生物信息学的定义范文
时间：2023-12-21 17:38:11
导语：如何才能写好一篇生物信息学的定义，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 案例教学法 实践教学
1.生物信息学学科特点
生物信息学是当今生命科学的重大前沿领域之一，是一门交叉学科，包含生命过程中各种信息的获取、加工、存储、分配、分析、解释等在内的所有方面，综合运用数学、计算机科学和生物学等方法与技术，阐明和理解大量数据包含的生物学意义[1]。随着20世纪80年代人类基因组计划的实施，生物信息学蓬勃发展，并渗透到生物学研究的各个领域。掌握生物信息学相关技术及分析能力已成为生物专业本科毕业生的必要要求[2]。因此，做好生物信息学教学工作对提高生物信息学研究水平具有重要的理论和实践意义[3]。然而由于学科的综合性和学科本身的迅猛发展，生物信息学课程教学仍然处于探索阶段，目前还没有成熟的生物信息学教学模式，各高校尚处于摸索探讨阶段。
2.案例教学法概述
案例教学法（Case-Based Learning），指在教师的指导下，根据教学目的，通过呈现案例材料，组织学生以团体和小组讨论、角色扮演等方式对案例进行调查、阅读、思考、分析、讨论和交流等活动；经过分析讨论，将课本中的理论与案例材料结合起来，并利用理论分析说明复杂的案例内容。案例教学法引导学生学习新的知识，加深对理论的认识，训练学生运用所学知识分析和解决实际生物学问题[4]。
不同于传统教学模式注重“知识的传授”，案例教学法更注重“能力培养”。案例教学法不直接给学生提供解决案例问题的标准答案或者具体方法，而通过教师引导学生积极讨论得出问题的解决方法，侧重于理论应用，是一种“以学习者为中心的学习方法”。
案例教学可划分为讲解定义型、综合分析型和操作技能型三种类型。（1）讲解定义型，引入案例，对基本概念和原理进行讲解；（2）综合分析型，提出问题，学生通过讨论给出解决案例问题的方案或者对已有方案进行评价；（3）操作技能型，引入案例，使学生掌握相关理论课程的基本应用技能。案例教学还可以综合其他教学方法，如以问题为基础的教学法共同改善课堂教学效果[5]。
案例教学法基本环节包括：教师根据学科特点提出案例；引导学生辩论交流、提出解决方案；完成与解决案例；教师评价与总结[4]，[6]，[7]。案例教学过程中，首先教师把握整体教学进度，选用与本专业课程有关的案例，案例选择要具体、易于学习和理解，能够引起学生的兴趣，调动学生学习主动性；其次，将案例分解，从子案例中提出问题，启发学生思考，鼓励学生对案例进行分析、讨论甚至辩论，提出解决方法，逐步完成案例；最后，引导学生完成和解决案例，分析点评整个案例教学过程及结果[4]。
3.案例教学法应用于生物信息学本科教学的意义
生物信息学课堂讲授以介绍生物信息学的相关算法、原理、方法为主，这也是教学的重点和难点。传统“知识传授”型讲课方式容易让学生觉得枯燥乏味、晦涩难懂，产生畏惧心理[8]。运用案例教学法，能够帮助学生更深入理解算法的思想，真正掌握解决问题的思路，培养科学的思维能力。
另外，生物信息学是一门实用性较强的学科，大学本科阶段开设生物信息学课程主要目的不是开发新的数据库和发展新的生物数据分析方法，而是如何利用现有数据库资源查找特定数据，并根据科研实践需要分析整合数据资源，为后续科研奠定基础，具有极强的实践意义。要达到实践目的，除了让学生掌握生物信息学的基本理论和方法、数据库和软件的原理外，更重要的是让学生亲身实践，在实践中对所学理论进行验证、对数据和软件的使用加以熟悉[9]。但生物信息学涉及专业领域内容广泛，学生不可能做到完全亲身实践，因此，案例教学法能替代亲身实践，吸取前人经验，是理论联系实践的一个便捷通道，是培养学生解决实际问题能力的好方法[7]。
4.案例教学法在生物信息学本科教学中的应用
4.1 案例选择
笔者针对生物信息学本科的教学大纲和知识体系，以及多年从事昆虫线粒体基因组分析的科研工作情况，精心选择了一系列分析案例，其中以鳞翅目灰蝶科线粒体基因组[10]数据分析为例说明。
4.2 教学过程
4.2.1学生分组。根据学生专业、兴趣分组，每组6人，统一采用同一案例。
4.2.2案例背景介绍。让学生了解该论文的目的、操作过程及意义。学生查找相关文献资料，归纳总结知识背景。
4.2.3案例分解。将整个案例分为若干个子案例：①序列数据来源；②序列比对分析③计算遗传距离；④分子系统发育重建；⑤蛋白质家族和基序与结构域分析；⑥蛋白质三级结构与结构分类分析。对每一个子案例完成的关键步骤提出问题，启发学生思考，鼓励学生对案例进行分析、讨论甚至辩论，提出解决方法，逐步完成案例。每个子案例的顺利完成都需要特定的生物信息知识作为基础，对应于教学大纲中完整的知识体系。
4.2.4评价考核。引导学生完成案例，教师归纳学生在整个案例教学过程中出现的普遍性问题并进一步讲解，对于个别小组在解决案例过程中展现出来的创造性解决方案进行分享学习。采用PPT成果展示、提交每一个子案例生物信息分析结果和解释报告，考查学生对案例设计的相关生物信息学理论知识和操作技能的掌握情况。
案例教学法作为一种具有启发性和实践性的教学方法，有效提高学生利用生物信息学工具获取相关知识解决生物学问题的学习兴趣和能力，增强教学效果。然而实践过程中还存在一些问题，例如：如何选择合适的案例既能激发学生的学习兴趣又反映生物信息学教学大纲的知识体系内容、如何有效把握课堂讨论的节奏和方向及与其他教学方法的融合，在今后教学工作中还需要不断改进教学方法，优化教学模式，丰富教学案例库，在实践中不断探索案例教学法在生物信息学本科教学中的适用性和有效性。
参考文献：
[1]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，2009，7（2）：125-127.
[2]袁道军，杨细燕.农学专业生物信息学概论本科教学实践探讨[J].安徽农业科学，2016，44（13）：304-305.
[3]李广林.大数据背景下的生物信息学教学探索[J].教育教学论坛，2015，（29）：210-211.
[4]张林，柴惠.CM教学法和PBL教学法的结合应用研究――以医学生物信息学为平台[J].中国高等医学教育，2012（8）：116-117.
[5]武亚军，孙轶.中国情境下的哈佛案例教学法：多案例比较研究[J].管理案例研究与评论，2010，3（1）：12-25.
[6]吴东，王福成，孙畅等.案例教学法在计算机绘图课程中的应用[J].山东工业技术，2016（1）：145-146.
[7]胡珊珊，刘兴起.案例教学法在水文学教学中的应用[J].首都师范大学学报（自然科学版），2016，37（2）：93-95.
[8]高亚梅，韩毅强.《生物信息学》本科教学初探[J].生物信息学，2007，5（1）：46-48.
[9]郭艳芳，李金明.PBL教学法在医学生物信息学实践教学中的应用[J].基础医学教育，2011，13（11）：1007-1008.
篇2
关键词： 生物信息学；高等数学；教学效果； 教学方法； 多媒体
生物信息学是综合计算机科学、 信息技术和数学的理论和方法来研究生物学信息的交叉学科。数学作为生物信息学研究的基本工具， 已经成为生物信息学专业的必修课程。高等数学是大学数学的基础课程， 通过高等数学的学习， 学生不仅可以掌握基本的数学概念， 公式及方法， 更可以提高自己的逻辑能力以及运用数学解决生物信息学问题的能力。因而高等数学教学效果的好坏， 直接影响到一个学校， 一门学科人才的培养， 进而会影响到我国的科技发展水平与现代化进程。笔者结合此领域教师们多年的教学实践， 结合生物信息学的专业特点从课前、 课上、 课后三个方面阐述提高高等数学教学效果的几点建议。
1做好充分的课前准备，有的放矢。
要想在有限的课堂时间内达到最好的教学效果，教师首先需要在课前认真备课， 尤其要注意重点内容的强调以及知识点的衔接， 使得一次课成为一部完整的电影， 而不是多个场景的组合。同时， 由于生物信息学是一门快速发展的交叉科学， 因此在授课的过程中教师应当将生物信息学的前沿发展动态与课程内容进行合理的融合， 这就需要教师在课前阅读大量的科研文献， 做到教学科研一体化。此外， 还要精心制作课件， 好的课件不仅要字体大小适中， 背景美观而不杂乱， 又要适当的加一些有趣的动画。对于高等数学这样一门相对枯燥的学科， 小小的动画会让学生的精神为之一振， 间接提高教学效果。同时要做到内容简洁明了， 真正起到提纲挈领的作用。对于高等数学下册来说， 课件的制作尤为重要。比如， 第一型曲面积分概念的引入， 不仅需要有准确的三维图像， 而且引入概念的过程也要提纲式地逐条列出， 使学生清晰地了解一个抽象的数学概念是怎样产生的。
2多方位开展课上教学实践。
2.1 多媒体与板书结合
多媒体的出现为高等数学的教学带来了极大方便。比如曲线与曲面积分的章节中， 很多问题都需要结合三维图像来解答， 在黑板上画立体图形既浪费时间， 又很难画得准确， 而利用多媒体则只需在课件中插入相应的三维图像就可以了。还有一些冗长的概念或公式， 用多媒体展示一目了然， 省时省力。多媒体虽然为教学带来了诸多方便， 但它并不能完全代替板书。比如， 具体的解题过程如果只写在课件上， 那么学生就只是观众， 在观看一道题怎么解答。而利用板书引导学生，在书写每一步的时候让学生思考下一步应该怎么做， 那么学生就是参与者了。定理或公式的推导也是同样的道理。所以上课时要做到多媒体与板书的有机结合， 多媒体展示提纲和图像， 板书书写具体的解题和推导过程。
2.2 重视基础知识的教学
要狠抓以基本概念、 基本理论、 基本方法为主的“ 三基” 教学。高等数学虽然看起来很难， 但它实际上是由很多基本概念和理论方法交织而成的。只有牢固地掌握基础知识， 才能理解数学的精髓， 才能熟练的运用这些知识来解决复杂的生物信息学问题。对于基本概念， 要用尽可能通俗的， 形象的语言或直观的图像来解释， 必要的时候也可以用实物演示。比如， 莫比乌斯带的定义是单侧曲面， 这个概念用语言很难形容， 但如果用一张纸条演示一下， 学生就完全理解了。对于基本定理， 一定要在黑板上写下详细的推导过程， 让学生了解怎样从一些已有的知识推导出一个新的结论， 这样学生就不是在死记硬背定理的内容， 而是真的学会了。对于基本方法， 则要让学生反复练习， 熟能生巧， 多做练习还会提高学生的计算能力。
2.3 注重课堂练习
