前言：中文期刊网精心挑选了生物信息学方向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。
生物信息学方向范文1
关键词：生物信息学；生物技术；教学改革
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）36-0197-03
一、生物信息学课程的教学背景
生物信息学（Bioinformafics）是一门集数学、计算机科学以及生物学等多学科交叉而形成的新兴热点学科，实质就是利用信息科学与技术解决生物学问题。它的内涵目前包含了分子生物大数据的获取、加工、存储、分配、分析、解释等在内的所有方面。依据分子生物大数据的类型不同，生物信息学的数据对象分布在基因组、转录组、蛋白质组等不同水平层次的数据以及跨层次的转录调控、转录后调控和表观遗传修饰等纵向连接。依据学科任务的不同，生物信息学一方面要组织好生物大数据的储存和获取，一方面要开发优良的算法和工具软件对生物大数据教学分析，同时还要利用这些生物大数据和工具来产生新的生物学认识，为下游的湿实验生物学家提供理论依据和指导。近年来，随着高通量生物大数据检测技术，如基因芯片技术、高通量测序技术等的发展，生物信息学已经在生物、医学、药物开发、环境保护以及农业应用等众多领域普及推广了起来。大量的生物数据急迫地需要处理，相应地产生了对生物信息专门人才的广泛需求。
因此，《生物信息学》课程也快速地在各院校大学生教学中开展了起来，甚至在局部高校产生了生物信息学本科专业。然而在实际的教学中也伴随着种种问题，影响了该课程的教学效果。本文现就近年来在生物背景的学生中所开展的生物信息学的教学实践浅谈一点体会，对其存在的问题和对策作一论述。
二、生物信息学课程教学改革
（一）教学内容特点
生物信息学属于多学科交叉学科，需要在分子生物学、遗传学、高等数学以及计算机编程等的课程基础上进行讲授。不同学科基础以及不同来源的生物数据反映在教学内容上，生物信息学的一个特点就是信息量大。它囊括了概率统计、计算机语言、人工智能和机器学习、生物数据库介绍、序列比对、分子进化分析、基因组序列分析、基因注释与功能分类、基因表达谱分析、蛋白质表达与结构分析、生物分子网络以及计算表观遗传学等众多的内容模块。
从历史发展角度看，这些内容以基因组测序为主体，生物信息学的发展可以划分为3个阶段：前基因组时代、基因组时代以及后基因组时代（又称为功能基因组时代）。以人类基因组计划的完成为时间节点标记，目前的生物信息学已经进入到了功能基因组学时代。因此，体现在当前的生物信息学教学内容上的另外一个特点就是“新”。
（二）教材的选择
生物信息学教学内容的以上特征要求在教材的选择上更需要全面衡量考虑。由于对生物信息学知识的大量需求，目前教材市场上的相关书籍也琳琅满目，选择余地较大。我们推荐的教材是科学出版社2010年第二版的Instant Notes Bioinformatics，由T. Charlie Hodgman等人编写[1]。这本书的教学内容以基因组的生物信息学分析为主体，兼顾概率统计、机器学习、代谢组学等数理基础知识和后续功能基因组分析。其中尤以序列比对、打分矩阵、系统发育树的构建分析为核心内容。这种课程设置把庞大的生物信息学体系缩小集中在了序列分析部分，这样既便于学生系统充分地掌握生物信息学知识，又兼顾了学科的发展基础和趋势。
另外，本教材为英文教材，这适应了生物信息学快速发展的要求，让学生近距离地体验到学科前沿气息。为了扩大学生的知识渠道来源，我在教学中推荐了几种不同类型的参考书籍。其中，David W. Mount编写的《Bioinformatics Sequence and Genome Analysis》和本校陶士珩教授主编的《生物信息学》，在教学内容以及体系上均和本教材较为相近[2，3]。乔纳森.佩夫斯纳著，孙之荣主译的《生物信息学与功能基因组学》则更侧重功能基因组学的内容[4]。李霞主编的《生物信息学》在内容全面、丰富的同时，也较为侧重功能基因组学的内容，同时还强调在医药卫生领域的应用和研究热点[5]。
