前言：中文期刊网精心挑选了群体遗传学概念范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
群体遗传学概念范文1
将图论方法与主坐标分析有机结合，利用图论方法构建各群体的最小生成树（minimalspanning中心化基因频率矩阵中的元素为数值变量资料，tree，MST)，并把最小生成树整合到主坐标散点图可选择欧氏（Euclidean)距离、马氏（Manhattan)距上，即可进一步揭示主坐标散点图中各群体之间离、曼哈顿（Block区组）距离、Bray-Curtis距离或的内在遗传结构关系，称之为图论主坐标分析Kulczynski距离等不相似性测度构建群体（dK)间(graphtheoryprinc;palcoordinatesanaiysis)<dcRibli的n>n阶不相似性矩阵;③将不相似性测度进行0.5dK转化，该转换可保证在计算过程中保持原有的不相似性；④对转换后的矩阵进行谱分解获得特征根L及其对应的特征向量U，并进一步计算各主坐标的贡献率及其累计贡献率；⑤根据Y=-u计算主坐标值，取前1、主坐标绘制二维主坐标散点图。
1.2.2按图论原理求过m维空间n个点的最小生成树
⑴图论与最小生成树的基本概念图论是近年来较活跃的数学分支之一，其研究对象为图。图[7]是指某类具体事物的顶点（vertex，或节点note)以及它们间的联系（图1)。节点与节点之间用线段联系，称为边（edge，或支路branch);某边的端点称为与该边的关联（incident)，与同一边关联的两个端点称为邻接（adjacant);起点与终点重合的通路为回路(circuit)。若图中两端点间由一条通路连接，则两端点是联通的（connected)，该图称为联通图；不含有回路的连通图称为“对”，树中的边称为树枝。可以证明树中任两顶点间必有一条且仅有一条通路。如果T图是G图的一个生成子图，且它又是‘树”，则T是G的生成树（span?ningtree)。设一个生成树的边的长度之和为权，则具有最小权的生成树称为最优树(optionaltree)或最小生成树。有n个顶点的树，可能会有n-2个生成树，但仅有一个最小生成树。构造最小生成树的方法常用避圈法或‘破圈法”。避圈法”中又分为以权重为主的Kruskal法和以点为主的Prim法，‘破圈法”则以逐步删除边”为基本思路。
⑵最小生成树的生成步骤①以基因频率矩阵X为基础，利用欧氏距离构造权矩阵；②以权矩阵为基础，利用Kruskal法构造最小生成树。首先选择并连接权重或相似性最大（或距离最短）的两点，再在剩余的点中选择与这两点之一相似性最大的点与之连接；再以相似性大小，逐次把剩余的点与巳连成的点连接起来，直至把所有点连接完为止，即可形成一个最小生成树。
1.2.3分割最小生成树用图论中求‘颈”的方法[w]分割最小生成树(MST)，对群体进行分类。具体步骤为：①求‘生干，：n个点由（n-1)个边互相连接，其中有两个端点仅有一条边连接，其余点至少有两条边连接，因而构成了一条无回路的链，被称为干”。其中，边数最多的干称为MST的‘主干”或直径②求子主干”以MST主干上的
的一条干，称该干为该点的子主干，子主干的边数为该点的‘深度”找‘颈”规定一个大于1的整数a，在主干上找出深度>a点的子主干，诸子主干公共部分中深度为零的各点间的边长为颈”在图中删除颈，使MST分割成若干部分，从而实现群体分类。
1.2.4将最小生成树整合到二维主成分散点图中构建图论主成分分类图根据最小生成树上n个点间的链接关系将二维主成分散点图中的n个点(群体）连接起来，并把上述确定的群体分类用虚线将各类围起，得出‘图论主成分分类图”。
采用GraphMagics-1.0.1(byDumitruCiu-batii.http：//downlinx.com/proghtml<downlinx.com/proghtml>/617/61756.htm)和PAST-1.30(byHammer[11].http：//folk.uio.no/ohammer/past/download.html)两个软件完成上述所有运算。
2实例分析--中国26个汉族人群HLA-
A位点群体遗传空间结构的图论主坐标分析
2.1群体遗传学资料根据不同地理环境，收集中国26个汉族群体的HLA-A基因多态性群体遗传学调查数据，以各基因的基因频率为指标进行统计，标准为：①样本含量大于100;②设一个人群的基因频率为一套，对每套数据先进行c2检验，剔除不符合Hardy-Weinberg定律者；③用加权法合并不同研究者对同一地区同一民族所报道的基因频率数据。以上资料组成中国汉族HLA-A位点的基因频率矩阵。该位点中的等位基因包括A1，A2(A203)，A3，A5，A9(A23，A24，A2403)，A10(A25，A26，A34，A66)，A11(A11.1，A11.2)，A19(A29，A30，A32，A33，A34，A74)，A28(A68，A69)，A36(表1)。
2.2中国26个汉族人群HLA-A位点的图论主坐标分析对表1数据所构成的HLA-A基因频率矩阵作中心化变换后进行主坐标分析。通过选取多种不相似测度构建不相似矩阵，发现用欧氏距离时的前1、主坐标的累计贡献率较大，达到77.35%，因此本研究选用欧氏距离不相似测度对中国26个汉族人群HLA-A位点的群体遗传结构进行图论主坐标分析，图1是其图论主坐标分类
解释了HLA-A位点遗传结构变异性的54.63%的信息；第2主坐标的贡献率为22.7%，解释了HLA-A位点遗传结构变异性的22.72%的信息，二者累积贡献率为77.35%，解释了HLA-A位点遗传结构变异性近80%的信息，说明降维效果较好。
⑵图中以上海汉族群体为界，将中国汉族群体区分为南方、北方两大汉族群体，沿横轴自左至右基本形成了自南向北的遗传地理梯度。该结果符合中华民族源与流的客观规律。
