生物信息學(xué)論文精品(七篇)

序論：寫作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來了七篇生物信息學(xué)論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

關(guān)鍵詞：推薦系統(tǒng)；生物信息學(xué)

推薦系統(tǒng)(RecommenderSystem)[1]是個(gè)性化信息服務(wù)的主要技術(shù)之一，它實(shí)現(xiàn)的是“信息找人，按需服務(wù)”；通過對(duì)用戶信息需要、興趣愛好和訪問歷史等的收集分析，建立用戶模型，并將用戶模型應(yīng)用于網(wǎng)上信息的過濾和排序，從而為用戶提供感興趣的資源和信息。生物信息學(xué)(Bioinformatics)[2,3]是由生物學(xué)、應(yīng)用數(shù)學(xué)和計(jì)算機(jī)科學(xué)相互交叉所形成的一門新型學(xué)科；其實(shí)質(zhì)是利用信息科學(xué)的方法和技術(shù)來解決生物學(xué)問題。20世紀(jì)末生物信息學(xué)迅速發(fā)展，在信息的數(shù)量和質(zhì)量上都極大地豐富了生物科學(xué)的數(shù)據(jù)資源，而數(shù)據(jù)資源的急劇膨脹需要尋求一種科學(xué)而有力的工具來組織它們，基于生物信息學(xué)的二次數(shù)據(jù)庫(kù)[4]能比較好地規(guī)范生物數(shù)據(jù)的分類與組織，但是用戶無法從大量的生物數(shù)據(jù)中尋求自己感興趣的部分（著名的生物信息學(xué)網(wǎng)站NCBI(美國(guó)國(guó)立生物技術(shù)信息中心)，僅僅是小孢子蟲(Microsporidia)的DNA序列就達(dá)3399種），因此在生物二次數(shù)據(jù)庫(kù)上建立個(gè)性化推薦系統(tǒng)，能使用戶快速找到自己感興趣的生物信息。特別是在當(dāng)前生物信息數(shù)據(jù)量急劇增長(zhǎng)的情況下，生物信息學(xué)推薦系統(tǒng)將發(fā)揮強(qiáng)大的優(yōu)勢(shì)。

1推薦系統(tǒng)的工作流程

應(yīng)用在不同領(lǐng)域的推薦系統(tǒng)，其體系結(jié)構(gòu)也不完全相同。一般而言，推薦系統(tǒng)的工作流程[5]如圖1所示。

(1)信息獲取。推薦系統(tǒng)工作的基礎(chǔ)是用戶信息。用戶信息包括用戶輸入的關(guān)鍵詞、項(xiàng)目的有關(guān)屬性、用戶對(duì)項(xiàng)目的文本評(píng)價(jià)或等級(jí)評(píng)價(jià)及用戶的行為特征等，所有這些信息均可以作為形成推薦的依據(jù)。信息獲取有兩種類型[6]，即顯式獲取(Explicit)和隱式獲取(Implicit)，由于用戶的很多行為都能暗示用戶的喜好，因此隱式獲取信息的準(zhǔn)確性比顯式高一些。

(2)信息處理。信息獲取階段所獲得的用戶信息，一般根據(jù)推薦技術(shù)的不同對(duì)信息進(jìn)行相應(yīng)的處理。用戶信息的存儲(chǔ)格式中用得最多的是基于數(shù)值的矩陣格式，最常用的是用m×n維的用戶—項(xiàng)目矩陣R來表示，矩陣中的每個(gè)元素Rij=第i個(gè)用戶對(duì)第j個(gè)項(xiàng)目的評(píng)價(jià)，可以當(dāng)做數(shù)值處理，矩陣R被稱為用戶—項(xiàng)目矩陣。

(3)個(gè)性化推薦。根據(jù)形成推薦的方法的不同可以分為三種，即基于規(guī)則的系統(tǒng)、基于內(nèi)容過濾的系統(tǒng)和協(xié)同過濾系統(tǒng)?；谝?guī)則的推薦系統(tǒng)和基于內(nèi)容過濾的推薦系統(tǒng)均只能為用戶推薦過去喜歡的項(xiàng)目和相似的項(xiàng)目，并不能推薦用戶潛在感興趣的項(xiàng)目。而協(xié)同過濾系統(tǒng)能推薦出用戶近鄰所喜歡的項(xiàng)目，通過用戶與近鄰之間的“交流”，發(fā)現(xiàn)用戶潛在的興趣。因此本文所用的算法是基于協(xié)同過濾的推薦算法。

(4)推薦結(jié)果。顯示的任務(wù)是把推薦算法生成的推薦顯示給用戶，完成對(duì)用戶的推薦。目前最常用的推薦可視化方法是Top－N列表[7]，按照從大到小順序把推薦分值最高的N個(gè)事物或者最權(quán)威的N條評(píng)價(jià)以列表的形式顯示給用戶。

2生物信息學(xué)推薦系統(tǒng)的設(shè)計(jì)

綜合各種推薦技術(shù)的性能與優(yōu)缺點(diǎn)，本文構(gòu)造的生物信息學(xué)推薦系統(tǒng)的總體結(jié)構(gòu)如圖2所示。

生物信息學(xué)推薦系統(tǒng)實(shí)現(xiàn)的主要功能是在用戶登錄生物信息學(xué)網(wǎng)站時(shí)，所留下的登錄信息通過網(wǎng)站傳遞到推薦算法部分；推薦算法根據(jù)該用戶的用戶名從數(shù)據(jù)庫(kù)提取出推薦列表，并返回到網(wǎng)站的用戶界面；用戶訪問的記錄返回到數(shù)據(jù)庫(kù)，系統(tǒng)定時(shí)調(diào)用推薦算法，對(duì)數(shù)據(jù)庫(kù)中用戶訪問信息的數(shù)據(jù)進(jìn)行分析計(jì)算，形成推薦列表。

本系統(tǒng)采用基于近鄰的協(xié)同過濾推薦算法，其結(jié)構(gòu)可以進(jìn)一步細(xì)化為如圖3所示。算法分為鄰居形成和推薦形成兩大部分，兩部分可以獨(dú)立進(jìn)行。這是該推薦系統(tǒng)有別于其他系統(tǒng)的優(yōu)勢(shì)之一。由于信息獲取后的用戶—項(xiàng)目矩陣維數(shù)較大，使得系統(tǒng)的可擴(kuò)展性降低。本系統(tǒng)采用SVD矩陣降維方法，減少用戶—項(xiàng)目矩陣的維數(shù)，在計(jì)算用戶相似度時(shí)大大降低了運(yùn)算的次數(shù)，提高了推薦算法的效率。

(1)信息獲取。用戶對(duì)項(xiàng)目的評(píng)價(jià)是基于用戶對(duì)某一個(gè)項(xiàng)目(為表示簡(jiǎn)單，以下提及的項(xiàng)目均指網(wǎng)站上的生物物種)的點(diǎn)擊次數(shù)來衡量的。當(dāng)一個(gè)用戶注冊(cè)并填寫好個(gè)人情況以后，系統(tǒng)會(huì)自動(dòng)為該用戶創(chuàng)建一個(gè)“信息矩陣”，該矩陣保存了所有項(xiàng)目的ID號(hào)以及相應(yīng)的用戶評(píng)價(jià)，保存的格式為：S+編號(hào)+用戶評(píng)價(jià)，S用于標(biāo)記項(xiàng)目，每個(gè)項(xiàng)目編號(hào)及其評(píng)價(jià)都以“S”相隔開；編號(hào)是唯一的，占5位；用戶評(píng)價(jià)是用戶點(diǎn)擊該項(xiàng)目的次數(shù)，規(guī)定其范圍是0~100，系統(tǒng)設(shè)定當(dāng)增加到100時(shí)不再變化。這樣做可防止形成矩陣時(shí)矩陣評(píng)價(jià)相差值過大而使推薦結(jié)果不準(zhǔn)確。(2)信息處理。信息處理是將所有用戶的信息矩陣轉(zhuǎn)換為用戶—項(xiàng)目矩陣，使用戶信息矩陣數(shù)值化，假設(shè)系統(tǒng)中有M個(gè)用戶和N個(gè)項(xiàng)目，信息處理的目的就是創(chuàng)建一個(gè)M×N的矩陣R，R[I][J]代表用戶I對(duì)項(xiàng)目J的評(píng)價(jià)。

(3)矩陣處理。協(xié)同過濾技術(shù)的用戶—項(xiàng)目矩陣的數(shù)據(jù)表述方法所帶來的稀疏性嚴(yán)重制約了推薦效果，而且在系統(tǒng)較大的情況下，它既不能精確地產(chǎn)生推薦集，又忽視了數(shù)據(jù)之間潛在的關(guān)系，發(fā)現(xiàn)不了用戶潛在的興趣，而且龐大的矩陣增加了計(jì)算的復(fù)雜度，因此有必要對(duì)該矩陣的表述方式做優(yōu)化，進(jìn)行矩陣處理。維數(shù)簡(jiǎn)化是一種較好的方法，本文提出的算法應(yīng)用單值分解(SingularValueDecomposition，SVD)技術(shù)[8]，對(duì)用戶—項(xiàng)目矩陣進(jìn)行維數(shù)簡(jiǎn)化。

(4)相似度計(jì)算。得到降維以后的用戶矩陣US，就可以尋找每個(gè)用戶的近鄰。近鄰的確定是通過兩個(gè)用戶的相似度來度量的。本文采用Pearson相關(guān)度因子[9]求相似度。(5)計(jì)算用戶鄰居。該方法有兩種[10]，即基于中心的鄰居(Center－BasedNeighbor)和集合鄰居(AggregateNeighbor)。本系統(tǒng)采用了第一種方法，直接找出與用戶相似度最高的前N個(gè)用戶作為鄰居，鄰居個(gè)數(shù)N由系統(tǒng)設(shè)定，比如規(guī)定N＝5。

(6)推薦形成。推薦形成的前提是把當(dāng)前用戶的鄰居ID號(hào)及其與當(dāng)前用戶的相似度保存到數(shù)據(jù)庫(kù)中，而在前面的工作中已找出各用戶的鄰居以及與用戶的相似度，推薦形成部分只需要對(duì)當(dāng)前登錄用戶進(jìn)行計(jì)算。推薦策略是：對(duì)當(dāng)前用戶已經(jīng)訪問過的項(xiàng)目不再進(jìn)行推薦，推薦的范圍是用戶沒有訪問的項(xiàng)目，其目的是推薦用戶潛在感興趣的項(xiàng)目；考慮到系統(tǒng)的項(xiàng)目比較多，用戶交互項(xiàng)目的數(shù)量很大，所以只篩選出推薦度最大的N個(gè)項(xiàng)目，形成Top－N推薦集，設(shè)定N＝5。

3生物信息學(xué)推薦系統(tǒng)的實(shí)現(xiàn)

生物信息學(xué)推薦系統(tǒng)的實(shí)現(xiàn)可以用圖4來表示。數(shù)據(jù)庫(kù)部分主要存儲(chǔ)用戶信息和項(xiàng)目信息，用SQLServer2000實(shí)現(xiàn)。

數(shù)據(jù)訪問層實(shí)現(xiàn)了與用戶交互必需的存儲(chǔ)過程以及觸發(fā)器，也使用SQLServer2000，主要完成以下功能：初始化新用戶信息矩陣；插入新項(xiàng)目時(shí)更新所有用戶的信息矩陣；用戶點(diǎn)擊項(xiàng)目時(shí)更新該用戶對(duì)項(xiàng)目的評(píng)價(jià)；刪除項(xiàng)目時(shí)更新所有用戶的信息矩陣。用戶訪問層主要涉及網(wǎng)頁與用戶的交互和調(diào)用數(shù)據(jù)訪問層的存儲(chǔ)過程，在這里不做詳細(xì)的介紹。

推薦算法完成整個(gè)個(gè)性化推薦的任務(wù)，用Java實(shí)現(xiàn)。(1)數(shù)據(jù)連接類DataCon。該類完成與SQLServer2000數(shù)據(jù)庫(kù)的連接，在連接之前必須要下載三個(gè)與SQLServer連接相關(guān)的包，即msutil.jar、msbase.jar和mssqlserver.jar。

(2)數(shù)據(jù)操作類DataControl。該類負(fù)責(zé)推薦算法與數(shù)據(jù)庫(kù)的數(shù)據(jù)交換，靜態(tài)成員Con調(diào)用DataCon.getcon()獲得數(shù)據(jù)庫(kù)連接，然后對(duì)數(shù)據(jù)庫(kù)進(jìn)行各種操作。把所有方法編寫成靜態(tài)，便于推薦算法中不創(chuàng)建對(duì)象就可以直接調(diào)用。

(3)RecmmendSource與CurrentUserNeighbor。這兩個(gè)類作為FCRecommand類的內(nèi)部類，RecmmendSource用于保存當(dāng)前用戶的推薦列表，包括推薦項(xiàng)目號(hào)和推薦度；CurrentUserNeighbor用于保存鄰居信息，包括鄰居ID號(hào)、相似度及其訪問信息。

(4)協(xié)同過濾推薦算法FCRecommand。該類實(shí)現(xiàn)了整個(gè)推薦算法，主要分為鄰居形成方法FCArithmetic和推薦形成方法GenerateRecommend。

下面給出方法FCArithmetic的關(guān)鍵代碼：

Matrixuser_item=this.User_Item_Arry();//獲取用戶—項(xiàng)目矩陣

user_item=this.SVD_Calculate(user_item);//調(diào)用SVD降維方法

Vectorc_uservector=newVector();//當(dāng)前用戶向量

Vectoro_uservector=newVector();//其他用戶向量

Vectorc_user_correlate_vector=newVector();