在课堂上要坚持" 教师是主导， 学生是主体" 的教学原则，要做到精讲多练、 勤练。每堂课都可能会讲多个知识点， 多种类型题， 如果一味的填鸭式教学， 学生往往只是“ 懂了” ， 而不是“ 会了” 。所以在每一道类型题讲完之后， 要立刻找一道相似的题目， 给学生一定的时间让学生自己练习， 及时消化和掌握所学的知识， 并且要重视理论联系实际， 将数学的知识应用到具体的生物信息学研究中去。比如， 介绍了矩阵的概念之后， 就可以向学生介绍基因芯片的制备、 基因表达谱的数据格式等内容， 将基因芯片检测的全基因组范围的基因表达信息用矩阵表示出来了， 矩阵的每一行代表一个基因在所有芯片实验中的表达水平， 每一列代表在同一张芯片上所有基因的表达值， 这样从一个矩阵就可以观察到不同条件下每一个基因的表达变化了。除了每堂课都要让学生有一定的练习之外， 在每一章或者每一个大问题结束之后还要开设习题课。在习题课上， 教师首先要总结这一部分所学的重要知识点以及它们之间的联系， 使学生在思维中形成一个完整有机的知识体系， 整体的把握知识框架， 这比掌握零散的知识点更有效。其次， 对本部分每一种重点的类型题都找一两道类似的题目讲解， 使学生在记忆开始模糊的时候重新回忆起来， 从而牢固地掌握本部分内容， 为开始新的篇章打好基础。
2.4 建立和谐的师生关系
高等数学是一门相对较难的学科， 学生在学习起来比较吃力， 这样就容易形成逆反心理， 因此建立和谐的师生关系是达到良好教学效果的必要条件。首先， 师生之间是平等的，闻道有先后， 术业有专攻而已。这就要求教师在上课的时候不要高高在上， 要多多与学生交流， 在每一个知识点过后及时询问学生是否理解， 如果没理解就再讲一遍。课下也同样要走入到学生中去， 及时解答他们的问题， 还可以跟学生谈一些与课程无关的东西， 拉近与学生的距离。只有切身体验到他们的感受和需求才能更好的完成教与学的任务。
3 通过课后的练习巩固高等数学课上所学的知识
根据艾宾浩斯遗忘曲线， 如果只是上课记住了， 课下就不再复习，那么所掌握的内容就会迅速遗忘。所以， 适量的课后作业是非常必要的， 几道习题几十分钟就可以起到巩固知识的作用。同时， 教师也可以根据自身的科研方向， 设计一些小的科研课题， 鼓励和引导学生进行思考， 如何利用学到的高等数学知识去解决实际的生物信息学问题。此外， 教师对n后作业的批改同样重要， 通过对每一份作业的仔细批阅， 找出学生犯错的共性和个性问题， 在下堂课着重讲解， 那么学生再遇到类似问题时就不会犯同样的错误了。同时还要对做的好的学生给予表扬和鼓励。
高等数学作为生物信息学专业的必修基础课， 其教学效果的好坏直接影响到生物信息学人才的培养以及学科的建设， 而要提高高等数学的教学效果， 就要做到课前认真备课，课上利用多媒体与板书结合的教学手段， 重视基础内容的教学与练习， 同时活跃课堂气氛， 保持和谐的师生关系， 并在课后布置适量的课后作业。
参考文献：
[1] 张红梅.提高高等数学教学效果的几点见解.赤子，2009，4：45
[2] 孙啸，陆祖宏，谢建明.生物信息学基础.第1版.北京： 清华大学出版社，2005.286-287.
篇3
关键词：基因调控网络；自组织图聚类；机器学习
中图分类号：TP274文献标识码：A文章编号：1009-3044(2008)15-20ppp-
The Research Content And Data Analysis Methods On the Gene Regulatory Networks
GUO Zhi-long1,2,JI Zhao-hua1,3,TU Hua-wei1,LIANG Yan-chun1
(1.College of Computer Science and Technology,Jilin University,Changchun 130012,China;2.Dalian Huaxin Software Corporation,DaLian 116000,China; 3.Inner Mongolia Xing'an Vocational and Technical College,Wulanhaote 137400,China)
Abstract:Gene regulatory networks,which reveals the complex phenomena of life from the view of the complex interactions of genes,is very important to understand the functional genomics for researchers.The article focuses on the research content and data analysis methods about gene regulatory networks.
Key words:gene regulatory networks;Self-organizing Map;machine learning
基因调控网络是计算机科学、数学、信息学向分子生物学渗透形成的交叉点，是运用生物信息学的方法和技术通过数据采集、分析、建模、模拟和推断等手段研究复杂的基因网络关系。作为一种系统的、定量的研究方法建立在包括分子生物学，非线性数学和程序算法设计等知识等基础上，运用生物信息学的方法和技术通过数据采集、分析、建模、模拟和推断等手段，整合已有的实验数据和知识，构建生物基因调控网络，从整体的层次，了解细胞的功能；从整体的角度，阐述基因参与的生物调控过程，在全基因组水平上以系统的、全局的观点研究生命现象及其本质，是后基因组时代研究的重要内容。
1 基因调控网络概念
基因调控网络本质上是一个连续而复杂的动态系统，即复杂的动力系统网络。
1.1 基因调控网络的定义
生物体任何细胞的遗传信息、基因都是同样的，但同一个基因在不同组织、不同细胞中的表现并不一样。一个基因的表达既影响其它的基因，又受其它基因的影响，基因之间相互促进、相互抑制，在特定的细胞内和时间下综合环境等因素这样的大环境中呈现活化状态，构成一个复杂的基因调控网络。
1.2 基因调控网络的特性:
基因调控网络是连续的多层次动力系统模型，具有稳定姓、层次性、复杂性、动态性等。
1.2.1 复杂性
生物具有大量的基因，诸多基因组成各个模块，不同的基因网络模块可以在不同层次上发生相互作用，同一个基因可能参与各种不同的分子机理，使得基因网络有着高度的复杂性。
1.2.2 层次性
基因调控网络具有一定层次结构，按照调控元件、motif、模块和整个网络的四层结构，将各个节点有规律的来接在一起。调控元件分为顺式(cis-)和反式(trans-)两种类型, 分别表示受调控基因的结合位点DNA 序列和结合在该序列上对基因起激活或者抑制作用的转录因子。Motif 和模块都是由基因集合构成的调控模式, 是分析网络局部特征和网络构成以及研究调控机理的重要结构。
1.2.3 动态性
生物过程是动态的，用来理解生物过程意义的基因调控网络自然就动态存在。基因调控网络是随着生物过程的动态发生而具有动态的特性，不同条件、不同时间的基因调控网络是不同的。
1.2.4 稳定性
基因调控网络的稳定性体现在生物体缓解突变的影响方面，功能上无关基因之间的相互作用可以抵抗系统突变；一个基因在突变中丧失的功能，有另外一个或更多具有相似功能的基因所补偿，以减弱该突变对表型造成的影响，保持生物进化中的稳定性。
1.2.5 功能模块性
基因调控相关的生物功能主要是通过网络模块来实现的，有适当尺度下的动力学特征和生物学功能解释的模块是由多个motif 构成的，实现相同功能的基因或蛋白质存在拓扑结构上是相关的。
1.3 基因调控网络研究的目的
通过对基因调控网络的研究，识别和推断基因网络的结构、特性和调控关系，认识复杂的分子调控过程，理解支配基因表达和功能的基本规则，揭示基因表达过程中的信息传输规律，清楚整体的框架下研究基因的功能。
2 基因调控网络研究内容
基因调控网络的研究是假设两个基因列谱相似，则这两个基因协作调控，并可能功能相近，有同样表达模式的基因可能有同样的表达过程。基因调控网络主要在三个水平上进行：DNA水平、转录水平、翻译水平。DNA水平主要是研究基因在空间上的关系影响基因的表达；转录水平主要研究代谢或者是信号转导过程决定转录因子浓度的调控过程；翻译水平主要研究蛋白质翻译后修饰，从而影响基因产物的活性和种类的过程。基因转录调控信息隐藏在基因组序列中，基因表达数据代表基因转录调控的结果，是转录调控信息的实际体现。
基因调控网络试图从DNA微阵列等海量数据中推断基因之间的调控关系，对某一物种或组织中全部基因的表达关系进行整体性研究。采用带有反馈回路的基因网络，首先是按照同步或反同步表达，以及表达强度的变化，系统地识别各基因的特点，再用聚类的方法将各基因归类，在此基础上构建基因调控网络，分析相关控制参数．利用其本身或调节位点或拓扑结构进行不同的研究。
3 基因调控网络研究数据分析方法
篇4
【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5
代谢组学(metabonomics)是继基因组学、转录组学和蛋白质组学之后新近发展起来的一门学科，是系统生物学的重要组成部分。代谢组学主要研究生物对外源性物质所引起的病理生理反应，以及对遗传变异的应答和内源性代谢物的动态变化，它通过对生物体液和组织中随时间改变的代谢物进行检测、确定、定量和分类，将这些代谢信息与病理生理过程中生物学事件关联起来，以监测活细胞中化学变化。基因组学和蛋白质组学分别从基因和蛋白质层面探寻生命的活动，而实际上细胞内许多生命活动是与代谢物相关的，是受代谢物调控的。基因与蛋白质的表达紧密相连，而代谢物则更多地反映了细胞所处的环境，这又与细胞的营养状态、药物以及其它外界因素的影响密切相关。因此，有学者认为，基因组学和蛋白质组学能够说明可能发生的事件，而代谢组学则反映确实已经发生了的事情[1]。 代谢组学强调把人体作为一个完整的系统来研究，通过测定人体各种体液内代谢物的组成变化来认识和反映人体代谢网络在疾病和药物作用下的变化规律。这对于揭示复杂性疾病的机理和药物的代谢模式具有独特的优势，与中医学的整体观、系统观和辨证论治思维非常吻合，也与中医重视从人与自然、人与社会和人体内在的普遍联系和动态变化去分析、认识把握疾病发生、发展、变化的客观规律的认识一致。因此，专家认为，人类基因组计划第一次使西方医学摆脱了还原论的束缚，在继续强调分析的同时，更加重视分析和综合的统一。人类基因组计划和随后发展的各种“组学”技术把生物学研究带入了系统科学的时代。组学的出现不是对个别基因或个别蛋白、代谢物的研究，而是对一个细胞或对整个生命体的基因以及它所编码的蛋白质和代谢产物的研究。物理学、化学、计算机科学、信息科学、工程科学现在都已极大地融合到生命科学的研究之中，重视生命科学的复杂性和整体性研究已成为21世纪生命科学的发展趋势；甚至有专家认为，中西医药学在各自的发展中逐步整合，形成创新医药学体系的历史机遇正悄然来临。