⑶用求‘颈”法分割最小生成树，又可把南、北方汉族两大群体分为若干亚群体，亚群体内各群体间HLA-A位点遗传结构相似。
⑷在散点图中位置相邻的群体，并非同属一s^chLSnnTopua^fdfmA-Alocusin类群体，需根据最小生成树的链接关系而定。例如，甘肃与河南两群体的空间位置虽很近，但它们在最小生成树中不相连，二者分属于不同的群体类型：甘肃群体与陕西群体相连，同属西北汉族群体；而河南群体与江苏群体相连，江苏群体又与安徽、河北两群体相连，四个群体同位于一个地理区域。
群体遗传学概念范文2
关键词：创新型混合教学模式；自主性学习；研究性学习；遗传学；
作者简介：刘向东(1965-)，男，农学院，博士，教授，博士研究生导师。研究方向：水稻生殖发育遗传和分子细胞学研究。
遗传学是生物科学中一门最具活力、发展最迅速的理论科学，对探索生命起源和本质，以及推动整个生物科学的发展起着巨大的作用，同时又是一门紧密联系生产实际的基础应用科学，对动植物新品种选育、良种繁育和遗传性疫病防治等都具有重要的指导作用。因此，该课程也就成为生物类、农学类和医学类学生最重要的专业基础课之一。国内外的相关大学都十分重视遗传学的教学工作，并做了大量卓有成效的工作，包括教材编写和教学方法改革等。就拿我国来讲，不同版本的遗传学教材不下10种，且多数是由遗传学的名家主编；教学方法的改革与新型教学模式也层出不穷。[1，2，3，4，5，6，7，8]华南农业大学是遗传学教学改革比较早的学校之一。从20世纪90年代至今，对农科类专业的遗传学教学方法进行过多种改革。归纳起来，主要是进行了四个阶段的四种改革：一是1997年至2001年间，改变原有单一粉笔教学的模式，利用电脑制作CAI课件，进行多媒体教学。从1997年开始编写基于PPT的CAI课件，1999年试用PPT的多媒体教学，2000年在农学类专业中全面推行以PPT为主的课堂教学，取得一定的成绩。遗传学课程的主讲教师刘向东也因此于2000年获得广东省“南粤优秀教师(讲坛新秀)”称号。二是进行“基于web-quest遗传学教改试验”，即“基于网上资源遗传学自主性学习教改试验”。于2001年至2003年间制作并完成了遗传学教改试验网站——《遗传学》网站，2003年成功地应用于教学，以后结合所获得的广东省教育厅“151工程”项目开展“基于web-quest遗传学教改试验”，取得良好的效果。[4]作为该项改革的原创性教学资源网站——《遗传学》网站于2007年获得第二届全国百佳网站(十佳学术类网站)，其改革成果也于2008年1月获广东省教育厅“151工程”项目课程改革奖(三等奖)。2001年至2004年期间还开展遗传学综合性实验和双语教学。[3]三是2003年至2006年间开展研究性、探索性的教改试验。四是2006年至今在原来以单一或数种教改方法简单结合的基础上，提出较适合农科类学生的“创新型混合教学模式”遗传学教改试验。
一、“创新型混合教学模式”遗传学教改试验的教学理念和总体设计
进入21世纪后，随着信息技术的迅速发展及其在教学上的广泛应用，原有单一的多媒体教学已难以适应诸如遗传学等迅速发展学科的教学需要了。为此，国外提出“混合式学习”概念(Blending-Learning)，[2]我国的浙江大学于2007年也提出“信息化环境下遗传学课程混合教学模式”。[2]“混合式学习”是把传统课堂教学的优势和利用信息技术学习(E-Learning)的优势相结合，从而达到发挥教师的引导作用、激发学生主动学习，以及培养学生能动性和创造性的目的。于2005年在农科类专业的遗传学教学中引入混合式学习的方式，2006年在农科类专业的遗传学教学中全面采用“混合教学模式”的教学方法，取得明显成效。2007年对该教学方法以及之前的教学改革方法进行全面的总结，提出适合华南农业大学农科类专业的遗传学教学的“创新型混合教学模式”遗传学教学改革法。该法的教学理念体现在创新和“混合”两个方面：创新要求教师在教学方法的改革上与时俱进，不断发展创新，发展主要体现在教师应该根据学生情况的发展进行教学改革，具体来讲，体现以人为本和科学改革；“混合”则要求教师在教学方法的采用上，不是采用单一的模式或几种简单方法的结合，而是灵活地应用多种教学方法，包括“基于web-quest(网上资源)自主性教与学”、研究性、探索性教学、教与学角色互换、综合性实验和双语教学等多种教学方法，并把这些方法整合成有机的整体，特别是“以问题为中心”的教法贯穿整个教学过程，形成适应不同年级和专业学生的教与学模式。
二、“创新型混合教学模式”遗传学教改试验的实施步骤
根据“创新型混合教学模式”遗传学教改试验的总体设计，主要按照六个步骤(方式)进行：
第一步。框架式引导教学。在介绍框架前，首先让学生了解什么是遗传学？遗传学研究什么？学习遗传学有什么用？然后介绍遗传学课程内容的框架，即包括哪些章节等。为了便于学生了解掌握，我们把遗传学分成7个单元，即：遗传学的细胞学基础，经典遗传学(即遗传学三大规律)，细胞遗传学基础(即染色体结构和数目变异)，微生物遗传学基础(细菌和病毒的遗传)，分子遗传学基础(基因概念的发展、基因组结构特征、DNA分子标记及应用、基因组学、后基因组学和生物信息学基础)，细胞质遗传学基础，数量和群体遗传学基础。这样，学生对遗传学的结构就有一个大概的了解，学习也就有了方向性。
第二步。教师以问题为中心，讲授课程重点内容。先是提出问题，然后着重介绍有关的重要名词、基本原理、实(试)验推导、解释、验证和应用等。比如在讲授孟德尔遗传规律时，先提出性状是如何遗传的问题，然后介绍孟德尔著名的遗传试验、所获的结果、结果假设、分析、解释和进行合乎性验证等，最后归纳为杂交试验、结果分析和验证三部曲等。对于一些发展较快的知识(领域)，如分子遗传等适当地采用双语教学，要求学生掌握有关的英语名词，帮助他们能自己查阅一些有关的英文文献。