//當(dāng)前用戶與其他用戶之間相似度向量

for(inti=0;ifor(intj=0;jc_uservector.addElement(user_item.get(i,j));

//1.獲得當(dāng)前用戶向量

for(intk=0;ko_uservector.clear();

for(intl=0;lo_uservector.addElement(user_item.get(k,l));

//2.獲得其他用戶的向量

//3.計(jì)算當(dāng)前用戶與其他用戶的相似度

usercorrelativity=this.Correlativity(c_uservector,o_uservector);

c_user_correlate_vector.addElement(usercorrelativity);

}

//4.根據(jù)當(dāng)前用戶與其他用戶的相似度，計(jì)算其鄰居

this.FindUserNeighbor(i,c_user_correlate_vector);

}

根據(jù)鄰居形成方法FCArithmetic，可以得到每個(gè)用戶的鄰居。作為測(cè)試用例，圖6顯示用戶Jack與系統(tǒng)中一部分用戶的相似度，可以看出它與自己的相似度必定最高；并且它與用戶Sugx訪問了相同的項(xiàng)目，它們之間的相似度也為1，具有極高的相似度。

4結(jié)束語

在傳統(tǒng)推薦系統(tǒng)的基礎(chǔ)上，結(jié)合當(dāng)前生物信息學(xué)網(wǎng)站的特點(diǎn)，提出一個(gè)基于生物信息平臺(tái)的推薦系統(tǒng)，解決了傳統(tǒng)生物信息網(wǎng)站平臺(tái)信息迷茫的缺點(diǎn)，為用戶推薦其感興趣物種的DNA或蛋白質(zhì)序列。

優(yōu)點(diǎn)在于協(xié)同過濾的推薦算法能發(fā)現(xiàn)用戶潛在的興趣，能促進(jìn)生物學(xué)家之間的交流；推薦算法的鄰居形成與推薦形成兩部分可以單獨(dú)運(yùn)行，減少了系統(tǒng)的開銷。進(jìn)一步的工作是分析生物數(shù)據(jù)的特點(diǎn)及生物數(shù)據(jù)之間的關(guān)系，增加用戶和項(xiàng)目數(shù)量，更好地發(fā)揮推薦系統(tǒng)的優(yōu)勢(shì)。

參考文獻(xiàn)：

［1］PAULR，HALRV.Recommendersystems[J].CommunicationsoftheACM，1997,40(3):56－58.

[2]陳新.生物信息學(xué)簡(jiǎn)介[EB/OL].(2001).166.111.68.168/bioinfo/papers/Chen_Xin.pdf.

[3]林毅申,林丕源.基于WebServices的生物信息解決方案[J].計(jì)算機(jī)應(yīng)用研究,2005,22(6):157－158,164.[4]邢仲璟,林丕源,林毅申.基于Bioperl的生物二次數(shù)據(jù)庫(kù)建立及應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2004(11):58－60.

[5]AIRIAS,TAKAHISAA,HIROYAI,etal.Personalizationsystembasedondynamiclearning:InternationalSemanticWebConference[C].Sardinia:[s.n.],2002.

[6]BREESEJS,HECKERMAND,KADIEC.Empericalanalysisofpredictivealgorithmsforcollaborativefiltering:proceedingsoftheFourteenthConferenceonUniversityinArtificialIntelligence[C].Madison:WI,1998:43－52.

[7]SCHAFERJB,KONSTANJ,RIEDLJ.Recommendersystemsine－commerce:proceedingoftheACMConferenceonElectronicCommerce[C].Pittsburgh:PA,1999:158－166.

[8]PRYORMH.Theeffectsofsingularvaluedecompositiononcollaborativefiltering[EB/OL].(1998).cs.dartmouth.edu/reports/TR98－338.pdf.

篇(2)

關(guān)鍵詞：生物信息學(xué) 實(shí)踐能力 課程體系 培養(yǎng)模式

中圖分類號(hào)：G4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1673-9795（2013）07（a）-0047-02

1 生物信息學(xué)概述

伴隨現(xiàn)代高通量分子生物學(xué)技術(shù)的快速發(fā)展，生物信息學(xué)在生物醫(yī)藥領(lǐng)域的應(yīng)用日益深入[1]。作為數(shù)學(xué)理論、計(jì)算機(jī)技術(shù)和生物醫(yī)藥研究的整合學(xué)科，生物信息學(xué)在生物進(jìn)化、生理功能、疾病治療、藥物開發(fā)、農(nóng)林產(chǎn)業(yè)等眾多領(lǐng)域均具有重要的應(yīng)用價(jià)值，是研究生命科學(xué)、醫(yī)藥科學(xué)內(nèi)在定量規(guī)律的重大交叉前沿學(xué)科。鑒于生物信息學(xué)的重要研究?jī)r(jià)值和廣闊的產(chǎn)業(yè)化前景，發(fā)展生物信息學(xué)專業(yè)教育，有計(jì)劃的建設(shè)生物信息學(xué)專業(yè)課程體系，開展面向?qū)嵺`能力的生物信息學(xué)人才培養(yǎng)對(duì)促進(jìn)現(xiàn)代生物醫(yī)學(xué)發(fā)展有重要的意義[2]。

2 生物信息學(xué)教育發(fā)展現(xiàn)狀

生物信息學(xué)發(fā)展起步于20世紀(jì)末，在短短的十幾年中，生物信息學(xué)已經(jīng)發(fā)展成為了橫跨多個(gè)研究領(lǐng)域的朝陽專業(yè)，國(guó)內(nèi)眾多高等學(xué)府、科研院所相繼開設(shè)了生物信息本科和研究生專業(yè)[3]。但是，在實(shí)際的教學(xué)和研究過程中，絕大數(shù)單位依托于單一的數(shù)學(xué)、計(jì)算機(jī)或生物學(xué)專業(yè)開展，人才培養(yǎng)模式尚處于探索階段，在培養(yǎng)過程存在生物信學(xué)理論基礎(chǔ)薄弱、課程體系不健全、課程內(nèi)容不完善、專業(yè)教材匱乏、專業(yè)師資隊(duì)伍缺乏等問題。

哈爾濱醫(yī)科大學(xué)生物信息科學(xué)與技術(shù)學(xué)院是全國(guó)領(lǐng)先創(chuàng)辦生物信息學(xué)專業(yè)的單位之一，多年來致力于生物信息學(xué)的科學(xué)研究和本、碩、博各類人才培養(yǎng)，堅(jiān)持以學(xué)生為本，以培養(yǎng)高素質(zhì)生物信息學(xué)專門人才為目標(biāo)，深化教學(xué)改革，以滿足日益發(fā)展的生物信息學(xué)高端人才需要[4]。為解決生物信息學(xué)的教育教學(xué)問題，培養(yǎng)高水平的現(xiàn)代生物信息學(xué)人才，我們提出立足國(guó)內(nèi)高等生命科學(xué)與醫(yī)學(xué)教育，建立面向?qū)嵺`能力培養(yǎng)的生物信息學(xué)專業(yè)課程體系，以實(shí)現(xiàn)高質(zhì)量培養(yǎng)具有理工科創(chuàng)新思維能力的生物醫(yī)學(xué)人才，為我國(guó)生命科學(xué)―醫(yī)藥學(xué)科教育教學(xué)、科學(xué)研究和產(chǎn)業(yè)化輸送大批專門人才。

3 生物信息課程體系建設(shè)

3.1 課程建設(shè)目標(biāo)和指導(dǎo)方針

結(jié)合生物信息學(xué)才培養(yǎng)目標(biāo)，經(jīng)過數(shù)十名骨干教師十余年生物信息學(xué)教學(xué)實(shí)踐及人才培養(yǎng)成果經(jīng)驗(yàn)反饋，我們適時(shí)調(diào)整本科生課程及教學(xué)內(nèi)容，逐步建立起面向?qū)嵺`能力培養(yǎng)的生物信息學(xué)專業(yè)課程體系。奠定了本科生的人文素養(yǎng)與科學(xué)素養(yǎng)并重，公共基礎(chǔ)理論及專業(yè)理論相輔相乘，重視學(xué)生理工生物醫(yī)學(xué)全方面素質(zhì)提高，重點(diǎn)突出學(xué)生實(shí)踐能力的人才培養(yǎng)方針，并在實(shí)踐中培養(yǎng)了大批具有創(chuàng)新思維能力的優(yōu)秀高端生物信息學(xué)專業(yè)人才。

3.2 生物信息學(xué)課程體系建設(shè)方案

考慮到生物信息學(xué)多學(xué)科交叉特點(diǎn)和國(guó)家大學(xué)生培養(yǎng)要求，及學(xué)生未來就業(yè)深造所必需的基礎(chǔ)和專業(yè)能力，我們?cè)趪?guó)內(nèi)率先開創(chuàng)了生物信息學(xué)專業(yè)人才培養(yǎng)課程體系，并在醫(yī)學(xué)院校獨(dú)立開展近40余門數(shù)理基礎(chǔ)課程和生物信息學(xué)專業(yè)課程。主要的課程建設(shè)情況如下：

（1）公共基礎(chǔ)課程（國(guó)家限修課）：政治理論課程、公共外語、體育。

（2）生物醫(yī)學(xué)基礎(chǔ)課程：解剖生理學(xué)、發(fā)育生物學(xué)、生物化學(xué)、細(xì)胞生物學(xué)、分子生物學(xué)、生物技術(shù)實(shí)驗(yàn)、分子藥理學(xué)等。

（3）計(jì)算機(jī)基礎(chǔ)課程：計(jì)算機(jī)基礎(chǔ)、高級(jí)語言程序設(shè)計(jì)（C++&JAVA）、數(shù)據(jù)結(jié)構(gòu)、Perl語言程序設(shè)計(jì)、數(shù)據(jù)庫(kù)系統(tǒng)原理、Linux操作系統(tǒng)與程序設(shè)計(jì)等（上述課程均含上機(jī)實(shí)踐）。

（4）數(shù)學(xué)基礎(chǔ)課程：數(shù)學(xué)分析、高等代數(shù)、概率論與數(shù)理統(tǒng)計(jì)、數(shù)理邏輯、組合數(shù)學(xué)與圖論、微分動(dòng)力學(xué)方程、運(yùn)籌學(xué)等（上述課程均含上機(jī)實(shí)踐）。

（5）專業(yè)基礎(chǔ)課程：信息論基礎(chǔ)、生物統(tǒng)計(jì)學(xué)、生物醫(yī)學(xué)圖像處理、模式識(shí)別、優(yōu)化算法、隨機(jī)過程、生物信息學(xué)概論、生物信息數(shù)據(jù)挖掘、生物信息軟件設(shè)計(jì)與開發(fā)、分子生物軟件工程、生物信息學(xué)數(shù)據(jù)可視化、專業(yè)外語等（上述課程均含實(shí)驗(yàn)）。

（6）專業(yè)課程：生物芯片技術(shù)、結(jié)構(gòu)生物學(xué)、分子進(jìn)化、分子生物網(wǎng)絡(luò)、基因組信息學(xué)、蛋白質(zhì)組信息學(xué)、藥物基因組信息學(xué)、統(tǒng)計(jì)遺傳學(xué)、計(jì)算表觀遺傳學(xué)、計(jì)算機(jī)輔助藥物設(shè)計(jì)等（上述課程均含實(shí)驗(yàn)）。

（7）綜合實(shí)踐課程：課題標(biāo)書設(shè)計(jì)、科研論文寫作、生物信息學(xué)進(jìn)展等。

我們?cè)趯?shí)踐基礎(chǔ)上開創(chuàng)的面向?qū)嵺`能力培養(yǎng)的生物信息學(xué)專業(yè)課程體系不同于其他院校，具有明顯的跨專業(yè)交叉性教學(xué)計(jì)劃特色。該課程體系著眼于基礎(chǔ)理論與實(shí)踐應(yīng)用相結(jié)合、素質(zhì)培養(yǎng)與專業(yè)培養(yǎng)相結(jié)合、扎實(shí)穩(wěn)妥與創(chuàng)新思維相結(jié)合。注重學(xué)生在醫(yī)學(xué)、生物學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)方面的基礎(chǔ)性教育，同時(shí)，強(qiáng)調(diào)了創(chuàng)新型人才培養(yǎng)、高精尖人才培養(yǎng)、特色化人才培養(yǎng)。厚基礎(chǔ)、寬口徑，使學(xué)生在本科階段不但打好將來從事生物信息學(xué)、系統(tǒng)生物學(xué)、生物醫(yī)藥等相關(guān)領(lǐng)域創(chuàng)新性研究工作基礎(chǔ)，更重要的是該專業(yè)課程體系與實(shí)踐密切聯(lián)系，切合相關(guān)研究開發(fā)與產(chǎn)業(yè)實(shí)際，能夠培養(yǎng)學(xué)生從事原始創(chuàng)新研究與產(chǎn)業(yè)開發(fā)的能力。

4 生物信息學(xué)本科生培養(yǎng)模式建設(shè)

4.1 五年制分段培養(yǎng)與多學(xué)科教育體系

目前，我們根據(jù)生物信息學(xué)交叉學(xué)科人才培養(yǎng)特點(diǎn)，考慮到基礎(chǔ)課程多，實(shí)踐能力要求高等因素，采取“2+2+1”的五年制本科人才培養(yǎng)模式，包括兩年理論基礎(chǔ)課程、兩年專業(yè)課程與一年實(shí)踐應(yīng)用課程培養(yǎng)（含科研訓(xùn)練+畢業(yè)設(shè)計(jì)）。此模式在學(xué)生就業(yè)和用人單位反饋中證實(shí)具有顯著的人才培養(yǎng)效果。

