生物信息学的概念范文

时间:2023-12-21 17:36:34

导语:如何才能写好一篇生物信息学的概念,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。

生物信息学的概念

篇1

1 高考考查生物学概念的方式和特点

1.1 直述法

1.1.1发散式

南一个概念引出其不同的内涵和外延。如:

(2008年上海卷)下列有关突触的叙述,正确的是(

)

A 神经元之间通过突触联系

B 一个神经元只有一个突触

C 突触由突触前膜和突触后膜构成

1),神经递质能透过突触后膜

1.1.2归纳式

由个别的内涵或外延导出概念。如:

(2007年宁夏理综卷)在寒温带地区,一场大火使某地的森林大面积烧毁,在以后漫长时间中,在原林地上依次形成了杂草地、白桦为主的阔叶林、云杉为主的针叶林,这种现象称为( )

A 物种进化 B 外来物种入侵

C 群落演替 D 垂直结构

1.1.3 综合式

大多概念之间还存在有明显的包含、对立、并列、因果关系等,高考考查时,常常放在一起综合考查,如:

(2009年福建理综)细胞的有丝分裂和减数分裂都可能产生可遗传的变异,其中仅发生在减数分裂过程的变异是……

1.2 图解法

1.2.1 集合式

用数学集合表达概念之间的关系。

(2007年广尔理基卷)图1是由3个圆所构成的类别关系图,其中I为大圆,Ⅱ和Ⅲ分别为大圆之外的小圆。符合这种类别关系的是( )

A I脱氧核糖核酸、Ⅱ核糖核酸、Ⅲ核酸

B I染色体、ⅡDNA、Ⅲ基因

C I固醇、Ⅱ胆吲醇、Ⅲ维生素D

D I蛋白质、Ⅱ酶、Ⅲ激素

1.2.2 概念图式

用箭头把一组概念连接起来,表示它们之间的包含、并列或对比等关系,有流程图、因果图等。如:

(2009年天津理综卷)图2为动物机体的细胞凋亡及清除示意图。据图分析,不正确的是( )

2 生物学概念复习备考教学策略

结合高考考查生物学概念的方式和特点中,在引导学生高考复习备考的教学中,教师可以从以下儿个方面入手进行概念教学,以提高概念教学的订效性。

2.1 “关键词”策略,让学生在快速找到“题眼”

(2009年广尔卷)有关人体内环境稳态的叙述,错误的是( )

A 有3种以上的生理系统参与维持体内环境稳态

B 人体内环境稳态的失调与外界环境无关

C 人体维持内环境稳态的调节能力有限

D 稳态有利于参与其调节的器官保持机能正常

解析:稳态是指正常机体通过调节作用,使各个器官、系统协调活动,共同维持内环境的相对稳定状态。这里的“正常机体”“各个器官、系统”“相对稳定状态”等都是关键词,抓住这些,本题解答就容易了。

参考答案:B。

概念中的这些“关键词”,往往是闸述概念的内涵和外延的核心词汇(概念的内涵是指概念的本质属性,外延是指概念反映的具有这种本质属性的事物的适用范围),抓住了概念的“关键词”,就能准确理解概念的内涵和外延。教学中教师要不断引导学生对概念中“关键词”的关注。又如“反射”的概念是指在中枢神经系统的参与下,动物体或人体对内外环境变化作出的规律性应答。其中“中枢神经系统”、“动物体或人体”、“内外环境变化”、“规律性应答”是阐述概念内涵的关键词,体现了反射概念的本质属性,而“中枢神经系统”、“动物体或人体”就界定了反射的范围――只有具有神经系统的动物或人才具有反射现象,这是概念的外延的关键词。教学中不断强化学生对这些概念“关键词”的理解和掌握,解题时,学生就会迅速抓住“题眼”,提高解题效率。

2.2 多角度例证策略,让学生在思考训练中迅速准确判断

(2009年广东卷)下列叙述中,不属于种群空间特征捕述的是( )

A 斑马在草原上成群活动

B 每毫升河水中有9个大肠杆菌

C 稗草在稻田中随机分布

D 木棉树在路旁每隔5 m种植

解析:组成种群的个体在其生活空间中的位置状态或空间布局叫做种群的空间特征或分布型。种群的空间分布一般可概括为三种基本类型:随机分布、均匀分布和集群分布。B项为种群密度,不属于空间特征。

本类试题往往采用发散方式进行考查,通过许多典例来求证概念的内涵和外延,因此复习教学中教师可采用多角度例证的方式进行强化概念的学习。如:“相对性状”的概念教学,在揭示出“相对性状是同一生物同一性状的不同表现类型”这一关键性特征后,可先举肯定例证:“猫的黑毛与白毛”、“兔的长毛与短毛”“、豌豆的高茎与矮茎”等,后再举一些否定例证:“猫的黑毛与狗的白毛”、“人的身高与体重”“、兔的长毛与白毛”等让学生判断,从而加深其对概念的掌握与应用。这样,经过多次的强化刺激,学生就会在头脑中建立新的条件反射,马上能准确判断。

2.3 建立概念体系策略,让概念的学习和掌握系统化

在掌握了大量的概念后,往往会出现概念的混淆和遗忘,教师在教学中要引导和帮助学生形成概念体系,这样不但有利于巩吲原有的概念,接受新概念,而且能提高学生灵活应用概念的能力,可采用以下方法。

2.3.1 采用对比,让易混概念在比较中生成体系

生物学中一些名称相似或相近的概念往往是“貌合神离”,它们是教学的难点,也是导致学生容易失分的误区之一。为提高学生掌握概念的能力,可把它们的各种属性或关键性特征进行对比。

其他类似概念还有如:生长素与生长激素;光合作用与呼吸作用;有氧呼吸与无氧呼吸等。

2.3.2 借助图解,让抽象概念在直观中生成体系

2.3.2.1 采用集合方式表示

在生物学中,对一些相互之间有联系的概念可借助集合方式,化繁为简,一目了然,达到事半功倍的效果。如:图3中①、②、③=三个圆分别代表某个概念或某类物质。以下各项中,能构成图中关系的是( )

A DNA、染色体、基因

B 反射、应激性、适应性

C 酶、蛋白质、激素

D 减数分裂、有丝分裂、无丝分裂

解析:大多数酶是蛋白质,有些激素(如胰岛素)也是蛋白质,因此酶和激素与蛋白质之间为交叉关系;酶和激素是两类物质,为并列关系。

参考答案:C。

其他还有:生态因素,生物因素和种间(或种内)关系;酶、激素和蛋白质的关系;应激性、反射和条件反射;染色体、DNA、基因、含氮碱基(或磷酸、五碳糖);免疫、特异性免疫与细胞免疫等等。

2.3.2.2 采用概念图方式表示

概念不可能单独存在,每个概念都必须根据与之有关的其他概念间的关系才能确定其准确的含义。概念图有思维图、流程图、循环图等,下面是以能源物质的种类为中心构建的生物学概念图(图4)。

篇2

关键词:生物信息学 创新实践能力 教学改革

中图分类号:G642.0 文献标识码:A 文章编号:1674-098X(2014)10(c)-0143-02

2013年三位美国科学家以“为复杂化学体系设计了多尺度模型”而获得了诺贝尔化学奖,从此生物信息学(Bioinformatics)真正走到了自然科学的前台,成为未来发展的重要方向和热点。生物信息学是以生物学为核心和灵魂,以数学和计算机为基本工具的一门交叉学科,综合运用数学、计算机科学和生物学的各种工具,获取、处理、存储、分发、分析和解释生物信息,进而揭示大量数据所蕴含的生物学意义。生物信息学已经成为生物医学、农学、遗传学、细胞生物学、分子生物学等学科发展的强大推动力量,目前已经成为高等院校生命科学相关专业学生必须掌握的主要专业课程。要实现中华民族伟大复兴的中国梦,离不开科学技术的创新驱动,创新人才的培养自然成为高等院校的主要责任,高等院校教师需要根据培养学生创新实践能力的要求不断的开展教学改革。鉴于生物信息学的重要作用,最近几年各高等院校都相继开设了生物信息学课程,但是由于生物信息学是一门广泛的交叉学科,需要学生具有较扎实的多学科基础知识,且生物信息学自身发展迅速,新概念、新算法、新数据库等层出不穷,需要教师不断跟进,因此生物信息学的教学与其他学科显示出明显的不同,旧的教学方法不能适应生物信息学课程的发展。生物信息学教学改革的内容应该着重于提高学生的创新实践能力。该文将生物信息学教学改革中总结的经验,从教学理念、教学方法、教学内容和考试改革等方面,对在生物信息学课程的教学中如何培养学生创新实践能力进行了讨论。

1 教学理念上强调学生的实践能力和自主创新思维的培养

生物信息学是一门实践性非常强的学科,同时具有多学科交叉的特点。对于非生物信息学专业的生命科学相关专业学生,主要课堂目标是熟练应用各种软件、数据库解决实际的生物学问题,而不是研究新算法、开发新程序。非生物信息学专业的学生一般具有较好的生物学基础,对于核酸、蛋白质等相关知识已经较为熟悉,在教学中不必过多重复,而对于生物信息学中的数学模型,程序原理等内容具有较大的学习障碍,经过我们的教学发现,学生对于这些内容的不理解并不会显著影响其应用软件的实践能力。因此,对于非生物信息学专业的生物信息学本科课程,应当简化复杂难懂的理论知识,注重培养学生的实践能力,使学生可以应用生物信息学工具对生物数据进行分析,解决实际问题,在使用生物信息学工具解决实际问题的时候对生物信息学产生兴趣,增强创新实践能力。