第三步。教与学角色的互换，引导学生进行主动性、自主性学习。具体做法是讲完每个单元，要求学生自己出试题考察学习效果，出题的形式不拘一格。学生所出的试题交给老师汇总后，选择其中的一些题目作为期中考试和期未考试试卷的部分内容。期中考试的题目全部选自学生自己出的题，考试采用三种方式：一是抽样混合试题，即每个学生出的题目抽1-2题，集中成一份试卷，全部学生参加考核；二是交换题目彼此考查，一个学生用另一个学生出的考题考核；三是自考，学生自己出题自己考。这种教与学角色互换的方法得到学生的充分肯定。调查发现，90%以上的学生认为自己出题比纯粹由教师出题难，学习效果更好，如果没有真正掌握有关的内容是出不了好题目的。通过出题使学生从被动学习转入主动学习，调动了学习的积极性，增加学习的兴趣，而且使学生善于提炼问题和进行举一反三的思考，拓宽了思路。当然为了让学生出好题，教师开始需要做一些引导，告诉他们出题的技巧。另外，也要鼓励他们出有创意(新)的题目，通过出创意(新)题目，不但可以培养学生的创新精神，在一定程度上也培养了其应变能力。为了更好地通过考试来培养学生的创新能力，我们对期末考试也进行了较大的改革，比如出一些让学生分析遗传学现象、总结和阐述遗传规律的主观性题目，培养其透过自然界的现象探寻生命的遗传本质的能力。
第四步。选择性开展Web-quest的自主性学习。根据之前改革已取得的经验，主要是选择近年来发展较快的一些遗传学内容(如基因工程等)开展基于Web-quest的自主性学习。基本做法是以已制作的《遗传学》网站为依托，按照以下的步骤进行：(1)教师引导学习，教授遗传学章(节)重点内容(框架)；(2)学生利用《遗传学》网站进行网上自主学习和讨论；(3)教师提问；(4)教师讲解重要问题(包括疑难问题)；(5)学生开展网上测试、延伸自主学习和论坛活动；(6)学生展示延伸学习的成果和体会；(7)教师总结。期间为了增加学生学习的积极性，在学生查阅文献时，如果找到一些有关遗传学最新进展和动态的资料，鼓励学生浓缩写成快讯在《遗传学》网站交流，使他们有成就感，进一步增加主动和自主学习的兴趣和积极性。
第五步。自愿性的研究性学习。主要采用三种方式：一是结合研究生的研究工作，选择一些与遗传学课程内容关系较密切的内容，让学生分组在研究生指导下开展小实验。比如，实验室每年都有多个研究生开展DNA分子标记研究，鼓励有兴趣的学生与研究生一起开展有关的实验，包括DNA提取、PCR扩增和电泳等。通过短期的研究，一方面加深学生对遗传学基本原理的理解，另一方面也培养学生的动手能力和应用知识的能力。由于这种方式所需的时间相对较短，结果容易得到，与一般的实验教学相比，前者较为灵活、有创意、成本相对较低，所以学生普遍较欢迎。二是采用通常的研究性教学，即让学生根据兴趣，分组选择一个与遗传学相关的研究小课题，独立组织和开展研究工作，应该说，这个方式效果很好，[9][10]但往往在遗传学上课期间难以完成，在一定程度上影响效果。三是结合毕业论文工作开展研究性的学习。[11]具体做法是在学习遗传学课程的主要内容后，在指导教师的引导下，让学生选择一个与遗传学内容有关的题目作为毕业论文。为了有效地进行此项的研究性学习，抓住两个关键问题：一是毕业论文开始的时间安排在遗传学课程修读期间。遗传学课程修读的时间一般是在大学三年级上学期，也把毕业论文开始时间安排在该学期，这样就可以让学生通过边学遗传学课程边发现与遗传学有关的问题。课程结束前，在教师的引导下，选择一个与遗传学知识有关，而学生本人又有兴趣的题目，开展毕业论文的研究工作。由于毕业论文一直要做到四年级下学期，历时2年时间，所以，可以深入开展一些与遗传学有关的研究工作。二是处理好遗传学主讲教师和毕业论文指导教师的关系。其中最佳方案遗传学主讲教师既是遗传学课程的教师，同时又是毕业论文的指导教师，这样不但可以达到研究性教学的目的，也可以保证毕业论文能顺利完成。如果两者不一致，就需要遗传学的主讲教师与毕业论文的指导教师进行协调商讨确定。为了更好地开展研究性学习，结合研究性同时开展相关的综合性实验。
第六步。采用融会贯通式、生动活泼的课程大总结。一是理论总结，通过以“可遗传变异的类型、创造方法、基本原理、应用和意义”为主脉把所有单元的内容有机联系在一起，形成该课程的系统性；另外是以“遗传与健康(疾病)”为专题讲座进行形象生动的总结，通过“遗传病”提出一条主线，把遗传学各章节的内容串在一起。二是实践总结，主要是利用我们拥有的国家级重点学科作物遗传育种和广东省植物分子育种重点实验室的100多亩校内实验基地，在每学期课程学习结束后带学生到该基地进行参观和实习。由于该基地每年种植(早晚两季)的材料很丰富，包括有20多个野生稻种、2000多份不同类型的野生稻居群、各种突变体、杂种后代和特殊的遗传材料(如单片段代换系等)等，可以让学生对遗传学研究的物质实体和研究内容有较好的直观认识，并在实际中进行总结。比如，通过参观各种野生稻和栽培稻，让学生认识基因型与表现型的关系，以及遗传的多样性；通过观察各种分离世代的材料，让学生认识三大遗传规律；通过参观同源四倍体水稻，让学生认识染色体数目变异的遗传效应；通过参观水稻单片段代换系和分子标记辅助选择的后代，让学生深入认识分子遗传学的有关知识；通过参观三系和二系杂交稻，让学生认识细胞质遗传学和生殖遗传学的有关问题。通过参观田间不同世代材料，让学生认识许多数量遗传学和群体遗传学的问题。实践证明，采用以上方法的总结，不但让学生对遗传学有了直观、生动的认识，而且使学生接近自然、接近科学研究的第一线，丰富了教学的内容，达到了既教书又培养学生科学研究的思想和兴趣的目的，深受学生的欢迎。
三、“创新型混合教学模式”遗传学教改试验的成效分析
