子。但是IMMSIM模型仍然是对免疫系统的粗略描述。因此，人们在此基础上又进行了其它的开发。
第一个较有影响的是由Martin. Meier-Schellersheim开发的Simmune[35-36]。这个系统尝试建立一个足够宽广和复杂的平台，从而能够对免疫学的任意实际过程进行模拟。它不仅是一个特殊模型，更是一个建模技术或语言。
还有应用了Monte Carlo模拟[37-38]或称免疫模拟（Immunosi m）、状态图[39]（State-Charts）等多种数学模型，试图涵盖免疫系统所有可能细节并建立动力学模型。在这个方向上，最有影响的是Sol Eforni的模型。此模型尝试提供胸腺空间扩展动力学的完全模拟，并以此来研究细胞选择[40]。这些综合模拟的优势在于他们涵盖了当前免疫学的所有细节。但是这些模型也有缺点，他们过于复杂，因此对于所观察到的动力学变化，我们无法充分理解其原因及模型对参数变化的敏感性。
2.2 空间扩展模型
从分子水平上讲，免疫学复杂系统分析的最大进展是细胞内分子定位[41]（Molecule Localization）测量技术。免疫突触（Synapses）的发现就是利用了该技术。人们建立了多个细胞膜动力学模型，用来解释突触的形成以及突触的分子动力学。细胞膜动力学模型也应用于B细胞。这些模型中，有的是假设一个固定的细胞膜在二维晶格上（2D Lattice），有的假设一个自由漂浮的细胞膜[42-44]。另一个研究方向的是受体动力学，以及受体与其它细胞膜成份，比如Src家族激酶和脂筏[45]（Lipid Rafts），之间的相互作用。目前此领域的所有模型都是以广泛的数值模拟（Numerical Simulation）为基础的。
空间扩展模拟的另一个领域是生发中心动力学的模拟。经典模型主要采用ODEs来描述一或两个总体的均匀动力学[46]（Homogenous Dynamics），而现代模拟主要应用Monte Carlo模拟[47-49]来研究多空间扩展或者均匀总体之间的相互作用，但是也有一些是采用ODEs。
2.3 免疫遗传学和免疫信息学
不同基因组的排列和不同等位基因的序列使免疫遗传（Immunogenetic）数据库得到了全面的发展[50-51]。免疫遗传数据库IMGT储存了多个物种的T和B细胞受体基因序列（B细胞H链和T细胞β/δ链的V、D和J基因，L链/α链/γ链的V和J基因）。该库也包括了最新的MHC分子的基因序列（包括经典和非经典的）。另外，IMGT数据库还包括了大量的淋巴细胞受体重排序列。
这样庞大的数据库是伴随着免疫信息学（Immunoinfor matics）工具的大量发展而建立的。其中包括用于junction分析[52]、免疫基因对准（Immunogene Alignment）以及系统发育的工具[53-55]。所有这些工具的基础都是将生物信息学理念应用于免疫学。免疫遗传数据库日渐显现的重要性表明，免疫学建模逐渐向基因化方向转变。
2.4 进化免疫学
与B细胞重排受体多重序列的测量一样，多细胞生物中免疫基因的不断积累，使免疫系统发育学（Immuno-Phylogenetics）得以快速发展。目前研究的主要焦点是适应性免疫系统的起源。适应性免疫是免疫系统的一部分，通过随机基因重组以适应新病原体。很明显，在软骨鱼类（Cartilaginous Fish）分化之前，适应性免疫最早出现于有腭脊椎动物（Jawed Vertebrates）。然而，这样一个复杂系统起源的来源还不清楚。T细胞受体结构域（Receptor Domain）和B细胞受体结构域之间的相似性、RAG1和RAG2分子（RAG1和RAG2可起到随机连接基因的作用，又称重组激活基因）在重排过程中的关键作用及其物理性相邻（Physical Proximity），使许多研究者认为，淋巴细胞受体重排的起源是转座子（Transposon）横向转移到原始免疫受体（Primeval Immune Receptor）中。这个领域中使用的主要工具是系统发育分析（Phylogeny Analysis）及其相关的所有数学模型[56]。
另一个系统发育概念和方法的应用是B细胞的体超变异[57]（Somatic Hyper Mutations，SHM）分析。在生发中心反应过程中，通过活化诱导胞嘧啶脱氨酶（Activation-Induced Cytidine Deaminase，AID），B细胞的受体基因发生超变异。随着克隆性增殖，B细胞受体基因平均每分裂一次就发生一次超变异，导致突变克隆的产生。这些克隆表现为微进化（Micro-Evolution），可以很容易地在实验室中研究。对B细胞系统发育树（Phylogenetic）以及它们与其它因素关系的分析，比如老化和自身免疫疾病，也已开始研究[58]。
2.5分子生物信息学和表遗传学
在分子生物信息学（Molecular Bioinformatics）和表遗传学（Epigenetics）的研究过程中[59]，随着分子信息研究水平不断提高，在免疫学中应用模型水平的精细程度也不断提高。免疫学的一个特殊方面是需要将信号转导（Signal Transduction）与基因重排结合起来建模。现已建立了不同条件下的B和T细胞内的基因重排过程和淋巴细胞信息转导的模型[60-61]。从分子角度来讲，另一个重要的分子建模是在抗原提呈给T细胞之前，对抗原处理过程的分析。
2.6高通量研究方法
免疫学是典型的、以免疫假说和免疫原理为基础的研究领域。免疫学是最晚转向以数据为基础的、目前已在其它生物学领域中应用的高通量方法。近5年，在这一领域已取得了很大的进展。这些进展是依靠来自生物学其它领域的经典基因表达的自适应和定位技术[62][63]，以及针对免疫学的新技术的发展取得的。免疫学领域主要依靠实验手段，但实验所取得的结果却是应当属于理论免疫学的范畴，并且与复杂科学密切相关。
在基因重排过程中应用荧光原位杂交技术[64]（FISH techniques）来定位基因是一个令人兴奋的、对免疫学来说更具有针对性的研究进展。这些测量手段使我们在研究基因重排过程中，能够确定受体不同部分之间的相互作用。
另一个对免疫系统来说具有针对性的工具是抗原芯片（Antigen Chips）的发展。这些芯片可同时测量B细胞对成百上千种抗原的应答，并提供整个免疫系统的系统表达[65]。在这类分析中使用的主要数学工具是聚类方法（Clustering Methods）。
2.7 免疫组学
目前，在理论免疫学中，最璀璨的研究领域可能就是新产生的免疫组学。这个年轻的学科已经拥有了自己的杂志《immunomic research》(省略)。免疫组学的主要目标是全方位地研究免疫系统[66][67]。这个领域采用实验与理论相结合的工具。免疫组学目前正在研究的项目有：全部T细胞抗原决定基检测；全B细胞抗体库的定义及其在不同情况下的变化方式；自身免疫性疾病相关的所有基因位点的检测。这个新生领域的成果还有限，但是在不到10年内，免疫学建模将会从基于预定假设（Predefined Hypotheses）的理论问题研究转向对免疫系统受体和靶目标充分认识的、具有针对性的建模。
当前，理论免疫尚处于探索和发展阶段，许多方法和理论还很不完善，它的应用虽然取得某些成功，但仍是低水平、粗略，甚至是勉强的。许多更复杂的免疫学问题至今未能找到相应的数学方法进行研究，还有一些免疫核心问题还存在争议。这就需要未来的医学工作者具备更多的数学知识，对免疫学和数学都有更深入的了解，这样才有可能让免疫学研究更多地借助数学的威力，进入更高的境界。
参考文献
[1] 漆安慎, 杜婵英. 免疫的非线性模型. 上海: 上海科技教育出版社, 1998:iv.
[2] Raina S. Robeva, James R. Kirkwood, Robin L. Davies, et. al. An Invitation to Biomathematics. 北京: 科学出版社, 53-129.
[3] 马知恩. 种群生态学的数学建模与研究. 安徽: 安徽教育出版社, 1996: 5-40.
[4] 陈兰荪, 孟新柱, 焦建军. 生物动力学. 北京: 科学出版社, 2009: 77-177.
[5] 李涛. 计算机免疫学. 北京: 电子工业出版社, 2004: 147-203.