課程體系建設(shè)依托于生物醫(yī)學(xué)綜合優(yōu)勢(shì)及深厚的數(shù)學(xué)、計(jì)算機(jī)科學(xué)功底，通過理論教學(xué)與實(shí)踐訓(xùn)練中的知識(shí)技能交叉、滲透，培養(yǎng)適應(yīng)21世紀(jì)生命學(xué)科與轉(zhuǎn)化醫(yī)學(xué)領(lǐng)域急需的生物信息學(xué)復(fù)合型人才。在此基礎(chǔ)上，從學(xué)科的交叉性出發(fā)，進(jìn)一步加強(qiáng)不同類別課程之間的有機(jī)融合，加大相關(guān)領(lǐng)域知識(shí)的整合力度，建立更為緊密、完善，符合生物信息學(xué)學(xué)科特點(diǎn)的課程體系，將進(jìn)一步推動(dòng)學(xué)科的發(fā)展和系統(tǒng)性教育理論體系的建立。

4.2 面向?qū)嵺`能力培養(yǎng)的本科生教育模式

在本科學(xué)生的培養(yǎng)過程中，我們特別重視學(xué)生實(shí)踐能力的培養(yǎng)，通過教研一體化、學(xué)業(yè)導(dǎo)師制、報(bào)告研討制等先進(jìn)的教學(xué)方法，引導(dǎo)學(xué)生早期接觸生物信息學(xué)應(yīng)用領(lǐng)域和科學(xué)研究，在鞏固學(xué)習(xí)知識(shí)的同時(shí)，加強(qiáng)對(duì)學(xué)科的認(rèn)識(shí)和對(duì)未來的把握。

“教研一體化”的實(shí)踐教學(xué)模式：面向?qū)嵺`能力培養(yǎng)的課程體系建設(shè)，要求教學(xué)模式上的改革，使得人才培養(yǎng)模式由注重多數(shù)學(xué)生基礎(chǔ)理論知識(shí)培養(yǎng)的大眾教育，向注重少數(shù)高精尖創(chuàng)新能力培養(yǎng)的精英式教育轉(zhuǎn)變。充分利用骨干教師在生物信息學(xué)領(lǐng)域的研究經(jīng)驗(yàn)，將科學(xué)研究成果快速轉(zhuǎn)化成優(yōu)秀的教學(xué)素材，培養(yǎng)學(xué)生動(dòng)手、實(shí)踐、創(chuàng)新能力，注重培養(yǎng)學(xué)生實(shí)際產(chǎn)業(yè)化的認(rèn)知水平和實(shí)踐能力。

本科生學(xué)業(yè)導(dǎo)師制：本科生進(jìn)入專業(yè)課教學(xué)階段，實(shí)行學(xué)業(yè)導(dǎo)師制。采取學(xué)生與一線骨干教師雙向選擇方式，使每名學(xué)生擁有自己的學(xué)業(yè)指導(dǎo)教師。導(dǎo)師為學(xué)生提供思想教育和專業(yè)輔導(dǎo)，并通過指導(dǎo)大學(xué)生數(shù)學(xué)建模競(jìng)賽、創(chuàng)新創(chuàng)業(yè)科研訓(xùn)練、早期科學(xué)研究等方法促進(jìn)學(xué)生的學(xué)習(xí)盡頭和對(duì)專業(yè)的深入認(rèn)識(shí)。

專題報(bào)告與研討制度：本科生畢業(yè)設(shè)計(jì)階段，強(qiáng)調(diào)學(xué)生的“主體”學(xué)習(xí)地位，使學(xué)生選擇感興趣的學(xué)科方向，在導(dǎo)師指導(dǎo)下進(jìn)行科研訓(xùn)練與實(shí)踐。要求學(xué)生自主利用網(wǎng)絡(luò)等各方面資源，獲取學(xué)科前沿信息，并以專題報(bào)告形式展示學(xué)習(xí)成果，通過提問、研討、總結(jié)，提升自身專業(yè)素養(yǎng)及專業(yè)技能，獨(dú)立完成達(dá)到核心期刊發(fā)表水平的生物信息這科研課題。

5 生物信息學(xué)課程體系建設(shè)的意義

在全體師生的努力下，經(jīng)過多年的實(shí)踐探索，我們對(duì)生物信息學(xué)課程體系從基礎(chǔ)到實(shí)踐的不同階段進(jìn)行分段式、推進(jìn)式的改革與建設(shè)。在政策措施、人員配備、經(jīng)費(fèi)匹配等各方面給予鼎力支持。優(yōu)先保證面向?qū)嵺`能力培養(yǎng)的生物信息學(xué)課程體系快速、有效的建設(shè)，已經(jīng)形成國(guó)內(nèi)頂尖的生物信息學(xué)本科教育理論和實(shí)踐團(tuán)隊(duì)，并為國(guó)家輸送著大批高水平生物信息學(xué)人才。

面向?qū)嵺`能力培養(yǎng)的生物信息學(xué)課程體系建設(shè)，一方面能夠完善生物醫(yī)學(xué)本科生、研究生的知識(shí)結(jié)構(gòu)，提高運(yùn)用理工科思維和技能解決復(fù)雜生命科學(xué)問題的綜合科研能力，更為有效的實(shí)現(xiàn)生命科學(xué)攻關(guān)和創(chuàng)新研究理論形成；另一方面，生物醫(yī)藥是我國(guó)科技研發(fā)的薄弱環(huán)節(jié)，在課程體系建設(shè)基礎(chǔ)上，培養(yǎng)適用于現(xiàn)代高通量分子生物學(xué)技術(shù)的創(chuàng)新型生物信息學(xué)人才，將為我國(guó)的醫(yī)藥物研發(fā)提供強(qiáng)有力的推動(dòng)作用，并有利于創(chuàng)新臨床診斷技術(shù)開發(fā)和個(gè)性化醫(yī)療的實(shí)現(xiàn)，促進(jìn)科技轉(zhuǎn)化，產(chǎn)生潛在的、不可估量的經(jīng)濟(jì)價(jià)值。

6 致謝

本文研究?jī)?nèi)容是在黑龍江省高等教育教學(xué)改革專項(xiàng)項(xiàng)目，黑龍江省高教學(xué)會(huì)重點(diǎn)課題創(chuàng)新型生物醫(yī)學(xué)信息學(xué)人才培養(yǎng)模式研究，黑龍省創(chuàng)新創(chuàng)業(yè)人才培養(yǎng)項(xiàng)目面向生物信息產(chǎn)業(yè)開發(fā)的創(chuàng)新型專業(yè)人才培養(yǎng)模式研究與實(shí)踐，哈爾濱醫(yī)科大學(xué)醫(yī)學(xué)教育研究課題面向?qū)嵺`能力培養(yǎng)的生物信息學(xué)專業(yè)課程整合設(shè)計(jì)研究資助下完成的，課程體系的建設(shè)得到哈爾濱醫(yī)科大學(xué)學(xué)校領(lǐng)導(dǎo)的支持，并得到兄弟院校相關(guān)領(lǐng)域?qū)＜?、學(xué)者的幫助，在此一并感謝。

參考文獻(xiàn)

[1] Ned Wingreen and David Botstein. Back to the Future：Education for Systems-level Biologists[J].Nature Review Molecular Cell Biology，2006，7（11）：829-832.

[2] 徐良德，馬曄，孫紅梅，等.八年制醫(yī)學(xué)教育中開展《生物信息學(xué)》教學(xué)的實(shí)踐探討[J].素質(zhì)教育，2011，11：33-34.

篇(3)

關(guān)鍵詞：生物信息學(xué)；教學(xué)方法；醫(yī)學(xué)本科生

中圖分類號(hào)：G642.0文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1674-9324（2017）51-0146-03

生物信息學(xué)是20世紀(jì)80年代末隨著人類基因組計(jì)劃的啟動(dòng)而興起的一門新的交叉學(xué)科[1-2]。它包含了生物信息的獲取、處理、儲(chǔ)存、分發(fā)、分析和解釋等在內(nèi)的所有方面；綜合運(yùn)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)和生物學(xué)的各種工具，來闡明和理解大量數(shù)據(jù)所包含的生物學(xué)意義。目前，生物信息學(xué)在醫(yī)學(xué)領(lǐng)域中已廣泛應(yīng)用于基礎(chǔ)醫(yī)學(xué)、臨床醫(yī)學(xué)及藥學(xué)等多個(gè)學(xué)科。特別在科學(xué)研究工作中，生物信息學(xué)的作用逐步顯現(xiàn)，越來越受到重視。近期，精準(zhǔn)醫(yī)療概念的提出與相應(yīng)模式的推進(jìn)，進(jìn)一步強(qiáng)化了運(yùn)用生物信息學(xué)工具的要求。精準(zhǔn)醫(yī)療是將臨床信息、患者表型與基因蛋白譜進(jìn)行整合，從而為患者量身制定精準(zhǔn)診斷、預(yù)后及治療策略。因此在高通量測(cè)序產(chǎn)生數(shù)以萬計(jì)的龐大組學(xué)數(shù)據(jù)中，只有依托生物信息學(xué)技術(shù)，才能探尋基因突變、藥物靶向等隱含遺傳學(xué)奧秘的精確位點(diǎn)，進(jìn)而提供可靠的個(gè)性化治療方案。可見，生物信息學(xué)是精準(zhǔn)醫(yī)療的核心內(nèi)容之一。當(dāng)前，大多數(shù)醫(yī)學(xué)院校均已開設(shè)研究生生物信息學(xué)課程，但尚未將生物信息學(xué)正式列入本科生培養(yǎng)方案，以選修課形式開設(shè)生物信息學(xué)課程的院校也極為鮮見。醫(yī)學(xué)本科生是祖國(guó)醫(yī)學(xué)的未來，是臨床一線最直接的儲(chǔ)備軍，面對(duì)飛速發(fā)展的生物技術(shù)和以幾何級(jí)數(shù)增長(zhǎng)的生物大數(shù)據(jù)，如果現(xiàn)階段的醫(yī)學(xué)本科生還不能學(xué)會(huì)如何利用和解讀這些資源，這將大大阻礙臨床醫(yī)學(xué)的發(fā)展。綜上，一方面醫(yī)學(xué)領(lǐng)域?qū)ι镄畔W(xué)方面存在旺盛的需求，另一方面大多數(shù)院校均未正式開設(shè)本科生生物信息學(xué)課程，造成生物信息學(xué)人才極度緊缺。針對(duì)這一現(xiàn)狀，筆者近年來圍繞在研的各項(xiàng)科研課題，選拔學(xué)有余力的優(yōu)秀學(xué)生，在學(xué)校開展的各項(xiàng)大學(xué)生科研能力訓(xùn)練、創(chuàng)新創(chuàng)業(yè)項(xiàng)目支持下，吸收本科生進(jìn)入實(shí)驗(yàn)室，對(duì)醫(yī)學(xué)類本科生的生物信息學(xué)教學(xué)實(shí)踐方面做了一些嘗試，培養(yǎng)了一些初步掌握生物信息學(xué)知識(shí)與方法的本科學(xué)生。在此對(duì)教學(xué)過程中的感想和體會(huì)做一簡(jiǎn)要總結(jié)，并對(duì)本科生生物信息學(xué)的教學(xué)模式進(jìn)行了探討。

一、在醫(yī)學(xué)本科生中開展生物信息學(xué)的教學(xué)實(shí)踐

（一）尊重學(xué)生的教育主體地位，實(shí)施因材施教

由于生物信息學(xué)涵蓋了計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、分子生物學(xué)和分子遺傳學(xué)等諸多學(xué)科相關(guān)知識(shí)，所以一般情況下生物信息學(xué)科研實(shí)踐的開展要遲于上述各門課程。在開展的過程中，要充分考慮學(xué)生的自身?xiàng)l件，進(jìn)行分組施教。因?yàn)椴煌瑢W(xué)生對(duì)相關(guān)背景知識(shí)的掌握不同，會(huì)導(dǎo)致他們接受相關(guān)教學(xué)內(nèi)容的快慢程度不一樣，因此要針對(duì)不同層次的學(xué)生開設(shè)不同等級(jí)的實(shí)踐內(nèi)容。此外，根據(jù)學(xué)生將來從事的工作類型導(dǎo)致的對(duì)生物信息學(xué)的需求不同，可有針對(duì)性地分成科研組和臨床組。如有些學(xué)生將來可能主要從事科研工作，因此希望掌握較多的生物信息學(xué)知識(shí)，包括各種計(jì)算機(jī)語言的使用、編程、復(fù)雜統(tǒng)計(jì)軟件的使用等等，這類學(xué)生學(xué)習(xí)熱情比較高漲。

（二）構(gòu)建多學(xué)科教師組成的教學(xué)團(tuán)隊(duì)，實(shí)現(xiàn)知識(shí)的互補(bǔ)與整合

由于生物信息學(xué)是一門新興的交叉學(xué)科，需要計(jì)算機(jī)學(xué)、統(tǒng)計(jì)學(xué)、醫(yī)學(xué)生物化學(xué)、醫(yī)學(xué)遺傳學(xué)等相關(guān)學(xué)科的共同發(fā)展來支撐。此外，生物信息學(xué)專業(yè)知識(shí)較為前沿，而且涉及的醫(yī)學(xué)研究領(lǐng)域較多。再加上目前生物信息學(xué)的專業(yè)教師缺少，這就限制了學(xué)科的發(fā)展。因此，在教學(xué)過程中應(yīng)該合理組建教學(xué)團(tuán)隊(duì)，授課教師需要來自不同的專業(yè)，了解本專業(yè)最新的知識(shí)，教師之間相互學(xué)習(xí)溝通，將不同學(xué)科的相關(guān)知識(shí)整合起來[3]，并需持續(xù)補(bǔ)充和學(xué)習(xí)生物信息學(xué)前沿知識(shí)，在授課內(nèi)容上還要體現(xiàn)教師自身優(yōu)勢(shì)。這樣不但可以在知識(shí)結(jié)構(gòu)上互補(bǔ)，還可以滿足不同專業(yè)學(xué)生的需求。