为了评估“创新型混合教学模式”遗传学教改试验的效果，2006和2007年先后对其中180名参加试验改革的学生进行匿名问卷调查，发现92.87%的学生认为“创新型混合教学模式教学改革”可激发其学习兴趣，提高主动性；91.69%的学生认为可提高自学能力；93.37%的学生认为有助于基本知识的理解和应用；93.66%的学生认为扩大了知识面；91.95%的学生认为可培养学生独立思考问题的能力；91.55%的学生认为知识收集、加工、处理能力得到提高；92.14%的学生认为提高了综合能力；91.12%的学生认为充分运用了计算机等信息技术；90.53%的学生认为有助于学习者相互学习。与之前采用单一模式或简单几种方法的效果相比较，“创新型混合教学模式”在以上每项指标的得分均比之前的方法高出10%左右。除了以上量化的结果外，还得到参试学生的书面评价，其中绝大多数的学生给予高度评价，比如有学生认为，“创新型混合教学模式”“使原本深奥的遗传学变得简单，使同学们在活跃的氛围中掌握了遗传学的基本知识”；“使学生综合和创新能力得到提高”；“能启发学生的思维、激发学习遗传学的兴趣、增强探索的欲望”；等等。这些结果充分说明我们的改革是成功的，有进一步推广的价值。
群体遗传学概念范文3
1 生物学哲学的再定位
费尔巴哈在谈到哲学的改造时说过：“哲学必须重新与自然科学结合，自然科学必须重新与哲学结合”。这是一种“建立在相互需要和内在必然性上面的结合”。〔1〕自然科学构成了哲学的基础， 生物科学是这个基础中不可或缺的组成部分。如同所有其他科学一样，生物科学也深深受到哲学的理论思维和方法的影响。生物学哲学作为连结哲学与生物学的桥梁和中介，对二者的重新结合起着十分重要的作用。从学科建设的角度看，这门学科的存在和发展，既须以实证科学知识特别是生物科学的知识材料为基础，跟上现代科学技术发展的步伐；又要汲取哲学研究的积极成果，适应当代哲学变革的需要。
就学科性质而言，一般认为生物学哲学属于科学哲学体系中的一个分支学科。《大英百科全书》第15版所列《自然哲学》条目将关于自然的实际特征问题作为实在来进行考察，并分为物理学哲学和生物学哲学两个部门。不过这里对“自然哲学”一词的使用，有别于以往的传统自然哲学，而是“作为对科学哲学的补充”。如所周知，西方科学哲学是以科学为研究对象，主要论述科学的认识论和方法论问题。维也纳学派的创立者M.石里克的自然哲学也是作为一种科学哲学，一种探讨哲理的科学方法。他申明自然哲学的任务在于解释自然科学命题的意义，自然哲学是一种旨在考察自然定律的意义的活动。在其自然哲学讲稿中关于生物哲学的分析，便是从有机自然现象也一定要由定律来描述这一点出发，来讨论生物学中的机械论与活力论问题。
在科学哲学的发展进程中，除了一般科学哲学，还兴起了特定学科的科学哲学，自本世纪初以来主要是物理科学哲学。传统的科学哲学带有片面的物理主义倾向，认为运用物理方法能够对这个世界作出绝对完全的描述，世界上发生的每一事件均可用物理语言来描述。物理主义最热烈的倡导者、分析哲学的主要代表人物之一的R.卡尔纳普声言：“如果根据物理语言的普遍性，把物理语言用作科学的系统语言，那么，所有的科学都会成为物理学。……实际上只有一种客体，那就是物理事件。在这物理事件范围内，规律是无所不包的”。〔2 〕石里克也同意物理主义的观点，他仅仅基于量的方面的考虑而得出结论：“对于自然哲学而言，有机体不过就是一些特殊的具有复杂结构的系统，它们被包含在物理世界图像的完美和谐的秩序之中”。〔3〕
传统的科学哲学把研究重点放在物理学的定律和理论上，把它们看作科学的结构和逻辑的范例。之所以这样是有其深远的科学背景的。自牛顿实现了力学中第一次伟大综合，此后，经典物理学的各个分支日趋完善，牛顿的机械纲领左右了近代科学和哲学的发展。本世纪初以相对论和量子力学的建立为标志的物理学革命，是物理学发展中的重大突破，也是对科学哲学的有力推动。逻辑经验主义的主要代表H.莱辛巴赫所著《量子力学的哲学基础》一书，就是通过对量子力学的科学成果的分析，阐释了他关于知识的性质、客观实在以及因果性等问题的见解。多年来，科学哲学的研究植根于逻辑学、数学及物理学定律，重视对物理理论的分析而忽略了生物学。正如在科学哲学家的视野内，有机生命及其进化只不过是世界科学图景中的一个次要因素；在科学哲学的殿堂中，生物学哲学也是处于比较次要的从属的地位。这种状况只是到本世纪中叶以后才开始改观。随着分子生物学所取得一系列新进展，导致了生物学的革命，生命科学作为最激动人心的科学领域跃居到自然科学的前沿，对现代整个自然科学和哲学的影响也日益显著。由于引入数学、物理、化学等学科的理论、方法和新的技术手段，现代生物学的研究领域得以向微观和宏观层次不断延伸扩大，并愈来愈趋向系统的复杂性，向揭开物质世界最复杂最高级的系统——大脑的奥秘进军。生物学研究的课题愈来愈带有根本性，当今自然科学的研究重点正在转向研究生命本身。对生命现象的深入探索，增强了人们对生物学的哲学兴趣，并促使科学哲学向新的研究方向转变。在这方面，现代综合进化论的主要建筑师之一E.迈尔作出了开创性的工作，他致力于建立生物学的新哲学，强调这样一种新的科学哲学必须放弃对僵化的本质论和决定论的依附，必须将科学概念加以扩展、不仅包括物理科学的而且还包括生物科学的原理和概念。
传统科学哲学还带有专注于纯科学领域的局限。国外学术界在讨论医学哲学与科学哲学的关系这一论题时，已有学者指出，从历史上看，科学哲学家往往不到自然科学领域外面去寻找对科学的定律、解释和理论的洞察力以确定理论演变的进程，而是将自己限制于纯科学形式中，一直忽视和轻视象工程学、农学和医学这样的应用科学领域。同时由于传统科学哲学仅仅局限于从“内部”考察科学，忽视了科学技术与社会之间的互动关系，这种狭窄的科学观不可能得出真正有洞察力的答案。传统科学哲学在研究视野上的这些缺陷，对后来兴起的生物学哲学也产生了某种程度的影响。