2 采用启蒙式、研讨式、运用式等生动形象的教学方法

为了强调学生的实践动手能力,采用启蒙式、研讨式、运用式等生动形象的教学方法。(1)将授课地点定在计算机网络教室,接驳互联网的计算机安装有课堂管理系统,实时演示教师的操作。教师在授课过程中结合具体实例边讲解边示范操作,学生边听课边练习。(2)对课件增加图片、视频、音频等多媒体素材,使抽象的、静态的生物信息学知识以具体的、动态的形式演示,提高学生的学习兴趣,加深学生对知识的掌握程度。例如在讲解蛋白质三维结构相关知识时,教师需准备好各种蛋白质的三维结构素材,并使用(同时教会学生使用)专业蛋白质三维结构看图软件进行演示操作,这样可以显著提高学生的实际操作兴趣。(3)进行课程录像,记录课堂上老师的讲课现场和计算机操作屏幕的录像,将视频放到网络教学平台上,供学生课后观看,降低生物信息学学习难度。(4)进行随堂在线操作练习,以教师和学生分别自设题目的方式开展创新实践练习,促进学生创新性思维方式,注重提高理论用于实践的综合能力,同时更有效地提高学生计算机应用能力。(5)采用双语授课,提高学生专业英语能力。生物信息学的实际操作离不开数据库和软件,而目前国际上通用的生物信息学在线数据库和常用软件的界面都是英文,因此学生必须能看懂生物信息学相关概念的英文说法。我们采用双语授课,对课程中的关键信息再使用中文重点讲解一遍。教学中发现大多数学生对英文授课及英文软件有惧怕和惰性心理,对此我们采用循序渐进多次重复的方式帮助学生克服最初的惧怕建立信心,在英语授课前一周,教师将多媒体课件通过网络教学平台发送给学生,并列出来关键名词,供学生提前预习,减少课堂上直接听英文的难度,在数据库和软件中,安排学生多次使用同一个软件,同一个数据库,对常用的词语进行重点说明,从而减小学习压力,增强学习信心。本方法增强了学生主动学习生物信息学自主能力,同时提高了学生英文听、说、读、写等能力。(6)发挥网络教学的优势,教师可根据教学内容从网上下载教学辅助资料,充分利用网络的现有资源,并通过网络教学平台为学生提供教学资源,将制作的教学课件、教学大纲、教学录像、参考文献、思考题、自测题等上传到教学平台上,使学生随时随地在教学平台里面进行下载教学课件、回答问题、提出问题,老师或者同学可以对所提问题进行网上解答、探讨。教师还可以通过网上论坛、聊天室、QQ、E-mail等对学生学习和生活进行指导和关心,可以及时了解掌握学生的学习情况,有利于教师不断调整教学方案,达到更好的教学效果。

3 教学内容上增强课程应用性

生物信息学的课程内容很多,具有很强的跨专业性,由于课时和学生专业的限制,我们应选择性地进行授课,教学内容主要强调课程实践应用性。(1)要在课程的第一节课明确生物信息学在生物学中的作用,讲解几个有趣而又简单的生物信息学应用,提高学生的学习兴趣。(2)对于理论知识只讲解其中最为基础而不可缺少的,并结合实际操作使学生形象化、具体化。授课中穿插讲解有趣而简单的生物信息学应用实例,提高学生的学习兴趣。(3)增加实验课学时,增强学生动手操作实践能力。生物信息学主要是通过计算机软件完成对生物数据的分析,分析过程中易出现各种错误,需要在多次操作实践中不断总结经验才能熟悉。因此增加实验课学时会明显增加学生的实践能力。我们每一节课分为两部分,理论讲解和实验操作,在理论讲解完成后,马上开展实验操作,这样可以让学生理解软件中应用的原理,不会出现在实验课时理论与实验脱节的现象。(4)生物信息学发展迅速,需不断把握国际最新进展,更新知识库,使学生学到最新的技术,更好的应用到实践中。因此我们密切关注学科发展动态,掌握最新研究成果,每学期的教学随时进行知识更新,及时将国内外及教师的新知识、新成果作为教学内容的一部分传递给学生。同时我们使用双语授课,并保证授课内容紧跟生物信息学的前沿,保证学生学到的都是最新的知识,刺激学生探索与实践的欲望。

4 考试改革上促进学生实践能力和创新思维

考试改革的目的是强化实践教学,注重创新能力的培养;发挥教学中的积极性、主动性、创新性;在加强素质教育的基础上扩宽专业教育;培养“宽厚型、复合型、创新型、外向型”人才。考试可分为期末考试、平时练习和上机考试等三部分。期末考试使用传统的考试方式。平时练习为教学中的课堂练习题的评分。对于上机考试,我们引入无纸化考核,通过上机实践操作,重点考核学生在互联网环境下的随堂在线操作,随堂在线测试的内容主要是使用各种软件和数据库分析生物数据的操作实践,增强学生理论应用实践的综合能力。例如给出一个蛋白质的名称,让学生查询此蛋白质的序列、理化性质、翻译后修饰等信息,预测蛋白质二级结构,三维结构等操作。学生使用计算机在线完成指定的生物信息学分析内容,考查学生掌握实践操作的程度,促进学生注重提高理论用于实践的综合能力,同时更有效地提高学生计算机应用能力。这种考试模式可以显著的提高学生实践的积极性。

5 结语

总之,生物信息学教学需要培养学生自主创新学习的能力和在实践中自主创新获取知识的技能,使学生知识、能力、素质协调发展。为了提高学生创新性思维和实践操作能力,生物信息学教学改革应从以下几方面进行:在教学理念上,强调学生的实践动手能力、创新思维的培养;在教学方法上,采用启蒙式、研讨式、运用式等生动形象的教学方法;在教学内容上,增加实验学时,增强课程应用性,理论为实践服务;在考试改革上,采用多种考查考核方式促进学生实践能力、创新思维。在今后的教学工作中,我们将继续探索行之有效的教学方法、教学手段和教学模式,启发学生的创新实践意识,培养学生的创新思维和实践能力,以满足现代社会对创新型人才的需求。

参考文献

[1] 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(4):51-53.

[2] 张幸果,丁俊强,朱伟,等.关于如何提高生物信息学教学质量的探讨[J].江西农业学报,2010(3):194-195.

[3] 石生林,韩艳君,刘彦群,等.非专业研究生生物信息学课程教学中存在的问题及对策[J].生物信息学,2009(2):125-127.

篇3

生物信息学 生物科学 实践教学

生物信息学作为一门新兴的交叉性学科,综合生物学、计算机科学和信息技术试图,从大量数据中寻找具有指导和开创性价值的依据,为生命科学研究提供必要的、有效的系统模拟和信息预测结果。目前,生物信息学在生物医学、生物工程、植物学、动物学、生态学、遗传学、制药和高科技产业领域中的应用越来越广泛,产生巨大的影响力和推动力。

一、生物信息学在生物科学领域的作用

生物科学是研究生物结构、功能、发生和发展规律,及其与周围环境关系的科学。在分子生物学技术突飞猛进的发展过程中,生物科学从传统的个体及群体表征研究逐步演变为内在分子机制的研究,随着基因测序技术的发展,生物科学领域的研究不仅聚焦于生物个体的内在分子机制,同时还从大量的生物个体的基因数据中获取和解析生命的本质和规律,并以此尝试对生命过程进行干涉和改造。而在获取、解析、干涉和改造的过程中扮演重要角色的就是生物信息学。

生物信息学是在生物科学领域各个学科发展的过程中逐步产生的一门综合性学科,该学科在生物科学领域的应用极为广泛。目前,植物基因组研究取得了重大进展,水稻、大豆、小麦等农作物的遗传图谱、基因序列、基因组注释已公布于美国国立生物技术信息中心(NCBI)的生物信息数据库中。利用生物信息学的相关方法和技术能够对这些数据进行查询、统计和分析,从而更好地理解和认识植物基因组的功能,指导后续的科学研究和生产应用。传统的生物学分类方法已经鉴定及分类了成千上万的物种,但是随着生物科学的发展和认知,越来越多的物种在遗传进化上的分类依据较为模糊,而利用生物信息学结合传统的分类学可以更好的研究生物类群间(植物、动物、微生物等)的异同性、亲缘关系、遗传进化过程和发展规律,这在当今的生物分类学中应用日趋广泛。生物信息学还可以综合利用数学、统计学和计算机等学科对生态系统进行模拟和计算分析,探索物种间基因流动的本质,揭示生态系统的物质和能量循环规律,从而为找到决定生态系统平衡和稳定的根本因素提供重要的依据,帮助生态系统平衡的恢复。此外,通过生物信息学技术构建遗传工程菌,降解目标污染物的分子遗传物质,从而达到催化目标污染物的降解,维护生态环境的空气、水源、土地等质量,也是当今生态环境保护的新兴研究方向。

二、生物信息学的学科内容和课程要求

生物信息学主要由基因组学、蛋白质组学、系统生物学、比较基因组学、计算生物学等学科构成,主要涉及的内容有生物数据的收集、存档、显示和分析,体外预测、模拟基因及蛋白质的结构和功能,对生物的遗传基因图谱进行分析处理,对大量的核苷酸和氨基酸序列进行比对分析,确定进化地位等。从生物信息学的概念及其涉及的内容中可以明确生物信息学不是一门独立的学科,所以要求教师在教学过程中掌握多领域的知识和技能,才能较好地把握该课程。