1 代谢组学技术
代谢组学主要研究的是作为各种代谢路径的底物和产物的小分子代谢物(MW
1.1 核磁共振技术
在代谢组学的研究中最常见的分析工具是NMR，主要是氢谱(1H NMR)、碳谱(13C NMR)及磷谱(31P NMR)三种，特别是1H NMR。NMR是一种基于具有自旋性质的原子核在核外磁场作用下，吸收射频辐射而产生能级跃迁的谱学技术。该技术于20世纪70年代初开始应用于生物医学的研究并得到迅速发展。利用高分辨率NMR技术对完整器官或组织细胞内许多微量代谢组分进行检测，可得到相应的生物体代谢物信息，研究这些组分的NMR图谱，综合分析这些信息所反映的生物学意义，可以了解生物体代谢的规律，得出科学的结论。NMR方法具有无损伤性，不会破坏样品的结构和性质，可在接近生理条件下进行实验，可在一定的温度和缓冲液范围内选择实验条件；可以进行实时和动态的检测；可设计多种编辑手段，实验方法灵活多样，满足了代谢组学对尽可能多的化合物进行检测的目标。NMR还有一个重要的特点，就是没有偏向性，对所有化合物的灵敏度是一样的。1H NMR谱峰与样品中各化合物的氢原子是一一对应的，所测样品中的每一个氢原子在图谱中都有其相关的谱峰，图谱中信号的相对强弱反映样品中各组分的相对含量。因此，NMR方法很适合研究代谢产物中的复杂成分。从一维高分辨1H NMR图可得到代谢物成分图谱，即代谢指纹图谱。对这种特质性进行区分、鉴定，被称为“代谢指纹分析(metabolic fingerprint analysis)”，帮助找出机体代谢的共性与个性。对某一代谢物或组合随时间变化的情况鉴定描述称之为“代谢轮廓分析(metabolic profiling analysis)”，观察特定干预的动态系统中，找出机体代谢变化的规律。随着NMR技术的发展，以前用于固体的魔角旋转(MAS)技术被移植到液体领域，使得人们可以研究以前难以用液体NMR 研究的样品，如器官组织样品。利用MAS技术，人们可以得到完整的组织样品高分辨谱图，扩展了代谢组学研究的样品范围，同时可以更全面地对一个系统进行深入的研究[2]。
在得到1H NMR谱图之后，通常以δ0.04为单位，将谱图划分成若干区域，并对所有区域进行积分，然后将积分值归一化后输出。在得到了这些数据之后，就可以利用模式识别(patten recognition，PR)方法来处理和分析这些数据，得出有价值的生物学信息。在代谢组学的研究中，最简单常用也是比较有效的模式识别方法是主成分分析法(principal component analysis，PCA)。PCA的特点是将分散在一组变量上的信息集中到某几个综合指标即主成分(principal component，PC)上，利用这些主成分来描述数据集内部结构，实际上也起着数据降维的作用。主成分是由原始变量按一定的权重经线性组合而成的新变量，这些变量具有以下性质：①任意两个主成分之间都是正交的；②第1个主成分包含了数据集的绝大部分方差，第2个主成分则次之，依次类推。这样，由前2个或3个主成分作图，就能够很好地反映数据集所包含的生物化学变化。这样的主成分图能够直观地描述药物作用到器官之后，或者基因改变之后生物体内的代谢模式的变化。每一个样本在主成分图上的位置纯粹由它的代谢反应所决定。在这种比较简单的方法中，将从受试动物得到的样本与NMR产生的代谢组数据库进行比较，就可以确定它在主成分图上的位置，从而确定其机制，并有可能找到生物标志物。处于相似病理生理状态的动物得到的样本通常具有相似的组分，因此，在主成分图中也处于相似的位置。另外，一些环境因素和性别、饮食等因素都会影响分析结果，故需要采用滤噪技术，如正交信号校正(orthogonal signal correction)，同时采用更为复杂的分析方法，如偏最小二乘法、判别分析(PLS-DA)和人工神经网络。用这类方法可以建立复杂的数学模型，对未知样本进行预测分析。NMR技术在代谢组学中的应用越来越广泛，但仪器价格及维护费用昂贵限制了该技术的进一步普及。
1.2 质谱技术
质谱(MS)技术是将离子化的原子、分子或是分子碎片按质量或是质荷比(m/e)大小顺序排列成图谱，并在此基础上，进行各种无机物、有机物的定性或定量分析。新的离子化技术则使质谱技术的灵敏度和准确度均有很大程度的提高。将预处理的体液或是组织，加至质谱仪，经历汽化、离子化、加速分离及检测分析后即可得出相应代谢产物或是代谢组的图谱。图谱中每个峰值对应着相应的分子量，结合进一步的检测分析可以部分鉴定出化学成分以及半定量关系。不同组别的质谱图存在差异，加以区别、鉴定，亦有助于研究代谢的变化规律及标志性代谢产物[3]。
NMR技术与MS技术相比，各有其优缺点，需要在研究中灵活选用。总体而言，NMR技术应用的更为广泛。此外，根据代谢组学的研究需要，还常用于其他的一些分析技术，如GC、HPLC、高效毛细管电泳(HPCE)等，它们往往与NMR或MS技术联用，进一步增加其灵敏性。
2 代谢组学技术与中医证候的研究
辨证论治是中医药理论的核心。其实质是根据个体心身特点及其当时的疾病反应状态而有针对性地进行个体化的治疗和预防，从而达到最佳治疗效果。中医的“证”是论治的起点和核心。“证”是指在疾病的发生、发展过程中，一组具有内在联系的、能够反映疾病过程在某一阶段的病理病机，是机体对体内外各种环境变化和致病因素作出反应的一种功能状态，其外候表现为一组有相互关联的症状和体征群。辨证施治既不同于对症治疗，也不同于西医的辨病治疗。由于每一个证候都有其外象(外候)与内涵，外候是望、闻、问、切四诊所获得的信息整理而得，很难量化，即使用流行病学方法加以演绎，依靠专家的经验打分，最多亦只是半定量，很大程度上依赖于医生的诊疗水平。由于辨证是由外揣内，在具体运用上受到医患双方主观因素的影响，难以客观化和量化，所以必须通过“证”的内涵研究。采用代谢组学技术，通过对某一病证相关特定组分的共性加以分析、判断，能够帮助人们更好地理解病变过程及机体内物质的代谢途径和代谢状况；同时，代谢组学还有助于疾病的生物标记物的发现而达到辅助临床诊断的目的。它能够通过检测不同时间患者的尿液或血液，对这些由疾病引起的代谢产物的响应进行分析，即代谢物组的分析，其准确性依赖于仪器的性能，可以提高诊治的科学化、定量化，避免了人为因素的误诊。
成都中医药大学王米渠教授用基因芯片的方法研究中医寒证患者，发现寒证的基因表达谱有显著差异，在59条差异表达基因中，绝大多数与代谢(能量代谢、蛋白质代谢等)有关，说明寒证患者的代谢网络有别于常人。上海交通大学药学院实验室采用代谢组学研究发现肾阳虚模型动物的代谢网络明显偏离正常组动物，而用温阳中药干预后，模型动物的代谢谱回归至正常范围，呈现网络修复的结果[4]。
本课题组以慢性束缚方法制作应激大鼠模型，运用动物行为学评定和以方测证等方法确定该模型为肝郁脾虚证候模型[5-10]。经NMR数据采集与分析发现：①正常组与模型组之间存在代谢产物谱的显著差异，也就是说正常组与以慢性束缚方法制作应激大鼠肝郁脾虚证模型组之间有着代谢产物的不同。②模型组随着造模时间长短的不同，其代谢产物有所变化。③中医证候之间可能存在着非常明显的代谢产物的不同，这种不同是基于不同证候存在着不同物质代谢或其代谢网路的改变。中医证候的生物学基础也可能从代谢组学研究中找出特异的标志性代谢产物，用生物信息学方法分析生物标志物的功能，来确定“证相关代谢谱群”。基于这些研究，我们提出中医证候的定义：证是机体对体内外各种环境变化和致病因素作出反应的一种功能状态，其外候表现为一组有相互关联的症状和体征群，其本质是机体失衡而致的代谢或其网路的改变。
3 中医证候代谢组学研究的方法
中医证候代谢组学研究技术是通过采集证候样本或模型动物的血浆、尿样品并进行代谢产物谱分析，得到各自的代谢产物谱，找出特异的标志性代谢产物，用生物信息学方法分析生物标志物的功能，以确定“证相关代谢谱群”。也可以用方证反证的方式验证方药的作用机理和进行方证相关性的研究。值得注意的是，现已证明动物体的内源性代谢产物与生理条件下的各种变化有关，如性别、年龄、个体间的健康状况、遗传差异性、外源因素昼夜节律更替、饮食、温度、觉醒等刺激，甚至周围气候不同、菌群的改变，代谢组也可发生种类及数量的差别。因此，建立生理条件下对代谢谱的正确认识，是研究各种病理条件或刺激干预的前提。
代谢组学正处于快速发展的阶段，日益成为研究的热点。高通量、高分辨率的分析技术与生物信息学相整合，从生物代谢层面进行研究，提供了了解生物体的独特视角。代谢组学研究侧重于寻找相关特定组分的共性并加以分析、判断，使诊断、治疗力求个体化，如何把握个体及小样本群体的特质是今后努力的方向。代谢组学最终是要将研究的触角涉及每一个代谢组分，研究其共性、特性及规律。在分析手段方面，各种技术都各有所长，怎样进行优势互补，使得各种分析技术的数据能统一、交叉验证也是一个亟待解决的问题。而且代谢状态变化之迅速，影响因素之多，都给个体化研究带来很大的困难。如何将代谢组学技术和方法与传统的中医学理论结合起来，并遵循循证医学的原则开展中医药的理论与临床研究将是未来中医方证研究的重点。
参考文献
[1] Gennan JB，Bauman DE，Burrrin DG，et al.Metabolomics in the opening decade of the 21st century：building the roads to inpidualized health[J].J Nutn，2004，134(10)：2729.
[2] 刘昌孝.代谢组学的发展与药物研究开发[J].天津药学，2005，17(2)：1－6.
[3] 陈慧梅.代谢组学及其研究方法和应用[J].肾脏病与透析肾移植杂志， 2005，14(1)：59－63.