固然，科学哲学主要是把科学作为知识体系，对之进行认识论和方法论的研究，但是认识的最终目的不是知识本身，而是改造世界的实践活动。对科学的哲学反思也不能脱离它所固有的实践本性。在科学、技术和社会走向一体化的现时代，尤有必要拓宽科学哲学的领域，开展实用性的或应用性的研究，并将科学哲学研究同科技发展的社会研究结合起来。作为实用科学的农学和医学与作为基础科学的生物学之间的联系极其密切，它们都属于生命科学的范畴。在生命科学哲学领域内，理应包括对这些应用学科的理论和实践的哲学研究。以分子生物学为依托的生物技术，将成为医学和农业科学的主导技术，并将引起医学革命和第三次农业革命。生物技术的“每一个创新，每一个技术妙举，每一个概念上的困难的解决，都使得需要一种确定的生物学哲学变得更加显著，并且目前正在朝向这个目标发展”。〔4〕
21世纪将是生物学世纪。可以预期，未来世纪生命科学的巨大进展及其革命性变化，必然要求生物学哲学在已有研究基础上，无论从理论框架到研究内容到论题范围都要有所突破。要尽力吸收、消化生命科学的最新成就，以正确的世界观和方法论为指导作出新的哲学概括，提出新的理论观点及发展生物科学技术的战略选择，这些可谓生物学哲学学科建设的题中应有之义。
2 拓展和深化生物学发展新形势下的生物学哲学研究
以下试从生物科学发展的规律性、生物学规律与物理规律的关系以及生物学规律与社会规律的关系三方面谈点浅见。
（1）“自然科学现在已发展到如此程度， 以致它再也不能逃避辩证的综合了”。〔5〕恩格斯在上个世纪80年代作出的这一论断， 揭示了辩证思维对于了解科学事实的辩证性质的必要性，这也为后来自然科学本身的发展所证实。
近现代自然科学发展的趋势是由经验分析进到辩证综合，这在生物学的发展中表现得十分明显。自本世纪二、三十年代起，在生物学范围内开始出现一些学科的综合趋势。早期的两大综合，一个是以胚胎学为中心，将之与细胞学、遗传学和生物化学综合起来，形成统一的发育观点；另一个是以进化论为中心，将达尔文的自然选择学说与群体遗传学相结合，发展为一个有巨大阐明力的学说，即现代综合进化论。进化的综合范式取得了富有建设性的成果，如迈尔所说，是在有关的学科之间找到了一种共同语言并澄清了许多进化问题和作为其基础的各种概念。但是这一范式仍是不完善的，还有不少尚未解决的问题。它不仅受到一些批评家的非难和质疑，就是在达尔文主义者之间也依然存在某些意见分歧。更完全的综合始于本世纪50年代中后期诞生的分子生物学，它是生物化学、微生物学和遗传学等学科相互融合的产物，其主要目标之一是试图将大量的生物功能与分子水平上发生的事件联系起来。分子生物学的核心——分子遗传学，在信息大分子的结构、功能及相互关系的基础上来研究生物的遗传与变异。按照生物学史家G.E.艾伦的说法，J.沃森和F.克里克的工作，把信息学派、结构学派和生化学派对遗传（甚至扩展到整个生物学）的问题的研究统一起来了。作为一个新的遗传学范式，分子遗传学的范式补充和修正了（不是取代）进化综合范式，推动了关于进化过程中基因的变化和调节机制等问题的研究。着眼于分子水平上的进化的中性学说同着眼于表型进化的自然选择学说，也应看作是一种互补关系而非互相否定。现代分子生物学在进化研究方面的认识成果向人们昭示，一种完整的进化理论的建立，期待着传统的进化生物学与分子生物学实现新的综合。更进一步看，生物进化是种系发生和个体发育的辩证统一过程，对进化的深层认识，必须解开发育之谜这个世纪难题，以阐明个体发育中基因在多层次水平上的程序控制机理。由于分子生物学、细胞生物学与遗传学的结合，把发育生物学推向前台，将成为21世纪生命科学的新主角。据中科院未来生物学预测研究组预测，在分子水平上使遗传、发育和进化的统一成为可能，这将是未来生物学的主要理论任务之一。由这三者统一所导致的理论大综合，蕴含着丰富的哲学思想。从哲学认识论和方法论上对之进行理论概括，也应成为未来生物学哲学的主要理论任务之一。
“分久必合”。生物学中的这种综合趋势还在继续。一些生物学家预言，面向21世纪的生命科学，必然是各学科相互渗透与相互交融的“大生物学”时代。“大生物学”要求辩证地综合与不同组织水平相关的各门学科所积累的科学事实，建立起一般的生命理论，发展统一的生物学原理。多种学科的综合，反映了生物现象的相互联系和科学概念、方法论准则的统一。结合生物学认识发展的内在逻辑的考察，对生物学理论的相互关系（特别是理论的概念结构之间的转换、理论范式的确立和更替）进行哲学分析，能为我们提供有关生物科学发展规律性的新的认识。
（2）在生物学哲学的讨论中， 争议较多而且也是悬而未决的一个理论问题是关于生物学的自主性问题。具体言之，生物学的概念与规律能否在某种意义上“还原”为物理学和化学的概念与规律？生物学家运用的解释型式（例如历史的解释或目的论的解释）在物理科学中是否相宜？在生物系统中显示的某些现象是否也在无机系统中显现或有重大差异？等等这样一些有关生物学和物理学的联系究竟是什么的问题， 被A. 罗森伯格称之为“生物学哲学的中心问题”（《生物科学的结构》）。根据对这个问题的不同回答而形成了“自主论”与“分支论”两派泾渭分明的理论观点。这种分野在历史上的表现形式是活力论与机械论的对立，在现代则主要是所谓反还原论与还原论的争论。
从本体论方面说，讨论物理化学的实体和过程是否构成所有生命现象的基础，这实质上就是高级运动形式与低级运动形式的相互关系问题。如果把生命运动形式同物理化学的运动形式混同起来，甚至完全否定生命运动在质上的特殊性，这种本体论上的极端还原论倾向在哲学上和生物学上都是不可取的。相反，如果把生命运动的独特性绝对化，忽视其与其他运动形式之间的包容关系和发生学联系，这种倾向同样是不可取的。以辩证唯物主义的物质运动形式观为指南，依据科学认识的新成果，将能通过阐明生命运动和低级运动形式存在的联系和连续性而更深入地揭示其本质。