1.高等数学和统计学基础

生物信息学将数学和统计学作为主要的计算理论基础,主要包括数学建模、统计方法、动态规划方法、数据挖掘等方面。此外还包括隐马尔科夫链模型(HMM)在序列识别上的应用,蛋白质空间结构预测的最优理论,DNA超螺旋结构的拓扑学,遗传密码和DNA序列的对称性方面的群论等。因此,在生物信息学教学过程中要求教师具备数学及统计学的计算方法的基础知识,能够利用牛顿迭代法、线性方程回归分析、矩阵求拟、最小二乘法等进行数学建模和计算,从而对基因和蛋白质序列进行比对、进化分析和绘制遗传图谱等。

2.生物科学基础

生物信息学包含的生物类学科有,生物化学、分子生物学、遗传学等基础学科,基因工程、蛋白工程、生物技术等应用学科。根据其课程特点,学生在学习生物信息学课程前需要学习生物化学、分子生物学、遗传学、基因组学、蛋白质组学等基本生物学课程,对于基因序列、蛋白质序列、启动子、非编码区等概念有深刻的理解,同时需要对一些重要的生物学数据库有一定的了解,如美国基因数据库(GeneBank)、欧洲分子生物学实验室数据库(Embl)和日本核酸数据库(DDBJ)等。此外,要求学生能够利用生物学数据库查找基因序列、蛋白质序列、基因及蛋白质结构模型,能够读懂数据库中基因和蛋白质的信息注释,能够计算蛋白质序列的分子量和等电点,能够为扩增特定的基因片段设计引物,能够对特定物种进行系统发育分析等。

3.计算机科学基础

计算机是生物信息学的主要辅助工具,利用生物信息学研究生物系统的过程需要能够熟练使用计算机对大量的生物信息数据进行处理和分析,这主要包括对数据信息进行搜索(收集和筛选)、处理(编辑、整理、管理和显示)及利用(计算、模拟)。所以,学生在学习生物信息学的过程中需要了解和掌握一些常用的生物信息学软件,如BLAST和FASTA序列比对分析软件,Oligo和Primer引物设计软件,VectorNTI、DNASTAR、DNASIS等综合分析软件。此外,学生还需要学习和掌握一些常用的计算机语言,如正则表达式、Unix shell脚本语言和Perl语言。

利用生物信息学在处理和分析海量生物数据的过程中,计算机软硬件资源需要配合处理分析软件的运行,因此要求计算机操作系统使用Unix和Linux操作系统,这些操作系统需要大量的操作命令进行输入执行过程,对于经常使用Windows操作系统的学生来说是一个较难跨越的障碍。

三、生物信息学课程教学中存在的问题

目前国内大多数高校的生物信息学教学采用传统的教学模式,即以课堂式的理论教学为主,缺乏必要的实践教学。理论教学模式固定、教学方法单一、教学内容狭窄,通常是介绍性、科普性的课程,甚至作为公选课程。少数高校开展生物信息学的实践课程教学,但多以验证性实验为主,缺乏和专业相适应的综合性、设计性实验,而开放性实验更无从谈起。

1.教学模式固定单一

生物信息学在内容层面涵盖诸多学科领域,注重应用性和实践性。然而,目前大部分高校把生物信息学作为一门孤立的课程,这导致教师需要将大多数课程内容压缩到一门课程进行教学,在有限的教学时数下灌输大量内容,增加了学生学习的难度,降低了教学质量。再者,大多数高校仅开展生物信息学的理论教学,忽视实践教学过程,造成生物信息学理论与实践内容的脱节,使学生在学习完理论知识后难以深入理解和吸收,无法将所学的知识应用到后续的工作和学习中,最终未能体现出该门课程的价值。

2.教师专业背景薄弱

作为一门交叉学科,生物信息学的教学要求教师具有较强的数学、生物学和计算机科学背景。然而,目前从事生物信息学教学的教师即便具备深厚的生物学背景,但是多数教师在数学和计算机方面较为薄弱,并不具备完整的生物信息学知识体系,对生物信息学发展趋势也了解不多。在师资缺乏的情况下,院系开设生物信息学课程,教师为了完成教学任务,仅仅在教学中进行介绍性的讲解,在课程考查方式上通过小论文、综述和课外活动等方式完成该课程的学习。因此,无论是理论教学还是实践教学均无法实现该课程大纲的要求,从而影响学生对生物信息学课程的理解和掌握,生物信息学的实践操作能力更无从谈起。

3.实践教学薄弱,专业教材缺乏

生物信息学实践课需要学生在网络环境下用计算机学习NCBI数据库的检索与使用、序列比对分析软件的应用、蛋白质空间结构图视软件的应用、序列拼接软件的应用等。但是目前,大多数高校开设的生物信息学课程多以理论教学为主,实践教学课时非常少或者为零,学生对于生物信息学课程的学习仅仅通过教材上抽象的文字描述进行理解和掌握,这导致学生在理论课中学到的知识无法在实践课中进行验证或操作,严重影响了生物信息学的教学质量,也偏离了教学大纲中强调的重在培养学生实践操作能力的培养目标。

另外,目前还没有适用于生物科学专业的生物信息学教材。国内各大高校使用的教材多为国外教材的影印版或者中文翻译版本,这些教材偏重介绍生物信息学的理论和方法,涉及的实践内容较少,学生需要具有较高的相关知识才能接受和使用这些教材。因此,部分高校在生物信息学教学过程中往往使用自家编写的简化教材,从而造成生物信息学教学内容不统一,教学大纲混乱等情况。

4.实践课程经费不足,实践教学环境落后

当今,许多发达国家都很重视生物信息学的教学和研究,积极开展各种生物信息资源的收集和分析工作,培养大量生物信息学人才,为整个生物学的理论研究及其相关产业创新(主要是医药和农业)提供指导和支撑。国内对生物信息学的关注和认识起步较晚,其发展落后于国际发达国家。国家和高校对生物信息学的教学和科研资金投入力度不大,缺乏必要的仪器设备,生物信息学的实践教学条件得不到保障,比如大多数高校的生物科学专业没有相应的计算机实训室,配套软件也相对匮乏,落后于国际发展水平。

四、生物信息学教学模式改革的探索

1.修改理论和实践教学大纲,编写适用的实践教材

根据当今生物信息学的发展方向,制定和修改理论教学大纲,除了引物设计、基因和蛋白质序列比对、基因和蛋白质结构功能预测等基本内容外,还需添加系统进化树分析、聚类分析、蛋白质互作网络谱图等较为综合的内容。另外,增加实践教学课程比例,充实实践教学内容,结合理论教学内容增加综合性、设计性实验,适当提供科研环境,鼓励开展开放性实验。

目前国内并没有系统的、专业的生物信息学实践教材,因此针对高校生物科学专业方向的特点,联合多学科领域(数学、生物科学、计算机科学)编写相应的生物信息学实践教材,在制定、修改实践教学大纲和编写教材的过程中结合学生的接受能力,由浅入深,多设实例和相关练习,使学生循序渐进的理解和掌握生物信息学的原理和方法,掌握更多的生物信息学工具。

2.紧密联系科研、基于实践问题开展教学

通过实践教学把生物信息学教学与科研有机结合起来,能够促进教学与科研的共同发展。在紧密联系科研的过程中,采用基于问题的教学(PBL)方法,通过实践教学环节,培养和训练学生把所学的生物信息学的知识和方法应用于各种生物科学领域的科研活动中,通过解决实际问题训练学生的实践技能,从而促进教学与科研的双重发展。例如,在生物信息学实践教学中多加入生产和科研中遇到的经典实例,鼓励学生利用相关的生物信息学软件及相关的理论和方法解决问题。学生也可以选择自己感兴趣的课题,利用自己熟悉的、合适的生物信息学软件和相关知识开展课题研究。此外,专业教师在指导学生课题研究的过程中还可以发现理论和实践教学的不足,不断的完善生物信息学理论和实践课程大纲和内容,提高教学质量。

3.开展多学科实践结合的教学模式

生物信息学属交叉学科,包含了不同领域的专业知识和技能,为使生物信息学教学达到教学的目标,该课程教学需要采用多学科实践结合的教学模式。

多学科实践结合的教学模式是指联合不同领域、不同学科、不同专业的课程在教学的过程中结合生物信息学涉及到的知识和技能进行基础性、铺垫性教学。比如,在高等数学和统计学的教学过程中,针对生物信息学的需求,适当增加数学建模、统计方法、动态规划方法、数据挖掘等方面的基础内容,同时,开设实例实践教学,使学生理解和掌握隐马尔科夫链模型,牛顿迭代法、最小二乘法等方法的应用原理和规则;在生物科学专业课程设置上,尤其是实践课程的教学过程中,结合生物信息学涉及的引物设计、序列比对分析、基因及蛋白质结构功能预测等方面开展相应的设计性、综合性、开放性实验项目,使学生了解和掌握基本的生物信息学原理及软件的应用;在计算机科学的教学过程中,应根据生物信息学的需求,开设正则表达式、Perl语言、R语言等课程学习,以及增加Linux和Unix操作系统课程学习,使学生在学习生物信息学前打好坚实的基础。

值得注意的是,生物信息学课程与其他课程的开设时间和顺序需要有一定的探索和评估,对于开设该课程的时间把握是开展多学科实践结合的教学模式的关键因素。过早开设生物信息学则会导致学生在不具备相应学科基础的条件下跨越式的接触生物信息学,无法理解和掌握相关的知识和技能;过晚开设则会使学生学习了相关学科知识和技能后,由于课程衔接不紧,导致在学习生物信息学时出现理解滞后和无法适应的现象。因此,针对不同专业和学科的特点,根据具体情况进行统筹安排,使生物信息学和其他相关学科课程有很好的衔接和过渡,以确保和提高生物信息学的教学质量。

五、结语

生物信息学是现代基因组学时代的开阔者,也是生物科学研究的重要的工具和载体。针对生物信息学的特点,高校生物科学专业课程设置、教学方法、教学模式和教学软硬件等需进行一定的改革,将多学科实践结合的教学模式运用到生物信息学的教学实践中,在提高教学质量的同时将更好的提升学生科研、应用和创新能力。

参考文献:

[1] 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.