（三）圍繞教師在研科研課題和學(xué)術(shù)會(huì)議，追蹤醫(yī)學(xué)研究前沿

生物信息學(xué)是一門快速發(fā)展的學(xué)科。近年來計(jì)算機(jī)技術(shù)、生物技術(shù)以及醫(yī)學(xué)技術(shù)及醫(yī)療模式都在快速更新。因此醫(yī)學(xué)生生物信息學(xué)實(shí)踐教學(xué)不能拘泥于原有教材。在進(jìn)行基礎(chǔ)和共性的知識(shí)教學(xué)時(shí)要利用教材。而對(duì)于前沿的知識(shí)，教師一方面要結(jié)合在研的各項(xiàng)科研課題引入知識(shí)點(diǎn)，另一方面可帶學(xué)生參加一些與生物信息學(xué)相關(guān)的學(xué)術(shù)會(huì)議，讓他們開闊眼界，增長(zhǎng)見識(shí)，激發(fā)科研靈感。

（四）調(diào)動(dòng)學(xué)生主觀能動(dòng)性，激發(fā)其學(xué)習(xí)潛能

由于學(xué)生專業(yè)背景知識(shí)掌握程度差異較大，以及學(xué)生自身興趣不同，傳統(tǒng)的大班教學(xué)較難達(dá)到一致性的教學(xué)效果。因此，在教學(xué)過程中可以采取不同的分組方式以滿足學(xué)生不同的需求。由于現(xiàn)階段生物信息人才非常缺乏，因此在教學(xué)過程中，對(duì)于個(gè)別基礎(chǔ)較強(qiáng)的學(xué)生，教師可以有針對(duì)性地對(duì)他們進(jìn)行一些更深層次的培養(yǎng)，充分挖掘?qū)W生的潛力，利用課余時(shí)間，合理安排一些“實(shí)戰(zhàn)”性任務(wù)，通過實(shí)踐鍛煉，提升他們的專業(yè)科研素質(zhì)，為當(dāng)代生物信息學(xué)的發(fā)展培養(yǎng)特色人才。如我校2009級(jí)臨床專業(yè)熊同學(xué)、2010級(jí)藥學(xué)專業(yè)本科生熊同學(xué)，都對(duì)生物信息學(xué)興趣非常濃厚，在科研實(shí)踐中表現(xiàn)得十分出色，充分利用課余和寒暑假時(shí)間，在老師的精心指導(dǎo)下，用perl語言成功編寫出分析組學(xué)數(shù)據(jù)的一系列程序。在研究生面試時(shí)，他們?cè)鷮?shí)的生物信息學(xué)功底獲得導(dǎo)師的青睞，并成功讀取/保送了國(guó)內(nèi)知名大學(xué)的研究生。

二、醫(yī)學(xué)本科生生物信息學(xué)教學(xué)方法、教學(xué)模式的探討

（一）PBL教學(xué)法在案例教學(xué)中的應(yīng)用

PBL（Problem-BasedLearning）教學(xué)法[4]，也稱作問題式學(xué)習(xí)。生物信息學(xué)是一門操作性和實(shí)驗(yàn)性很強(qiáng)的學(xué)科，要利用互聯(lián)網(wǎng)、計(jì)算機(jī)和各種生物信息學(xué)數(shù)據(jù)處理軟件來解決實(shí)際問題。目前，生物信息學(xué)已成為生命科學(xué)研究領(lǐng)域的重要工具。在實(shí)際訓(xùn)練中應(yīng)以問題為導(dǎo)向，針對(duì)每個(gè)知識(shí)點(diǎn)盡量從實(shí)際的應(yīng)用案例出發(fā)，引導(dǎo)學(xué)生自主探究、合作學(xué)習(xí)、進(jìn)行交流。注重培養(yǎng)學(xué)生的實(shí)際操作能力和解決問題的能力，使學(xué)生能在解決問題的過程中學(xué)會(huì)各種技能，如統(tǒng)計(jì)方法、計(jì)算機(jī)語言和軟件的基本使用、編程技巧及數(shù)據(jù)庫(kù)的運(yùn)用等。隨著生物信息學(xué)技術(shù)的快速發(fā)展，整合不同生物技術(shù)產(chǎn)生的數(shù)據(jù)將有利于人們發(fā)現(xiàn)疾病致病相關(guān)位點(diǎn)和藥物作用靶點(diǎn)。在本實(shí)驗(yàn)室開展的PBL教學(xué)實(shí)踐中，我們以代謝性疾病作為主要研究方向，對(duì)糖尿病、高膽固醇血癥及肝癌等展開了疾病相關(guān)基因/位點(diǎn)的全基因組篩查。

（二）在教學(xué)過程中發(fā)揮優(yōu)秀學(xué)生的引領(lǐng)作用，以點(diǎn)帶面

由于生物信息學(xué)在醫(yī)學(xué)研究中的重要性逐漸凸現(xiàn)，因此要求參加科研實(shí)踐培訓(xùn)的學(xué)生人數(shù)逐年增多。而目前生物信息學(xué)專業(yè)的老師相對(duì)缺乏，為了解決這一矛盾，我們?cè)趯?shí)踐教學(xué)和科研中摸索出一種新的方法，即以“導(dǎo)師-學(xué)生雙向選擇制”遴選學(xué)生進(jìn)入老師課題組后，以優(yōu)秀學(xué)生為中心，采用以點(diǎn)及面式訓(xùn)練。與以往的老師帶學(xué)生做試驗(yàn)的傳統(tǒng)模式不同，在培訓(xùn)中教師除作為指導(dǎo)老師外，還要善于在眾多的學(xué)生中發(fā)現(xiàn)優(yōu)秀的人才，并對(duì)這些有天分的學(xué)生進(jìn)行精細(xì)培養(yǎng)，然后以這些人才為中心點(diǎn)，進(jìn)行放大，即由一個(gè)優(yōu)秀的學(xué)生指導(dǎo)幾個(gè)后參加培訓(xùn)的學(xué)生，在這幾個(gè)學(xué)生中再選出優(yōu)秀的學(xué)生作為下一輪的指導(dǎo)“老師”，這種以點(diǎn)帶面的特色實(shí)踐教學(xué)模式不但能節(jié)約大量教學(xué)資源，而且將最大限度地挖掘?qū)W生的科研潛力，有利于培養(yǎng)學(xué)生的科研創(chuàng)新素質(zhì)。

（三）以大學(xué)生的各類科研訓(xùn)練、創(chuàng)新創(chuàng)業(yè)項(xiàng)目為載體開展教學(xué)活動(dòng)

目前，科技創(chuàng)新已成為發(fā)達(dá)國(guó)家保持持久競(jìng)爭(zhēng)力的“法寶”。中國(guó)早在若干年前就確立了“科技興國(guó)”的戰(zhàn)略目標(biāo)。大學(xué)生是祖國(guó)的未來，大學(xué)生科研創(chuàng)新能力的培養(yǎng)是21世紀(jì)高校人才培養(yǎng)的核心內(nèi)容。國(guó)內(nèi)外眾多高校都開展了多種形式的大學(xué)生創(chuàng)新訓(xùn)練計(jì)劃。因此，將生物信息學(xué)科研訓(xùn)練與學(xué)校開展的各類科研創(chuàng)新訓(xùn)練計(jì)劃（如大學(xué)生“挑戰(zhàn)杯”、“創(chuàng)新學(xué)分”或“大學(xué)生創(chuàng)新性實(shí)驗(yàn)計(jì)劃”等）相結(jié)合，將更加有效地利用各種資源，全面鍛煉學(xué)生的科研創(chuàng)新能力，例如，文獻(xiàn)的檢索與閱讀，各種組學(xué)數(shù)據(jù)的收集、處理和分析，程序的編寫，實(shí)驗(yàn)設(shè)計(jì)和操作，科研項(xiàng)目書的撰寫，科研論文的書寫等。

（四）同步開展科技文書的寫作訓(xùn)練，總結(jié)成果保持學(xué)生的熱情

疾病的發(fā)生發(fā)展與特異基因的改變密切相關(guān)，鑒定與疾病相關(guān)的基因是醫(yī)學(xué)科研工作的重要內(nèi)容之一。在科研實(shí)踐訓(xùn)練中，學(xué)生利用生物信息學(xué)方法，通過分析處理感興趣的數(shù)據(jù)（如基因組、轉(zhuǎn)錄組、單核苷酸多態(tài)性、全基因組關(guān)聯(lián)分析等），可挖掘出一些與疾病相關(guān)的內(nèi)在信息，或再通過實(shí)驗(yàn)對(duì)分析結(jié)果加以驗(yàn)證。教師可鼓勵(lì)學(xué)生將這些階段性的成果進(jìn)行發(fā)表，這對(duì)學(xué)生來說是一種能力上的認(rèn)可，可以增加學(xué)生的科研信心，激發(fā)他們的科研熱情和動(dòng)力。此外還要鼓勵(lì)學(xué)生積極申請(qǐng)學(xué)校乃至全國(guó)性的大學(xué)生“挑戰(zhàn)杯”等競(jìng)賽。培養(yǎng)學(xué)生的創(chuàng)新和挑戰(zhàn)激情，以便激勵(lì)他們?cè)诳蒲兄飞夏茉賱?chuàng)新高。如我校2012級(jí)本科生王同學(xué)，從大學(xué)一年級(jí)開始就進(jìn)入實(shí)驗(yàn)室學(xué)習(xí)生物信息學(xué)分析數(shù)據(jù)，勤奮鉆研，已分別于2013和2014年發(fā)表了2篇核心文章，并已成功申請(qǐng)到我校大學(xué)生“挑戰(zhàn)杯”項(xiàng)目，在我校大學(xué)生作品“挑戰(zhàn)杯”競(jìng)賽中獲得二等獎(jiǎng)。這些成果極大地鼓舞了同學(xué)們的科研熱情。

三、本科生生物信息學(xué)科研實(shí)踐中存在的問題

隨著生物信息學(xué)在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用，越來越多的學(xué)生意識(shí)到這門學(xué)科的重要性，都積極參與實(shí)踐練習(xí)。而生物信息學(xué)實(shí)踐離不開計(jì)算機(jī)這一硬件設(shè)備，同時(shí)由于生物數(shù)據(jù)量龐大，這就要求較高的計(jì)算機(jī)的配置。此外，現(xiàn)階段生物信息學(xué)專業(yè)教師比較缺乏，在一定程度上也會(huì)影響教學(xué)實(shí)踐的開展。因此，對(duì)醫(yī)學(xué)本科生開展生物信息學(xué)實(shí)踐訓(xùn)練尚需相關(guān)資源的配套和完善。

四、結(jié)語

本文主要探討了對(duì)醫(yī)學(xué)本科生開展生物信息學(xué)科研實(shí)踐過程中的一些感想和體會(huì)，并在多年教學(xué)實(shí)踐基礎(chǔ)上，總結(jié)出一種以科研為核心、學(xué)生為主體、訓(xùn)練項(xiàng)目為載體的科研實(shí)訓(xùn)教學(xué)模式。當(dāng)前雖然一些醫(yī)學(xué)院校已經(jīng)開設(shè)了生物信息學(xué)課程，但是在教學(xué)內(nèi)容、教學(xué)方法和教學(xué)模式上還有很多不足，尚有待進(jìn)一步的摸索和改進(jìn)[5-6]。此外，我們要加大硬件設(shè)施的投入，并不斷加強(qiáng)師資隊(duì)伍建設(shè)，積極參與教學(xué)改革，整合各種教學(xué)力量，從而提高生物信息學(xué)教學(xué)質(zhì)量。

致謝：感謝南昌大學(xué)醫(yī)學(xué)實(shí)驗(yàn)教學(xué)中心汪雁老師生前對(duì)本科生生物信息學(xué)教學(xué)方面的貢獻(xiàn)！

參考文獻(xiàn)： 

[1]Shachak A，Ophir R，Rubin E.Applying instructional design theories to bioinformatics education in microarray analysis and Primer design workshops[J].Cell Biol Educ，2005，4（3）：199-206. 

[2]Boyle JA.Bioinformatics in undergraduate education：practical examples[J].Biochem Mol Biol Educ，2004，32（4）：236-238. 

[3]樊代明.整合醫(yī)學(xué)縱論[J].醫(yī)學(xué)爭(zhēng)鳴，2014，5（5）：1-13. 

[4]祝鴻程，劉浩，王迎偉，等.基礎(chǔ)醫(yī)學(xué)課程PBL教學(xué)應(yīng)用的新思路[J].基礎(chǔ)醫(yī)學(xué)與臨床，2011，31（12）：1410-1412. 

[5]冉景盛，姚啟倫.生物信息學(xué)創(chuàng)新教學(xué)模式初探[J].生物學(xué)通報(bào)，2009，44（1）：46-48. 