[4] 贾 伟，蒋 健，刘 平，等.代谢组学在中医药复杂理论体系研究中的应用[J].中国中药杂志，2006，31(8)：621－624.
[5] 陈家旭，李 伟，赵 歆，等.慢性束缚应激大鼠海马脑啡肽mRNA和前强啡肽mRNA表达及中药复方的影响[J].中国应用生理学杂志，2005，21(2)：121－125.
[6] 徐洪雁，赵 歆，陈家旭，等.慢性束缚应激大鼠海马CA1区L-ENK的变化及逍遥散的调节作用[J].世界科学技术－中医药现代化，2005，7(5)：18－22.
[7] 陈家旭，杨建新，赵 歆，等.慢性束缚应激大鼠下丘脑-内啡肽变化及中药复方对其的影响[J].中国医药学报，2004，19(2)：83－85.
[8] 陈家旭，唐已婷.逍遥散对慢性束缚应激模型大鼠相关脑区CRF基因表达的影响[J].中国应用生理学杂志，2004，20(1)：71－74.
[9] 陈家旭，李 伟，赵 歆，等.三种中药复方对慢性束缚应激大鼠行为及皮层和海马NT3的影响[J].北京中医药大学学报，2004，27(2)：19－23.
篇6
作者简介：贾云杰（1982―），新乡医学院图书馆助理馆员；刘林霞（1980―），新乡医学院图书馆馆员；浮肖肖（1984―），新乡医学院图书馆助理馆员。
循证医学 （ Evidence-based medicine，EBM），又称实证医学，是遵循临床研究证据的医学实践过程和理念。著名临床流行病学家Sacket D 教授将 EBM 定义为“慎重、准确和明智地应用所能获得的最好研究依据来确定病人的治疗措施”[1]。
循证医学是临床医学与现代信息学、卫生统计学、流行病学相结合的典范，其核心思想是任何临床医疗决策的制定都应以最新的系统评价结果为科学依据，而不能单凭医生的临床经验或依据少量相关文献信息来决定病人的诊治方案。循证医学主要方法是检索关于某种疾病诊疗方案的随机对照实验，运用现代信息学、卫生统计学、流行病学方法对实验结果进行严格的系统评价或分析（Meta―analysis），得出评价结果，为临床研究和医疗决策提供可靠又准确的科学证据。临床医务人员要依据循证医学决定诊疗决策，需要医学图书馆员利用图书馆丰富的信息资源、娴熟的检索技术和科学的统计方法对文献信息进行辨别和评判，筛选确切的文献，并对其进行加工、分析和凝练，形成更高层次的信息产品，从而更好地帮助医生获得最佳的医学证据。因此，循证医学研究应该一种多学科相互融合、相互协作的跨学科科研模式，在这种研究模式下，高校图书馆的情报服务机构为临床医生提供的循证医学情报信息服务，就必须适应循证医学这种新兴学科的特点，所需的情报资源必须经过多学科人员协同式的信息挖掘、信息整合，才能为医生提供有价值的循证医学信息服务。
1 国内循证医学情报服务的现状
“国外循证医学环境下医学院校图书馆的信息服务开展较早，目前已形成一定的模式。我国对于循证医学信息服务发展模式的探讨尚处于初步阶段，发展机制还不健全，亟须在循证医学实践中逐步完善”[2]。
我国循证医学起步较晚，但发展很快。1999年，我国在华西医科大学成立了中国循证医学（Cochrane）中心，并加入了国际循证医学（Cochrane）协作网，这些举措使循证医学得到了更多的关注，极大地促进了我国循证医学领域的发展。循证医学研究有自己固有的模式：“以建立循证医学临床证据咨询中心为服务基础，以部分中心成员进入病房主动参与临床实践为辅助于段。服务过程分为；获取问题、查询证据、服务质量评价等三个阶段，通过服务质量评价阶段，中心成员既可以跟踪所提供证据在临床实践中的有用性，也可以根据反馈对临床情报服务工作进行调整和改进”[3]。在循证医学信息服务过程中需要建立良好的沟通机制，主要体现在临床证据的检索、评价和提供整个过程，最终满足医师的临床需要。
医学图书馆及情报信息服务机构充分认识和掌握循证医学的三个阶段模式，有利于在循证过程中深入了解循证医学中存在的信息转化障碍，从而有针对性地开展相关信息服务，促进循证医学中系统评价的顺利进行。但由于在循证医学研究中涉及医学信息技能、临床信息技能、预防医学与公共卫生、生物信息学及卫生统计学等多个学科领域，因此，为循证医学提供信息服务就需要具有较高信息技术素养，交流沟通能力，以及多学科纵深背景的复合型知识人才。但作为一个学科馆员或者情报人员往往达不到多学科知识的要求，这就需要按照以上几个方面的需要创立协同化科研情报服务团队，从团队的学科建设、服务模式、服务途径等几个方面来创新现有的情报信息服务策略，从而为国内医学图书馆、信息服务机构组建循证医学协同化情报服务团队及创新信息服务的新模式提供参考。
2 组建协同化循证医学服务团队及完善相关信息资源
2.1 组建协同化循证医学服务团队
当前很多高校图书馆情报机构的人才结构配备不合理、信息资源保障体系不完善、服务行为不规范、服务模式缺乏新意、信息服务内容不深入、服务范围狭窄等[4]，这些误区容易导致图书馆的服务成为形象工程，影响高校图书馆的长远发展。因此，对组建协同化循证医学服务团队、完善相关数据库信息资源系统进行研究，并根据发现的问题提出相应的解决对策，具有重要的科学意义和实际指导作用。
2.1.1 有针对性地引进高素质人才。①选择具有图书馆情报学专业知识，专业技能强，业务素质高的人才。②根据高校的学科优势或者学科特色选择对口学科背景深，熟悉相关专业发展动态、发展前沿的人才。③选择既有一定的医学背景，又熟练图书馆情报专业知识和技能，可塑性强的复合型人才，为临床医生提供针对性的循证医学信息服务。
2.1.2 加强对现有人才的开发，提升其综合水平。在现有情报人员潜能开发方面，高校情报服务机构在人才、资金、技术等有限的条件下，必须不断加强现有人才的开发，提升其综合水平。①从现有的人员中选拔既有一定的医学背景又有图书情报专业知识和技能的情报人员进行开发和培养，强化信息服务职业素养教育；加强对馆员工作中的主动性、个性化、增值意识的培养；提升情报服务质量的业务培训，包括知识发现、知识挖掘、数掘融合、推送技术、智能搜索等能力的培训，为用户提供所急需的、个性化的、深层次的循证医学信息等。②情报服务机构应为情报人员提供相关学科知识学习的机会，加深其对相关学科的了解，特别是医学、生物信息学、卫生统计学等，能熟练地运用计算机分析数据，并树立他们终生学习的理念，确保情报人员的知识和能力不落伍，能及时掌握科研发展动态，从而更好地为临床医生提供相关的循证医学信息服务。
2.2 循证医学相关信息资源的建设
围绕协同化循证医学服务团队，调查统计不同科研团队的特色信息资源需求，以最大限度地满足各个循证医学科研团队信息需求为前提，建设具有特色的数据库信息资源，他是开展面向循证医学协同化情报服务的基础。笔者认为高校图书馆在建设本校特色数据库资源体系时勿追求“ 大而全”，而是从学校或者附属医院的优势学科，以及重点学科，相关协同化循证医学服务团队的信息需求等方面，要以“协调匹配、彰显特色、成本节约、合理配置”为原则[5]，构建有自己特色的文献信息资源体系。同时，要尽可能地加强对数据库、网络资源的整合，建立一个集所有或大部分数据资源的网络化平台、检索界面，方便科研人员熟悉、利用数据库资源[6]。[HJ1.25mm]
3 创新循证医学信息服务的新模式
3.1 组建协同化循证医学服务团队
医学情报服务机构组建成协同化循证医学服务团队，完善相关数据库信息资源建设以后，利用资源、技术和人才优势，积极开展情报信息服务，建立循证医学情报信息汇集与分析平台与机制，运用信息推送技术为循证医学科研提供定题服务，共建共享信息资源，及时全面地传递、交流发展态势，为科研团队和科研人员提供一个共同交流、学习、合作和制定计划的平台。
3.2 为循证医学科研团队提供个性化情报信息
情报服务人员通过与临床医生的沟通与交流，全面客观地分析医生的循证医学信息需求，通过相关信息情报收集、挖掘、知识发现等技术，对所收集情报信息资源进行筛选、统计分析和系统评价，为循证医学科研团队提供必要的、个性化的情报信息。通过交流反馈，持续跟踪医生的信息需求，定期向医生提供最新动态的循证医学实践信息和医学信息分析评价等，为循证医学发展提供多方位的循证服务支撑。
3.3 为循证医学科研工作者提供必要的知识服务
情报服务人员利用信息资源和信息技术优势，应快速、准确地为循证医学科研工作的各阶段，提供必要的知识服务。从循证医学科研项目的定题、实施、系统评价以及科研成果的应用，为循证医学科研团队提供可持续的、有针对性的情报信息服务。
篇7
“知识管理”的概念来自企业界，目前比较权威的定义认为知识管理是对知识、知识创造过程和知识的应用进行规划和管理的活动。知识管理专业网站的创始人YogeshMalhotra认为：“知识管理是当企业面对日益增长的非连续性的环境变化时，针对组织的适应性、组织的生存和竞争能力等重要方面的一种迎合性措施。本质上，它包含了组织的发展进程，并寻求将信息技术所提供的对数据和信息的处理能力，以及人的发明能力这两方面进行有机的结合。”美国学者卡尔•弗拉保罗认为[1]:“知识管理就是运用集体的智慧提高应变和创新能力”。我国学者乌家培认为：“知识管理是信息管理发展的新阶段，要求把信息与信息、信息与活动、信息与人连结起来，在人际交流的互动过程中，通过信息与知识的共享，运用群体的智慧进行创新，以赢得竞争优势。”虽然学术界对知识管理众说纷纭，但是知识管理以人为中心、以信息为基础、以创新为目标的基本观点却是不容置疑的。知识管理的含义可简单理解为：是应用集体的智慧提高应变和创新的能力[2]。其本质在于把信息与信息、信息与人、信息与过程联系起来，不仅对信息的收集、存储、整理与传递进行系统、严密的组织管理，更进一步把握知识间的相互关系，创造一种隐性知识与显性知识互动的机制与平台，从而创造出新的知识去满足社会发展的需要。
2高校医学图书馆知识管理的必要性
2.1医学模式转变和用户需求的变化对知识管理的需求
现代医学模式从生物—医学模式转变为生物—社会—心理模式，从而把医学引向更广泛、更深入、更复杂的研究层次。现代医学模式的出现，使医学用户与图书馆的关系显得更为密切，医学用户除了必须掌握自己的专业知识外,还要学习哲学、医学心理学、医学伦理学、社会行为学等“人文科学”，如果没有掌握相关的基础知识，对患者的社会心理背景难以有深刻的理解，以致影响对患者的正确处理，医学科学的发展在改变医学模式的同时，还涌现出诸如医学信息学、生物信息学、循证医学等新兴学科，因此充分认识了自然科学与社会科学之间相互交叉、相互渗透的发展趋向，医学用户在疾病控制、临床、科研工作中，引发对医学知识、社会学知识的更多的需求，也更多地依赖图书馆学习科学知识，以提高综合素质。
2.2知识经济环境及信息技术革新要求图书馆实施知识管理
近20年来现代信息技术的快速发展，计算机的应用，网络技术的普及，从根本上动摇了医学图书馆传统的管理模式和服务方式，但是医学图书馆管理思想停留在信息管理的阶段。对知识资本构成的全面性认识不足，强调的只是对显性知识的管理，而对人力资源隐性知识的重视不够。知识管理是一种全新的管理理念和管理模式，它致力于将智力资本转化为更大的生产力、竞争力和新价值。医学图书馆的持续发展必须引进先进的管理模式，实现医学图书馆的现代管理。