[2]GUYD, NOELE, MIKEA. Using bioinformatics to analyse germplasm collections [J]. Springer Netherlands,2004.39-54.

[3]王春华,谢小保,曾海燕.深圳市空气微生物污染状况监测分析[J].微生物学杂志,2008,28(4):93-97.

[4]张菁晶,冯晶,朱英国.全基因组预测目标基因的新方法及其应用.遗传,2006, 28(10):1299-1305.

[5]周海延.隐马尔科夫过程在生物信息学中的应用.生命科学研究,2002, 6(3):204-210.

篇4

关键词:生物信息学;医学;教育;建议

生物信息学(Bioinformatics)是一门发展迅速的生物学分支学科,由生物学、计算机学、信息管理学、应用数学及统计学等多门学科相互交叉而形成,本质是利用计算机技术解决生物学问题,通过信息的处理和整合实现发现和创新。它主要包括以下3个方面的内容:①生物数据的收集、整理、存储、检索、加工、分析和整合;②生物系统和结构的建模;③与生物科学相关的计算机技术的应用,这个范围还在不断的扩增中[1]。医学生物信息学是指以医学研究和临床应用为中心开设的生物信息学,本文讨论的内容主要围绕医学生物信息学展开。近20年来,互联网、数据库和计算方法的发展,为生物信息学的研究提供了更为广泛和灵活的方法;多种模式生物基因组测序的完成,功能基因组、蛋白质组研究的开展,各种高通量生物实验技术快速发展为生物信息学,提供了更大研究空间的同时,也对海量的生物学数据进行有效地挖掘和整合提出了严峻的挑战;而以基础研究与临床医疗结合为宗旨的转化医学的兴起对衔接二者之间的桥梁———生物信息学,提供了广阔的应用空间。对生物信息学人才的热切需求,以及上述机遇和挑战导致了生物信息学专业在全世界的蓬勃发展。以美国为例,在1999年之前,全美只有6所大学设置有计算生物学与生物信息学专业,而到2002年,则有31所大学设置了计算生物学与生物信息学专业博士学位,其中有12所大学是在2001年~2002年之间设置的这门专业[1]。这些大学通常以生物学、生物统计学、计算机科学或者生物医学信息学为依托设置这门专业,不同大学对该专业学生的培养模式也有所不同。在我国,很多高等院校将生物信息学作为专业课程设立,医学高等院校也逐步将其作为基础课程或选修课设立。作为一门新生学科,生物信息学在大部分院校尚处于探索阶段,没有成熟完善的教育模式可以借鉴[2]。在这种情况下,来自前期已毕业学生和用人单位的反馈意见对生物信息学教育模式的总结提高具有重要意义。作为一名临床医师和医学研究人员,笔者深刻体会到在实际工作中,无论是自身合理应用生物信息学知识进行思考和设计,还是找到能够迅速融入并满足实验室研究和临床工作需求的生物信息学专业人才都不是一件容易的事情。因此,本文作者就自己的一些切身体会,结合文献和思考,对我国医学生物信息学人才培养列举了一些意见和建议,希望能够在生物信息学教学模式的完善中起到微薄的助力作用。本文着重探讨信息技术在医学领域中的应用,侧重于医院信息管理和信息系统建设方面的医学信息学(Medical Informatics)不在本文讨论范围内。理想的医学生物信息学人才培养目标应该是这三类人的集合:①计算机专家,掌握计算机算法、计算机语言、软件、数据库结构和相关知识框架,以及硬件知识;②生物信息学专家,具有熟练应用计算机储存、处理、分析和整合相关生物信息的能力;③基础研究或临床工作者,具有查阅文献,提出生物学或临床医学问题,合理使用上述生物信息学来思考、设计和解决问题的能力,并能收集和正确提供用于研究的初始数据。结合我国实际情况,想让临床医学专业学生或医学生物信息学专业学生同时完成以上3个方面的培训显然不切实际。理想的培训模式,是通过对临床医学专业和医学生物信息学专业学生不同侧重的培训,再通过二者的合理分工和配合,来满足以上3个方面的需求。对医学院校学生,尤其是医学研究生,生物信息学培训的内容应侧重于对其计算思维能力和信息学应用能力的培养,目的是使其能熟练地从生物信息学角度发现和提出生物学或临床医学方面的科学假设,针对该假设设计合理的研究方案,并为后续研究提供正确的初始数据;对以生物医学为中心的信息学专业人才培养,内容应侧重于对其计算机技术和生物信息学在医学实践应用方面能力的培养,目的是与前者配合,指导并帮助其完成科学假设的设计,对前者提供的初始数据进行管理、存储、检索、分析和整合,以及完成更高要求的计算机技术方面的应用,例如应用软件的设计,生物系统和结构的建模,等等。

1 医学生的计算生物学与生物信息学思维培养

本部分特指医学专业学生的生物信息学教学,部分医学院校开设的医学生物信息学专业教学将在下一部分中提及。无论是医学基础研究,还是以循证医学为代表的临床研究,生命科学研究的一般过程,都遵循发现问题资料查询预实验提出科学假设设计实验验证假说资料查询和结果分析科学理论总结的基本思路[3]。在这个过程中,计算生物学与生物信息学不仅是进行资料查询和结果分析的重要工具,更应是在提出科学假设和实验设计阶段就需要贯彻执行的理念和思维方式。换言之,具体的生物信息学与分子生物学实验一样都是验证生物医学假说的实验方法,是将一个生命科学假设用计算和信息学思维方式表达和实现的过程。在我国,绝大部分医学基础研究和临床研究课题都是由医学院校毕业的临床工作者设计和申请的。由于临床医师大都承担了繁重的临床工作,申请者亲自完成课题的机会很少,获批课题的具体实施及数据管理、存储、检索、分析和整合多由研究生或实验室工作人员负责。因此结合我国的实际情况,将生物信息学与具体课题耦合,即将一个科学假设用计算和信息学表示并有效实施的思维和实践培训,才是医学生生物信息学培训的中心内容。由于我国临床医学教学采用长学制(5年、7年或8年)教学,对实践性和针对性都很强的生物信息学而言,过早或过于笼统的培训都显得意义不大,所以笔者认为针对医学生的生物信息学培训安排在研究生阶段是比较合适的,教育中心是以医学研究需求为指导,强调信息学思维培训和实践操作。具体提出的建议有两点,一是根据学生专业背景调整理论教学内容。医学院校学生的数理基础、计算机基础及统计学理论基础不能和工科院校的学生相比,医学专业包括基础医学、临床医学、口腔、预防等专业,涉及广泛,各个专业背景的学生对这门课程的需求不尽相同。因此在理论课程上,要根据不同的专业背景和研究内容形成“个性化”的培养方案,目的是让学生有选择有针对性地掌握相关生物信息学内容,例如数据库的类型和选择,常用软件的种类和应用等,同时又不会对过于高深的生物信息学理论产生反感。二是结合研究生阶段的课题,开展研究内容模拟和实践操作练习。为了更好的配合研究生阶段的课题,可将《生物信息学》开课时间调整到研究生阶段的第三学期,即在学生进入课题研究阶段之后,让学生在清楚面临的课题内容后,有针对性地学习在完成课题过程中要使用到的知识、工具和解决问题的思路,包括文献查阅、保存、编辑,核酸序列查找和同源性比对及进化分析,PCR引物设计,基因功能、结构预测,调控元件及转录因子预测,蛋白质基本理化性质分析,跨膜区及信号肽预测,二级结构和空间三维结构的预测等。这样学生的学习兴趣和效率会大大提高。为了解决上课时间与课题时间冲突的问题,可以采用生物信息学授课老师加入导师组成员,通过网上教学和答疑、夜间授课、集中授课与个别指导结合等多种方式灵活解决。

2 以医学为中心的生物信息学专业人才培养

如果说对医学生进行生物信息学教育的目的是使其学会将一个生命科学假设用计算和信息学表示,并正确提供初始数据,那么以医学为中心的生物信息学专业人才培养的目的,就是使其学会用计算机学和信息学处理并证实科学假设的过程。具体的内容包括,与实验室工作人员和临床医生配合,从计算生物学与生物信息学角度指导并帮助其完成科学假设和课题内容设计;在课题实施阶段对后者提供的初始数据进行管理、存储、检索、分析和整合,以及满足后者更高要求的计算机技术的需求,例如应用软件的设计,生物系统和结构的建模,等等。目前,计算生物学与生物信息学专业研究生的培养模式主要有3种:①以生物学为中心的多学科培养模式。理论教育以生物学为中心,在6~9个学期内陆续完成生物学部分课程(相当于普通生物学系1/3~1/4课程)的选修,然后根据兴趣和实际情况选择一个相关实验室完成研究生课题。这种培养模式被大多数综合大学采纳。②以工程设计为中心的培养模式。③以医学为中心的培养模式。指以医学研究和临床应用为中心设置计算生物学和生物信息学,绝大多数由医学院校设置,侧重生物信息学与临床医学的结合。在进入课题阶段之前会有1~2年临床相关概念和信息的培训,主要开设的课程包括生物学、细胞生物学、分子生物学与基因组学、化学与物理学、计算机科学、数学和统计学等,甚至包括部分医学课程,后期实践阶段通常选择一个相关实验室完成研究生课题。总的看来,医学生物信息学基础课程设置与国际趋势相符,也符合以医学为中心计算生物学与生物信息学的培训要求。但从近年生物信息学专业研究生就业情况来看,确实存在素质参差不齐,学不能致用,不能很快融入研究工作等问题。笔者认为,这种现象可以从三个方面加以改进:①以职业发展和学位教育为导向,建立多层次、多形式的医学信息学教育和继续教育体系。各医学院校可在统一专业培养目标和定位的基础上,根据自身的学科基础和特色,结合学生毕业后的工作领域和就业方向,形成“个性化”的专业方向和培养方案。②加强师资力量的建设,形成以课程为中心的教学团队。现有医学生物学教材内容宽泛、偏重理论,对实践环节的指导较少,需要授课老师有选择的挑选合适的内容并予以补充和完善。这对授课教师的素质提出了更高要求,要求其能根据实际情况因材施教,有所取舍,强化重点。目前,各院校教学团队和师资力量配备受限,建议可以课程为中心,培养、引进学术带头人,从其他专业挑选骨干教师兼任等多种形式,形成以课程为中心的教学团队。③实践教学与综合能力的培养。生物信息学是一门实践性非常强的学科,要将“学有所长,学以致用”作为人才培养的最终目的。可以通过构建开放式实践教学平台,建设实践教学基地等方式尽可能强化实践操作训练[4],后期部分学生可以结合个人兴趣,本着双向选择的原则,将实践阶段训练固定到导师和实验室,并安排其参与完成某一项课题的设计、实施和总结,在整个过程中要特别注意培养学生的学习兴趣和自学能力,强调知识的自我更新。