篇(4)

[論文摘要]生物信息學(xué)是80年代以來新興的一門邊緣學(xué)科，信息在其中具有廣闊的前景。伴隨著人類基因組計(jì)劃的勝利完成與生物信息學(xué)的發(fā)展有著密不可分的聯(lián)系，生物信息學(xué)的發(fā)展為生命科學(xué)的發(fā)展為生命科學(xué)的研究帶來了諸多的便利，對(duì)此作了簡(jiǎn)單的分析。

一、生物信息學(xué)的產(chǎn)生

21世紀(jì)是生命科學(xué)的世紀(jì)，伴隨著人類基因組計(jì)劃的勝利完成，與此同時(shí)，諸如大腸桿菌、結(jié)核桿菌、啤酒酵母、線蟲、果蠅、小鼠、擬南芥、水稻、玉米等等其它一些模式生物的基因組計(jì)劃也都相繼完成或正在順利進(jìn)行。人類基因組以及其它模式生物基因組計(jì)劃的全面實(shí)施，使分子生物數(shù)據(jù)以爆炸性速度增長(zhǎng)。在計(jì)算機(jī)科學(xué)領(lǐng)域，按照摩爾定律飛速前進(jìn)的計(jì)算機(jī)硬件，以及逐步受到各國(guó)政府重視的信息高速公路計(jì)劃的實(shí)施，為生物信息資源的研究和應(yīng)用帶來了福音。及時(shí)、充分、有效地利用網(wǎng)絡(luò)上不斷增長(zhǎng)的生物信息數(shù)據(jù)庫(kù)資源，已經(jīng)成為生命科學(xué)和生物技術(shù)研究開發(fā)的必要手段，從而誕生了生物信息學(xué)。

二、生物信息學(xué)研究?jī)?nèi)容

（一）序列比對(duì)

比較兩個(gè)或兩個(gè)以上符號(hào)序列的相似性或不相似性。序列比對(duì)是生物信息學(xué)的基礎(chǔ)。兩個(gè)序列的比對(duì)現(xiàn)在已有較成熟的動(dòng)態(tài)規(guī)劃算法，以及在此基礎(chǔ)上編寫的比對(duì)軟件包BALST和FASTA，可以免費(fèi)下載使用。這些軟件在數(shù)據(jù)庫(kù)查詢和搜索中有重要的應(yīng)用。有時(shí)兩個(gè)序列總體并不很相似，但某些局部片斷相似性很高。Smith-Waterman算法是解決局部比對(duì)的好算法，缺點(diǎn)是速度較慢。兩個(gè)以上序列的多重序列比對(duì)目前還缺乏快速而又十分有效的算法。

（二）結(jié)構(gòu)比對(duì)

比較兩個(gè)或兩個(gè)以上蛋白質(zhì)分子空間結(jié)構(gòu)的相似性或不相似性。

（三）蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)

從方法上來看有演繹法和歸納法兩種途徑。前者主要是從一些基本原理或假設(shè)出發(fā)來預(yù)測(cè)和研究蛋白質(zhì)的結(jié)構(gòu)和折疊過程。分子力學(xué)和分子動(dòng)力學(xué)屬這一范疇。后者主要是從觀察和總結(jié)已知結(jié)構(gòu)的蛋白質(zhì)結(jié)構(gòu)規(guī)律出發(fā)來預(yù)測(cè)未知蛋白質(zhì)的結(jié)構(gòu)。同源模建和指認(rèn)（Threading）方法屬于這一范疇。雖然經(jīng)過30余年的努力，蛋白結(jié)構(gòu)預(yù)測(cè)研究現(xiàn)狀遠(yuǎn)遠(yuǎn)不能滿足實(shí)際需要。

（四）計(jì)算機(jī)輔助基因識(shí)別

給定基因組序列后，正確識(shí)別基因的范圍和在基因組序列中的精確位置.這是最重要的課題之一，而且越來越重要。經(jīng)過20余年的努力，提出了數(shù)十種算法，有十種左右重要的算法和相應(yīng)軟件上網(wǎng)提供免費(fèi)服務(wù)。原核生物計(jì)算機(jī)輔助基因識(shí)別相對(duì)容易些，結(jié)果好一些。從具有較多內(nèi)含子的真核生物基因組序列中正確識(shí)別出起始密碼子、剪切位點(diǎn)和終止密碼子，是個(gè)相當(dāng)困難的問題，研究現(xiàn)狀不能令人滿意，仍有大量的工作要做。

（五）非編碼區(qū)分析和DNA語言研究

在人類基因組中，編碼部分進(jìn)展總序列的3－5%，其它通常稱為“垃圾”DNA，其實(shí)一點(diǎn)也不是垃圾，只是我們暫時(shí)還不知道其重要的功能。分析非編碼區(qū)DNA序列需要大膽的想象和嶄新的研究思路和方法。DNA序列作為一種遺傳語言，不僅體現(xiàn)在編碼序列之中，而且隱含在非編碼序列之中。

三、生物信息學(xué)的新技術(shù)

（一）Lipshutz(Affymetrix，Santa clara，CA，USA)

描述了一種利用DNA探針陣列進(jìn)行基因組研究的方法，其原理是通過更有效有作圖、表達(dá)檢測(cè)和多態(tài)性篩選方法，可以實(shí)現(xiàn)對(duì)人類基因組的測(cè)序。光介導(dǎo)的化學(xué)合成法被應(yīng)用于制造小型化的高密度寡核苷酸探針的陣列，這種通過軟件包件設(shè)計(jì)的寡核苷酸探針陣列可用于多態(tài)性篩查、基因分型和表達(dá)檢測(cè)。然后這些陣列就可以直接用于并行DNA雜交分析，以獲得序列、表達(dá)和基因分型信息。Milosavljevic(CuraGen， Branford， CT， USA)介紹了一種新的基于專用定量表達(dá)分析方法的基因表達(dá)檢測(cè)系統(tǒng)，以及一種發(fā)現(xiàn)基因的系統(tǒng)GeneScape。為了有效地抽樣表達(dá)，特意制作片段模式以了解特定基因的子序列的發(fā)生和冗余程度。他在酵母差異基因表達(dá)的大規(guī)模研究中對(duì)該技術(shù)的性能進(jìn)行了驗(yàn)證，并論述了技術(shù)在基因的表達(dá)、生物學(xué)功能以及疾病的基礎(chǔ)研究中的應(yīng)用。

（二）基因的功能分析

Overton(University of Pennsylvania School of Medicine，Philadelphia，PA，USA)論述了人類基因組計(jì)劃的下一階段的任務(wù)基因組水平的基因功能分析。這一階段產(chǎn)生的數(shù)據(jù)的分析、管理和可視性將毫無疑問地比第一階段更為復(fù)雜。他介紹了一種用于脊椎動(dòng)物造血系統(tǒng)紅系發(fā)生的功能分析的原型系統(tǒng)E-poDB，它包括了用于集成數(shù)據(jù)資源的Kleisli系統(tǒng)和建立internet或intranet上視覺化工具的bioWidget圖形用戶界面。EpoDB有可能指導(dǎo)實(shí)驗(yàn)人員發(fā)現(xiàn)不可能用傳統(tǒng)實(shí)驗(yàn)方法得到的紅系發(fā)育的新的藥物靶，制藥業(yè)所感興趣的是全新的藥物靶，EpoDB提供了這樣一個(gè)機(jī)會(huì)，這可能是它最令人激動(dòng)的地方。

Babbitt(University of California，San Francisco，CA，USA)討論了通過數(shù)據(jù)庫(kù)搜索來識(shí)別遠(yuǎn)緣蛋白質(zhì)的方法。對(duì)蛋白質(zhì)超家族的結(jié)構(gòu)和功能的相互依賴性的理解，要求了解自然所塑造的一個(gè)特定結(jié)構(gòu)模板的隱含限制。蛋白質(zhì)結(jié)構(gòu)之間的最有趣的關(guān)系經(jīng)常在分歧的序列中得以表現(xiàn)，因而區(qū)分得分低（low-scoring）但生物學(xué)關(guān)系顯著的序列與得分高而生物學(xué)關(guān)系較不顯著的序列 是重要的。Babbit證明了通過使用BLAST檢索，可以在數(shù)據(jù)庫(kù)搜索所得的低得分區(qū)識(shí)別遠(yuǎn)緣關(guān)系（distant relationship）。Levitt(Stanford univeersity，Palo Alto，CA，USA)討論了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)和一種僅從序列數(shù)據(jù)對(duì)功能自動(dòng)模建的方法。基因功能取決于基因編碼的蛋白質(zhì)的三級(jí)結(jié)構(gòu)，但數(shù)據(jù)庫(kù)中蛋白質(zhì)序列的數(shù)目每18個(gè)月翻一番。為了確定這些序列的功能，結(jié)構(gòu)必須確定。同源模建和從頭折疊（ab initio folding）方法是兩種現(xiàn)有的互為補(bǔ)充的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法；同源模建是通過片段匹配（segment matching）來完成的，計(jì)算機(jī)程棄SegMod就是基于同源模建方法的。

（三）新的數(shù)據(jù)工具

Letovsky(Johns hopkins University，Baltimore，MD，USA)介紹了GDB數(shù)據(jù)庫(kù)，它由每條人類染色體的許多不同圖譜組成，包括細(xì)胞遺傳學(xué)、遺傳學(xué)、放射雜交和序列標(biāo)簽位點(diǎn)（STS）的內(nèi)容，以及由不同研究者用同種方法得到的圖譜。就位置查詢而言，如果不論其類型（type）和來源（source），或者是否它們正好包含用以批定感興趣的區(qū)域的標(biāo)志（markers），能夠搜索所有圖譜是有用的。為此目的，該數(shù)據(jù)庫(kù)使用了一種公用坐標(biāo)系統(tǒng)（common coordinate system）來排列這些圖譜。數(shù)據(jù)庫(kù)還提供了一張高分辨率的和與其他圖譜共享許多標(biāo)志的圖譜作為標(biāo)準(zhǔn)。共享標(biāo)志的標(biāo)之間的對(duì)應(yīng)性容許同等于所有其它圖譜的標(biāo)準(zhǔn)圖譜的分配。

Candlin(PE applied Biosystems，F(xiàn)oster City，CA，USA)介紹了一種新的存儲(chǔ)直接來自ABⅠPrism dNA測(cè)序儀的數(shù)據(jù)的關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)BioLIMS。該系統(tǒng)可以與其它測(cè)序儀的數(shù)據(jù)集成，并可方便地與其它軟件包自動(dòng)調(diào)用，為測(cè)序儀與序列數(shù)據(jù)的集成提供了一種開放的、可擴(kuò)展的生物信息學(xué)平臺(tái)。

參考文獻(xiàn)

篇(5)

查看更多《中華整形外科》雜志社信息請(qǐng)點(diǎn)擊： 《中華整形外科》編輯部

       無

        (i0002)沉痛悼念喬群教授 無

        (i0003)中華醫(yī)學(xué)會(huì)整形外科分會(huì)血管瘤與脈管畸形專業(yè)組第一次學(xué)術(shù)交流會(huì)會(huì)議紀(jì)要 胡曉潔 江成鴻 林曉曦

        (i0004)《中華整形外科雜志》2011年總目錄 無

        臨床論著

        (401)乳腺癌保乳術(shù)后腹腔鏡帶蒂網(wǎng)膜瓣一期乳房重建術(shù) 宋向陽 管丹丹 林輝 戴益 鄭雪詠 朱一平 王先法

        (405)重度褥瘡的臨床治療經(jīng)驗(yàn) 許喜生 馬錚錚 周永生 歐才生 程勇 陳凱 李柏同 周海洋 胡永才

        (411)咪喹莫特治療嬰幼兒血管瘤 馬剛 林曉曦 江成鴻 陳輝 李偉 胡曉潔 金云波 陳達(dá) 陳曉東 葉肖肖

        (415)小兒頸部巨大囊狀淋巴管瘤的手術(shù)治療 劉大看 馬玉春 郭曉楠 朱曉爽 董長(zhǎng)憲

        讀者·編者·作者

        (417)本刊對(duì)論文中實(shí)驗(yàn)動(dòng)物描述的要求 無

        臨床論著

        (418)游離脛后動(dòng)脈穿支皮瓣修復(fù)手、足背皮膚缺損 趙風(fēng)景 張興群 姚建民 馬亮 張龍春 陳瑩

        (421)改良vechitti陰道成形與腹膜陰道成形術(shù)的對(duì)比研究 董麗霞 陳樹波

        (424)型尿道上裂的解剖學(xué)修復(fù) 李養(yǎng)群 潘煥麗 唐勇 陳文 趙穆欣 楊喆 劉曉吉 胡春梅 劉媛媛 馬寧 謝淼

        (427)懸韌帶松解延長(zhǎng)術(shù)后延長(zhǎng)長(zhǎng)度預(yù)測(cè)模型的建立和驗(yàn)證 王洪一 陶靈 陳亮 曹川 李世榮

        實(shí)驗(yàn)論著

        (431)p57^kip2和maspin在病理性瘢痕組織中的表達(dá) 蔡玉梅 朱世澤 鄭志芳 楊維群 吳文藝

        (437)飼服環(huán)磷酰胺對(duì)兔耳早期增生性瘢痕組織的影響 邵家松 孟德峰 岳毅剛 周海 花鳴春 張敏

        (442)血管內(nèi)皮干細(xì)胞動(dòng)員劑對(duì)糖尿病小鼠顱骨缺損愈合的影響 王曉霞 stephen warren

        (448)四氯二苯二噁英致胎鼠腭裂作用機(jī)制的初步探討 蒲亞蘭 劉麗玲 甘立強(qiáng) 何曉夢(mèng) 傅躍先

        生物信息學(xué)

        (453)基于文獻(xiàn)挖掘的增生性瘢痕相關(guān)基因的生物信息學(xué)分析 黃琛 李博侖 秦澤蓮

        工作研究

        (461)胸大肌后與腺體后隆乳術(shù)后患者損傷情況比較 郭科 孫家明 蘇永勝

        (462)奈福泮與曲馬多預(yù)防整形手術(shù)腰麻-硬膜外聯(lián)合麻醉寒戰(zhàn)的效果比較 張治明 歐陽帆 王劍鳴 趙振龍 張安生

        經(jīng)驗(yàn)介紹

 &nb

sp;      (464)鄰指指動(dòng)脈島狀皮瓣修復(fù)手指皮膚軟組織缺損 侯橋 曾林如 王利祥 許良 吳國(guó)明 朱芳兵

        (465)先天性狹窄及閉鎖八例手術(shù)治療體會(huì) 胡春梅 李養(yǎng)群 唐勇 楊喆 趙穆欣 劉媛媛 陳文 馬寧

        技術(shù)改進(jìn)