从方法论方面说，在生物学中通过把复杂现象分解为更为简单的组成部分进行研究，最终在物理化学层次上——分子层次上——作出说明，这也即还原论作为方法论的功能。分子生物学正是运用物理化学的还原方法来分析生命活动的基本过程，才获得了划时代的成就。这被誉为还原论的胜利。但是也要看到，生物学中还原方法的应用是有其局限性的。研究表明，生物体是一个多层次的、有组织的、结构复杂的系统，其中各个组成部分和整体具有多方面的相互作用。生物体的整体性不能建筑在来自于各个部分的分子碎片之上，分子参与组织的整体，它们的转移和复制是整体的全部功能的结果。本世纪下半叶以来系统科学和非线性科学的发展，为探索生命系统的复杂性提供了新的科学思想和科学方法。还原论方式的自下而上的决定原则即较低层次决定较高层次的原则，同系统整体思维方式的自上而下的决定原则即较高层次决定较低层次的原则，二者既相互对立又相互依赖，它反映了部分与整体的辩证法。合理地结合这两种决定原则，应是生物学进一步阐明生命机制及其规律性的研究战略。
（3）在当代， 从自然科学奔向社会科学的强大潮流已成为不可遏止之势。由于生物学革命对自然和人类社会生活产生的广泛影响，凸显了人的自然基础和社会基础的统一问题。与此相应，生物科学和社会科学的综合性研究也成为人们关注的热点。加拿大哲学家M.鲁斯在其《生物学哲学》一书中宣称，未来的社会科学将和生物学结合起来，社会学将把生物学的成果包括在自己的理论中，研究这种结合会提供许多有意义的东西。从现代生物学的发展可以看到，生物科学领域的一些学科（如遗传学、动物行为学、生态学等）与社会学、人类学、伦理学、经济学及政治学等学科的渗透、融合，不仅加深了人们对自然界和人类自身的认识，同时也启迪了对生物学规律和社会规律二者相互关系的哲学思考。如生态经济学作为生态学与经济学交叉发展起来的一门边缘学科，主要是阐明生态系统与经济系统相互作用所形成的生态经济系统运动和发展的客观规律。而生物政治学则旨在用生物学的概念、原理和方法来研究政治行为，借以探索社会政治生活的本质及其规律。在横跨生物科学与社会科学的众多交叉学科中，1975年由美国动物学家E.威尔逊在其巨著《社会生物学：新的综合》中所倡导并加以重新解释的社会生物学引起了很大反响。这是一门系统研究一切动物（包括人类在内）的社会行为的生物学基础的学科，其核心在于承认基因是遗传和自然选择的基本单位，一切社会行为均有其特殊的遗传结构。威尔逊和C.拉姆斯登还进行了更为广泛的概括，在他们所著《基因、理性和变化》（1981）中提出基因—文化互作进化论，认为整个人类文化领域在一定程度上依赖于遗传控制。学术界对社会生物学褒贬不一，围绕它所提出的人类行为的遗传决定问题展开了激烈的争论。这场争论远未完结，它所涉及的生物进化与文化进化的关系、社会生物学的哲学意义以及如何正确评价这一学说等问题也是生物学哲学研究的课题。
生物学与社会相互作用的一个引人注目的方面，表现为生物技术研究对伦理观的冲击和基因工程的社会控制及其伦理调节。生命科学技术的进步，在造福人类的同时也引发出许多社会伦理问题，向传统的伦理道德观念提出了新的挑战。举医学领域来说，由于医学技术以人作为直接作用对象，它所引发的伦理问题更为突出。自本世纪六、七十年代以来，国外医学界关于死亡标准、器官移植、安乐死、重组DNA 技术以及人工生育技术种种问题的伦理学争论，无不反映了传统伦理观的困惑和人类面临的伦理学上的选择。在当代新科技革命条件下，随着生物高技术的发展，不断涌现出新的伦理道德难题。被称为生物学领域的第一“大科学”的人类基因组工程，无疑会深化人类对自身结构的认识，但这项研究也将面临与伦理观念相悖的严峻形势。例如，由检测基因产生的侵犯个人健康隐私权问题。当今在世界范围内受到广泛关注的克隆绵羊“多利”的出世，更是激起了一场有关其应用前景和伦理意义的大争论。人能否克隆？在人身上重现这一成就或者创造新的生命形式（如人兽混合体）是否合乎伦理？未来的生命科学技术怎样与社会协调？是否应该着手进行人种改造的选择？站在生物学哲学的高度，我们将如何回答这些问题？
参考文献
[1]费尔巴哈：《费尔巴哈哲学著作选集》，上卷，商务印书馆， 1984，第118页。
[2]洪谦主编：《逻辑经验主义》，下卷，商务印书馆，1984， 第476页。
[3]莫里茨·石里克：《自然哲学》， 商务印书馆， 陈维杭译， 1984，第68页。
[4]金吾仑选编：《自然观与科学观》，知识出版社，1985， 第30页。
群体遗传学概念范文4
一、整合生物信息学的研究领域
尽管目前一般意义上的生物信息学还局限在分子生物学层次，但广义上的生物信息学是可以研究生物学的任何方面的。生命现象是在信息控制下不同层次上的物质、能量与信息的交换，不同层次是指核酸、蛋白质、细胞、器官、个体、群体和生态系统等。这些层次的系统生物学研究将成为后基因组时代的生物信息学研究和应用的对象。随着在完整基因组、功能基因组、生物大分子相互作用及基因调控网络等方面大量数据的积累和基本研究规律的深入，生命科学正处在用统一的理论框架和先进的实验方法来探讨数据间的复杂关系，向定量生命科学发展的重要阶段。采用物理、数学、化学、力学、生物等学科的方法从多层次、多水平、多途径开展交叉综合研究，在分子水平上揭示生物信息及其传递的机理与过程，描述和解释生命活动规律，已成生命科学中的前沿科学问题（摘自：国家“十一五”生命科学发展规划），为整合生物信息学的发展提供了数据资源和技术支撑。
当前，由各种Omics组学技术，如基因组学（DNA测序），转录组学（基因表达系列分析、基因芯片），蛋白质组学（质谱、二维凝胶电泳、蛋白质芯片、X光衍射、核磁共振），代谢组学（核磁共振、X光衍射、毛细管电泳）等技术，积累了大量的实验数据。约有800多个公共数据库系统和许多分析工具可利用通过互联网来解决各种各样的生物任务。生物数据的计算分析基本上依赖于计算机科学的方法和概念，最终由生物学家来系统解决具体的生物问题。我们面临的挑战是如何从这些组学数据中，利用已有的生物信息学的技术手段，在新的系统层次、多水平、多途径来了解生命过程。整合生物信息学便承担了这一任务。