综上所述,医学生物信息学人才培养的最终目的是使生物信息学能满足现代医疗和医学研究发展的需要,使医学生物信息学人才成为有效连接基础研究与临床医疗的桥梁,为现代医学的发展提供新途径[5]。

参考文献:

[1]Mark Gerstein,Dov Greenbaum,Kei Cheung and Perry L.Miller.An interdepartmental Ph.D.program in computa-tional biology and bioinformatics:The Yale perspective[J].Journal of Biomedical Informatics,2007,40:73-79.

[2]倪青山,胡福泉,饶贤才,等.医学院校生物信息学实践教学初探[J].基础医学教育,2011,13(6):538-539.

[3]张乐平,冯红玲,宋茂海,等.生物信息学教学与医科学生计算思维培养[J].计算机教育,2012,19(4):12-16.

[4]寻萌,陈艳炯,杨娥,等.《生物信息学》教学实践探讨[J].西北医学教育,2011,19(6):1220-1223.

篇5

关键词: 生物信息学 农业研究领域 应用

“生物信息学”是英文单词“bioinformatics”的中文译名,其概念是1956年在美国田纳西州gatlinburg召开的“生物学中的信息理论”讨论会上首次被提出的[1],由美国学者lim在1991年发表的文章中首次使用。生物信息学自产生以来,大致经历了前基因组时代、基因组时代和后基因组时代三个发展阶段[2]。2003年4月14日,美国人类基因组研究项目首席科学家collins f博士在华盛顿隆重宣布人类基因组计划(human genome project,hgp)的所有目标全部实现[3]。这标志着后基因组时代(post genome era,pge)的来临,是生命科学史中又一个里程碑。生物信息学作为21世纪生物技术的核心,已经成为现代生命科学研究中重要的组成部分。研究基因、蛋白质和生命,其研究成果必将深刻地影响农业。本文重点阐述生物信息学在农业模式植物、种质资源优化、农药的设计开发、作物遗传育种、生态环境改善等方面的最新研究进展。

1.生物信息学在农业模式植物研究领域中的应用

1997年5月美国启动国家植物基因组计划(npgi),旨在绘出包括玉米、大豆、小麦、大麦、高粱、水稻、棉花、西红柿和松树等十多种具有经济价值的关键植物的基因图谱。国家植物基因组计划是与人类基因组工程(hgp)并行的庞大工程[4]。近年来,通过各国科学家的通力合作,植物基因组研究取得了重大进展,拟南芥、水稻等模式植物已完成了全基因组测序。人们可以使用生物信息学的方法系统地研究这些重要农作物的基因表达、蛋白质互作、蛋白质和核酸的定位、代谢物及其调节网络等,从而从分子水平上了解细胞的结构和功能[5]。目前已经建立的农作物生物信息学数据库研究平台有植物转录本(ta)集合数据库tigr、植物核酸序列数据库plantgdb、研究玉米遗传学和基因组学的mazegdb数据库、研究草类和水稻的gramene数据库、研究马铃薯的pomamo数据库,等等。

2.生物信息学在种质资源保存研究领域中的应用

种质资源是农业生产的重要资源,它包括许多农艺性状(如抗病、产量、品质、环境适应性基因等)的等位基因。植物种质资源库是指以植物种质资源为保护对象的保存设施。至1996年,全世界已建成了1300余座植物种质资源库,在我国也已建成30多座作物种质资源库。种质入库保存类型也从单一的种子形式,发展到营养器官、细胞和组织,甚至dna片段等多种形式。保护的物种也从有性繁殖植物扩展到无性繁殖植物及顽拗型种子植物等[6]。近年来,人们越来越多地应用各种分子标记来鉴定种质资源。例如微卫星、aflp、ssap、rbip和snp等。由于对种质资源进行分子标记产生了大量的数据,因此需要建立生物信息学数据库和采用分析工具来实现对这些数据的查询、统计和计算机分析等[7]。

3.生物信息学在农药设计开发研究领域中的应用

传统的药物研制主要是从大量的天然产物、合成化合物,以及矿物中进行筛选,得到一个可供临床使用的药物要耗费大量的时间与金钱。生物信息学在药物研发中的意义在于找到病理过程中关键性的分子靶标、阐明其结构和功能关系,从而指导设计能激活或阻断生物大分子发挥其生物功能的治疗性药物,使药物研发之路从过去的偶然和盲目中找到正确的研发方向。生物信息学为药物研发提供了新的手段[8,9],导致了药物研发模式的改变[10]。目前,生物信息学促进农药研制已有许多成功的例子。itzstein等设计出两种具有与唾液酸酶结合化合物:4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中,后者是前者与唾液酸酶的结合活性的250倍[11]。目前,这两种新药已经进入临床试验阶段。tang sy等学者研制出新一代抗aids药物saquinavir[12]。pungpo等已经设计出几种新型高效的抗hiv-1型药物[13]。杨华铮等人设计合成了十多类数百个除草化合物,经生物活性测定,部分化合物的活性已超过商品化光合作用抑制剂的水平[14]。

现代农药的研发已离不开生物信息技术的参与,随着生物信息学技术的进一步完善和发展,将会大大降低药物研发的成本,提高研发的质量和效率。

4.生物学信息学在作物遗传育种研究领域中的应用

随着主要农作物遗传图谱精确度的提高,以及特定性状相关分子基础的进一步阐明,人们可以利用生物信息学的方法,先从模式生物

中寻找可能的相关基因,然后在作物中找到相应的基因及其位点。农作物的遗传学和分子生物学的研究积累了大量的基因序列、分子标记、图谱和功能方面的数据,可通过建立生物信息学数据库来整合这些数据,从而比较和分析来自不同基因组的基因序列、功能和遗传图谱位置[15]。在此基础上,育种学家就可以应用计算机模型来提出预测假设,从多种复杂的等位基因组合中建立自己所需要的表型,然后从大量遗传标记中筛选到理想的组合,从而培育出新的优良农作物品种。

5.生物信息学在生态环境平衡研究领域中的应用

在生态系统中,基因流从根本上影响能量流和物质流的循环和运转,是生态平衡稳定的根本因素。生物信息学在环境领域主要应用在控制环境污染方面,主要通过数学与计算机的运用构建遗传工程特效菌株,以降解目标基因及其目标污染物为切入点,通过降解污染物的分子遗传物质核酸 dna,以及生物大分子蛋白质酶,达到催化目标污染物的降解,从而维护空气[16]、水源、土地等生态环境的安全。

美国农业研究中心(ars) 的农药特性信息数据库(ppd) 提供 334 种正在广泛使用的杀虫剂信息,涉及它们在环境中转运和降解途径的16种最重要的物化特性。日本丰桥技术大学(toyohashi university of technology) 多环芳烃危险性有机污染物的物化特性、色谱、紫外光谱的谱线图。美国环保局综合风险信息系统数据库(iris) 涉及 600种化学污染物,列出了污染物的毒性与风险评价参数,以及分子遗传毒性参数[17]。除此之外,生物信息学在生物防治[18]中也起到了重要的作用。网络的普及,情报、信息等学科的资源共享,势必会创造出一个环境微生物技术信息的高速发展趋势。

6.生物信息学在食品安全研究领域中的应用

食品在加工制作和存储过程中各种细菌数量发生变化,传统检测方法是进行生化鉴定,但所需时间较长,不能满足检验检疫部门的要求,运用生物信息学方法获得各种致病菌的核酸序列,并对这些序列进行比对,筛选出用于检测的引物和探针,进而运用pcr法[19]、rt-pcr法、荧光rt-pcr法、多重pcr[20]和多重荧光定量pcr等技术,可快速准确地检测出细菌及病毒。此外,对电阻抗、放射测量、elisa法、生物传感器、基因芯片等[21-25]技术也是未来食品病毒检测的发展方向。

转基因食品检测是通过设计特异性的引物对食品样品的dna提取物进行扩增,从而判断样品中是否含有外源性基因片段[26]。通过对转基因农产品数据库信息的及时更新,可准确了解各国新出现和新批准的转基因农产品,便于查找其插入的外源基因片段,以便及时对检验方法进行修改。目前由于某些通过食品传播的病毒具有变异特性,以及检测方法的不完善等因素影响,生物信息学在食品领域的应用还比较有限,但随着食品安全检测数据库的不断完善,相信相关的生物信息学技术将在食品领域发挥越来越重要的作用。

生物信息学广泛用于农业科学研究的各个领域,但是仅有信息资源是不够的,选出符合自己需求的生物信息就需要情报部门,以及信息中介服务机构提供相关服务,通过出版物、信息共享平台、数字图书馆、电子论坛等信息媒介的帮助,科研工作者可快速有效地找到符合需要的信息。目前我国生物信息学发展还很不均衡,与国际前沿有一定差距,这需要从事信息和科研的工作者们不断交流,使得生物信息学能够更好地为我国农业持续健康发展发挥作用。

参考文献:

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

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

[3]骆建新,郑崛村,马用信等.人类基因组计划与后基因组时代.中国生物工程杂志,2003,23,(11):87-94.