        (467)介紹一種微創(chuàng)無菌快速獲取可移植脂肪顆粒裝置 黃海玲 劉宏偉 佘文莉 徐媛 陳苑雯 謝波 肖麗玲

        (468)薄膜涂色法在擴(kuò)張皮膚面積測(cè)量中的評(píng)價(jià) 譚子明 沈?yàn)槊?彭旦生

        病例報(bào)告

        (470)會(huì)陰嚴(yán)重?zé)齻颊咴僭煲焕?朱小平 包國(guó)宏 黃朝帥

        (471)足拇趾離斷再植及踝前穿支皮瓣修復(fù)成功一例 儲(chǔ)國(guó)平 呂國(guó)忠 趙慶國(guó) 楊敏烈

        綜述

篇(6)

關(guān)鍵詞：B細(xì)胞表位；服務(wù)器；研究

中圖分類號(hào)：R392

表位是抗原分子中被相應(yīng)抗體或抗原受體識(shí)別的特定部位。B細(xì)胞表位[1]是抗原中可被B細(xì)胞抗原受體（BCR）或抗體特異性識(shí)別并結(jié)合的線性片段或空間構(gòu)象性結(jié)構(gòu)，其刺激機(jī)體產(chǎn)生B細(xì)胞介導(dǎo)的體液免疫應(yīng)答，并產(chǎn)生效應(yīng)分子（抗體）和效應(yīng)細(xì)胞。線性B細(xì)胞表位是由抗原分子表面肽鏈上連續(xù)的氨基酸殘基構(gòu)成的序列。B細(xì)胞表位預(yù)測(cè)研究主要還是以線性B細(xì)胞表位預(yù)測(cè)為主，目前已有較多關(guān)于線性B細(xì)胞表位的數(shù)據(jù)庫(kù)和預(yù)測(cè)算法、軟件。

1 抗原表位

抗原表位[2]，又稱抗原決定簇（antigenic determinant，AD）指抗原分子中決定抗原特異性的特殊化學(xué)基團(tuán)?？乖ㄟ^抗原表位與相應(yīng)的淋巴細(xì)胞表面的抗原受體結(jié)合，從而激活淋巴細(xì)胞，引起免疫應(yīng)答；抗原也借表位與相應(yīng)抗體或致敏淋巴細(xì)胞發(fā)生特異性結(jié)合而發(fā)揮免疫效應(yīng)?？乖砦坏男再|(zhì)、數(shù)目和空間構(gòu)型決定抗原的特異性?？乖砦皇敲庖咴乖缘奈镔|(zhì)基礎(chǔ)，開展對(duì)抗原表位的研究將對(duì)病原的診斷以及分子疫苗的設(shè)計(jì)等具有重要的意義。

2 線性B細(xì)胞表位篩選方法

B細(xì)胞表位[3]是抗原中可被B細(xì)胞抗原受體（BCR）或抗體特異性識(shí)別并結(jié)合的線性片段或空間構(gòu)象性結(jié)構(gòu)，其刺激機(jī)體產(chǎn)生B細(xì)胞介導(dǎo)的體液免疫應(yīng)答，并產(chǎn)生效應(yīng)分子（抗體）和效應(yīng)細(xì)胞。在免疫學(xué)中認(rèn)為，表位才是抗原刺激機(jī)體免疫系統(tǒng)產(chǎn)生特異性免疫應(yīng)答的真正部位。B細(xì)胞表位預(yù)測(cè)是表位預(yù)測(cè)的一個(gè)重要組成部分，大多數(shù)的研究是針對(duì)線性B細(xì)胞表位預(yù)測(cè)，通過組合抗原蛋白物理化學(xué)性質(zhì)、結(jié)構(gòu)性質(zhì)、統(tǒng)計(jì)顯著性度量等特征屬性進(jìn)行表位預(yù)測(cè)，并取得一定的研究成果。

2.1 基于遞歸神經(jīng)網(wǎng)絡(luò)的線性B細(xì)胞表位預(yù)測(cè)服務(wù)器[4]

在多肽疫苗的開發(fā)中B細(xì)胞表位起到了至關(guān)重要的作用，在疾病的診斷中，也可用于過敏研究。標(biāo)準(zhǔn)的前饋（FNN）和遞歸神經(jīng)網(wǎng)絡(luò)（RNN）有被用在本研究中，用于預(yù)測(cè)抗原序列中的B細(xì)胞表位。網(wǎng)絡(luò)已經(jīng)被訓(xùn)練和測(cè)試，在一個(gè)完整的數(shù)據(jù)集中，由700個(gè)非冗余的B細(xì)胞表位來自于Bcipep數(shù)據(jù)庫(kù)和同等數(shù)量的非表位來自于SWISS-PROT數(shù)據(jù)庫(kù)。該網(wǎng)絡(luò)已經(jīng)訓(xùn)練和測(cè)試在不同的輸入窗口長(zhǎng)度和隱結(jié)點(diǎn)中。最大精度已使用遞歸神經(jīng)網(wǎng)絡(luò)具有單隱層的35個(gè)隱藏的單位窗口長(zhǎng)度為16。當(dāng)測(cè)試在五倍折交叉驗(yàn)證時(shí)，最終的網(wǎng)絡(luò)產(chǎn)生準(zhǔn)確度為65.93%。相應(yīng)的敏感性，特異性和陽性預(yù)測(cè)值為67.14，64.71，和65.61%。在以往的研究中RNN比FNN在B細(xì)胞表位的預(yù)測(cè)中效果更好。該肽的長(zhǎng)度也是重要的在預(yù)用詞從抗原序列的B細(xì)胞表位。

2.2 基于氨基酸對(duì)抗原規(guī)模的線性B細(xì)胞表位預(yù)測(cè)[5]

在生物信息學(xué)中蛋白抗原位點(diǎn)的鑒定是至關(guān)重要的，開發(fā)的合成肽疫苗，免疫診斷測(cè)試的距離和抗體的產(chǎn)生。目前，大多數(shù)的預(yù)測(cè)算法傾向于使用氨基酸滑動(dòng)窗口方法。這些方法過于簡(jiǎn)單，并在實(shí)踐中產(chǎn)生不良的預(yù)測(cè)結(jié)果。提出了一種新穎的規(guī)模，稱為氨基酸對(duì)抗原（AAP）規(guī)模，基于這一發(fā)現(xiàn)，更加有利于B細(xì)胞表位預(yù)測(cè)。它表明，使用SVM（支持向量機(jī)）分類，AAP抗原尺度方法具有更好的性能比現(xiàn)有單個(gè)氨基酸傾向尺度。AAP抗原規(guī)模可以反映一些特殊的序列在B細(xì)胞表位特征中，它的本質(zhì)是為什么新的方法是優(yōu)于現(xiàn)有的?？梢灶A(yù)料與已知的抗原表位的數(shù)據(jù)，氨基酸對(duì)抗原規(guī)模的做法將進(jìn)一步增強(qiáng)。

2.3 基于內(nèi)核字符串線性B細(xì)胞表位預(yù)測(cè)[6]

B細(xì)胞表位的鑒定和表征在疫苗設(shè)計(jì)中扮演重要的角色，免疫診斷測(cè)試，并產(chǎn)生抗體。因此，可靠的計(jì)算工具預(yù)測(cè)線性B細(xì)胞表位是非?？扇〉摹Ｔu(píng)估的支持向量機(jī)（SVM）利用五個(gè)不同的內(nèi)核上五倍使用交叉驗(yàn)證的方法分類培訓(xùn)同源減少701線性B細(xì)胞表位，從Bcipep數(shù)據(jù)庫(kù)中提取的數(shù)據(jù)，和701非抗原表位，隨機(jī)抽取從SwissProt數(shù)據(jù)庫(kù)序列。根據(jù)我們的結(jié)果計(jì)算實(shí)驗(yàn)中，我們提出BCPred，線性B細(xì)胞表位預(yù)測(cè)的新方法使用序列內(nèi)核。我們表明，預(yù)測(cè)性能BCPred（AUC=0.758）優(yōu)于11基于SVM分類器的開發(fā)和評(píng)估，以及在我們的實(shí)驗(yàn)中，我們執(zhí)行的AAP（AUC=0.7），最近提出的一種方法，用于預(yù)測(cè)線性B細(xì)胞使用氨基酸對(duì)抗原的表位。此外，我們比較AAP和BCPred，ABCPred 獨(dú)特的B細(xì)胞表位，使用遞歸神經(jīng)網(wǎng)絡(luò)的方法，該方法為使用兩個(gè)數(shù)據(jù)集先前已用于評(píng)估ABCPred的。使用和分析的數(shù)據(jù)集的結(jié)果這個(gè)比較表明，不同的B細(xì)胞表位的相對(duì)性能的結(jié)論預(yù)測(cè)方法的基礎(chǔ)上得出的實(shí)驗(yàn)中使用的數(shù)據(jù)集的獨(dú)特的B細(xì)胞表位的可能產(chǎn)生的性能評(píng)估方法的估計(jì)過于樂觀。這認(rèn)為使用精心同源性減小數(shù)據(jù)集的B細(xì)胞表位的預(yù)測(cè)方法進(jìn)行比較，以避免有關(guān)如何不同的方法的誤導(dǎo)性的結(jié)論相互比較。同源精簡(jiǎn)數(shù)據(jù)組和BCPred實(shí)現(xiàn)以及APP的方法是公開的。

2.4 基于一種新系統(tǒng)的線性B細(xì)胞表位預(yù)測(cè)[7]

在幾十年的研究中盡管具有挑戰(zhàn)性的任務(wù)，B細(xì)胞抗原表位的準(zhǔn)確的預(yù)測(cè)仍然是在計(jì)算免疫學(xué)中。只有10%的已知B細(xì)胞表位的估計(jì)是連續(xù)的，但他們往往卻是目標(biāo)預(yù)測(cè)，因?yàn)榻鉀Q三級(jí)結(jié)構(gòu)是必需的，它們是不可或缺的肽疫苗和治療蛋白質(zhì)工程的發(fā)展。在這篇文章中，提出COBEpro，新的兩步預(yù)測(cè)連續(xù)B細(xì)胞系統(tǒng)抗原表位。COBEpro是能夠分配表位pensity分?jǐn)?shù)兩個(gè)獨(dú)立的肽片段抗原序列內(nèi)的殘留物。COBEpro首先使用支持向量機(jī)進(jìn)行預(yù)測(cè)在查詢抗原序列和肽片段，然后計(jì)算表位的傾向得分為每個(gè)基于片段的預(yù)測(cè)的殘余物。次要結(jié)構(gòu)和溶劑輔助功能信息（無論是預(yù)測(cè)或準(zhǔn)確）可以被納入到提高性能。COBEpro實(shí)現(xiàn)了交叉驗(yàn)證受試者工作特征曲線（AUC）下teristic高達(dá)0.829片段上抗原決定基的傾向得分任務(wù)的AUC為0.628殘余物外延主題傾向得分任務(wù)。

3 用于線性B細(xì)胞表位預(yù)測(cè)工具建立與評(píng)價(jià)的數(shù)據(jù)庫(kù)

免疫信息學(xué)[8]數(shù)據(jù)庫(kù)是隨著生物信息學(xué)和免疫基因組學(xué)的不斷進(jìn)步而逐漸發(fā)展起來的，是專門收錄免疫學(xué)相關(guān)分子信息，實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)、查詢、分析，計(jì)算等功能的數(shù)據(jù)庫(kù)。最初，與免疫相關(guān)的多肽序列、抗原分子等信息與其他生物數(shù)據(jù)一起，被收錄在各類生物信息學(xué)數(shù)據(jù)庫(kù)中，隨著免疫學(xué)研究的發(fā)展，人們對(duì)免疫學(xué)相關(guān)分子信息的需求越來越迫切，需要單獨(dú)對(duì)這些數(shù)據(jù)進(jìn)行計(jì)算、分析和預(yù)測(cè)，一些研究機(jī)構(gòu)開始嘗試從生物信息學(xué)基礎(chǔ)數(shù)據(jù)庫(kù)中提取免疫相關(guān)的生物數(shù)據(jù)，開發(fā)集存儲(chǔ)、查詢、計(jì)算、預(yù)測(cè)以及繪圖分析功能為一體的免疫學(xué)數(shù)據(jù)庫(kù)。目前，網(wǎng)絡(luò)上的免疫信息學(xué)數(shù)據(jù)庫(kù)已達(dá)數(shù)十個(gè)，它們的規(guī)模大小不一，內(nèi)容與側(cè)重點(diǎn)也不盡相同，其中的大部分?jǐn)?shù)據(jù)來源于GenBank、EBI、EMBL，供研究人員免費(fèi)使用。

3.1 Bcipep：B細(xì)胞表位數(shù)據(jù)庫(kù)

Bcipep[9]是各種免疫原性B細(xì)胞表位數(shù)據(jù)庫(kù)，目前Bcipep數(shù)據(jù)庫(kù)包含3031個(gè)條目，其中包括763免疫顯性，1797免疫原性和471空的免疫原性的抗原表位，每條記錄包含多肽序列、源蛋白、病原體、免疫原性、中和性、模式生物、實(shí)驗(yàn)方法、參考文獻(xiàn)、抗原結(jié)構(gòu)等信息，它涵蓋范圍廣泛，如病毒、細(xì)菌、原生動(dòng)物、真菌。該數(shù)據(jù)庫(kù)提供了一組工具，用于分析和提取的數(shù)據(jù)，其中包括關(guān)鍵字搜索，肽譜分析和BLAST搜索。Bcipep稱為一個(gè)完整B細(xì)胞表位數(shù)據(jù)庫(kù)，已經(jīng)開發(fā)了一個(gè)覆蓋廣泛的病原體的抗原決定簇的信息。該數(shù)據(jù)庫(kù)有助于B細(xì)胞表位預(yù)測(cè)方法的研究、合成肽疫苗的設(shè)計(jì)和疾病的診斷。