[6] 陆征一, 周义仓. 北京: 科学出版社, 2004: 58-73.
[7] A. S. Perelson and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71.
[8] A. S. Peielson. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands heaiing two chemically distinct functional groups. Math. Biosci. 1980, 49:87.
[9] A. S. Perelsoii. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: descriptioii by ligand states. Math. Biosci. 1981, 53:1.
[10] Perelson, A. S., and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71110.
[11] Perelson, A. S. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands bearing two chemically distinct functional groups. Math. Biosci. 1980, 49:87110.
[12] Perelson, A. S. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: description by ligand states. Math. Biosci. 1981, 53:139.
[13] Perelson, A. S. Some mathematical models of receptor clustering by multivalent ligands. In Cell Surface Dynamics: Concepts and Models. A. S. Perelson, C. DeLisi, and F. W. Wiegel, editors. Marcel Dekker, New York. 1984, 223276.
[14] N. K. Jerne. Towards a network theory of the immune system. Ann. Immunol. (Inst. Pasteur), 1974(125C), 373-389.
[15] Coutinho A. "The network theory: 21 years later". Scand. J. Immunol. 1995, 42 (1): 38.
[16] Campelo F, Guimares FG, Igarashi H, Ramírez JA, Noguchi S. "A Modified Immune Network Algorithm for Multimodal Electromagnetic Problems". IEEE Trans. Magnetics2006,42 (4): 11111114.
[17] Polly Matzinger and Galadriel Mirkwood. In a fully H-2 incompatible chimera, T cells of donor origin can respond to minor histocompatibility antigens in association with either donor or host H-2 type. Journal of Experimental Medicine, 1978(148): 84-92. [18] Matzinger P. The danger model: a renewed sense of self. Science 2002; 296: 3015.
[19] Cohen IR, Young DB. "Autoimmunity, microbial immunity and the immunological homunculus." Immunol Today 1991; 12(4):105-10.
[20] Cohen IR. "The immunological homunculus and autoimmune disease," in Molecular Autoimmunity, ed. Talal N., Academic Press, USA 1991, pp.438-453.
[21] Cohen IR. "The cognitive paradigm and the immunological homunculus." Immunol Today 1992; 13(12):490-4.
[22] Cohen IR. "The meaning of the immunological homunculus." Isr J Med Sci 1993; 29(2-3):173-4.
[23] Cohen IR. "Kadishman’s Tree, Escher’s Angels, and the Immunological Homunculus," in Autoimmunity: Physiology and Disease, eds. Coutinho A, Kazatchkine MD. Wiley-Liss, Inc.1994 pp.7-18.
[24] Cohen IR. "Peptide therapy for Type I diabetes: the immunological homunculus and the rationale for vaccination." Diabetologia 2002 Oct;45(10):1468-74.
[25] Gonzalez G, Montero E, Leon K, Cohen IR, Lage A. "Autoimmunization to epidermal growth factor, a component of the immunological homunculus." Autoimmun Rev. 2002 Feb;1(1-2):89-95.
[26] Cohen IR. "Immune system computation and the immunological homunculus." MoDELS 2006, in O. Niestrasz et al. (Eds). Springer-Verlag, Berlin, pp. 499-512, 2006.
[27] Cohen IR. (2007) "Biomarkers, self-antigens and the immunological homunculus." J. Autoimmun., 2007 Dec;29(4):246-9.
[28] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: A Discrete Models of Cellular/Humoral Responses. ACRI 2000: 117-125.
[29] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: IMMSIM, a flexible model for in machina experiments on immune system responses. Future Generation Comp. Syst. 2002, 18(7): 961-972
[30] Stefania Bandini, Franco Celada, Sara Manzoni, Roberto Puzone, Giuseppe Vizzari: Modelling the Immune System with Situated Agents. WIRN/NAIS 2005: 231-243.
[31] Stefania Bandini, Franco Celada, Sara Manzoni, Giuseppe Vizzari: Modelling the immune system: the case of situated cellular agents. Natural Computing 2007, 6(1): 19-32.
[32] De Boer, R.J. and A.S. Perelson (1994) T cell repertoires and competitive exclusion. J. theor. Biol. 169, 375-390.
[33] Perelson, A. S.1989. Immune network theory. Immunological Reviews 110, 5-36.
[34] Sulzer, B., De Boer, R.J. and A.S. Perelson (1996) Crosslinking reconsidered. I Binding and crosslinking fields and the cellular response. Biophys. J. 70, 1154-1168.
[35] Meier-Schellersheim M, et al. Key role of local regulation in chemosensing revealed by a new molecular interaction-based modeling method. PLoS Comput Biol. 2006;2(7):e82.
[36] M. Meier-Schellersheim, G. Mack. SIMMUNE, a tool for simulating and analyzing immune system behavior. 1999 cs.MA/9903017.
[37] Meyer-Hermann M. A mathematical model for the germinal center morphology and affinity maturation. J Theor Biol 2002;216:273300.
[38] Kleinstein SH, Singh JP. Why are there so few key mutant clones? The influence of stochastic selection and blocking on affinity maturation in the germinal center. Int Immunol 2003;15:871884.
[39] Efroni S, Harel D, Cohen IR. Toward rigorous comprehension of biological complexity: modeling, execution, and visualization of thymic T-cell maturation. Genome Res 2003;13:24852497.
[40] Efroni, E., Harel, D. & Cohen, I. R. 2003 Towards rigorous comprehension of biological complexity: modelling, execution and visualization of Thymic T cell maturation. Genome Res. 13, 24852497.
[41] Alexandros Pertsinidis, Yunxiang Zhang, Steven Chu. Subnanometre single-molecule localization, registration and distance measurements. Nature, 2010 466(7), 647651
[42] Nudelman G, Louzoun Y. The role of lipid rafts in cell surface BCR antigen binding dynamics. EMBC 2004. Conference Proceedings, 26th Annual International Conference of the Engineering in Medicine and Biology Society.
[43] Nudelman G, Louzoun Y. Cell surface dynamics: the balance between diffusion, aggregation and endocytosis. Syst Biol (Stevenage) 2006;153:3442.
[44] Chakraborty A. How and why does the immunological synapse form? Physical chemistry meets cell biology. Sci STKE 2002;2002:PE10.
[45] Li QJ, et al. CD4 enhances T cell sensitivity to antigen by coordinating Lck accumulation at the immunological synapse. Nat Immunol 2004;5:791799.
[46] Kesmir C, De Boer RJ. A mathematical model on germinal center kinetics and termination. J Immunol 1999;163:24632469.
[47] Kleinstein SH, Singh JP. Toward quantitative simulation of germinal center dynamics: biological and modeling insights from experimental validation. J Theor Biol 2001;211:253275.
[48] Meyer-Hermann M, Beyer T. Conclusions from two model concepts on germinal center dynamics and morphology. Dev Immunol 2002;9:203214.
[49] Meyer-Hermann ME, Maini PK. Cutting edge: back to ‘‘one-way’’ germinal centers. J Immunol 2005;174:24892493.
[50] Lefranc MP. Nomenclature of the human immunoglobulin kappa (IGK) genes. Exp Clin Immunogenet 2001;18:161174.
[51] Bromley SK, et al. The immunological synapse. Annu Rev Immunol 2001;19: 375396.
[52] Monod MY, Giudicelli V, Chaume D, Lefranc MP. IMGT/JunctionAnalysis: the first tool for the analysis of the immunoglobulin and T cell receptor complex V-J and V-D-J JUNCTIONs. Bioinformatics 2004; 20(Suppl.):I379I385.
[53] Ruiz M, Pallares N, Contet V, Barbi V, Lefranc MP. The human immunoglobulin heavy diversity (IGHD) and joining (IGHJ) segments. Exp Clin Immunogenet 1999;16:173184.
[54] Ruiz M, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 2000;28:219221.
[55] Lefranc MP, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 1999;27:209212.
[56] Mehr AJ, Ardakani MJ, Hedayati M, Shahraz S, Mehr EJ, Zali MR. Age-specific seroprevalence of hepatitis A infection among children visited in pediatric hospitals of Tehran, Iran. Eur J Epidemiol 2004;19:275278.