[4]曹学军.基因研究的又一壮举——美国国家植物基因组计划[j].国外科技动态,2001,1:24-25.

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

[6]卢新雄.植物种质资源库的设计与建设要求[j].植物学通报,2006,23,(1):119-125.

[7]guy d,noel e,mik

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

[8]郑衍,王非.药物生物信息学,化学化工出版社,2004.1:214-215.

[9]俞庆森,邱建卫,胡艾希.药物设计.化学化工出版社,2005.1:160-164.

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

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

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

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

[14]杨华铮,刘华银,邹小毛等.计算机辅助设计与合成除草剂的研究[j].计算机与应用化学,1999,16,(5):400.

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

[16]王春华,谢小保,曾海燕等.深圳市空气微生物污染状况监测分析[j].微生物学杂志,2008,28,(4):93-97.

[17]程树培,严峻,郝春博等.环境生物技术信息学进展[j].环境污染治理技术与设备,2002,3,(11):92-94.

[18]史应武,娄恺,李春.植物内生菌在生物防治中的应用[j].微生物学杂志,2009,29,(6):61-64.

[19]赵玉玲,张天生,张巧艳.pcr 法快速检测肉食品污染沙门菌的实验研究[j].微生物学杂志,2010,30,(3):103-105.

[20]徐义刚,崔丽春,李苏龙等.多重pcr方法快速检测4种主要致腹泻性大肠埃希菌[j].微生物学杂志,2010,30,(3) :25-29.

[21]索标,汪月霞,艾志录.食源性致病菌多重分子生物学检测技术研究进展[j].微生物学杂志,2010,30,(6):71-75

[22]朱晓娥,袁耿彪.基因芯片技术在基因突变诊断中的应用及其前景[j].重庆医学,2010,(22):3128-3131.

[23]陈彦闯,辛明秀.用于分析微生物种类组成的微生物生态学研究方法[j].微生物学杂志,2009,29,(4):79-83.

[24]王大勇,方振东,谢朝新等.食源性致病菌快速检测技术研究进展[j].微生物学杂志,2009,29,(5):67-72.

[25]苏晨曦,潘迎捷,赵勇等.疏水网格滤膜技术检测食源性致病菌的研究进展[j].微生物学杂志,2010,30,(6):76-81.

篇6

关键词:生物信息学;创新思维;课外训练;文献抄读

随着生物信息学在生物学、医学中的广泛应用,许多高校开始开办生物信息学专业,培养生物信息学人才。哈尔滨医科大学是最早开设生物信息本科专业的高校之一。目前,几十所高校陆续开办生物信息学专业,包括:东南大学、同济大学、南方医科大学等。多学科交叉的特点,使得生物信息学人才的培养面临极大的困难。生物信息学的本科生需要接受数学、统计学、生物/医学、计算机科学等多个学科课程的学习。短短的几年时间对于掌握这些知识,非常困难。更为困难的是,生物信息学的发展速度极快,读研深造或就业生物信息公司,需要的大多是最新的生物信息学技术[1]。因此,哈尔滨医科大学采取了课外创新思维训练的模式,即为学生分配指导教师,学生加入教师所在的科研团队,学习生物信息知识[2]。本文以哈尔滨医科大学大庆校区学生为例,探讨该模式的经验和策略。

1生物信息技术培训

通过宣传,让大一的本科生自由报名参加培训,组织系内有科研经验的教师对学生开展生物信息基础知识培训课程,每年培训10几次,每次根据授课教师的准备内容,讲授2-4学时。这些课程大部分安排在周末进行,内容主要结合基础知识和教师科研特点来设定,包括:非编码RNA基本概念、microRNA、Cytoscape画图、统计学方法、聚类分析、二代测序理论知识等,详见表1。授课场地利用计算机机房,这样便于学生边学边做。学生的课外创新思维与课内创新思维最大的不同在于有效的结合了实践活动。这些培训内容均为教师实际从事科研所必须的知识,教师有丰富的实践经验。因此,可以学生一边上课,一边操作。学生有困难时,教师可以轻松的解答。研究生也可以参与其中,为学生进行答疑,传授他们实践知识和编程技巧,有利于学生对知识产生极大的兴趣,提升求知欲望。生物信息的一个特点是:高校的科研内容往往与公司所需的技术接近,因此学生对这些内容的深入学习和实践,对以后的就业有很大的帮助。

2文献抄读活动

文献抄读是科研中掌握最新研究动态和学习最先进技术的有效手段。从事生物信息科研的教师和研究生一般会定期的进行文献抄读。哈尔滨医科大学大庆校区的生物信息团队每周有三次的文献抄读,往往设定在工作日晚上进行。我们要求自愿参加课外创新思维训练的本科学生与教师、研究生一同参加文献抄读活动。对于低年级的本科生,只需要听,不需要讲。即使这样安排,低年级学生也很难听懂,因为文献抄读的论文经常发表在顶级期刊,如:nature、science和cell。我们发现,由于低年级学生听不懂,一段时期内会对生物信息参数厌倦感。有的学生一两个月后会适应,有的学生需要半年及以上,还有一部分学生坚持不了,选择退出。这段时期,对于教师和学生都是一个极大的考验和煎熬。教师往往因为学生多次听不懂而一筹莫展;学生因为多次听不懂而灰心。我们采取导师制兼课题组负责的策略,部分缓解了学生和教师的压力。一位导师带1至2名低年级学生,科研方向相近的导师形成团队,共同负责学生的创新思维培养。根据团队课题方向的特点,选择方向相近的论文进行文献抄读。低年级学生主要听所在团队的文献抄读活动。有精力时,可以参加其它团队的文献抄读。由于文献抄读内容相近,学生的接受程度有了较大的改善。对于高年级的本科生,我们选择优秀的学生阅读和讲授文献抄读。在实践过程中,发现高年级本科学生更加适合于讲生物信息数据库和软件使用类的论文。因此,为学生主要分配这两类论文,但要求学生要讲清楚数据库使用和软件的操作步骤。当学生站在讲台上为其他学生、尤其教师和研究生讲授论文知识后,学生的自信心会有很大的提升。从学生的讲授过程,也可以考察学生的逻辑思维能力。往往逻辑思维能力有较大提升的学生,在讲授论文时,表达非常清晰。在文献抄读过程中,我们注重与实践结合。如果文献中有需要使用的软件和方法。我们会马上安排学生去实现和使用该方法,然后写帮助文档并特异安排一次培训,让该学生教会教师、研究生、本科生软件使用和方法。通过这一策略,一方面学生对文献抄读产生更大的兴趣,因为文献抄读内容有很实用的知识和方法,学生课下可以马上根据文献内容来复现结果,并应用在课题组正在进行的课题当中。另一方面,真正为教师的科研起到帮助。教师安排学生立刻复现文献抄读内容,可以帮助对文献理论知识的理解和掌握。学会文献中的软件,可以帮助科研的策略选择。学会文献中的数据库使用,可以增加数据量和数据来源。但也需要注意一点,学生的知识面有限,在安排学生任务时,要评估学生是否能够胜任该任务。

3结束语

本文以介绍生物信息本科生创新思维课外训练的经验为例,探讨了生物信息学创新思维的培养策略和方法。我们发现本科生参与文献抄读活动有利于培养本科生的创新思维。

参考文献

[1]冯陈晨,李春权.如何培养本科生的科研创新能力.科技创新导报,2015.

篇7

关键字 蛋白质组;蛋白质组学;研究技术;分离技术

中图分类号 Q-0 文献标识码A 文章编号 1674-6708(2013)107-0135-02

0 引言

近几年基因组学的不断发展与壮大,推动了生物学技术的快速发展,使得我国在生物技术方面的研究走向成熟,大部分的病毒和原核生物等简单生物的基因组工作已经完成,而且高等生物的基因组工作也取得了很大的进步,人类的基因组研究已经顺利完成。随着科技的不断发展,在生物学界产生了许多新的技术,新的基因组研究手段与方法,可以实现对数以万计的基因表达进行检测。但是,这仅仅在生物功能的静态分析上取得了很大的进步,却依然不能达到对基因组学研究的目的。正因如此,越来越多的专家将研究矛头指向了蛋白质组的研究。只有研究基因编码和翻译的蛋白质,才能真正的了解到生物的活动特征。

1 蛋白质组概念和蛋白质组学研究的范围

在20世纪90年代根据蛋白质和基因组的技术提出了蛋白质组的概念,蛋白质组指的是一组基因或者细胞所有的蛋白质表达的情况,与基因组类似,但是与基因组不同的是,蛋白质组更注重于对研究体代谢的一系列动态过程进行研究。从蛋白质组的名称上可以了解到,蛋白质组不是针对于单一的蛋白质进行研究,而是把一组蛋白质的整体作为研究对象,最后分析出每个蛋白质的表达信息。蛋白质组学是由于蛋白质组的出现而兴起的一门生物技术学科,蛋白质组学,即一个基因组,一个细胞或组织,一种生物在一定时间,一定条件下所表达的全部蛋白组成,存在形式,活动方式及时空动态。目前蛋白质组学主要研究生理、病理或不同发育阶段下蛋白质的表达情况,对表达存在差异的蛋白质进行进一步研究,分析蛋白质之间的相互作用,蛋白质的组成结构,以及蛋白质的翻译和定位情况等。