图1简单描述了生物信息学、系统生物学与信息学、生物学以及基因组计划各个研究领域的相关性。可以看出基因组计划将生物学与信息学前所未有地结合到了一起，而生物信息学的兴起是与人类基因组的测序计划分不开的，生物信息学自始至终提供了所需的技术与方法，系统生物学强调了生物信息学的生物反应模型和机理研究，也是多学科高度交叉，促使理论生物学、生物信息学、计算生物学与生物学走得更近，也使我们研究基因型到表型的过程机理更加接近。虚线范围代表整合生物信息学的研究领域，它包括了基因组计划的序列、结构、功能、应用的整合，也涵盖了生物信息学、系统生物学技术与方法的有机整合。
整合生物信息学的最大特点就是整合，不仅整合了生物信息学的研究方法和技术，也是在更大的层次上整合生命科学、计算机科学、数学、物理学、化学、医学，以及工程学等各学科。其生物数据整合从微观到宏观，应用领域整合涉及工、农、林、渔、牧、医、药。本文将就整合生物信息学的生物数据整合、学科技术整合及其他方面进行初步的介绍和探讨。
二、生物数据挖掘与整合
生物系统的不同性质的组分数据，从基因到细胞、到组织、到个体的各个层次。大量组分数据的收集来自实验室（湿数据）和公共数据资源（干数据）。但这些数据存在很多不利于处理分析的因素，如数据的类型差异，数据库中存在大量数据冗余以及数据错误；存储信息的数据结构也存在很大的差异，包括文本文件、关系数据库、面向对象数据库等；缺乏统一的数据描述标准，信息查询方面大相径庭；许多数据信息是描述性的信息，而不是结构化的信息标示。如何快速地在这些大量的包括错误数据的数据量中获取正确数据模式和关系是数据挖掘与整合的主要任务。
数据挖掘是知识发现的一个过程，其他各个环节，如数据库的选择和取样，数据的预处理和去冗余，错误和冲突，数据形式的转换，挖掘数据的评估和评估的可视化等。数据挖掘的过程主要是从数据中提取模式，即模式识别。如DNA序列的特征核苷碱基，蛋白质的功能域及相应蛋白质的三维结构的自动化分类等。从信息处理的角度来说，模式识别可以被看作是根据一分类标准对外来数据进行筛选的数据简化过程。其主要步骤是：特征选择，度量，处理，特征提取，分类和标识。现有的数据挖掘技术常用的有：聚类、概念描述、连接分析、关联分析、偏差检测和预测模型等。生物信息学中用得比较多的数据挖掘的技术方法有：机器学习，文本挖掘，网络挖掘等。
机器学习通常用于数据挖掘中有关模式匹配和模式发现。机器学习包含了一系列用于统计、生物模拟、适应控制理论、心理学和人工智能的方法。应用于生物信息学中的机器学习技术有归纳逻辑程序，遗传算法，神经网络，统计方法，贝叶斯方法，决策树和隐马尔可夫模型等。值得一提的是，大多数数据挖掘产品使用的算法都是在计算机科学或统计数学杂志上发表过的成熟算法，所不同的是算法的实现和对性能的优化。当然也有一些人采用的是自己研发的未公开的算法，效果可能也不错。
大量的生物学数据是以结构化的形式存在于数据库中的，例如基因序列、基因微阵列实验数据和分子三维结构数据等，而大量的生物学数据更是以非结构化的形式被记载在各种文本中，其中大量文献以电子出版物形式存在，如PubMed Central中收集了大量的生物医学文献摘要。
文本挖掘就是利用数据挖掘技术在大量的文本集合中发现隐含的知识的过程。其任务包括在大量文本中进行信息抽取、语词识别、发现知识间的关联等，以及利用文本挖掘技术提高数据分析的效率。近年来，文本挖掘技术在生物学领域中的应用多是通过挖掘文本发现生物学规律，例如基因、蛋白及其相互作用，进而对大型生物学数据库进行自动注释。但是要自动地从大量非结构性的文本中提取知识，并非易事。目前较为有效的方法是利用自然语言处理技术NLP，该技术包括一系列计算方法，从简单的关键词提取到语义学分析。最简单的NLP系统工作通过确定的关键词来解析和识别文档。标注后的文档内容将被拷贝到本地数据库以备分析。复杂些的NLP系统则利用统计方法来识别不仅仅相关的关键词，以及它们在文本中的分布情况，从而可以进行上下文的推断。其结果是获得相关文档簇，可以推断特定文本内容的特定主题。最先进的NLP系统是可以进行语义分析的，主要是通过分析句子中的字、词和句段及其相关性来断定其含义。
生物信息学离不开Internet网络，大量的生物学数据都储存到了网络的各个角落。网络挖掘指使用数据挖掘技术在网络数据中发现潜在的、有用的模式或信息。网络挖掘研究覆盖了多个研究领域，包括数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等。根据对网络数据的感兴趣程度不同，网络挖掘一般还可以分为三类：网络内容挖掘、网络结构挖掘、网络用法挖掘。网络内容挖掘指从网络内容/数据/文档中发现有用信息，网络内容挖掘的对象包括文本、图像、音频、视频、多媒体和其他各种类型的数据。网络结构挖掘的对象是网络本身的超连接，即对网络文档的结构进行挖掘，发现他们之间连接情况的有用信息（文档之间的包含、引用或者从属关系）。在网络结构挖掘领域最著名的算法是HITS算法和PageRank算法（如Google搜索引擎）。网络用法挖掘通过挖掘相关的网络日志记录，来发现用户访问网络页面的模式，通过分析日志记录中的规律。通常来讲，经典的数据挖掘算法都可以直接用到网络用法挖掘上来，但为了提高挖掘质量，研究人员在扩展算法上进行了努力，包括复合关联规则算法、改进的序列发现算法等。
网络数据挖掘比单个数据仓库的挖掘要复杂得多，是一项复杂的技术，一个难以解决的问题。而XML的出现为解决网络数据挖掘的难题带来了机会。由于XML能够使不同来源的结构化的数据很容易地结合在一起，因而使搜索多个异质数据库成为可能，从而为解决网络数据挖掘难题带来了希望。随着XML作为在网络上交换数据的一种标准方式，目前主要的生物信息学数据库都已经提供了支持XML的技术，面向网络的数据挖掘将会变得非常轻松。如使用XQuery 标准查询工具，完全可以将 Internet看作是一个大型的分布式XML数据库进行数据浏览获取、结构化操作等。
此外，数据挖掘还要考虑到的问题有：实时数据挖掘、人为因素的参与、硬件设施的支持、数据库的误差问题等。