[57] Kleinstein SH, Louzoun Y, Shlomchik MJ. Estimating hypermutation rates from clonal tree data. J Immunol 2003;171:46394649.
[58] Eason DD, Cannon JP, Haire RN, Rast JP, Ostrovd DA, Litman GW. Mechanisms of antigen receptor evolution. Semin Immunol 2004;16:215226.
[59] Gay NJ, Gangloff M, Weber AN. Toll-like receptors as molecular switches. Nat Rev Immunol 2006;6:693698.
[60] Mehr R. Modeling the meta-dynamics of lymphocyte repertoires. Arch Immunol Ther Exp (Warsz) 2001;49:111120.
[61] Mehr R, Edelman H, Sehgal D, Mage R. Analysis of mutational lineage trees from sites of primary and secondary Ig gene diversification in rabbits and chickens. J Immunol 2004;172:47904796.
[62] Argyropoulos C, et al. Mining microarray data to identify transcription factors expressed in naive resting but not activated T lymphocytes. Genes Immun 2004;5: 1625.
[63] Choi YL, et al. DNA microarray analysis of natural killer cell-type lymphoproliferative disease of granular lymphocytes with purified CD3-CD56? fractions. Leukemia 2004;18:556565.
[64] Singh N, Bergman Y, Cedar H, Chess A. Biallelic germline transcription at the kappa immunoglobulin locus. J Exp Med 2003; 197:743750.
[65] Quintana FJ, Hagedorn PH, Elizur G, Merbl Y, Domany E, Cohen IR. Functional immunomics: microarray analysis of IgG autoantibody repertoires predicts the future response of mice to induced diabetes. Proc Natl Acad Sci USA 2004;101(Suppl.): 1461514621.
[66] Lauwerys BR, Wakeland EK. Genetics of lupus nephritis. Lupus 2005;14:212.
篇6
关键词:多学科联合;毕业设计;人才培养
随着现代科学技术和社会经济文化的发展,人类社会许多重大问题的解决越来越取决于多学科的协同攻关。同时,科学技术以高度综合为主要特征加速发展,形成了大量新兴交叉学科、边缘学科的出现,原有学科间的界限正在不断淡化。这就在客观上要求高等院校必须以培养具有多学科交叉能力的复合型人才为教学目标[1]。
近年来,计算机科学与技术在其他领域中的渗透作用越来越大。作为一门相对独立的学科,它正在逐渐演变成为其他学科提供服务的学科,跨学科性特点尤为明显。计算机专业的毕业生仅仅掌握本专业知识,在择业上已经没有明显的优势。跨专业、跨学科培养高层次人才,既是学科发展的内在规律,也是社会、经济进步的必然要求。因此,倡导跨学科、跨专业培养高层次人才的教学模式有着重要的现实意义。
1现状与需求
“多学科交叉人才培养”的思想在国外已经出现了很多年,积累了丰富的实践经验,取得了很好的效果。麻省理工学院在20世纪中叶后大力发展交叉学科,实力不断增强,跻身世界一流大学之列。斯坦福大学一直主张以跨学科领域的“大学院”打破学科和专业壁垒,开展在深度与广度上都具有引领高等教育发展方向作用的“多学科教学与研究”行动。为支持跨学科研究,杜克大学专门制定了《跨越边界:九十年代的跨学科规划》( Crossing Boundaries:Interdisciplinary Planning for the Nineties),并为此建立了新的管理机构和资金机制,为杜克大学成为美国国内和国际上都名列前茅的综合性研究型大学和国际性大学奠定了基础[2]。日本在1973年首度创建以交叉学科教育和研究为特色之一的国立筑波大学。1998年,通过《二十一世纪的大学与今后的改革对策》决议后,日本文部省出台了一系列促进和加强大学研究功能的政策措施,如跨学科的“大讲座制”、流动性科研组织等,为日本高校的迅速发展创造了动力[3]。
而在我国,20世纪80年代时,著名科学家钱三强就提出了学术发展即将进入“交叉科学的新时代”观点。20多年间,“多学科交叉人才培养”的思想在国内进行了许多实践。在本科教育中,学生可以在力所能及的情况下辅修第二专业,跨专业选读感兴趣的课程等;在研究生教育中,许多高校也已经对跨学科培养进行了探索,如在一级学科中开展导师跨学科招生和学生跨学科交叉培养,扩大选修课的范围,允许研究生在其他院系听课甚至参加科研课题等,取得了一定成效[4]。但也存在一些问题,如学生辅修第二专业时,如果要拿到第二专业的毕业证书,就要完成相当数量的第二专业课程学习,导致本专业基础不很扎实;又比如跨专业选读感兴趣的课程,学生完全按照自己的兴趣任意选择,没有一个系统性方向[5]。这些都导致一些学生学习了很多方向,但都是“博”而“不精”。而且大多数交叉新学科或领域仍然举步维艰,交叉科学研究机制和支撑体系处于缺位和滞后状态。
在这样的大背景下,各高校对于如何更好地培养多学科交叉人才的探索也一直没有停止过。作为一所已有百年历史的教学研究型综合性大学,华南农业大学也把跨学科、跨专业培养复合型人才作为教学改革的一个重要方向,不断进行尝试,取得了一定的效果。
2 “多学科联合毕业设计”教学模式
在深入研究国内外人才培养模式的基础上,结合社会经济发展要求,我校提出了“多学科联合毕业设计”的教学模式新思路,如图1所示。我们组织我校优势学科(如农、林、生物等专业)的学生与计算机专业的学生组成课题小组,相互取长补短,共同完成毕业设计的相关内容。
2.1改革思路
“多学科联合毕业设计”以毕业设计为基础,建立一套完整的、便于操作的多学科联合培养方案,并在实践中不断完善。整个思路与工作流程如图2所示。
首先,通过给非计算机专业学生讲授计算机基础等课程,了解他们的爱好,重点关注对计算机专业知识有兴趣的学生,相应地,了解和掌握计算机专业学生专业以外的兴趣爱好。
其次,根据掌握的情况,有方向性地将非计算机专业和计算计专业的学生组成课题小组,课题组除学习本专业必修的基础理论、专业知识外,还要有目的、有计划、有针对性地在校内、校外选修非专业课程,以授课、讲座、研讨、知识共享等为手段,强调同小组不同专业学生之间的学术联系和交流,促进联系和知识共享。
最后,协同相关专业的老师共同设计题目,共同指导,完成最后的毕业设计。
2.2具体实施
以计算机专业、生物专业、数学专业学生联合毕业设计为例,具体实施进度如表1所示。
(1) 准备阶段。给生命科学学院学生讲授计算机基础及程序设计课程,教师留意一些计算机相关课程比较好的学生,做好联合毕业设计的人员储备。同时,通过与计算机专业的学生交流,选一些对生物信息学有兴趣的学生,由这两方面的学生共同组建一个有关生物信息学方向的课题小组。
(2) 实施阶段。教师首先帮助生命科学专业的学生和数学专业的学生学习计算机程序开发、算法设计等方面的基础内容;辅导计算机专业的学生旁听一些生物学的基础课程,并且通过每周固定时间的小组内成员交流,对小组成员进行交叉方向基础知识的培养。其次,与生命科学学院和理学院的老师共同探讨,制定“蛋白质三维结构数据库的建立”和“蛋白质序列比对”两个具体的毕业设计题目,同时将学生分为两组,每组都有生命科学专业、数学专业和计算机专业的学生。最后,教师分别指导两个小组的学生,要求他们依据自己的专业特长分工合作,共同完成毕业设计。
(3) 总结阶段。对跨学科跨专业联合毕业设计模式进行分析和总结。
3改革反思
3.1需要解决的关键问题[6]
(1) 如何协调计算机专业和其他专业老师共同制定联合毕业设计的研究方向或题目。
(2) 如何根据已有的研究方向选定联合毕业设计的计算机专业和其他专业的学生。
(3) 如何为每一个课题小组的学生设定具体的学习和研究计划。
(4) 如何协调课题小组成员间的关系,促进小组成员相互交流、互相学习,完成最终的毕业设计。
3.2解决问题的措施
通过这次实践,我们发现与交叉学科相对应的课程较少,如计算机和生物相交叉的生物信息学的专门课程很少,各个专业开设的都是本专业非常深入的专业基础课程。要解决这个问题,需要联系一些相关教师,为需要进行交叉学科学习的学生进行专业讲座和辅导,并且通过项目小组每周的固定讨论进行交叉学科基础知识的学习和互补。
3.3取得的成绩
(1) 参加本次“多学科联合毕业设计”实践的8名同学,在完成毕业设计的相关内容后,均顺利通过毕业答辩,其中有3名同学获得了“优秀”。
(2) 通过本次探索,我们得到一种新的培养多学科交叉人才的方法,为高等院校的教育创新实践提供一些基本方法。
(3) 通过本次实践,我们摸索出了“多学科联合毕业设计”科学合理的指导管理方法,包括时间节点的设置安排、专业问题协调、设计成果呈交等。
(4) 多学科的联合还催生了新的学科生长点,有利于探索新的学科方向。
(5) 通过交叉合作,学生的群体意识、团队合作精神大大加强,组员之间相互促进,通力合作,这是毕业设计成功的基本保证。
(6) 通过此项探索,我们改善了教师的知识结构,拓宽教师的知识面,为进行进一步教育改革和师资培养奠定基础。
(7) 在团队合作的全过程中,成员相互交流,以交叉、融合、渗透的方式掌握各学科的专业知识。学生原来认识问题受专业制约,局限于一个狭隘的领域,而通过合作,学到了许多非本专业领域又与本专业密切相关的知识,提高了综合素质。
(8) 实现资源共享,提高实验室和实验设备的使用效率,推动实验室建设的改革。
4结语
毕业设计是对大学生所学知识成果的综合体现。作为多学科人才培养的一种手段,“多学科联合毕业设计”教学模式对研究毕业设计的新方法、新思路有很好的借鉴意义。
参考文献:
[1] 孙玉萍. 全球化时代高校的人才培养[J]. 长春工业大学学报:高教研究版,2002(03):4-5.