2 蛋白质组研究的主流技术

蛋白质组研究的进展与蛋白质组研究技术的发展是不可分开的,二者之间起到相互促进的作用。随着科学的进步,对于使用生物技术进行研究的结果要求越来越高,对数据要求也越来越精确,所以蛋白质组研究的技术也在不断创新与更新,目前针对于蛋白质的分离来说,蛋白质组研究的主流技术包括双向凝胶电泳技术、差异凝胶电泳技术、质谱技术以及多维液相色谱技术等。

2.1双向凝胶电泳技术

传统的双向凝胶电泳技术由1975年建立,采用双向凝胶电泳技术进行蛋白质组分离大大的提高了分辨率,因此,在蛋白质组研究技术中一直被广泛采用。其产生双向的原理是:第一向为等电聚焦,使得带有不同电荷量的蛋白质产生电泳分离,第二向为SDS-聚丙烯酰胺凝胶电泳,使得具有不同分子量的蛋白质产生电泳分离。

随着技术的提高,双向凝胶电泳技术也进行了完善,目前所使用的双向凝胶电泳技术中第一向利用固相pH梯度等电聚焦电泳技术来达到蛋白质组分离的效果,这样可以在保证在高分辨率的前提下,提高重复性,而且可以获得蛋白质具有的分子量多少以及其等电点信息,但是,这种方法难以实现对于极大蛋白质、极小蛋白质、极碱性蛋白质和疏水性蛋白质进行有效分离分析与研究。

2.2差异凝胶电泳技术

差异凝胶电泳技术是在双向凝胶电泳技术上发展起来的,差异凝胶电泳技术在一定程度上弥补了双向凝胶电泳技术的不足,不但提高了蛋白质组的分离效率,而且降低了劳动强度,最重要的是提高了电泳的灵敏程度。差异凝胶电泳技术的原理是对两份不同的蛋白质组研究样品做不同的标记,然后放在同一环境下进行凝胶电泳,可以直观的观察到正常的基因组和癌变的基因组的凝胶电泳结果的区别,继而可以对两种不同的蛋白质表达结果进行进一步分析与研究。

2.3质谱技术

采用质谱技术对蛋白质组进行分离的原理是:首先将蛋白质组研究样品的分子进行离子化,然后根据不同离子的质荷比不同来确定其分子量,最后实现对其进行分离。在进行蛋白质组样品分子进行离子化的时候,需要保证分子的完整性,尽量不要形成碎片离子。质谱技术通过与其他高端技术的配合,可以实现对多肽的序列进行测量。

2.4多维液相色谱技术

多维液相色谱技术是蛋白质组研究过程中最常用的色谱分离技术之一,主要是通过多种色谱分离技术的联合使用来达到多维的效果,由于科学技术的更新速度比较快,而且生物技术研究的数据量越来越多,蛋白质组研究的样品复杂程度越来越高,所以实现蛋白质组自动化分离成为必然趋势,目前,蛋白质组自动化分离系统已经形成,就是将多维液相色谱技术与串联质谱技术联合使用便可以达到快速、高效、精确的蛋白质组自动化分离。但是,这种蛋白质组分离技术依然存在一定的不足,譬如,不能实现将分子量过小的蛋白质进行分离以及不能对蛋白质的差异表达进行分析等。

3 蛋白质组生物信息学

近几年来,蛋白质组研究技术已经得到了生物信息学的高度重视,甚至大部分国家政府已经大力支持蛋白质组的研究,蛋白质组的研究为生物学和医学做出了很大的贡献,蛋白质组研究技术的发展推动了我国生物学与医学的快速发展,同时生物信息学的发展也为蛋白质组的研究工作提供有力的保证,生物信息学是在生命科学、计算机技术与严密、精确的数学科学计算上发展的交叉型学科,通过对生命科学样本的研究,以及运用数学分析与计算,利用计算机技术手段实现将得到的数据和结论信息进行收集、加工和存储。

4 结论

由于生物学科学技术的提高,蛋白质组学得到了广泛的重视,同时也受到了许多政府的大力支持,成为了基因组计划研究的核心,蛋白质领域的建立为生物学家进行蛋白质结构的研究提供了新的角度与新的研究理念。蛋白质组技术的发展,对一些细菌蛋白质的研究和对分析疾病的产生原因与治疗起着深远的影响与重要的意义。

参考文献

[1]成海平,钱小红.蛋白质组研究的技术体系及其进展[J].生物化学与生物物理进展,2000(27):584-588.

[2]解建勋,蒲小平,李玉珍,李长龄.蛋白质组分析技术进展[J].生物物理学报,2001(1):119-126.

篇8

关键字高校大一新生对策共助成长

在大学里,大学辅导员已经渐渐成为了一个专业化的职业。自从2011年硕士研究生毕业后,我开始担任2011级大一新生的班主任,我和学生们都一样,都是新的,新的工作/学习环境,新的工作/学习陪伴者,新的工作/学习压力。在这期间,我一直在努力学习班主任技能、了解学生心理、促进学生学习。学生们也积极努力的适应他们的大学生活,在这期间,我和他们互相交流,提出大学中遇到的问题,共同解决,做到了师生共助。

新专业的困惑生物信息学作为本世纪的一个新兴学科,现在已经发展成为生物信息学专业和生物技术专业,国内大部分人对此还不熟悉,不知道该学科的过去和未来。在开学初期,曾有许多学生咨询我转专业的问题,也有咨询本专业未来的问题。为了让所有学生们能够对生物信息学有个大致的了解,我开了个“我的生物信息”主题班会,从生物信息的过去、现在、和未来三个角度进行了讲解,将生物信息学在生物医学领域的重要性进行了重点的举例讲解,并给仍有困惑的学生分发专业论文进行阅读,经过这一措施,学生们开始对本专业有了雏形的概念。

贫困生的烦恼在大一新生中,大约有一半来自农村,家境条件都很差。经常有学生向我咨询找兼职的事情,也有学生向我倾述他们的家庭情况,我也时常与学生聊天,咨询他们的家庭情况和同学的情况。刚开学初就有个学生找到我,咨询专业和未来的事情。他家有3个孩子,两个已经是大学生,还有一个2012年夏天也会考高中,家境贫寒,对本专业也不是很懂,不知道未来能赚多少钱?针对这种情况,我向他介绍了我校勤工助学岗位,也详细介绍了本科生未来就业压力,未来考研读博的方式方法,这些方法能够保证他们在上大学时不会为生活担忧,我还介绍他去食堂给学生打饭。后来,这个学生每天到饭点都会去食堂打工,他的学业也没有耽误,在期末考试中获得了班级第一的成绩,并获得了特等奖学金。在评完助学金后,有个获得一等助学金的女同学找到我,她想主动拿出500元说要让我给班级的两个学生,她说这两个女生天天在寝室吃馒头,很少吃菜,看到他们都感觉很心寒,我了解情况后,对她说,这是我们辅导员的失职,这个钱不该她出,我们会在平时的勤工助学方面向他们有一定倾向,她也很满意。经过这个事情后,我发现我对学生们了解的不是很充分,于是我找了几个学生进行谈话了解,在平时的活动中进行观察。

为了更好的给学生创造勤工助学的机会,我通过向学院申请岗位、在网上搜索并核准岗位,在校园周边路过时也会留意招聘广告。一次,在医科大学校内的西百仓买超市门口看到招聘广告,我随即咨询了超市管理人员核实情况。经证实后,我记下电话号码并发给生活委员,让他们在学生中间进行宣传,最后有三个学生分别在中午和晚上在那里打工。这一事件的成功处理也使我对贫困生的需求和能力有了初步的了解。

学习中的苦闷大学是个自主的环境,没有家长和老师日日看管,没有了早晚自习的强迫学习。有许多学生到学校后不知道怎么学习,不知道学什么。在一次班会上,我对学生在校学习情况进行了调查,结果所有人都去过图书馆上自习,50%左右的学生每晚去寝室楼外上自习,有30%左右在寝室自习室上自习;有55%左右学生上课听课效果不好,只有一小部分学生对大学有过规划。从调查中我意识到学生们目前存在迷茫的因素,不知道如何学习,不知道学什么的情况。为了让他们能够尽早恢复到正规的学习轨道上,我开始策划建立学习小组,由几个学习较好并有意有能力向他人讲授的学生组成,他们的任务是从学生中搜集不会的题目或知识点进行讲解。正在我策划的过程中,学委找到了我,她说现在不知道怎么学,不知道学什么,不会的问题也不知道问谁,我向她讲了下大学的学习思维和方式,也讲述了我要组建学习小组的事情,她非常高兴,也非常希望能够快速组建。在第二天,我就通知各班班委会进行讨论,阐述我的想法并和他们商量实施细则。最终由学委牵头组建的学习小组非常迅速,每周安排了3次左右的专门讲课,学生们的热情也都很高。这个活动现在仍在进行。

为了检验大家的学习水平,我和学委商量对学生进行期中测试,考试包括了数学、计算机、英语六级考试题,只判卷,不排名。为了减少成本,我们和复印社商量用废旧的单面纸复印,并购买他们的错打印的单面纸作为答题纸。最后,三科考试在一周内的课余时间完成了,同学们反映不错,学习小组也针对考试中错误较多的题进行了讲解。点滴努力换成绩,所有学生在2011年12月份的四级考试中,四级英语通过率达到了65.24%,期末考试的挂科率为13.6 %。对于这个结果,我表示欣慰,我认为应该将学习小组继续进行下去,将阶段测试进行下去。