3高校医学图书馆知识管理的实施策略
3.1引进知识管理模式
图书馆知识管理就是对显性知识和隐性知识的搜集、整理、存储和应用，并使其充分发挥作用的过程。主要体现在以下三个方面：一是对显性知识的序化，即对显性知识加以序化组织，以便建立知识库，供读者使用；二是对隐性知识的发掘，即强调人是知识管理的核心，图书馆要建立一种创新、交流、学习和应用知识的环境与激励机制，培养知识型馆员，建立人才库；三是用知识管理的理念指导图书馆服务，充分发挥服务的价值和知识的价值，走知识服务之路[3]。
3.2构建医学知识库
知识库不同于数据库和信息库，知识库中既储存结构化的内容又储存非结构化的内容。构建知识库并使其发挥作用，是知识管理的基础。医学图书馆内部知识库来源主要包括图书馆、档案部门以文献形式保存的知识和信息。可将其建成内部显性知识子库，便于检索和利用。外部知识库来源主要有cochrance协作网，MEDLINE，OVID全文期刊数据库，《中国生物医学文献数据库》(CBMdisc)、《中国生物医学期刊数据库》（CMCC）,《中国学术期刊(光盘版)全文数据库》，《万方数据资源系统》，《中国科学引文数据库》等等。因特网上有大量的医学资源，除了基础医学、生物医学和分子生物学资源外，还包括临床医学资源，都可作为外部知识库的构建基础。
3.3加强人力资源管理
人力资源管理是知识管理的核心。图书馆员为读者提供经过整理、分析、综合的信息资料，并为读者提供信息咨询服务，作为知识的管理者，图书馆员要转变观念，变被动服务为主动服务。图书馆不仅仅是一个服务部门，也是一个研究部门，图书馆职业不仅是一个服务性的职业，也是一个研究性的职业。今天的医学图书馆员不再是守门员，而应该是医学信息专家，要集卫生专业知识、情报专业知识、英语、计算机和网络技能于一体的复合型人材，真正起到知识导航员的作用。重视馆员的职业培训和终身教育，提高科技水平、获取知识和创新知识的能力，引导发挥馆员的智慧潜能。
3.4注意发挥高校医学图书馆的优势和特色
高等医学院校最主要的“产品”是培养各类型医学人才。高校图书馆在这个培养和训练人才的过程中，扮演着提供信息和知识支持的重要角色。高校图书馆在拥有大量的各类型的静态的学术信息资源的同时，还拥有可以适时更新的动态信息源，这是高校图书馆有别于其他信息服务机构之处。并且由于各高校的历史和专业特色的不同,各高校图书馆拥有的信息资源又有所不同,各具特色。高校图书馆进行知识管理的目的就是要实现其拥有的静态资源和动态资源的完美结合,通过对两者的深度挖掘,为信息用户提供其所需的信息和知识服务,从而达到服务效益的最大化,并由此建立起一个具有强大创新力兼具独特性的组织系统。
篇8
关键词：高等农业院校；创新型人才
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）33-0129-02
国务院颁布的“国家中长期教育改革和发展规划纲要”中强调要通过人才培养改革试点，探索各级各类教育创新人才的培养途径，创造有利于创新人才脱颖而出的外部环境，争取将我国建设成为一个创新型国家。青岛农业大学生命科学学院于2010年在全校范围内首个建立创新人才培养实验班（以下简称“创新班”），以此作为试点，从人才培养理念、培养目标、选拔方案、运行管理、课程体系、教学模式、教学方法和评价方式几个方面进行了大胆的探索和实践，目的在于通过改革，为创新型人才的培养提供宽松、有利的环境，以期对全校本科创新人才的培养起到很好的推动和示范作用。
一、从人才培养理念正确理解什么是“创新人才”
目前，教育界对“创新人才”的定义存在不同的认识。我们认为，“创新人才”应具有善于思考，勇于提出问题和解决问题这三个基本特性。而对于是否是通过独立或者合作的方式来实现这三个基本特性，可以不做重点考量。此外，需要明确的是：大多数情况下，创新人才并不是在大学阶段，甚至研究生教育阶段的教育就能塑造成型。实际上，不同教育阶段，包括高等教育阶段，主要是从各个方面为创新人才的培养创造条件，引导、培养、教育学生具有善于思考，勇于提出问题和解决问题的能力，以期学生在日后的实践锻炼中最终成为本专业领域的创新型人才。
二、科学定位，确定创新人才培养目标
专业定位和人才培养目标应充分考虑社会实际需求与学科特色，不应该盲目效仿其他综合性大学的培养模式，导致人才培养难以适应地方经济发展的需求。根据高等教育人才培养目标定位划分，高校培养人才包括三种类型，即学术型人才、应用型人才和实用型人才。地方高校教育要办出特色，必须走应用型创新人才培养之路。作为省属农业高校，青岛农业大学坚持“教育与农业生产实践相结合”的办学思想，2013年成为山东省首批应用型人才培养特色名校建设单位。创新班的人才培养定位是：主要从事与农业生物科学相关的理论研究、新技术开发工作，掌握较系统的生物学基础知识、基础理论和基本技能，具备一定的人文社会科学的知识与素养，具有较强的创新能力和实验、实践能力。
三、加大宣传力度和采取动态管理机制
2010-2013年实行大类招生期间，学院对刚进入大学校园的新生及其家长进行创新教育宣传，让学生对创新班的设立有一个正确的认识。面向全校本科生公布创新实验班的招生条件，学生自愿提出申请，根据学生大学一年级的综合成绩和面试的结果，采用双向选择的方式择优录取。创新班成员的管理采取动态管理机制，在每一新学年之初，根据上一年学生的理论和实践综合测试情况进行5%～10%的末尾淘汰制，同时从普通班中补充相应人数加入创新班。
四、建设具有创新意识的教师队伍
教师是学生专业学习的引导者，引导大学生去探究、学习，学会分析问题和解决问题，掌握正确的学习方法，因此，学生创新能力的培养的前提是教师自身必须拥有创新的教育理念。目前很多教师延续传统的教学方法，只重视知识的讲授，而忽视了对学生学习的引导，这种一味的“填鸭式”教学，使得学生被动地接受专业知识，结果导致学生创新意识淡薄。针对这个问题，学校、学院出资鼓励教师去其他高等学校进修学习，学习其他学校先进的教学理念，在教学过程中，通过启发的方式引导学生思考和解决问题。另外，以教研室为单位，安排教学经验丰富的教师结对帮扶青年教师，尤其是那些从未涉及课堂教学实习的非师范类院校毕业的教师，从专业课教学、实习实践等方面给予指导和培训，加快青年教师成长的步伐。
五、课程体系和课程结构的整合与优化
调整理论课与实践课程的比重，增加了选修课和专题讲座的比重，以及其他学科的教学内容，减少了必修课在学分钟的比重。减少大班上课的比重，增加了小班上课的比重。
六、改革教学模式和教学内容
人才培养实行“3+0.5+0.5”教学模式，即3年系统理论学习、半年校内实习和半年企业实习，注重提高学生的实践能力。学生在掌握系统专业知识的同时，还应关注教学内容的前沿性、交叉性和启发性，加强不同学科之间的交叉融合。近些年来，计算机专业与生物学专业的结合，出现了生物信息学专业，生物学的发展进入了大数据时代。针对这种新的变化，学院及时进行课程结构的整合和优化，开设了生物信息学、基因与蛋白质组学数据分析等课程，结合计算机上机实践环节，有效激发了学生对生物大数据的学习。通过学科交叉融合的方式，将选修课由改革之前的12门课拓展到29门课，扩大了学生对选修课的选择余地，满足了学生个性化学习的选择需要。
七、改进教学方法，将传统的教师课堂式的教学模式改为在网络互动教学平台下的自主学习模式
将教育环境由封闭式变为开放式，引导学生通过自主学习，积极发现问题，然后将问题带到课堂上，教师与学生讨论式互动，教师引导学生从独特的角度发现问题，提出疑问，主动积极地解决问题，鼓励同学对现成的结论和传统的观点敢于提出大胆的质疑，减少单纯的知识传授环节。这种教学组织形式的改变将学生单纯的知识记忆学习变为探索知识、发现问题、思考问题和解决问题的良性循环过程。
八、改革学生评价体系，适当增加平时分占总评分的比重
学生的总评分由考勤成绩、平时成绩和期末成绩三部分组成。目前理论课的各部分所占的比例为10%、20%和70%，实验课的各部分所占的比例分别往10%、30%和60%。可以考虑将考勤成绩改为5%，平时成绩提升至40%～45%，期末成绩提降至50%～55%。通过上课问答、网络教学平台问答环节以及平时学生在本门课学习过程中的综合表现，在总评成绩上给予更多的肯定。
九、加强实践教育，完善实验和实践教学环节
实践教育是培养学生创新能力不可缺少的重要环节。生物学是实验和实践性学科，通过实践环节，可以使学生将理论课中学习的知识与工农业生产相结合，是实现知识和能力统一的有效环节。为此，学院建立了“课堂―课外”、“校内―校外”和“科学―人文”多元实践教学模式，构建“基础―专业―综合―创新”四层次的实践教育体系和“创新教育―实验实习―团队活动―生产实践/社会实践―技能训练―学术交流―研究创新”七环节的运行机制。在实验实践方面，减少了验证性实验的比重，增加了综合性和设计性实验的比重。在实践环节中为学生创新意识、创新思维和创新能力的培养提供了有利的环境条件。这几年，学院增加了在实践教学相关配套设施的投入，如：建立了植物标本室、动物标本室、食药用真菌标本室和组织细胞培养室。依托导师制和教师科研团队，充分利用省级重点学科、省级重点实验室和省级高校重点实验室平台，确保学生个性发展需求，以教师现有的科研项目为载体，学生自主选题，自主开展创新科学研究，培养创新能力。另外，引导和鼓励教师参加社会技术服务项目，教师评职称要求有在本专业领域的生产企业锻炼至少三个月的经历。从生产、科研第一线聘用总经理、企业主管等专业人员作为兼职教师为学生授课。此外，还在山东省内以及青岛市周边城镇，与相关行业、企业通过资源共享、优势互补的原则联合建立科研、实习实践基地，有效增加了校外实践教学基地的数量。
十、采取激励措施，提高学生和教师的积极性
为了鼓励学生进入实验班学习。学院采取了以下激励措施，提高学生和教师的积极性。
1.实验班坚持以人为本、追求卓越的培养理念，集中优质办学资源，充分尊重学生的个性发展，实行全程导师制，即学生进入创新班后，根据自己的学习兴趣和本学院的教师科研研究方向，选择本学院的教师作为自己的专业指导老师，教师负责学生的科研实践、课程论文和毕业论文的安排和指导工作。而普通班学生是从三年级实行“导师制”。
2.学生申请国家级、校级大学生创新创业项目时，在名额指标方面给予创新班政策上的倾斜，让创新班学生有更多参加实践项目锻炼的机会。通过申报创新项目，使得学生有机会接触科研项目，增强专业学习的积极性和主动性，这个过程不仅锻炼了学生在项目申报中应具备的文献查询和科技论文的写作能力，更重要的是让学生把实验技能和理论知识有机地结合在一起。
3.在校际本科“交换生”学习交流方面，每年派出创新班的一部分学生到国内“211”和“985”高校学习深造一年，让他们有机会走出去看到外校的情况，回来后通过报告的形式与其他同学交流。目前青岛农业大学生命科学学院已经与国内四所“211”和“985”高校建立了长期“交换生”学习交流的联系。
参考文献：
篇9
关键词：人工生命；人工智能；人造生命；物理主义