[2] 刘冬. 英美部分高校交叉学科建设研究及借鉴[D]. 上海:上海交通大学高等教育研究所,2008:20-24.
[3] 杨红霞. 20世纪80、90年代加强独创性的日本大学科研[J]. 咸宁学院学报,2003(02):74-75.
[4] 李明. 大力开展基于创新教育的本科生科研活动[J]. 中国冶金教育,2008(03):5-6.
[5] 刘彩红. 我国研究型大学开展交叉学科研究的障碍及对策[J]. 内蒙古电大学刊,2009(01):80-81.
[6] 钱佩忠. 高校跨学科研究的组织和障碍分析[J]. 高等农业教育,2007(01):56-57.
Exploration and Practice in Multidisciplinary of Graduation Project
CHEN Yan, XU Dong-feng, CHANG Shan
(College of Informatics, South China Agricultural University, Guangzhou 510642, China)
篇7
一、资助重点
项目须紧密结合*经济、社会和科技发展需求，对提高我国国际竞争力有重大意义的和具有重要应用前景。重点资助能够带动本市学科发展、有可能成为新的知识生长点、形成自主知识产权、提高产业竞争力的基础研究和应用基础研究。对前期获得资助的市科委基础研究重大重点项目完成情况好的，特别是取得突出阶段性成果，将给予连续支持。
二、主要研究方向及内容
（一）、农业科学
1、高效优质作物和水产新品种选育的基础研究
（二）、生物信息学和生物学
1、生物信息学理论方法的应用基础研究
2、重要蛋白质翻译、修饰、结构与功能及生物学特性的基础研究
（三）、人口与健康
1、重要自身免疫性疾病（系统性红斑狼疮、类风湿性关节炎）及过敏性哮喘防治的应用基础研究
2、重要传染病防治的应用基础研究
3、重要出生缺陷早期诊断及预防的基础研究
4、重要疾病（恶性血液病、血管疾病、退行性骨关节病）发病机制与防治的应用基础研究
5、重要致盲性眼病及耳鼻咽喉、口腔系统、皮肤等重要疾病发病机理及防治的应用基础研究
6、新型天然先导化合物的发现及结构与功能的研究
（四）数理科学
1.基于量子调控的自旋电子功能结构、矢量激光及光电子效应研究
2.灾害性天气动力学与可预报性理论的研究
3.两相流体输运、微纳系统流体传输机理与热辐射特性的研究
（五）化学科学
1.环境安全的含氟物质的分子设计与合成
2.C1化合物高效清洁活化的关键科学问题和应用基础研究
3.分子催化剂的组装及其在有机合成中的应用
4.典型水环境PPCPs持久性有毒污染物的环境过程、生物效应以及污染控制化学中的新原理\新方法研究
5.河岸带生态系统退化机制及水环境效应研究
(六)材料科学
1.结构-功能一体化复合材料的基础研究（重点支持无机、金属）
2.铁电、半导体多元合金等新型功能材料的设计制备与表征研究
3.光敏分子材料和原型器件的基础研究
4.生物医用材料的载体与控释/传递材料微观结构与调控机制研究
（七）信息科学
1.微电子低温复合封装材料及高密度相变存储器单元的制备与模拟
2.基于过程语义的Web计算研究
3.异构网络环境下的智能感知、信息处理与定位研究
（八）综合交叉及其他
1.基于*光源，面向生命科学研究的方法、技术的创新。重点研究具有动态、实时、无损、灵敏、高分辨等特征的生命科学检测、成像、分析方法；功能分子影像学的新理论和新方法研究
2．先进制造的科学基础。重点研究面向复杂产品创新设计的知识融合与应用；生物机电一体化系统的信号处理与解码理论的基础研究
（九）连续支持
对未列入上述指南，但同时符合下列条件：
1.07年1月1日以后按时通过结题验收的基础研究重点（重大）项目；
2.项目执行期间取得的成果在本领域顶级刊物上发表文章或取得重要发明专利或获国家级（或省部级）科技奖二等奖以上；
3.研究内容符合国家十一五中长期科技发展规划及*科技创新行动计划；
且该研究工作确有继续深入研究的必要，原项目负责人可以申报连续支持。
三、研究期限
项目进度要求：*年9月30日前完成各项研究任务。
四、申请方式
1、本指南公开。凡符合课题制要求、有意承担研究任务的在*注册的法人、自然人均可以从“*科技”网站上进入“在线受理科研计划项目可行性方案”，并下载相关表格《*市科学技术委员会科研计划项目课题可行性方案（*版）》，按照要求认真填写。多家单位联合申请的课题，应在申请材料中明确各自承担的工作和职责，并附上合作协议或合同。所有附件要求上传到网上。
2、申报单位有较强的科研力量或有较强的研究依托单位，鼓励以产学研联合方式、国内联合方式和国内外联合方式申请，申报单位必须具有实施项目必需的研究开发设施及自有资金。
3、课题责任人年龄不限。鼓励通过课题培养优秀的中青年学术骨干。作为课题责任人和主要科研人员，不得同期参与承担的863、973、国家科技攻关和*市重大、重点科研项目数超过三项。
4、本专项课题的申请起始日期*年5月30日，截止日期为*年6月20日。课题申报时需提交书面可行性方案一式4份，并通过“*科技”网站递交电子文本1份。书面可行性方案集中受理时间为*年6月16日至6月20日，每个工作日上午9：00—下午4：30。所有书面文件请采用A4纸双面印刷，普通纸质材料作为封面，不采用胶圈、文件夹等带有突出棱边的装订方式。
5、已申报今年市科委其它类别项目者应主动予以申明，未申明者按重复申报不予受理。
6、网上填报备注：
1）登陆“*科技”网，进入网上办事专栏；
2）点击《科研计划项目课题可行性方案》受理并进入申报页面：
-【初次填写】转入申报指南页面，点击"专题名称"中相应的指南专题后开始申报项目（需要设置“项目名称”、“依托单位”、“登录密码”）；
-【继续填写】输入已申报的项目名称、依托单位、密码后继续该项目的填报。
篇8
关键词：计算机辅助药物设计；药物设计；原理；应用
进入21世纪，现代科学和计算机技术的运用，不断改进药物发现的技术和方法；化学信息学和生物信息学，信息处理和转换的根本变革，分子生物学、细胞生物学、免疫学、遗传学、生物化学、药物化学、结构化学、药理化学、药理学的发展和交叉渗透，特别是与计算机科学的融合，产生了把计算机的模拟技术应用于新药的研究和开发的新型方法-计算机辅助药物设计。