篇9

【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10

为迎接更全面的生命科学的发展,提高生物科学专业学生适应学科发展的需要的能力,我们学院专门开设了针对生物科学专业的限选课程――蛋白质化学与蛋白质组学。本课程在介绍蛋白质化学基本内容的同时,兼顾学科发展动态,使学生掌握蛋白质组学的基本理论、基础知识、主要研究方法和生物信息学在蛋白质组学及蛋白质工程方面的应用及典型的研究实例,力求增长生物科学专业学生的专业知识与技能,为完成毕业论文设计及今后从事生命科学相关工作打下坚实基础。课程开课几年来,笔者及同教研室课题组对蛋白质化学与蛋白质组学课程的教学理念、教学内容、教学方法,教学效果评价方式进行了积极的实践与探索。

一 教师本身要努力提高教学质量

蛋白质化学与蛋白质组学的授课对象是生物科学专业本科三年级的学生。该阶段的学生面临毕业论文设计及准备考研两大难题,对此,本课程的教学目标应该是养成学生的科研思维,提高实验设计水平,培养其动手能力。这就要求教师必须更新教育理念,改变以往理论课单向授课的方式,要认识到此时的教学课程必须以学生为中心。因此,教师在精心准备教案讲义,认真制作多媒体课件的同时,应当思索如何灵活地运用各种教学方法,引导学生的兴趣,并使学生参与到教学过程中来。提高教师自身的理论水平和科研能力,改革教师课堂教学方法和教学结构,认真研究学生的认识规律和学习方式,培养学生的学习兴趣,充分调动学生的主观能动性是提高教学质量所必需的。在教学过程中,教师扎实的理论基础、丰富的科研经验、熟练的实验操作水平是引导教学成功的先决条件。

二 教学理念要转变,教学方式要灵活

“以学生为中心,以能力培养为导向”这一理念近年来备受教师关注和学生欢迎[2]。这一理念强调由教师引导,确定教学目标,学生为中心和主导,根据教学目标,主动收集整理资料,自主探究相关知识,发现问题,分析问题,解决问题,最后由教师总结,将学习的主动权真正交还给学生。这样,教师与学生在发现分析解决问题的过程中,各自完成教学任务,效率和认知度远超过以往单向的教授方式。

由于该门课程为限选课,选课学生维持在25~40人左右,因此,教师从备课开始就应以灵活的方式与学生去沟通。在课堂上,我们在进行多媒体教学的同时,增加与学生的互动,及时掌握学生的兴趣点与理解程度,可以充分调动学生的积极性。实践证明,教师更新教学理念,提高教学质量,对于端正学风,提高学生的积极性有着积极的作用。

生命科学是一门实践性很强的科学,因此理论与实践相结合是完成教学任务的必经之路。因此,笔者根据课程的教学内容和学生的理论水平及兴趣点,经常开展各种课间讨论,促进学生深刻并灵活地掌握知识。笔者常采用以下方式:首先,生命科学是一门发展迅速的科学,与医学、社会学等学科有交叉,且与我们的生活生产密切相关。因此,灵活地举例对于培养学生的学习兴趣显得十分重要。例如,北京蛋白质组学研究中心是我国蛋白质组学国家重点实验室,作为国际人类肝脏蛋白质组计划实行总部,目前该中心已成功鉴定人类肝脏蛋白质13000余种,并绘制了高可信度的肝脏蛋白质互作图谱,发现了58种潜在的肝脏疾病候选基因等。像常见的脂肪肝、肝炎病毒感染、肝癌癌变及转移等标志蛋白质陆续被发现,为今后肝脏相关疾病的预防及治疗打下了坚实的基础。通过这一举例,既能够增强学生对蛋白质组学的认可度,且因为该项目为我国自主研究项目,能够为学生提供今后科研的方向,也能增强学生的科研信心。其次,安排学生参加教学实验或科研实验,引导学生有意识地学会科研思维,激发学生学习兴趣,培养其分析问题和解决问题的能力。例如,通过让学生参与笔者主持或参与的科研课题,了解科研实验的实施过程,在此过程中理解并掌握所学知识。再次,指导学生进行实验设计和科研设计,培养其科研能力。例如,让学生根据需解决的科研问题和掌握的实验方法等,指导其通过参考文献等方法进行初步的实验设计及课题研究报告的撰写。近年来,笔者已指导学生撰写科研课题研究报告多项,并获学校及学院立项,极大地提高了学生的信心和兴趣。此外,为了提高课程的实用性,提高学生的动手能力和解决问题的能力,笔者所在学院开设了开放实验课程,我们鼓励学生主动地进行实验设计,习得相应的实验技能。

三 考核方式和教学效果评价方法要改进

高校的选修课程普遍采用平时成绩和期末成绩综合评价的方式进行考核。以往的课程其平时成绩部分通常以出勤率或者答题的方式为参考,对于评价学生的学习效果并不适用,而期末成绩仅凭一张理论考试试卷也难以评价学生的科研思维和能力。生命科学是一门实践性很强的学科,而蛋白质组学的教学目的,是通过本课程培养学生的科研思维,培养学生的科研能力。因此,在考核方式上,也应当实施多种考核方式,综合评价学生能力。考试方式主要由平时成绩、综述写作及期末理论考试成绩组成。以探究式教学方法教学,重点在于灵活地考查学生运用理论知识探究科学问题的能力。因此,在平时,我们让学生以小组或个人形式,自由地进行发挥。如,进行课题设计,讨论实验思路,撰写研究论文,演讲PPT及答辩等方式进行评分,借此改变单独理论考试的单一形式,建立更科学的多元化评价方式,引导学生进行探究式学习,注重对学生能力的培养。此外,综述的写作有助于学生形成对某一科研领域的综合认识,期末理论考试主要考白质组学相关概念和理论的掌握程度,同时结合实验分析题也可以一定程度上了解学生对某些重要蛋白质组学技术的掌握程度。

蛋白质化学与蛋白质组学这门课程作为生物科学专业学生的限选课程,在国内院校开得并不多,该课程在我校已开设多年,以探究式的教学方式为主要教学方法受到了学生的欢迎和肯定。对于需要进行毕业论文设计和今后即将进入医院或科研机构的生命科学专业学生来讲,这门课程在一定程度上让他们初步形成了科研思维,并且得到了一定的训练,对于今后进入实验室有着较好的铺垫作用。此外,毕业论文设计的指导老师也普遍认为学生具有一定的科研思维能力,知识较全面,因此也充分显示了该课程教改的优势和效果。

四 教师应当以身作则,培养学生求真的科学态度

伟大的教育家陶行知曾说:“千教万教教人求真,千学万学学做真人”。科研探索是用于发现问题、分析问题和解决问题的,在此过程中,需要对每次的实验结果进行多次论证,力求结果的真实及科学性。孔子云:“其身正,不令而行。其身不正,虽令不从。”因此,教师自身良好的教学态度和科研精神起到了楷模示范的作用。由于学生理论及实验水平有限,在课外指导学生进行实验设计或论文撰写时,教师必须直接参与并监督实验的实施与完成,在此过程中,教师需要一丝不苟,严谨求真,坚韧不拔,同时,也应严格要求学生在实验前做好各项准备工作,实验过程中规范操作,对实验结果进行独立思考和分析,杜绝造假及人为疏忽。

在处理与学生的关系时,一定要真诚平等,这一点十分重要。教师传授知识,学生学习知识,师生关系融洽是完成教学任务的一项重要保证。教师如能自律,一丝不苟,真诚平等地对待每一位学生,那么学生也会以真诚的态度对待课程,如此才会有良性循环。

综上所述,蛋白质化学与蛋白质组学的教学过程中应时刻把握“以人为本,以学生为中心”的教学理念。将探究式教学方式贯穿课程的教学过程,能够提高学生的科研思维和创新能力,在此过程中,学生自主或相互合作,与教师共同参与教学过程,激发了学生的学习兴趣,充分地调动了其主观能动性,因而直接提升了教学质量,对于面对即将进行毕业论文设计,即将考研或即将实习的生物科学专业学生而言,受益匪浅。

当然,该门课程属于新开课程,碰到许多难题。首先,在教材的选择上,我们选择很久,教育部没有正式出版的专门针对蛋白质化学与蛋白质组学的规划教材,因此,我们选择何华勤主编的《简明蛋白质组学》作为授课教材,该书内容全面且简明扼要,并以利布莱尔主编的《蛋白质组学导论――生物学的新工具》、Wilkins主编的《蛋白质组学研究:概念、技术及应用》为参考书要求学生阅读。第二,学生前两年以修学分为主,理论课程较多,实践时间较少,因此对本课程很多稍微复杂点的实验内容,如亲和柱层析、DIGE等缺乏深刻理解;此外,课程中讲解到的各种实验仪器,如双向电泳系统、质谱仪等由于价值不菲,对本科生的开放程度有限,因此,学生即使掌握理论,但无法形成深刻认识;最后,生物信息学内容专业复杂,学生的认知度与课程要求有落差,限制了教学的效果。但是笔者与同课题组成员课余开放本研究所现有的双向电泳平台,力求为学生创造条件。

生命科学学科发展日新月异,高校人才培养观念和体系也要不断与时俱进,教师需要不断修正教学方案,及时总结教学规律,才能提高教学质量,这样才能真正做到以学生为中心,以能力培养为导向,努力而有效地培养出适应社会和经济发展需求的生命科学学科专业人才。

参考文献