中图分类号：N031 文献标识码：A 文章编号：16711165(2011)02002104
一般认为，“人工生命”、“人工智能”和“人造生命”是三个分别从计算机科学领域、智能研究和基因工程领域提出的概念。20世纪90年代未，中科院曾邦哲提出人工生物系统（artificial biosystem）的工程生物系统概念，用以整合计算机领域和遗传工程领域的两个概念。概念上的整合一方面体现了“人工生命”与“人造生命”两者之间的承接性，另一方面也预示着“人工生命”发展与生物学理论发展之间的密切关联。诚如“人工生命是具有自然生命现象的人造系统”[1]，那么进入微观领域，生命规律的探索与对生命分子的操作使得“人工生命”具有了反身性。这种反身性恰恰体现了“人工生命”研究并不在于使人“非人化”［2］，使生命也成为技术的对象，而是包含了一定生命认识的特殊生命活动。那么，剖析人类基因组计划的推进过程，就可能找到“人工生命”概念演进背后内在思想动因，从而为洞悉生命科学发展趋势提供一条线索。
一、“人工生命”阶段：肯定物理主义
在人体细胞核内，质量只有0.0000005毫克，宽度仅为0.02微米的DNA包含着大约30亿个碱基排列。科学家相信人类DNA序列是人类生命的决定因素，人类生命活动中发生一切事情都与这一序列息息相关。［3］除了特殊情况之外，DNA中含有的庞大信息能够被一字不差地复制，然后传给后代。要想获得这些信息，就需要测定DNA序列的碱基序列，这也是人类基因组计划的核心工作。那么，测序工作则成为“人工生命”的一个阶段，对生命信息传递过程的模拟也就构成了“人工生命”研究的起点。
基于人类全部24条染色体中3×109个碱基具有固定性的化学关系即A-T、G-C，于是DNA碱基序列的测定工作实际上可以被描述为科学家接受生命分子信号的过程。应用申农所建立的一般信息系统模型，在一定的指令下进行信号传递成为“人工生命”的最初目标。强人工生命观念将“生命系统的演化作为一个可以从任何特殊媒介物中抽象出来的过程”(John Von Neumann)。以抢占计算机存储的方式，生命演化过程被计算机程序模拟出来。人们相信，如果生命遵循既定的程序，那么只要编写好程序，生命就能进行准确的信号传递，也就实现了“人工生命”。首先试图为生命编写程序的是生物学家林登迈尔。20世纪60年代中期，林登迈尔为红海藻、青苔等植物的生长发育建立模型，提出了一种被称为“L-系统”的形态发生系统，又被称为“繁殖（发生）算法”。在编写好的程序下，生命系统转化为信号系统。生命信号模型以量化或模型化的方式来展示生命的属性。这意味着：“如果具有冯•诺伊曼式的自我复制能力或繁殖的能力，那么这个实体就是有生命的。”［4］
冯•诺伊曼所证明的自我繁殖的生命信号系统应和了人们对微观生命分子世界的物理主义观点，其实质是将诸如细胞这样一个具有新陈代谢功能的生命单元放在既定的关系下。尽管将生命活动视为一种生命信号传递颠覆了传统的生命物质实体论，却仍然将生命置于某种固定关系下，意味着其也不可能跳出物理主义的决定论框架。一方面，“人工生命”研究进行了生命信号传递模，并在计算机领域中建立虚拟生命系统；另一方面，人们在质疑申农的一般信息模型的同时也开始质疑“人工生命”。针对申农的一般信息模型，有学者认为：“申农通讯信息系统模型具有两方面的重大缺陷：一是该模型未能注意信息系统的一般反馈性机制；二是该模型描述的还仅仅是信息接收系统。”［5］可见，申农的一般信息模型不具有反馈性机制或不能够自创生。于是，这样一种生命的信息论观点，即“在生命运动之中物质实体-载体是流动的，组织形式-信息才是稳定保持的”［6］，表明“人工生命”所模拟的对象是在既定关系之下的生命信号的传递过程。
面对人类基因组计划这样巨大的基因工程项目，测定了组成人类DNA的约30亿个碱基中85%的碱基序列只是完成了所谓工作草图。获得的基因草图只是为给基因命名、分析基因创造了条件，需要进一步找到能够提供信息的标记基因，进行基因追踪，但寻找基因的工作却相当复杂。一般信息模型不可能作为模拟这一活动的基础。
二、“人工智能”阶段：怀疑物理主义
一般认为，人类共有5万~10万个基因，如果某个基因发生了变异或者产生缺陷，必然会引起机能上的障碍。根据变异的DNA标记基因来确定另外一个基因的位置，这样就可以将其位置制成详细的地图，通过检查DNA序列来识别基因突变。学者们以DNA标记为基础的DNA基因图谱寻找致病基因。在一阶段，“人工生命”模拟的对象是寻找基因，而寻找基因的关键则体现为对信息的识别。人类基因组计划在此阶段的工作可以反映“人工智能”的研究。
尽管早在1956年，美国的麦卡锡就提出“人工智能”(artificial intelligence)概念，但直到20世纪80年代末，人们才将“人工智能”作为“人工生命”的一种形式。“人工智能”阶段需要计算机能够准确识别信息。对于智能的研究涉及诸如意识（consciouness）、自我（self）、心灵（mind）、无意识（unconscious mind）等问题。对此，之前将生命作为信号系统的一般信息模型显然无法发挥作用。面对信息的识别和反馈机制等一系列问题，人们试图将信息学、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学各学科整合，并在计算机领域实践，甚至在机器人、经济政治决策、控制系统、仿真系统中应用。然而，这种学科上的整合并没有使人们找到合适的模型来取代之前的信号模型用以描述识别信息过程所具有的非线性特征。
对此，一部分学者试图通过重新定义“人工智能”概念，区分出强“人工智能”和弱“人工智能”的方式来解决问题。弱“人工智能”用模拟识别信息后所表现出的行为来反推对信息的识别，也就是让机器的行为看起来就像是人所表现出的智能行为一样。而强“人工智能”则将识别信息的功能强加于计算机，如约翰•罗杰斯•希尔勒（John Rogers Searle）就计算机和其他信息处理机器的工作形式提出“计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的”［7］。无论是强“人工智能”还是弱“人工智能”，都将“人工智能”划分为四类：机器“像人一样思考”、 “像人一样行动”、“理性地思考”和“理性地行动”。但是，这两种观点都没有进一步对任何一种类型进行模型化。这就表明尽管在观念上人们已经不再将生命系统作为信号系统，但其仍成为“人工生命”模拟的对象。
1999年，获得了诺贝尔生理学或医学奖的布洛贝尔创立了著名的“蛋白质的命运”假说，即关于新生成的蛋白质去向的“信号假说”。他认为细胞内存在某种信号，这种信号决定了新生成的蛋白质的去向。这意味着每个蛋白质都能够获得向某个地方移动的信息，就像邮编一样，可以让蛋白质找到准确位置。也就是说，由十几个氨基酸组成的“信号肽”使得蛋白质能够识别信息，并在某种程度上具有了主动性。这种主动性与物理主义的决定论观点发生了冲突。
弄清各种基因各自会生成何种蛋白质成为需找基因的重要环节，因为如果知道了信号肽的基因，就可以知道周围的基因是决定何种蛋白质的基因。“信号肽”的发现大大推进了人类基因计划，然而，“人工智能”研究中并没有明确给出一个可以超越一般信息模型的新模型。
三、“人造生命”阶段：突破物理主义
在识别了基因信息之后，就需要对基因突变作出解释。人们已经发现，致命的基因突变由于地域特征和环境不同，其结果也会各不相同。这就意味着，人们在对待人类基因时必须考虑环境的因素：一方面，环境可能使基因突变形成恶性基因，另一方面则也能促使发生有益的突变，从而形成更为适应环境的基因整体。从后者来看，环境如何引发新基因整体的形成就成为对基因与环境之间关系所进行的解释，这也就成为人类基因组计划的后期工作，此阶段的“人工生命”研究也将面临更为深入的问题。
“对基因整体性的认识大体有两类。一类是在分子遗传学坚信基因独立性存在的前提下，根据不同功能种类的基因间的协同关系诠释基因系统的整体存在。而今，这一方向已在原核生物领域取得辉煌的成果；另一类是在关注物种(种群)的发育和进化并结合分子生物学的基础上，探究基因的整体存在，即基因集成、基因组织单元及其关系的研究。目前，这一方向已受到综合进化论者及其他一些生物学者的高度重视。”［8］后者恰恰体现了环境对基因的作用。“人造生命”的提出则将这种作用的意义凸显出来。从其他生命体中提取基因建立新染色体的操作，实际上就是将特定基因从已有的环境中分离开来，再将提取的基因染色体放入新的环境之中，即嵌入已经被剔除了遗传密码的细胞中，这样染色体在新环境中形成新的基因组织，控制这个细胞，发育变成新的生命体。2010年5月20日，美国私立科研机构克雷格•文特尔研究所宣布：世界首例人造生命――完全由人造基因控制的单细胞细菌诞生，并将“人造生命”起名为“辛西娅”。这项具有里程碑意义的实验表明：新的生命体可以在实验室里“被创造”，而不是一定要通过“进化”来完成。“辛西娅”的产生在一定意义上证明了可以通过人工环境能够实现对基因的作用。
“人造生命”为“人工生命”提出了更深层次的问题。“人工生命”概念不同于传统生命观和科学观。“传统生物学用分析方法研究生命。通过分析，解剖现有生命的物种、生物体、器官、细胞、细胞器，即通过分析现有生命的最小部件来理解生命。人工生命用综合方法研究生命，在人工系统中对简单的零件进行组合，使其产生类同生命的行为，力图在计算机或其他媒体中合成生命。”［9］“人造生命”则进一步模拟生命整体功能如何形成。这也改变了对生命的认识，从“如吾所说的生命（lifeasweknowit）”转变为“如其所能的生命（lifeasitcouldbe）”［10］。生命作为各个功能叠加的物理主义观念被打破，取而代之的是一种功能整体性观念。
“人造生命”已有的成果在一定程度上揭示了环境对基因整体功能的作用机制，如果能够找到体现这种机制的模型，就将推动生命科学的发展。事实上，人类基因组计划都是建立在DNA分子序列的符号化前提下的。没有这种符号操作，人们就不可能应用计算机来获得、识别并整合生命信息。而这一符号学思路恰恰应和了美国著名的科学家、认知心理学家、人工智能学家西蒙（Simon Blackurn）的理论。西蒙的“物理符号系统假设”进一步阐释了这一思路。“物理符号系统假设”强调“所研究的对象是一个具体的物质系统，如计算机的构造系统、人的神经系统、大脑的神经元等。所谓符号就是模式，如任何一个模式，只要它能和其他模式相区别，他就是一个符号。”［11］“物理符号系统假设”从信息论模型进入了符号学模型。“人工生命”从对“生命表现出的行为的功能模拟”转向对“生命内在创造机制的功能模拟”。
这种符号学模型提示，在经常变化的环境作用下，微观生命分子形成了不同的功能整体，具有内在的适应性意义。人们在无法支配环境的情况下支配基因，就可能造成有害的影响。从“人工生命”、“人工智能”到“人造生命”的概念演进，可以得出承认生命本身具有内在意义，具有一定的主动性将成为未来生命科学理论发展的一种趋势。
参考文献：
［1］班晓娟.人工智能与人工生命[J].计算机工程与应用，2002(15)：1-7.