1 在基于结构药物设计中的作用和意义
基于结构药物设计（SBDD）的基本出发点是针对药物作用靶点和药物分子的结构、功能及与药物作用方式，来设计作用专一、活性强、不良反应少的新药。计算机辅助药物设计将SBDD的思路以计算机方法加以实现，为药物设计提供了理论思维形象化的表达及强有力的基本工具和手段。
随着生物大分子结构测定和计算机技术的进步，SBDD得以快速发展，并且趋于定向化和合理化，减少了寻找新药的盲目性和偶然性，提高了药物设计的成功率，节省了新药开发工作的人力、物力和财力。
2 计算机辅助药物设计原理
随着理论计算技术、X射线晶体学、核磁共振等结构生物学测定技术的逐渐成熟，已经可以获得研究对象的三维结构信息。药物、生物大分子以及药物-生物大分子复合物的三维结构能以实验方法测得，也能以理论计算方法得到，并可以通过计算机模拟。计算机辅助药物设计用分子模拟软件分析受体大分子结合部位的结构性质，如静电场、疏水场、氢键作用位点分布等信息。考查配体小分子的化学结构特征，寻找和设计合理的药物分子，识别得到分子形状和理化性质与受体作用位点相匹配的分子，设计和优化并测试这些分子的生物活性，从而确定具有生物活性的目标化合物。经过多次循环，最终发现新的先导物。
3 利用计算机辅助药物设计原理进行虚拟筛选
发现全新结构的先导化合物是药物发现的目标，药物筛选是现代药物开发流程中检验和获取具有特定生理活性化合物的一个步骤，是指通过规范化的实验手段从大量化合物或者新化合物中选择对某一特定作用靶点具有较高活性的化合物的过程。随着计算机模拟技术的成熟，便产生了通过计算机的模拟手段进行虚拟筛选（virtual screening，VS）技术。虚拟筛选是针对重要疾病特定靶标生物大分子的三维结构或定量构效关系（QSAR）模型，从现有小分子数据库中，搜寻与靶标生物大分子结合或符合QSAR模型的化合物，进行实验筛选研究。虚拟筛选是将药物筛选过程在计算机上模拟，从上百万个分子中，发现有潜在的化合物，对化合物可能的活性作出预测，进而对有可能成为药物的化合物进行有针对性的实体筛选。虚拟筛选的对象是化合物数据库，这个数据是虚拟化的，避免了传统实验筛选带来的财力、精力、时间上的消耗，大大降低实验筛选化合物数量，缩小了药物研发的周期和投入，减少了药物开发成本。同时，在筛选过程中考虑化合物分子的药动力学性质和毒性等，使筛选具有更高的内涵。虚拟筛选被应用于药物活性化合物的发现及并行算法，实现了虚拟筛选的高通量化，进而对比较有可能成为药物的化合物进行有针对性的实体筛选。虚拟筛选技术已经成为当今药物研发的重要手段。
4 分子模拟（molecular modeling）
利用计算机图形学进行分子模拟的技术称为计算机分子模拟，简称分子模拟。通过分子模拟，可以进行直观、可视化的药物设计；通过对分子形状和方位进行运动操作，可观察药物与靶点的相互作用，判断靶点分子可能的结合位点，还能对药物分子进行整修，提出改善药物的药效学和动力学性质的改良方案。
5 计算机辅助药物设计的意义
计算机辅助药物设计作为分析工具（“数据挖掘”）和新想法的来源（“理性”分子设计），为药物发现提供了重要的依据和支撑；这种设计方式完全是在计算机上通过软件进行模拟计算，成为药物发现的新途径；完全打破传统的药物发现和设计依赖于大量的实验筛选、并行的化学合成的方式；计算机辅助药物设计的引入对整个研发过程都有一定的“辅助”作用，甚至成为推动药物研发或者决定药物研发成败的关键因素和主要途径。
6 计算机辅助药物设计的思路
作为探索新药开发的高效研究方法和有效的技术手段，计算机辅助药物设计通过虚拟筛选与分子对接技术，揭示药物与机体靶标的作用机制，探索药物靶点的空间结构，最终目标是设计具有显著生物活性的药物分子。即所设计分子能选择性地与某一靶标结合，或者能同时对多个靶标进行预期的活性的调节作用。
7 计算机辅助药物设计研究的方向
围绕药物研究的两大对象“药物和受体”，自20世纪80年代起，“计算机辅助药物设计”相关领域得到迅速发展，各种算法软件日新月异。根据受体是否已知和活性数据是否定量，所有研究均可以归属于虚拟小分子生成、大分子结构预测、定量构效关系、药效团模型、分子对接、全新药物设计和动态模拟（分子动力学/随机动力学/蒙特卡洛）等七大研究方向。
在虚拟筛选时，需要产生大量的候选分子，这个需求导致产生了“虚拟小分子生成”研究领域；受实验测定的限制，大量的受体结构信息需要利用计算机模拟的方法得到，这就催生了“大分子结构预测”研究领域；早期受体结构信息缺乏，但是围绕着同一受体或者疾病已经获得多个小分子活性信息，根据该活性信息是否为定量信息，分别发展出“定量的构效关系”和半定量的“药效团模型”两个研究领域；随着近年来受体结构信息逐渐增多，诞生了“分子对接”技术；与此同时，随着片断组织学及前面几个“计算机辅助药物设计”技术的成熟发展及改进，催生了“全新药物设计”技术；动态模拟（分子动力学/随机动力学/蒙特卡洛）是非常特殊的技术，尽管该方法不能直接判断出某分子是否为药物候选分子，但是在前面六个技术中需要都会用到该方法，特别是在含有大分子结构时，它是对整个分子体系进行优化使其达到某个“合理结构”状态不或缺的方法。
计算机辅助药物设计以其特有的高效便捷等特点，为药物设计提供新的思路和创新途径；为药物靶点的发现提供技术保障；也为先导化合物的优化和生物学验证提供了理论指导。通过药物设计软件可以从理论深度解释实验结果、验证实验数据的可靠性、得到实验无法得到的微观数据，并根据研究结论做出最佳决策，使药物发现更经济有效；增强对科学研究的深度，从而提高科研和论述水平；通过模拟计算、指导实验，避免实验的盲目性，从而节省实验经费的投入，并缩短研究周期。
参考文献
[1]Gisbert Schneider.药物分子设计[M].华东理工大学出版社，2012.
[2]朱瑞新.计算机辅助药物设计[M].大连理工大学出版社，2011.
[3]仇缀百.药物设计学（2版）[M].高等教育出版社，2008.
[4]高祖新.医药数理统计方法（4版）[M].人民卫生出版社，2007.
[5]李晓玲.医学信息检索与利用（4版）[M].复旦大学出版社，2009.