一般的数据（库）整合的方法有：联合数据库系统（如ISYS和DiscoveryLink）, 多数据库系统（如TAMBIS）和数据仓库（如SRS和Entrez）。这些方法因为在整合的程度，实体化，查询语言，应用程序接口标准及其支持的数据输出格式等方面存在各自的特性而各有优缺点。同时，指数增长的生物数据和日益进步的信息技术给数据库的整合也带来了新的思路和解决方案。如传统的数据库主要是提供长期的实验数据存储和简便的数据访问，重在数据管理，而系统生物学的数据库则同时对这些实验数据进行分析，提供预测信息模型。数据库的整合也将更趋向数据资源广、异质程度高、多种数据格式、多途径验证（如本体学Ontology的功能对照）、多种挖掘技术、高度智能化等。
三、生命科学与生物信息学技术的整合
生物信息学的研究当前还主要集中在分子水平，如基因组学/蛋白质组学的分析，在亚细胞、细胞、生物组织、器官、生物体及生态上的研究才刚刚开始。从事这些新领域的研究，理解从基因型到表型的生命机理，整合生物信息学将起到关键性的作用。整合生物信息学将从系统的层次多角度地利用已有的生物、信息技术来研究生命现象。另外，由其发展出的新方法、新技术，其应用潜力也是巨大的。图2显示了生命科学与生物信息学技术的整合关系。
目前生命科学技术如基因测序、QTL定位、基因芯片、蛋白质芯片、凝胶电泳、蛋白双杂交、核磁共振、质谱等实验技术，可以从多方面，多角度来分析研究某一生命现象，从而针对单一的实验可能就产生大量的不同层次的生物数据。对于每个技术的数据分析，都有了大量的生物信息学技术，如序列分析、motif寻找、基因预测、基因注解、RNA分析、基因芯片的数据分析、基因表达分析、基因调控网络分析、蛋白质表达分析、蛋白质结构预测和分子模拟、比较基因组学研究、分子进化和系统发育分析、生物学系统建模、群体遗传学分析等。整合生物信息学就是以整合的理论方法，通过整合生物数据，整合信息技术来推动生命科学干实验室与湿实验室的组合研究。其实践应用涉及到生物数据库的整合、功能基因的发现、单核苷酸多态性/单体型的了解、代谢疾病的机理研究、药物设计与对接、软件工具以及其他应用。
在整合过程中，还应该注意以下几方面内容：整合数据和文本数据挖掘方法，数据仓库的设计管理，生物数据库的错误与矛盾，生物本体学及其质量控制，整合模型和模拟框架，生物技术的计算设施，生物信息学技术流程优化管理，以及工程应用所涉及的范围。
四、学科、人才的整合
整合生物信息学也是学科、教育、人才的整合。对于综合性高等院校，计算机科学/信息学、生物学等学科为生物信息学的发展提供了学科基础和保障。如何充分利用高校雄厚的学科资源，合理搭建生物信息学专业结构，培养一流的生物信息学人才，是我们的任务和目标。
计算机科学/信息学是利用传统的计算机科学，数学，物理学等计算、数学方法，如数据库、数据发掘、人工智能、算法、图形计算、软件工程、平行计算、网络技术进行数据分析处理，模拟预测等。生物信息学的快速发展给计算机科学也带来了巨大的挑战和机遇，如高通量的数据处理、储存、检索、查询，高效率的算法研究，人工智能的全新应用，复杂系统的有效模拟和预测。整合生物信息学的课程设计可以提供以下课程：Windows/Unix/Linux操作系统、C++/Perl/Java程序设计、数据库技术、网络技术、网络编程、SQL、XML相关技术、数据挖掘，机器学习、可视化技术、软件工程、计算机与网络安全、计算机硬件、嵌入式系统、控制论、计算智能，微积几何、概率论、数理统计、线性代数、离散数学、组合数学、计算方法、随机过程、常微分方程、模拟和仿真、非线性分析等等。
生物学是研究生命现象、过程及其规律的科学，主要包括植物学等十几个一级分支学科。整合生物信息学的课程设计可以提供以下课程：普通生物学、生物化学、分子生物学、细胞生物学、遗传学、分子生物学、发育生物学、病毒学、免疫学、流行病学、保护生物学、生态学、进化生物学、神经生物学、基础医学、生物物理学、细胞工程、基因工程、分子动力学、生物仪器分析及技术、植物学、动物学、微生物学及其他生物科学、生物技术专业的技能课程。
作为独立学科的生物信息学，其基本的新算法，新技术，新模型，新应用的研究是根本。课程涉及到生物信息学基础、生物学数据库、生物序列与基因组分析、生物统计学、生物芯片数据分析、蛋白质组学分析、系统生物学、生物数据挖掘与知识发现、计算生物学、药物设计、生物网络分析等。另外，整合生物信息学的工程应用，也需要了解以下学科，如生物工程、生物技术、医学影像、信号处理、生化反应控制、生物医学工程、数学模型、试验设计、农业系统与生产等。
此外，整合生物信息学的人才培养具有很大的国际竞争压力，培养优秀的专业人才，必须使其具备优良的生物信息科学素养，具有国际视野，知识能力、科研创新潜力俱佳的现代化一流人才。所以要始终紧跟最新的学术动态和发展方向，整合学科优势和强化师资力量，促进国际交流。
五、总结及展望
二十一世纪是生命科学的世纪，也是生物信息学快速不断整合发展的时代，整合生物学的研究和应用将对人类正确认识生命规律并合理利用产生巨大的作用。比如进行虚拟细胞的研究，整合生物信息学提供了从基因序列，蛋白结构到代谢功能各方面的生物数据，也提供了从序列分析，蛋白质拓扑到系统生物学建模等方面的信息技术，从多层次、多水平、多途径进行科学研究。
整合生物信息学是基于现有生物信息学的计算技术框架对生命科学领域的新一轮更系统全面的研究。它依赖于生物学，计算机学，生物信息学/系统生物学的研究成果（包括新数据、新理论、新技术和新方法等），但同时也给这些学科提供了更广阔的研究和应用空间，并推动整个人类科学的进程。
我国的生物信息学教育在近几年已经有了长足的进步和发展。未来整合生物信息学人才的培养还需要加强各学科有效交叉，尤其是计算机科学，要更紧密地与生命科学结合起来，共同发展，让我们的生命科学、计算机科学和生物信息学的教育和科研走得更高更前沿。
作者简介：