4 結(jié)束語

顯而易見，線性B細(xì)胞表位預(yù)測(cè)現(xiàn)狀與人們理想預(yù)期還存在很大的差距，利用軟件預(yù)測(cè)線性B細(xì)胞表位并不完全準(zhǔn)確，還需要實(shí)驗(yàn)的進(jìn)一步驗(yàn)證。為了研發(fā)更準(zhǔn)確的預(yù)測(cè)工具，需要建立高質(zhì)量的訓(xùn)練數(shù)據(jù)集和檢驗(yàn)數(shù)據(jù)集，數(shù)據(jù)集的質(zhì)量高低與預(yù)測(cè)工具的預(yù)測(cè)能力密切聯(lián)系；另外，統(tǒng)一評(píng)價(jià)體系也是目前急待解決的問題。評(píng)價(jià)體系的標(biāo)準(zhǔn)化，既有助于軟件開發(fā)者采用最有效的算法創(chuàng)建更準(zhǔn)確的工具，又方便了使用者對(duì)工具的篩選和評(píng)價(jià)。統(tǒng)一評(píng)價(jià)體系首先要面臨的問題是所有數(shù)據(jù)格式的統(tǒng)一，有了一致的數(shù)據(jù)格式，才能進(jìn)行比較。在表位預(yù)測(cè)領(lǐng)域尚缺乏高質(zhì)量的標(biāo)準(zhǔn)數(shù)據(jù)集，針對(duì)標(biāo)準(zhǔn)的數(shù)據(jù)集開發(fā)自動(dòng)評(píng)價(jià)工具將是未來的發(fā)展方向。相信隨著生物信息學(xué)的快速發(fā)展，線性B細(xì)胞表位計(jì)算機(jī)預(yù)測(cè)技術(shù)將會(huì)越來越成熟。

參考文獻(xiàn)：

[1]Peters B，Sidney J， Bourne P， et al.The design and implementation of the immune epitope database and analysis resource[J].Immunogenetics，2005，57（5）：326-336.

[2]吳敏毓，劉恭植.醫(yī)學(xué)免疫學(xué)：第四版[M].北京：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2002：1-2.

[3]呂鳳林，朱錫華.人C5aR（CD88）序列結(jié)構(gòu)分析及其B細(xì)胞表位預(yù)測(cè)[J].免疫學(xué)雜志，1998，14（3）：153-156.

[4]Saha S，Raghava GP （2006） Prediction of continuous B-cell epitopes in an antigen using recurrent neural network. Proteins.65：40-48.

[5] Chen J，Liu H，Yang J，Chou KC （2007） Prediction of linear B-cell epitopes using amino acid pair antigenicity scale.Amino Acids 33：423-428.

[6]El-Manzalawy Y，Dobbs D， Honavar V （2008） Predicting linear B-cell epitopesusing string kernels.J Mol Recognit 21：243-255.

[7]Sweredoski MJ，Baldi P （2009） COBEpro： a novel system for predictingcontinuous B-cell epitopes.Protein Eng Des Sel 22：113-120.

[8]Walsh R， Locarnini S. Hepatitis B precore protein： pathogenic potential and therapeutic promise[J].Yonsei Med J，2012，53（5）：875-85.

[9]Saha S， Bhasin M， Raghava GP （2005） Bcipep：a database of B-cell epitopes.BMC Genomics 6：79.

[10]Roseman AM， Berriman JA.， Wynne SA.， et al. A structural model for maturation of the hepatitis B virus core[J]. Proc Natl Acad Sci USA， 2005，102（44）：15821-6.

[11]Yasser EL-Manzalawy， Vasant Honavar. Recent advances in B-cell epitope prediction methods[J]. Immunome Res，2010，6（Suppl 2）：S2.

[12]Roggen EL. B-cell epitope engineering： A matter of recognizing protein features and motives[J].DDT：Technol，2008，5（2-3）：e49-55.

[13]馮新港.免疫信息學(xué)原理及其應(yīng)用[M].上海：上海科學(xué)技術(shù)出版社，2009，6：1-5.

[14]Alix，A. （1999） Vaccine，18，311-314 （314）.

篇(7)

關(guān)鍵詞：網(wǎng)絡(luò)平臺(tái)；虛擬化；團(tuán)隊(duì)教學(xué)模式

中圖分類號(hào) G642.0 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2016）23-0150-03

Research on Application of Virtual Team Teaching Model Based on Network Platform

Gao Zhihua1 et al.

（1College of Biological Science and Engineering，Hebei University of Economics and Business，Shijiazhuang 050061，China）

Abstract：This article introduced the concept and superiority of team teaching.Taking Plant biology and Bioinformatics courses as an example，the necessity and implementation effect of virtual team teaching were discussed using internet instant message tools based on network platform.Teaching practice showed that virtual team teaching model can cultivate practice and innovation abilities of students，and promote the soft power of university's teaching.

Key words：Network platform；Virtual；Team teaching model

在科技飛速發(fā)展、信息急劇膨脹背景下的互聯(lián)網(wǎng)+和大數(shù)據(jù)時(shí)代，人們更加注重需求的個(gè)性化和多元化，高校的教學(xué)活動(dòng)也應(yīng)順勢(shì)發(fā)力，尋求適應(yīng)新的教學(xué)模式。面對(duì)社會(huì)對(duì)學(xué)生創(chuàng)新能力和綜合素質(zhì)要求的不斷提高，高校在新一輪教學(xué)改革的推動(dòng)下，大大縮減了專業(yè)基礎(chǔ)課學(xué)時(shí)，整合優(yōu)化了不同學(xué)科的教學(xué)內(nèi)容，鼓勵(lì)教師在多學(xué)科相互協(xié)同下完成更加綜合的專業(yè)教學(xué)工作。針對(duì)地方財(cái)經(jīng)類院校教學(xué)實(shí)際情況，筆者在不增加任何教學(xué)和師資成本的前提下，基于網(wǎng)絡(luò)平臺(tái)，利用各種網(wǎng)絡(luò)通訊工具，以植物生物學(xué)和生物信息學(xué)兩門課程為例，進(jìn)行了虛擬化團(tuán)隊(duì)教學(xué)模式應(yīng)用研究，以改善教學(xué)效果，提高教學(xué)質(zhì)量。

1 團(tuán)隊(duì)教學(xué)的概念和優(yōu)越性

“團(tuán)隊(duì)”概念最初誕生于企業(yè)管理，團(tuán)隊(duì)管理理論也被企業(yè)廣泛采用，并被認(rèn)為是企業(yè)成功的基本保障。團(tuán)隊(duì)是由2個(gè)或者2個(gè)以上的人組成，通過人們彼此之間的相互影響、相互作用，行為上遵循共同規(guī)范的一種介于組織與個(gè)人之間的組織形態(tài)。與普通工作群體不同，團(tuán)隊(duì)的主要特征是團(tuán)隊(duì)成員承諾共同的工作目標(biāo)和方法，并互相承擔(dān)責(zé)任[1]。團(tuán)隊(duì)教學(xué)是指由若干有著共同的目標(biāo)，具有互補(bǔ)技能或者知識(shí)的教師，彼此間通過分享認(rèn)知和合作行動(dòng)以共同承擔(dān)教學(xué)任務(wù)的，能夠相互溝通協(xié)作的教師共同組建形成的有效工作群體[2]。20世紀(jì)50年代中期，美國(guó)在中小學(xué)推行“小組協(xié)同教學(xué)制（即協(xié)同教學(xué)）”，實(shí)行合作教學(xué)，開創(chuàng)了團(tuán)隊(duì)教學(xué)的先河，20世紀(jì)70年代以后在高校開始應(yīng)用團(tuán)隊(duì)教學(xué)。目前美國(guó)的大中小學(xué)80%左右實(shí)施某種形式的團(tuán)隊(duì)教學(xué)[3]。

團(tuán)隊(duì)教學(xué)是教學(xué)團(tuán)隊(duì)圍繞專題來進(jìn)行集體教學(xué)，團(tuán)隊(duì)成員無論在學(xué)歷結(jié)構(gòu)、知識(shí)結(jié)構(gòu)、實(shí)踐經(jīng)歷，還是年齡結(jié)構(gòu)、職稱結(jié)構(gòu)等方面，都可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，多角度的透視，多緯度的解構(gòu)，多要素的建構(gòu)，與傳統(tǒng)的單人教學(xué)（即一人一書面對(duì)一個(gè)班講到底，單兵作戰(zhàn)或獨(dú)立作業(yè)的教學(xué)形式）相比，具有以下優(yōu)越性：

1.1 符合當(dāng)代社會(huì)對(duì)人才的需求標(biāo)準(zhǔn) 在社會(huì)競(jìng)爭(zhēng)日益激烈的當(dāng)下，用人單位越來越務(wù)實(shí)，更加看重學(xué)生的實(shí)際能力和綜合素質(zhì)，對(duì)學(xué)生專業(yè)的深度與廣度也有了新要求，這就要求學(xué)校不斷拓展學(xué)科的內(nèi)涵和外延，促進(jìn)不同學(xué)科間交叉融合，整合教學(xué)內(nèi)容，更新教學(xué)方法。但是，教師的單獨(dú)教學(xué)受其知識(shí)面、固有專業(yè)、科研領(lǐng)域和時(shí)間精力等諸多方面的約束，難以保證在所有教學(xué)環(huán)節(jié)和授課內(nèi)容上都做到極致，而不斷引進(jìn)新師資也不現(xiàn)實(shí)，團(tuán)隊(duì)教學(xué)則根據(jù)不同的教學(xué)要求和教師的教學(xué)特長(zhǎng)及學(xué)術(shù)專長(zhǎng)，統(tǒng)籌安排，合理搭配，讓最合適的教師承擔(dān)其最擅長(zhǎng)的教學(xué)內(nèi)容[4]。通過這種最佳組合、優(yōu)勢(shì)互補(bǔ)的方式，不僅能以不變應(yīng)萬變?nèi)M足多樣化的社會(huì)用人需求，而且可以充分發(fā)揮學(xué)校師資1+1>2的協(xié)同效應(yīng)。

1.2 促進(jìn)教師教學(xué)與科研的良性循環(huán) 如果把高?？醋鲆患夜S，那么學(xué)生就是產(chǎn)品，教師就是工人。要想讓自己的產(chǎn)品在市場(chǎng)上具有核心競(jìng)爭(zhēng)力，就要有所為有所不為，就得做我們最擅長(zhǎng)的，讓我們的強(qiáng)項(xiàng)更強(qiáng)，因?yàn)楦?jìng)爭(zhēng)對(duì)手不會(huì)給我們留補(bǔ)短板的時(shí)間和機(jī)會(huì)。同樣，如果一名教師單獨(dú)把一門學(xué)科交叉性強(qiáng)的課從頭講到尾，則勢(shì)必要求他花更多的時(shí)間和精力去學(xué)習(xí)太多新領(lǐng)域的知識(shí)與技能，而且在相當(dāng)長(zhǎng)的一段時(shí)間里一直是“新手”，教學(xué)效果也不會(huì)太好。團(tuán)隊(duì)教學(xué)則可以讓每名教師只負(fù)責(zé)教授自己最拿手的1～2個(gè)教學(xué)專題，使其在已有的優(yōu)勢(shì)領(lǐng)域繼續(xù)潛心研究，其科研成果不僅能及時(shí)更新到教學(xué)之中，做到常講常新，而且還容易在專題教學(xué)及師生互動(dòng)中獲得靈感，受到啟迪，為可持續(xù)的科研找到新的生長(zhǎng)點(diǎn)，真正步入教學(xué)與科研的良性循環(huán)。

1.3 有助于提升高校教學(xué)軟實(shí)力 自20世紀(jì)90年代初，哈佛大學(xué)教授約瑟夫?奈提出“軟實(shí)力”概念之后，便掀起了“軟實(shí)力”研究與應(yīng)用的熱潮。教學(xué)軟實(shí)力與教學(xué)場(chǎng)地、儀器設(shè)備、師資隊(duì)伍、校園環(huán)境等教學(xué)硬實(shí)力同等重要，尤其是在各個(gè)高校教學(xué)硬實(shí)力發(fā)展日益同質(zhì)化的今天，教學(xué)理念、教學(xué)體系、教學(xué)方法、教學(xué)改革、課程建設(shè)、教學(xué)質(zhì)量等教學(xué)軟實(shí)力就成為高校提高核心競(jìng)爭(zhēng)力、實(shí)現(xiàn)跨越式發(fā)展過程中最值得思考和研究的課題。團(tuán)隊(duì)教學(xué)不能單純地理解為“幾個(gè)人的簡(jiǎn)單相加、拼湊合上一門課”，而是由優(yōu)勢(shì)互補(bǔ)、相互協(xié)作的教師組成一個(gè)有機(jī)整體共同授課，不僅是教學(xué)方法上的改革，更是一種教學(xué)理念的突破。幾名教師能走到一起共同完成一門課的教學(xué)任務(wù)，這本身就需要每個(gè)人先擯棄陳舊的教學(xué)觀念。參與團(tuán)隊(duì)教學(xué)的每位教師同時(shí)還擔(dān)任了其他課程的教學(xué)任務(wù)，有助于處理好先行課程與后行課程在教學(xué)內(nèi)容、教學(xué)重點(diǎn)等方面的銜接問題，也可以從一個(gè)課程群的更高層次去搞好課程建設(shè)，并推進(jìn)相關(guān)教學(xué)改革，提高教學(xué)質(zhì)量。