篇9
1．1医学信息学教学与医学实践需求脱节
医学信息学的教学体系应该从医学信息的上、中、下“三游”来加以组织。医学信息学上游主要是指传授医学信息的本质、特征、类型、产生机制与机构、传播等知识。医学信息学中游主要是指传授医学信息的搜集、整理、鉴定、组织与分析，以及医疗信息化背景下的医学信息的描述与信息库、卫生信息系统、医学信息的储存、检索和深加工等知识。医学信息学下游主要是指传授医学信息资源开发、利用与服务及其文化传承等知识。笔者认为医学信息学是一门应用型较强的课程，对于医学专业的学生需要根据未来所从事的职业性质研修相应的“三游”知识。如临床专业的学生需要研修病案管理学、病案信息资源管理学、医院信息系统、电子病历等课程。但是就笔者所在的南京医科大学进行调研发现，在医学学生的教学计划中，只有卫生信息管理与信息系统专业与医疗保险专业开设了医学信息学的相关课程，而作为未来医学信息的产生者——医生，临床专业的医学生教学计划中没有医学信息学的相关课程。这种医学信息学教学与医学实践需求之间的脱节，直接导致临床专业的医学生在大学期间没有培养良好的医学信息学素养，进而导致这些医学生在未来成为医生之后对医学信息不重视，甚至为医学信息产生、收集、整理而烦恼。
1．2医学信息学学科发展不深入
长春工业大学继续教育学院对开设医学信息学专业(或方向)的高校进行了排名，其顺序是复旦大学、中山大学、中南大学、中国医科大学、首都医科大学、四川大学、北京大学、南方医科大学、山西医科大学、浙江大学、华中科技大学、西安交通大学、石河子大学、吉林大学、重庆医科大学、哈尔滨医科大学、山东大学、杭州师范大学、南京医科大学、泰山医学院、河北医科大学、南昌大学、天津中医药大学、福建医科大学、武汉大学、上海交通大学、青岛大学、天津医科大学、延边大学、浙江中医药大学、新乡医学院、南华大学和大连医科大学等33所高校。笔者在南京医科大学图书馆网站利用“题名=医学信息或卫生信息，文献类型选择‘中文书籍’进行检索，返回结果为51本与医学信息相关，14本与卫生信息相关的文献。在51本与医学信息相关的检索结果中涉及医学信息检索的文献为31本，涉及到医学信息学基础教程的结果为8本。其余主要包括医学信息研究、医学信息资源组织与管理、医学信息系统、医学信息学决策与支持系统和医学信息分析等。综观这些检索结果基本上是针对不同对象的大学课程教科书。在14本与卫生信息相关的检索结果中涉及卫生信息管理的结果为8本，涉及卫生信息系统的结果为2本，涉及卫生信息化的有2本，涉及卫生信息技术与卫生信息资源的各1本。从检索结果可以得出在医学信息学学科发展过程中存在创作重复现象。如在检索结果中涉及到的知识点雷同多，书本编排应急就章，重复建设，后出版之书不仅没有超过前者，有的反而出现倒退现象。除刘冰、黄玉玲主编的《医学信息研究》之外，主要用于医学信息学专业教学教材。在这些教材中除了丁宝芬教授的《医学信息学》、罗爱静教授的《卫生信息管理概论》和《卫生信息管理学》作为普通高等教育国家级教材规划教材之外，其余教材鲜有得到国际或国内同行普遍认同。有些著作虽然注重吸收图书情报与档案管理学的学科知识，但是没有能够与医学信息学有效融合，移植现象比较明显。当然笔者在此无意于简单否定医学信息学界与出版界同行的工作，但我国33所医学信息学相关专业的高等院校应该反思，应考虑利用范式理论指引学科发展，加强知识横向与纵向的传承与发展，引进图书情报与档案管理学、经济学和管理学等理论，弥补国内医学信息学学科的空白和不足，提升学科地位。
2医学信息学范式研究是解困之举
随着全球化进程的加剧，医学信息学也将与其他学科更加相融，医学信息学的发展必将走向开放与合作，医学信息学学科发展问题将会成为一个国际性课题。因此我国医学信息学共同体利用范式理论作为研究手段，从国外学科研究成果和研究方法中汲取有益成分，使之为解决国内医学信息学的学科发展之瓶颈成为应然解困之举。
2．1范式研究有助于医学信息学学科的深化与拓展
医学信息学要想从宏观上和根本上提升学科地位，需要在元科学领域的研究上投入更多精力。元科学理论，即关于科学的科学，医学信息学元科学即是指关于医学信息学的科学。当医学信息学发展到一定阶段的时候，医学信息学共同体会对学科的本质、规律及其相关元问题进行分析与探究，便产生了“学中之学”、“科学之科学”的研究取向，笔者认为可以将这类的医学信息学分支学科称之为“医学信息学元科学”。医学信息学共同体会遵循学科发展史的轨迹，即经验研究、方法论研究和理论研究，具体发展走向为病案管理、医学信息检索、卫生信息管理学、卫生信息化、卫生法律法规、医学信息保护技术学、医院信息系统、卫生信息系统、电子病历、区域医疗合作和医学信息学史等。在此基础之上，医学信息学科分支中会产生医学信息学概论(卫生信息管理概论)——以“揭示医学信息学现象本质和规律为研究目的”的学科。医学信息学范式研究就是关于医学信息学学科自身的深化与拓展，医学信息学共同体立足于宏观抽象层面，从根本上认识医学信息学的元问题和本质规律。现阶段我国的医学信息学研究已具备一定的规模和水平，其研究领域已经从医学知识表达、卫生信息系统、生物信息学、医学信息学教育与培训l等传统领域向面向语义互操作的知识体系构建、跨系统和跨应用的互操作标准制定、网格与云环境下的应用、转化医学、人体模型建设、临床决策和认知学领域深入发展。尽管医学信息学的发展已经进入了一个全新的发展领域，具有较快的发展速度，但是对元问题层面的挖掘探讨仍对学科的发展是至关重要的。以医学信息学元科学代表“医学信息学概论”或“卫生信息管理概论”为例，现有的文献仅有一本，即卫生部“十一五”规划教材——《卫生信息管理概论》。笔者认为作为医学信息学元科学的《卫生信息管理概论》应当注重对医学信息学生存环境、发展史和共同体的研究，应从医学信息学本身的问题出发建立起本学科研究问题的独特视角，而不宜将大量的篇幅放在对“对象性事物”的描述和阐述上。基于元科学的重要性，医学信息学理应将更多的空间设定在元科学领域的研究上，才能从根本上提升该学科地位。医学信息学范式研究理应针对医学信息学自身的探讨和分析，立足于宏观抽象层面认识医学信息学基本问题和本质规律的研究。鉴于此，笔者认为医学信息学范式研究与医学信息学发展的要求是一致的，它是医学信息元科学研究的最佳切入点，它是以医学信息学发展史为研究主线，不仅涉及到医学信息学未来的发展方向，还需要研究医学信息学学科共同体主体作用、医学信息范式变迁与学科外在环境因素之间的关系等。
2．2范式研究是医学信息学汲取外学科精华的典型尝试
较之于医学信息学内部各分支学科之间的互相融合，医学信息学对其他学科理论和技术应用的吸收、引进、消化、渗透、移植等将不断推进医学信息学的发展。即使医学信息学在解谜过程中出现不可通约性，分歧未能达成一致意见，医学信息学也会在反复的推敲和质疑中逐渐成熟。因为在外学科理论引入医学信息学的磨合期中所产生的碰撞、摩擦和火花，可能为医学信息学的发展提供争论的焦点和学术的创新点。医学信息学范式研究正是基于这一思考与目的。美国社会学家米尔斯在《社会学的想像力》中论及：“将自己的领域当作独立的王国，而忽略它与其他领域，诸如经济、政治等方面的联系，造成了归纳的一般性无法演变成演绎的精确性，演绎的精确性又无法上升到归纳的一般性。最终的结果就是，个人困扰没有成为公共论题，甚至于渐行渐远。人文精神的组织力进化成为科学精神的机械性，而概念和方法则成为了问题的主导因素，这不禁有本末倒置之嫌。加之于我们对社会本身是如何形成的一无所知，而只是无意识地接受了其存在的合法性，这更容易加深身处其中人的无力和无助感。”医学信息学范式从本质上说就是社会学理论进入医学信息学领域的一大尝试。医学信息学由单一研究方向向多重研究方向发展，从病案管理学向病案学、医学信息检索、卫生信息系统、医学决策支持系统、认知学和医学伦理与监管等方向发展，医学信息学专业呈现日益增多，学科日趋分化的趋势。从医学信息学的发展趋势来看，符合人类的认识发展规律。