［2］林德宏.评人的“非人化”――一种现代技术机械论[J].自然辩证法研究，1999(3)：23-27.
［3］孙啸，陆祖宏，谢建明.生物信息学基础[M].北京:清华大学出版社,2005:9.
［4］李建会.生命科学哲学[M].北京:北京师范大学出版社,2006:127.
［5］邬.信息哲学――理论、体系、方法[M].北京:商务印书馆,2005:75.
［6］沈骊天.生命信息与信息生命观[J].系统辩证学学报，1998(4)：71-73.
［7］JOHN R. Minds, brains, and programs[J]. Behavioral and Brain Sciences, 1980, 3 (3): 417-457.
［8］董华，李恒灵.基因整体实在论[J].科学技术与辩证法，1997(6)：31-34.
［9］林德宏.科学思想史[M].南京:江苏科学技术出版社,2004:326.
篇10
[关键词]数值计算方法；融会式；教学理念；教学实践
[中图分类号]G642.0 [文献标识码]A [文章编号]1005－4634(2012)02－0053－04
0 引言
随着计算机技术的飞速发展，数学学科的地位发生了巨大的变化，特别是在自然科学的许多分支中，有相当多的研究问题走向定量化和数值化，从而出现了一系列与计算有关系的研究方向，如计算物理、计算力学、计算化学、计算地质学、计算生物学、计算气象学等。目前，科学计算、理论研究、科学实验已经成为当今科学研究的三大方法，而科学计算由于具有研究成本低、周期短、风险少等特点，因而受到广泛的重视。数值计算方法，也称“数值分析”或“计算方法”，是科学计算的重要基础，也是理工科大学生和研究生的核心课程，国内外综合性大学无一例外均开设了本门课程。数值计算方法以采用计算机技术求解工程实践中提炼出的数学问题为主线，既有数学课程理论上的抽象性和严谨性，又有解决实际问题的实用性和实践性。自从教育部分别颁布高等教育“面向21世纪教学内容和课程体系改革计划”后，很多教学工作者积极探索数值计算方法教学的新模式，并投入到教学实践之中。在教学观念、教学内容、教学方法、教学手段等方面出现了百家争鸣的好局面，开展了多层面多方位的教学改革探索，展现了数值计算方法课程教学在理工科人才培养中的奠基性作用。
鉴于数值计算方法在理工科人才培养课程体系中的重要地位，通过问卷调查及统计分析，分别从教师和学生两个角度剖析课程教学所面临的主要问题，有针对性地提出数值计算的融会式教学理念，从课程体系、教学模式、教学内容、教师队伍等多个方面阐述该理念的内涵，并结合国防科技大学自动化专业本科生《数值计算方法》课程教学任务开展教学实践，检验融会式教学理念的实际效果，为21世纪数值计算方法教学改革提供新的思路和有益借鉴。
1 课程教学的问题分析
数值计算方法在理工科大学生及研究生培养的课程体系中具有显著的桥梁性作用，一方面是对高等数学、线性代数、编程语言(或算法设计)等公共前缘课程的巩固与扩展，另一方面也是力学、计算机科学、自动化、航空航天、土木工程、机械工程、经济管理等专业后续课程的基础和工具。通过问卷调查统计分析，目前数值计算方法课程教学所面临的主要困难可从教师和学生两个方面加以总结。根据数值计算方法授课教师的反映，教学面临的困难主要有以下几个方面。
1)课程信息量大与教学时数少之间的矛盾。课程主要研究数值逼近与曲线拟合、线性方程组求解、非线性方程求根、数值积分与数值微分、常微分方程求解等问题的数值解法，教学内容多，而培养方案又在压缩教学课时，所以出现学时少、内容多的矛盾。
2)课程覆盖面广与教师专业知识受限之间的矛盾。课程涉及的数值方法都有着典型的工程应用背景，涉及的学科领域宽泛，从事教学的教师往往精通于有限的领域，如何充实提高自身素养适应课程教学的要求是任课教师必须面对的问题。
3)实践环节与相应保障之间的矛盾。数值计算方法课程是理论与实践结合的产物，实践性是此课程有别于其它数学课程的一个基本特征。课程教学的实践环节花费时间较多，可能与教学大纲要求的在一定时间需完成的教学任务有冲突。教师在研究情境设置的问题“难易度”的把握尺度上与学生的接受能力也有可能冲突。有些太困难的研究问题难免超出教学大纲的要求，给学生造成额外负担。
根据学生反映的情况，课程学习面临困难主要有：(1)学习兴趣淹没在冗长的公式推导和理论分析之中。课程涉及相当多的理论推导，对于己经复杂冗长的公式，还要进行理论分析，包括算法的收敛性、数值稳定性、误差分析以及好的时间复杂性和好的空间复杂性。这些方法几乎都很复杂，公式冗长，推导繁琐。过多地强调数学理论证明，大多数的学生觉得这门课很难，学得很枯燥，也感觉不到乐趣。(2)课程内容及进度与学生个体差异的矛盾。伴随着高校招生规模的扩大，学生的人数越来越多，生源的个体差异也越来越显著，同样的内容设置和进度安排往往使得人数众多、差异显著的学生群体难以适应，学习效果自然受到严重影响。(3)课程内容难以体现贯通培养课程体系的桥梁性作用。无论是教材还是实际授课，绪论往往将数值计算方法定位为理工科大学生和研究生培养的核心基础课程，但是主体内容讲授时由于课时有限，只能突出理论推导和算法设计，学生只能见到树木，却始终未能见到好奇的森林，严重的话会削弱学生的学习兴趣和热情。(4)实践环节与基础能力的矛盾。数值计算中的问题仅靠课堂教学、理论推导是很难讲明白的，特别是各种算法的收敛性、稳定性等问题。实践环节是学生加深算法理解、学以致用的重要途径。但是，课程实践环节不可避免地涉及到程序编写与调试，很多学生在编程语言或算法设计课程中基本功不够扎实，从而对数值计算方法的实践环节产生畏惧心理，导致课程实践效果不佳。
2 融会式教学理念
针对数值计算方法课程教学的上述问题，教学工作者们主动思考、积极探索，不断实践新的教学理念或教学模式。在现有研究基础之上，本文提出数值计算方法的融会式教学理念，重点探讨如何培养学生的数值思维能力和计算求解能力，使他们通过课程的学习，构建起所学专业课程体系的全貌，领悟课程的基础性、开放性的重要特征，融会贯通数值计算的思想理解、算法设计和工程实践，在碰到新问题时，不是生搬硬套书本公式，而是灵活运用掌握的数值思维方法去分析和求解。
融会式教学理念关键落实在“融会”二字上，它突破传统的课程讲授、课后作业、上机实践、考核结课的授课过程，将其扩充为前缘深入先摸底、备课充实贴前沿、授课生动重启发、习题思考多互动、实践灵活循算法，授课讲座齐并举、考核全面现能力、试后逐一面点评的融会贯通的全过程。
1)前缘深入先摸底。开课之前深入选课学生群体之中进行交流沟通，了解大家对高等数学、线性代数、编程语言(或算法设计)等公共前缘课程的掌握隋况，获取并分析选课学生在前缘课程的成绩分布情况，特别留意个体的差异程度。比如，对于具有畏惧心理的学生，要及时发现，因材施教，可通过课堂简单提问或者通过批改作业留下鼓励性质的评语，帮助其树立自信心。
2)备课充实贴前沿。综合考虑学生对前缘课程的掌握情况和培养计划对课时的规定，合理选择备课内容，不求面面俱到、照本宣科，但求重点突
出、贴近前沿。每个章节精心设计问题导入环节，举例须紧扣技术发展的前沿，避免书本上例子通行天下的现象，充分激发学生的学习热情。比如，插值方法可结合风洞试验数据估算神舟飞船阻力系数的例子。
3)授课生动重启发。授课过程中，可充分利用课程的实用性和实践性，从工程实践中凝炼科学问题，有针对性地启发学生主动思考相应的对策，再跟大师们的计算方法进行比较，分析优劣，进而转入算法的思想、流程和设计，剖析所学计算方法解决工程问题的实际效果及适用范围。另外，还要注重多媒体和板书的有效结合。
4)习题思考多互动。合理安排习题课，精心准备由易而难的例题，既注意问题的工程实践性，也引导学生积极思考，结合前缘课程的了解情况，有针对性地让学生参与分析和计算，采用分组讨论的形式，充分尊重个体差异，尽量让每位学生都有所获益，有所提高。融会式教学在考试之前的复习课中，一方面梳理本门课程内容之间的相互联系，比如插值是数值微积分的基础，样条插值是线形方程组求解之追赶法的典型应用等等。另一方面更要回顾课程与前缘课程的具体关系，比如多项式插值充分利用了线形代数中多项式空间基函数的概念，数值逼近多次引用范数的定义，而且要根据选课学生的专业分布，选取有典型意义的后续课程，比如自动化专业的控制系统原理、信息科学专业的信号与系统等等，讲解课程所学方法将在专业后续课程中发挥重要的作用，同时也是大家学习这些后续课程的重要基础。