除此之外，團(tuán)隊(duì)教學(xué)還可以加強(qiáng)教師間、師生間的互動(dòng)交流，不同教師的性格魅力、授課風(fēng)格、教學(xué)經(jīng)驗(yàn)也會(huì)遷移默化地感染、啟發(fā)和熏陶每位學(xué)生，對(duì)他們的個(gè)性培養(yǎng)、素質(zhì)教育起到積極作用，也有利于良性評(píng)價(jià)和競(jìng)爭(zhēng)機(jī)制的形成[5-6]。

2 虛擬化團(tuán)隊(duì)教學(xué)的必要性

幾十年來，已經(jīng)有一些學(xué)者對(duì)團(tuán)隊(duì)教學(xué)模式進(jìn)行了研究和試驗(yàn)。國(guó)外的團(tuán)隊(duì)教學(xué)模式主要是為了彌補(bǔ)單一學(xué)科教師的知識(shí)不足，在交叉學(xué)科和語言類課程中采用該模式組織教學(xué)。Anderson和Graber等就曾分別在交叉學(xué)科的課程教學(xué)中采用并研究過該模式，他們指出，采用該模式組織教學(xué)可以激起師生的創(chuàng)新思維，體現(xiàn)教學(xué)的藝術(shù)性。我國(guó)學(xué)者在團(tuán)隊(duì)教學(xué)模式的具體實(shí)施方面（如教學(xué)團(tuán)隊(duì)的構(gòu)建、教學(xué)內(nèi)容的分配等）進(jìn)行了可行性探索[3，7-8]。但是，由于通常的團(tuán)隊(duì)教學(xué)模式需要雙倍甚至更多倍的經(jīng)費(fèi)和師資，鑒于教學(xué)成本的考慮，這種實(shí)體化團(tuán)隊(duì)教學(xué)模式在地方院校中大范圍推廣受到不同程度的限制。在這種形勢(shì)下，零成本的虛擬化團(tuán)隊(duì)教學(xué)就成了一種最優(yōu)選擇，它可以靈活采用多種團(tuán)隊(duì)教學(xué)模式，根據(jù)授課內(nèi)容選擇適合不同專題的主講人組建虛擬的教學(xué)團(tuán)隊(duì)，有利于最終形成育人合力，克服長(zhǎng)期以來高?！皢慰谙嗦暋笔绞谡n存在的種種弊端，拓寬學(xué)生知識(shí)面，調(diào)動(dòng)學(xué)生學(xué)習(xí)積極性，提高學(xué)生實(shí)踐創(chuàng)新能力，培養(yǎng)符合社會(huì)需求的優(yōu)秀人才。

3 虛擬化團(tuán)隊(duì)教學(xué)的實(shí)施效果

團(tuán)隊(duì)教學(xué)模式特別適合跨學(xué)科性質(zhì)的課程，在此我們選擇了植物生物學(xué)和生物信息學(xué)兩門課程進(jìn)行了虛擬化團(tuán)隊(duì)教學(xué)嘗試，具體實(shí)施效果如下：

3.1 梳理教學(xué)內(nèi)容，組建虛擬教學(xué)團(tuán)隊(duì) 植物生物學(xué)課程是由原來的植物學(xué)（主要包括植物解剖結(jié)構(gòu)和植物系統(tǒng)分類兩部分內(nèi)容）、植物生理學(xué)和植物生態(tài)學(xué)3門課程的教學(xué)內(nèi)容整合而成，涉及至少3個(gè)學(xué)科的專業(yè)知識(shí)，我們遴選出：植物細(xì)胞與生根培養(yǎng)、校園綠化植物資源調(diào)查研究、植物激素與細(xì)胞信號(hào)轉(zhuǎn)導(dǎo)、植物引種快繁與生態(tài)因子等多個(gè)教學(xué)專題，并邀請(qǐng)各位主講人，共同組成植物生物學(xué)虛擬教學(xué)團(tuán)隊(duì)。生物信息學(xué)是一門跨生物學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)和信息學(xué)的多學(xué)科交叉性學(xué)科，教好這門課就要求教師同時(shí)具備這些學(xué)科的背景知識(shí)，其難度可想而知。所以，我們也根據(jù)課程內(nèi)容篩選出：文獻(xiàn)檢索與數(shù)據(jù)庫(kù)構(gòu)建、序列比對(duì)算法解析、數(shù)據(jù)挖掘與R語言、RNA-seq測(cè)序與數(shù)據(jù)分析、蛋白質(zhì)組學(xué)質(zhì)譜數(shù)據(jù)分析等課程主題，也同樣把各位主講人通過網(wǎng)絡(luò)平臺(tái)聚在一起組建成生物信息學(xué)虛擬教學(xué)團(tuán)隊(duì)。

3.2 節(jié)約教學(xué)成本，并用團(tuán)隊(duì)教學(xué)模式 團(tuán)隊(duì)教學(xué)模式彈性而多元，大體可以分為以下4種模式[9]：（1）全員模式：教學(xué)團(tuán)隊(duì)各成員共同參與一門課的各個(gè)教學(xué)環(huán)節(jié)，并負(fù)有平等的責(zé)任和發(fā)言權(quán)。在同一時(shí)間內(nèi)同一個(gè)班級(jí)前展開互動(dòng)，從不同視角討論同一主題。（2）支持模式：教學(xué)團(tuán)隊(duì)各成員根據(jù)自身特長(zhǎng)輪流授課，負(fù)責(zé)不同的課程主題，共同參與學(xué)生的最終考核與成績(jī)?cè)u(píng)定。當(dāng)一位教師授課時(shí)，其他教師處于從屬地位，扮演不同角色輔助學(xué)生學(xué)習(xí)。（3）嘉賓模式：由一位教學(xué)團(tuán)隊(duì)成員全權(quán)負(fù)責(zé)整門課程的所有教學(xué)環(huán)節(jié)，其他成員以嘉賓或客座的身份針對(duì)自己負(fù)責(zé)的課程主題進(jìn)行講座。（4）分享模式：教學(xué)團(tuán)隊(duì)成員分別在不同班級(jí)獨(dú)立授課，但會(huì)不定期地碰面交流觀點(diǎn)，分享經(jīng)驗(yàn)和資源。還可以用某種方式共享一些自己的資源，以供其他成員借鑒和學(xué)習(xí)。

為了節(jié)約教學(xué)成本，由一名教學(xué)團(tuán)隊(duì)成員全程負(fù)責(zé)整門課程的所有教學(xué)環(huán)節(jié)，同時(shí)在授課教室利用網(wǎng)絡(luò)平臺(tái)將一個(gè)或幾個(gè)甚至是所有其他成員按需連線進(jìn)入教學(xué)現(xiàn)場(chǎng)，共同授課，這樣就相當(dāng)于綜合利用了全員模式、支持模式和嘉賓模式3種模式。教學(xué)團(tuán)隊(duì)中，有的成員除了參與教授這門課外，還給其他班級(jí)講別的課，有的成員可能來自其他行業(yè)，有的成員還可能身處國(guó)外，在課下都可以通過網(wǎng)絡(luò)平臺(tái)聚在在一起進(jìn)行交流，分享教學(xué)經(jīng)驗(yàn)與收獲，這便是分享模式。

3.3 利用網(wǎng)絡(luò)平臺(tái)，虛擬團(tuán)隊(duì)教學(xué)環(huán)境 學(xué)校教室大都安裝了多媒體設(shè)備，并能通過校園網(wǎng)訪問互聯(lián)網(wǎng)，利用即時(shí)聊天工具騰訊QQ、微信等把教學(xué)團(tuán)隊(duì)成員的講課視頻“現(xiàn)場(chǎng)直播”到教室，同時(shí)也可以借助視頻和音頻設(shè)備把教室的圖像和聲音傳給對(duì)方，虛擬團(tuán)隊(duì)教學(xué)環(huán)境，實(shí)現(xiàn)師生互動(dòng)。師生還可以隨時(shí)隨地遠(yuǎn)程登陸服務(wù)器上傳、下載課程作業(yè)、教學(xué)資料。

3.4 加強(qiáng)課下師生交流，激發(fā)學(xué)生學(xué)習(xí)熱情 課下除了通過E-mail聯(lián)系之外，還建立了不同主題的QQ群、微信群等，方便師生、生生及時(shí)溝通，把時(shí)間化整為零，將“有限的”課堂教學(xué)外延到“無限的”課下交流之中。有的群還保留著曾經(jīng)上過我們課的往屆學(xué)生，他們經(jīng)常在群里以自己的學(xué)習(xí)經(jīng)歷進(jìn)行言傳身教，營(yíng)造出濃厚的W習(xí)氛圍。還可以在群里給學(xué)生提供一些課外學(xué)習(xí)網(wǎng)站鏈接，作為延伸閱讀，激發(fā)學(xué)生的學(xué)習(xí)熱情。

3.5 立足團(tuán)隊(duì)教學(xué)實(shí)踐，驅(qū)動(dòng)師生科研創(chuàng)新 為了能在團(tuán)隊(duì)教學(xué)實(shí)踐中找到科研新切入點(diǎn)，嘗試把植物生物學(xué)和生物信息學(xué)兩門課程的師生拉進(jìn)一個(gè)群，進(jìn)行“大雜燴”式的交流，可以在新的廣度和深度上挖掘新問題。教學(xué)團(tuán)隊(duì)各成員的專業(yè)不同，閱歷不同，對(duì)問題的洞察力也不同，能用獨(dú)到的眼光和敏銳的嗅覺在這種師師、師生、和生生互動(dòng)中捕捉到稍縱即逝的科研靈感，凝練問題深入研究。例如，上植物生物學(xué)課的學(xué)生在聽了植物細(xì)胞與生根培養(yǎng)、植物引種快繁與生態(tài)因子等專題后，對(duì)植物優(yōu)良品種的培育和鑒定很感興趣，但苦于數(shù)據(jù)處理，得知這一情況后，上生物信息學(xué)的學(xué)生就在教師的指導(dǎo)下利用R語言開發(fā)了一款用于分析灰色關(guān)聯(lián)度的軟件――greyRelationalAnalysis.R[10]。為了方便大家使用，還用C++語言開發(fā)出greyRelationalAnalysis.R軟件的第二版，并把可分析的灰色關(guān)聯(lián)度類型由原來的一種擴(kuò)展到了4種，該工作已進(jìn)入論文投稿階段。又如，發(fā)現(xiàn)學(xué)生在課外學(xué)習(xí)長(zhǎng)鏈非編碼RNA（long non-coding RNA，lncRNA）時(shí)，對(duì)檢索到的大量相關(guān)文獻(xiàn)難以有效管理和利用，便帶領(lǐng)學(xué)生用R語言對(duì)lncRNA生物學(xué)文獻(xiàn)挖掘方法進(jìn)行了探索，目前該工作也正在投稿。正是源于團(tuán)隊(duì)教學(xué)實(shí)踐的科研項(xiàng)目，培養(yǎng)了學(xué)生的科研創(chuàng)新能力，使教師科研有了可持續(xù)推進(jìn)的動(dòng)力。這些成功案例豐富了團(tuán)隊(duì)教學(xué)內(nèi)容，激勵(lì)著更多學(xué)生勇攀知識(shí)高峰。

4 結(jié)語

眼下，大學(xué)生就業(yè)率被視為高校的生命線，而這與高校的教學(xué)質(zhì)量又息息相關(guān)。如何在辦學(xué)經(jīng)費(fèi)十分緊張的地方高校提升教學(xué)軟實(shí)力，實(shí)現(xiàn)跨越式發(fā)展，是擺在我們面前的一個(gè)共性的難題。通過本文的教學(xué)實(shí)踐表明，這種零成本的虛擬化團(tuán)隊(duì)教學(xué)模式作為一種新型教學(xué)模式在互聯(lián)網(wǎng)+和大數(shù)據(jù)背景下具有可行性。因此，今后應(yīng)該充分發(fā)揮虛擬化團(tuán)隊(duì)教學(xué)模式的優(yōu)勢(shì)，更好服務(wù)于高校教學(xué)，以培養(yǎng)更多符合新時(shí)代需求的可用之才。

參考文獻(xiàn)

[1]李鉅恒.團(tuán)隊(duì)式教學(xué)在實(shí)訓(xùn)課程中的應(yīng)用[J].遼寧行政學(xué)院學(xué)報(bào)，2006（8）：127-128.

[2]鄭建芳.職業(yè)學(xué)校教師團(tuán)隊(duì)建構(gòu)理念與策略[J].哈爾濱職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2007（5）：20-21.

[3]邱鏞妃.分模塊團(tuán)隊(duì)教學(xué)在人力資源管理課程中的應(yīng)用[J].山東電力高等?？茖W(xué)校學(xué)報(bào)，2009，12（2）：16-20.

[4]何侃.論復(fù)雜性視閾中的高職院校教師團(tuán)隊(duì)建設(shè)[J].教育與職業(yè)，2010（36）：69-71.

[5]謝曉平.高校思想政治理論課團(tuán)隊(duì)教學(xué)模式探討[J].理論界，2007（12）：222-223.

[6]丁玲，朱景林.團(tuán)隊(duì)教學(xué)模式在“形勢(shì)與政策”課教學(xué)中的應(yīng)用研究[J].成功（教育），2012（11）：26.

[7]叢培英.思想政治理論課團(tuán)隊(duì)教學(xué)的功能與途徑研究[J].沈陽工程學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2011，7（2）：259-261.

[8]張素蓮.以課程組為基礎(chǔ)的團(tuán)隊(duì)教學(xué)模式――關(guān)于高校思想政治理論課教學(xué)改革探索[J].教育教學(xué)論壇，2013（48）：257-258.