初期关于医学信息学的知识是从病案管理实践着手，对于学科还没有一个完整、清晰的认识，随着研究活动的深入、认识的推进，与学科内外发展动力因素的影响，对医学信息学进行逐块逐层的分解研究，于是出现了整体知识的不断吸收、引进、消化、渗透、移植等，在学科组成上表现为学科不断分化成病案学、医学信息学、卫生信息系统等分支学科(或专业)。医学信息学的发展理应汲取外学科的精华充实与强化本学科内涵建设，来解决医学信息学科建设中的热点、难点与焦点问题。因此，为了医学信息学的科学发展，我们需要的是深刻剖析与之存在学科依赖关系及其运作原则，并结合其他学科的研究成果来探讨此情境下的医学信息学的学科发展问题，而不是脱离其中任何一方。我国的医学信息学发端于2O世纪80年代初的医学图书情报学，研究体系不够完整和成熟，研究领域也不平衡，例如重视文献信息管理、技术路线和微观实践，但是对于理论研究和学科RESEARCHONLIBRARYSCIENCE19建设研究不够深入，标准规范建设滞后，信息共享不足、缺乏系统规划，人才数量不足、质量有待提高、结构不尽合理。新时期的医学信息学又面临学科外的政治环境、经济环境的影响，与计算机技术、网络技术、社会学、伦理学、认知学和人工智能技术的应用与渗透，意味着医学信息学已经沿着范式理论的轨迹，发展成为一门综合各学科精华的边缘交叉学科。在医学信息学研究呈现多样化趋势的今天，借鉴社会学方法有助于分析医学信息学的发展方向、分支学科，或许会让我们发现原来的封闭视野所不能看到的演进过程与规律；也有助于当我们习惯于现有学科思维框架下的医学信息学发展之余，换之以外学科的视角重新审视和考察医学信息学的发展和演变，给学科的发展与建设输入新的血液。
3医学信息学学科范式内涵探微
“范式(Paradigm)”一词是托马斯•库恩首先在《科学革命的结构》一书中用于科学研究的，他在该书中指出：“范式通常是指那些公认的科学成就，他们在一段时间里为实践共同体提供典型的问题和解答。可以用来解释科学历史发展轨迹及其科学知识增长模式的社会学概念。”“范式的主要表现为‘符号概括’、‘信念’、‘价值’和‘范例’等。”在解读与理解库恩关于范式的阐述的基础上，笔者认为，医学信息学范式是医学信息学共同体在医学信息生产和管理实践活动中所共有的世界观、方法论、理论成果和共同遵守的行为准则(即范例)等成分，是指医学信息学共同体公认的“模式”。共同体、世界观、方法论、理论成果和范例等是医学信息学范式的重要组成成分，其虽不可能涵盖医学信息学范式全部的“应有之义”，但可以把这些当作医学信息学范式的核心内容。
3．1共同体
科学共同体简称为共同体，最早运用可以追溯到1942年，英国物理学家、哲学家波朗尼(Polanyi)在其论文《科学的自治》中使用了这一概念。库恩在《科学革命的结构》中把“共同体”理解为科学范式的承载体——“一个科学共同体由共有一个范式的人组成”。学科共同体是以上一切成分元素的执行者，也是经常被忽略的研究主体。科学共同体研究在范式研究中的地位毋庸置疑，医学信息学科共同体正因为有了共同的范式才能集中在相同的研究领域内，不受时间和空间的限制，进行交流和互动。因此在研究医学信息学范式时，首先要明确医学信息学共同体的概念。传统的医学信息学学科主要研究的是医学信息学的对象、方法论、理论标准，而很少涉及医学信息学的认识主体——医学信息学共同体。医学信息学共同体可理解为发展医学信息学范式的主体，研究医学信息学范式主体，拥护同一医学信息学范式的主体。医学信息学共同体由授受相应的医学信息学教育背景和学科训I练的学者构成，他们以发展医学信息学为使命，具有共同的价值理念，遵循共同的学术规范和维护共同的学术尊严。医学信息学科共同体通常遵循医学信息学学科发展规律，致力于医学信息学科学研究、教育教学、实践，是医学信息学学科的主体。医学信息学共同体可以是相对稳定的正式组织形式，也可以是自由组合的非正式组织形式。前者具有相对稳定的组织机构、成员、规范和活动方式。如中国医院管理学会下的病案管理委员会、医学信息学会，全国33所开设医学信息学相关专业(或方向)的院校教师组成的同事式组织、导师与学生组成的师徒式组织，以及其他医学信息科研、实践机构组成的固定团队等。后者一般不具备严格意义上传统固定的组织形式、规模和稳定人员构成等内容。如因课题立项而临时组建的课题组形式，各地组织的拥有固定主题的学术研讨会、学术论坛、博士论坛，同一学科领域或分支学科的共同爱好者等。从医学信息学共同体发挥的作用来看，非正式组织形式的学科共同体不仅是学科建设与发展的生力军，也是正式组织形式医学信息学科共同体的补充力量。当他们的自身作用和地位日益得到社会及统治阶层认可时，自组织形式随时有可能转化为有组织形式。
3．2世界观
世界观，又称为宇宙观，是哲学的朴素形态。由于医学共同体所处的社会地位、观察问题的角度不同形成不同的医学信息学世界观，这种观点是共同体自身医学信息学工作、学习和生活实践的结果，往往是自发形成的，需要医学信息学的相关研究者对其进行自觉地概括和总结并给予理论上的论证，才能成为指导学科发展的哲学。医学信息学共同体的世界观是形而上的部分，是共同体对整个医学信息学学科，以及共同体与医学信息学之间的总的看法和根本观点，简而言之即医学信息学共同体对于医学信息学这一学科的总体认识，对医学信息学的共识，包括医学信息学科共同体所共有的基本信念、价值取向、思维方式等，是本体论、认识论层面的承诺，以及对自身在医学信息学学科中的地位和作用的看法。医学信息学共同体的世界观可作为指导思想，指导医学信息学共同体开展医学信息学研究。医学信息的世界观往往决定着一个学科的自身定位和发展方向，表现在医学信息学范式研究中则是要解决“如何看待医学信息学专业研究对象”的问题。当认为医学信息体现为一种历史记录属性时，要维护的是学科历史有机联系；当认为医学信息体现为一种知识属性时，要实现的是学科最大效益。
3．3方法论
医学信息学方法论是医学信息学共同体在医学信息学学习、实践和研究中所自觉沿袭的一般方法。医学信息学方法论是以解决医学信息学中的问题为目标的一种体系或系统，通常涉及问题分析、任务工具和方法技巧等方面的论述。方法论体现在世界观、自然观、社会历史观、伦理观、审美观、科学观之中，可以是由模式、方式、方法、手段等组成的经验研究成果、案例和实用技术方法。医学信息学方法论会对一系列具体的方法进行分析研究、系统总结并最终提出较为一般性的原则。医学信息学学科的发展范式按照库恩的科学范式为一般原则，即从前科学——常规科学——反常与危机——科学革命——新的常规科学为医学信息学的学科发展线索，并利用历史主义方法构建医学信息学范式理论；在经验层面，方法论是理论适用的方式，如在病案科整理病历资料时，利用来源原则与事由原则进行归档管理；在医学信息学安全和实用技术中则是一些纯事实性和操作性方法，如利用原型法指导医院进行信息系统开发建设。医学信息学方法论是用以指导医学信息学进行学术研究和实践活动的路径与纲领，解决的是“医学信息学如何从事专业学术活动”的问题。如研究方法中的历史主义研究方法、实证主义方法、论证方法、比较方法和调查研究方法等。
3．4理论成果
医学信息学理论成果是指对医学信息学范式形成并起着决定作用的共有医学信息学理论。理论需要寻求解释，而范式则提供了寻找解释的方法。医学信息学理论在成为共有认识之后可以上升到范式层面，达到范式层面的理论成果同一般的理论成果有联系，也有区别。联系在于，范式层面的理论来自于一般理论而又高于一般理论，它是医学信息学共有的概论、命题及其推理。概念是思维的基本单位，是反映事物本质属性的思维形式。作为医学信息学理论逻辑出发点的概念是基本概念。共有概念是对医学信息学学科共有基本元素的约定，而这些概念必须是以医学信息学学科的本源概念的面貌出现。如“病历”、“医嘱”和“病案”。命题是表明判断结果的陈述语句，有真假意义的语句才是命题。如病案的本质属性是原始医疗记录性——这是对病案本质属性的肯定判断，是一个可以做真假检验的语句。共有命题是指医学信息学学科理论中类似自然科学中定理、定律性质的命题。推理是指一判断借以另一判断推出的思维功能。共有推理是由共有命题中引申而来的。如从病案的原始性可能推理出病案具有凭证性。虽然范式层面的理论已经得到充分的论证，成为共同体内部约定俗成的公理，但是医学信息学共同体不会因为具体理论的不完善而影响范式共有理论的存在，对于共有理论，也不会因为研究主体的不同阐释而影响其范式指导作用。虽然处于同一学科共同体的成员往往引用同样的理论成果，得出类似的理论观点，医学信息学共同体能够同意确认一个范式，但不会同意对范式的完整诠释或合理化。缺乏标准诠释或不能得出一致同意的规则并不会阻止范式指导研究。