5)实践灵活循算法。课程教学的实践环节非常重要，由于学时有限，必须充分利用。建议可分3次上机实践。第一次可以考查编程能力，及时发现情况，及时总结原因，可组织一次集体答疑，为大家编制统一的接口函数，将数据结构定义、数据读入、结果显示等公共环节提取出来统一处理，而引导学生把精力投入到算法思想的理解和算法流程的实现。第二次，直接提供基本程序框架，由学生填充算法流程的主体部分。第三次，则可当作现场模拟上机考试，要求学生在规定时间内提交算法程序和结果。实践环节的合理运用对改善课程教学效果具有极其重要的作用，教师可适当补充编程的基本技能和基本方法，编制易于理解易于运用的程序框架，以便于学生将有限精力投入到算法设计本身，而不是过多地消耗在输入输出等公共环节。特别是，需要关注对编程具有畏惧心理的学生，采取合适而又有效的措施，比如分组合作或者亲手示范等手段，消除畏惧，激发兴趣，以全面提高课程教学质量。
6)授课讲座齐并举。考虑课程覆盖面广与教师专业知识受限之间的矛盾，并不能要求教师同时掌握多门专业知识，而是可以采用授课和讲座相辅相成的方式，邀请其他专业的老师，根据他们从事科学研究过程中运用数值计算方法解决领域问题的具体体会，向学生讲解数值计算方法的实际应用流程和作用。比如，生物信息学中大量应用最小二成、稀疏矩阵求逆等数值方法。讲座往往较为轻松，占用课时少，学生易于接受，既可提高学习兴趣，也可拓宽知识面，对课程的基础性作用不言而喻，从而有效避免了授课教师“王婆卖瓜，自卖自夸”的尴尬。
7)考核全面现能力。课程考核要全面覆盖授课内容，合理制定试题难度，注重综合能力的考查。课程考核重在数值计算方法基本思想的领悟和掌握程度，不苛求公式的背诵记忆，建议设置一定比例的推导题，比如给出数值积分的梯形公式，要求学生推导Simpson公式。
8)试后逐一面点评。不同于以往考试结课的惯例，融会式教学强调全过程的交流沟通，学生一般在考试之前集中复习，考试之后遗忘性衰减现象很普遍。为了巩固教学效果，融会式教学注重考试之后，教师及时批改试卷，总结课程教学效果，与每一位学生进行当面点评，分析丢分的具体原因，加深学生对所学方法的理解和应用。
综合起来，数值计算方法的融会式教学理念重在将授课过程、教学内容、教学方法、教学手段、教师构成、课程考核、试后讲评等多个环节融会贯通。在教学内容上，突出本门课程与前缘、后续课程的内在联系、相互关系及本质特色，让学生既见树木，也见森林；在教学方法上，强调理论与实践并重，紧扣专业特色，无论是课堂举例，还是上机实践，都结合授课对象的专业分布，从实际工程应用提炼科学问题，将算法思想付诸问题求解，激发学生的学习积极性，加深数值方法的理解；在教学手段上，注重现代多媒体技术与板书的合理搭配，多媒体形象生动，结合插值、拟合、方程组迭代求解等数值方法的几何意义、物理意义进行讲解，节省时间提高课堂效率。板书节奏感强，容易引导学生积极思考，也便于开展师生互动，加深学生对算法思想的理解，提高学以致用的实践能力；在授课过程上，更是体现“融会”的特征，从前缘课程摸底、个体差异关注，到跨专业邀请讲座，再到试后当面点评，直至后续课程的展望，都充分注重融会贯通的教学环节，最大程度上提高教学效果。
3 融会式教学实践
与数值计算方法课程的实践性相统一，融会式教学理念同样需要教学实践的不断检验。笔者结合国防科技大学自动化专业本科生《数值计算方法》课程教学任务，遵循融会式教学理念，积极开展包括前缘深入先摸底、备课充实贴前沿、授课生动重启发、习题思考多互动、实践灵活循算法，授课讲座齐并举、考核全面现能力、试后逐一面点评等所有环节的教学实践，检验融会式教学理念的效果。
笔者独立主讲了国防科技大学自动化专业本科生在大三秋季学期设置的32学时《数值计算方法》课程。结合课程的特点，全程采用融会式教学理念，采用“掌握思想、设计算法、上机实践”等多种手段进行全方位教学。根据授课对象前缘课程的掌握情况，选取插值、拟合、数值微积分、线性方程组求解直接法、线性方程组求解迭代法、非线性方程求根、常微分方程数值解等作为主讲内容，课堂26个学时重点开展算法思想的讲授和研讨，实践6个学时则重点考查学员设计算法、解决问题的综合能力。
在学期开课之前深入授课对象所在的学员队，与学员交流本科阶段学习的体会与经验，了解大家对本课程前缘课程(高等数学、线性代数、C语言等)的掌握程度，对微积分、方程组求解、矩阵特征值等相关内容进行复习巩固，同时留意个体差异，及时发现自称“逢数学课必挂”的具有畏惧心理的学生。
备课时，紧密结合科技发展前沿，比如从神舟飞天中根据风洞数据估算阻力系数的实例引入插值方法，同样由加速度计离散测量数据估算飞行速度的问题引出数值积分的问题；在课堂教学中，强调学员主动发现问题、积极参与课堂讨论，在适当的引导中鼓励学员自己得出结论，既提高学习兴趣，也增强自信心。鉴于课程学时受限，全程作业逐本批改，在指定课时之外，采用集体答疑和第二课堂的自由形式，补充8个课时进行课外习题辅导，学生可以根据自身的学习情况自行决定是否参加，加深大家对数值算法的理解和求解过程的联
系。考虑到教师自身专业知识有限，邀请生物信息学、基础物理学的两位跨专业教员分别开展公开讲座，结合具体问题示范如何运用数值计算方法进行解决，加深印象，也激发热情。
三次上机实践按照知识点进行组织，一类算法的授课结束后立即进行编程实践。第一次实践内容为插值和拟合，程序编制相对较为简单，同时也考查学生编程能力的个体差异，及时分析情况，集中组织一次课外答疑，不是简单地准备好例程演示给大家而已，而是与学员一起现场编制程序，依据融会式教学理念，让大家看到如何结合具体求解问题从无到有地编制程序的全过程，加深大家对算法从流程到代码的演化过程，减轻大家对编程实践的畏惧心理，提高动手实践能力。第二次为数值积分的Romberg算法，为大家编制统一的接口函数，将数据结构定义、数据读入、结果显示等公共环节提取出来统一处理，引导学生把精力投入到算法思想的理解和算法流程的实现。第三次为微分方程数值解Runge-Kutta算法，采用限时提交的方式，要求大家按照考核的标准完成二阶、三阶、四阶算法的编程和精度比较。课程实践环节逐次提高要求，让学生在掌握数值计算方法相关算法的同时，也进一步提高编程能力，增强自信心，为后续课程学习奠定基础。
课程考核既测验学员对基本概念、基本原理的掌握程度，也测验学员对课程整体的把握能力以及学以致用的实践能力。考试之后，及时阅卷，并再次深入学员群体之中，进行逐一当面点评，分为未能掌握、粗心大意、时间不够等类型剖析丢分的原因，既是及时巩固课程学习成果，也是锻炼学生素质、提高学习成绩的重要途径。
与传统模式相比，融会式教学理念注重从实际工程应用提炼科学问题，充分激发学生的学习兴趣；强调课程的承上启下的地位，让学生既见树木，也见森林，知晓专业培养的目标与定位；注重数值计算方法的启发和实践并重，通过具体问题的编程实验，既加深理解，也敢于实践。在授课、答疑、批改作业、实验、考试等诸多环节，学生们都充分认可融会式教学理念。综合这次融会式教学实践的实际成效来看，学员们较好地掌握了插值、拟合、数值微积分、线性方程组求解、常微分方程数值解等数值计算方法的思想精髓，并能够活学活用，解决实际问题。特别是，三次上机实践，学员热情逐次提高，主动寻找课外时间开展编程实践，多次改进程序，修订实验报告，达到了非常好的算法实践效果。
在本次融会式教学实践中，学生都能够带着兴趣与热情投入到课程的学习中去，课堂积极思考、踊跃发言，敢于发表自己的见解；课后主动复习、认真完成作业，特别是布置的几次讨论性质的题目(如谈谈对课程的印象、谈谈对迭代法的理解等)锻炼了学员的独立思考能力和语言表达能力；上机实践中能够针对底子薄、能力差、锻炼少的现状，积极主动地进行反复练习，并相互请教，力争得到最大程度的提升。其中，极个别学员存在基础薄弱、前缘课程差、出现多门挂科等问题，自信心不强，甚至出现自暴自弃的现象，经过多次引导与鼓励，也能够积极融入集体，认真对待每次作业和实验，得到了较好的平时成绩，考试也能够积极面对，最终也取得了令自己满意的成绩。
总体而言，《数值计算方法》课程采用融会式教学理念，取得了良好的教学效果，既提高了学生对数值计算方法思想精髓的理解水平和应用能力，也培养了学生的主动学习、独立思考等综合素质，为后续的学习深造打下基础。
4 结束语