3．5范例
篇10
关键词：工科院校;生物医学工程专业;生物实践教学;教学改革
中图分类号：G6421 423;Q 95-33 文献标志码：A 文章编号：1674-9324（2016）07-0075-02
生物医学工程（Biology Medical Engineering，BMI）是综合生物学、医学和工程学的理论和方法而发展起来的，其主要是运用现代自然科学和工程技术的原理和方法，从工程学的角度，在多层次上研究人体的结构、功能及其相互关系，揭示生命现象，为防病、治病提供新的技术手段的一门综合性、高技术的学科，多学科的高度综合交叉是生物医学工程的特点[1]。自上世纪70年代末以来，国内许多医学院校、综合性大学、理工科大学及相关科研机构都设立了生物医学工程专业，涵盖了生物信息、医疗仪器、生物材料、生物工程等多个专业方向，课程设置主要包括工程类课程和医学类课程，旨在培养具有各方面能力的复合型人才[2]。
在生物医学工程专业的培养体系中，实践教学是培养大学生的创新意识、创新思维和创新精神、提高整体教学质量的根本保证和有效途径[3]。南京邮电大学生物医学工程专业是在学校原来的信号与信息处理等优势学科的支撑下发展起来的，因此在医学信号处理、医学图像处理、生物传感和生物信息学等领域积累了雄厚的师资和科研力量，上述领域的实践教学体系完善、教学平备。比较而言，学校在生物医学领域的教学和科研上相对薄弱，特别是在生物医学方面的实践教学有明显的不足，存在着师资力量缺乏、教学平台薄弱、课时有限等问题。针对上述问题，我们从师资队伍建设、资源优化配置、教学内容改革和教学方式更新等方面入手，对生物医学工程专业的生物学实践教学提出一系列改革措施，取得一定的效果。
一、生物学实践教学存在的问题
南京邮电大学是传统的工科院校，信息学科是学校的办学特色。在工学为主体，以及“大信息”的背景下，学校的通信、电子、图像和计算机等学科的科研氛围浓厚、师资力量较强，相关课程的教学体系成熟、教学特点鲜明。上述相关学科的实践教学已经构建了包括课内实验、专题实验、综合训练和生产实习一系列完善的实践教学体系结构。但随着我国生物医学工程学科建设工作的开展，以及生物医学领域研究和应用的快速发展，迫切的需要将更多的生物医学知识融入到工程学知识中。为了扩展生物医学工程专业学生在生物医学领域的知识，激发学生的学习兴趣，在生物学教学方面，我校目前开设了几门生物学领域的课程，包括现代生物学、定量生理学和解剖生理学等。
由于学校在生物医学相关学科的科研和教学缺乏基础，因此这些课程的师资力量较为缺乏，实验教学平台也比较薄弱。此外，生物医学课程多属于理论加上实验的课程，要求课时较多。以解剖与生理为例，理论课要讲51个学时，实验课也需要51个学时[4，5]。但我校生物医学工程专业大纲，对解剖与生理课程只设置了36个学时的理论课以及4个学时的实验课。因此，在这些课程的理论课教学上，需要大幅的调整以适应本专业学生的培养要求[4，5]。在实验教学上，由于课时的限制，大多为演示实验或参观，学生缺乏动手实践机会[6]。
笔者在调研学生对解剖与生理课程兴趣、期望和要求时，有68.1%的同学表示对这门课程感兴趣或非常感兴趣（表1），并且有30%的同学希望能有动手实践的机会（表2）。但我校目前现有的师资力量、实验教学平台和课时设置都不能满足学生的这一要求，因此，必须采取有效的改进措施提高教学平水，满足学生的学习要求。
二、生物医学实验教学改进办法
1.培养专任教师队伍。为了提高我校生物医学领域的教学和科研水平，近几年来，已引进多个生物医学相关专业的博士和高级人才，构建了一个高学历的教师队伍。教师的专业和研究方向包括了分子生物学、蛋白质工程以及纳米材料毒理等，这些教师的专业背景和知识体系完全满足了现有的生物课程教学和实验教学的需要。
2.完善实验教学条件。为了提高实验教学水平，同时为了满足学校科研项目发展的需要，我校已于近几年建设完成了生物医学实验室。实验室的建设目标是建立一个以生物技术为核心，结合医学诊断以及生物信息处理的多层次性和综合性实验基地，使学生系统化地学习和掌握全面的生命科学综合实验技能，以培养生物医学工程领域创新性人才，同时为生物医学工程专业的师生提供一个高水平的细胞、分子生物学实验研究平台，以加强不同学科间的合作交流，做出一流的科研工作。目前已建立了分子生物学、细胞生物学操作平台和蛋白结构测试和信息处理的表征平台。在此平台上，我们为学生设立了核酸分离和检测，核黄素、丙二醛和超氧化物歧化酶等生化指标测定等一系列的实验。让学生走进实验室，观看并亲自动手操作，极大激发了学生的对生物学课程的学习兴趣。
3.改革实验教学内容和方法。除了加强教师队伍和实验平台的建设，我们还通过多种教学方法和途径改革实验教学内容。针对生物类课程实验课时不足的问题，许多教师针对生物领域的热点方向开设了一系列的开放实验项目，通过开放性实验，让学生走进实验室和动物房，让学生跟着老师学习一些基本的生物学实验以及动物实验的操作技能和方法[7-9]。
在教学中，教师积极鼓励对生物医学相关实验有兴趣并且有能力的本科生申报创新项目，鼓励教师和学生并将毕业设计与创新项目相结合，以教师的科研项目为载体，让学生在实践中创新[10]。实践以学生为主体，让学生独立查阅中外文献，了解项目最新的国内外研究进展，设计实验方案，学习各种新的实验技术，掌握科学研究方法，这不仅有利于学生自主学习、解决问题的能力，培养创新思维，同时还加深例如学生对各种专业课程的理解以及对生物工程专业的认识。实践证明，上述教学方法激发了学生的学习兴趣，提高了学生的动手能力和操作能力，并培养了学生的团队精神，取得了良好的教学效果。
同时学校还积极与南京大学、南京中医药大学、江苏省中医院等单位建立合作关系，带领学生参观实验室，让学生对生物医学各领域的实验室构成、具体运作有更直观的认识。通过在大学和医院等实习基地的参观和关系，让学生充分认识到生物医学工程专业的学习目的和专业知识的应用价值。
生物医学工程专业作为一门为生物学和医学服务的交叉学科，生物学实验课对生物医学知识的学习和理解掌握领域非常重要。针对我校生物医学工程专业的生物学实验教学中存在的问题，我们开展一系列的教学改革与实践，取得了很好的效果。极大地激发了学生的学习兴趣，调动了学生的参与热情，提高学生的实践能力，并且为学生今后的工作和科研奠定了坚实的基础。希望能在此基础上，继续完善现有的生物学实验教学体系和教学方法，从而更好地促进生物学实验课程建设和发展。
参考文献：
[1]章浩伟，秦翥，刘颖，等.创新实践模式在生物医学工程教学中的探索[J].实验室研究与探索，2013，32（4）：117-120.
[2]李天钢，马春排，李自毅，等.生物医学工程创新实验室建设和实践教学改革[J].实验室研究与探索，2008，27（7）：21-22，46.
[3]马春排，李天钢，李自毅，等.生物医学工程实践教学体系的建设[J].实验定研究与探索，2010，29（4）：103-105，122.
[4]李小慧，吴建盛.理工院校生物医学工程专业解剖生理学教学的思考[J].中国电力教育，2013，（10）：161-163.
[5]严振国，施雪筠.解剖生理学[M].2版.中国中医药出版社，2004.
[6]路宏朝，王杨科，陈文强，等.基于能力培养的人体解剖生理学实验教学改革[J].实验室科学，2011，11（3）：35-37，40.
[7]孙文彬.开放性创新实验教学改革与实践[J].实验室研究与探索，2006，25（2）：148-151.
[8]冯波，翁杰，黄楠，等.结合学科特点和自身优势建立生物医学工程本科专业实验教学体系[J].实验技术与管理，2006，23（10）：15-17.