该书使用了彩印版，同时伴有光盘、习题集以及参考答案，目前在教材市场上较为受欢迎。最后，考虑到生物学背景的学生在计算机实际动手能力方面相对较为弱势，我在教学中还特别推荐了几本结合生物信息学与编程语言的书籍供同学们课后学习。这些教材包括：A.基于Perl语言的《Beginning Perl for Bioinformatics》、《Mastering Perl for Bioinformatics》；B.基于R语言的《R Programming for Bioinformatics》；C.基于Python语言的《Bioinformatics Programming Using Python》[6-9]。
（三）学时和考核方式的设定
生物信息学课程尽管面临学科发展的迫切需要，教学内容广泛而众多，但由于大学本科生的学时学分限制，目前我们的相关教学仅包括32学时的理论学时以及两周的生物信息学实习。为了弥补学时不足的限制，我们更突出强调了实际表现的考核方式。考核成绩中的平时成绩由30%上升到40%，包括平时表现、随堂测验以及课后作业等。
（四）存在的主要问题与解决办法
1.激发兴趣。由于所教授的学生为生物学背景，不少学生均对数学、计算机等数理课程较为恐惧，缺乏学习兴趣和韧性。这是本课程讲授过程中所面临的第一大问题。为此，我尝试了多种教学办法进行解决，取得了一定的效果。
（1）去除学生的恐惧心理。从心理学上讲，恐惧的形成源于过去失败经历的阴影以及对于未知事物的不确定性。因此，我在教学中注意突出生物学在生物信息学中的重要地位，以生物信息学领域的成功科学家为例，破除以往失败经历的阴影。同时，适当地浓缩教学内容，降低学生对未知事物不确定性的恐惧。
（2）激发学习生物信息学的热情。通过教学的互动，让学生在互动中消除对生物信息学的陌生感，熟悉生物信息学，激起学习的欲望。
（3）在学习中感受生物信息学发展的脉搏。通过介绍生物信息学的发展史，对比历史上类似的科学发展历程，让学生深刻地领悟到当前的生物信息学在学科史中的定位。
（4）在实践中感受生物信息学的魅力。比如，在进行系统发育树构建的讲授中，同学们可以看到由于数学算法的使用，原本枯燥无味的序列数据居然能够反映物种和基因的进化历程。通过教学中的改革实践，同学们的学习兴趣有了较大的提升。
2.夯实基础。生物学背景的学生另外一个特点是数理基础和计算机语言编程能力相对较为薄弱。在教学过程中，我首先注意引导学生扬长避短，充分发挥学生在生物学理解能力上的优势，避免进入基础性的数学算法纠缠中。同时，让学生认识到，作为一个交叉性的学科，生物信息学的上下游学科链较长，同学们可以根据自身条件选择进入不同的环节。比如，擅长基础性的算法工具软件开发的同学可以进入上游的理论环节，擅长生物学理解的同学可以使用这些工具进入下游的生物信息应用领域。第三，在课程设置上，着重加强生物信息学方向的数理基础课程，比如生物统计、Linux以及Perl语言等，改善生物技术专业的学生在生物信息学方向的薄弱环节。最后，向同学们强调，注意在学习的过程中提高学习能力才是根本。让同学们意识到，基础不是问题，只要提高了学习能力，持之以恒地去实践，均能学好本门课程。
3.紧跟前沿。生物信息学是一门前沿性很强的学科。为了既能提高学生的知识水平，又提高学生的学习能力，这就要求在教学中既要恰当地剪裁知识结构和体系，又要有提供充分的学习锻炼空间。为此，我们将课程设置为双语课程，这样做的好处是既不耽误知识的学习，又能适当地提高学生的适应能力，为学生在将来英文环境较普遍的生物信息学领域中的学习研究应用打下扎实基础。同时，为了更适应将来学生对生物信息的使用环境，同时也为了降低难度，我们的双语课程更侧重阅读、理解能力的提高，以避免简化为英语学习课，和普通的英文课程内容的重叠。另外，前沿性很强的生物信息学处处蕴藏着创新的机会，在教学过程中，我注意鼓励学生的创新意识。比如，学生在上课过程中的一些小想法，我鼓励其大胆投入，形成研究性论文。
4.注重实践性。生物信息学在教学中既要注重对学生思维方式的转变的教育，形成用生物信息学去看待生物大数据的思想，而不仅仅是解决某个具体生物学问题的“小工具”，又要求学生在课程学习中具备一定的实践能力。由于长久以来的教育体制和学习习惯的制约，同学们的学习重点仍然集中在知识的记忆、考试的应付上面，缺乏对实际动手能力的正确认识。这给生物信息学这门课程的教学，特别是实践教学带来了较大的压力。为此，我在教学中着重采用身边的典型案例教学法进行教学。比如，以往届学生由于其突出的实践能力最后促成了他毕业就业的成功为例，说明动手能力的重要性。贯穿在课程教学中，我对学生实验课程的理念是鼓励其独立自主地完成实验，尽量少干涉，允许其在实践中犯错误，在犯错中学习提高。经过思想观念的转变、实践中的反复雕琢提高，学生们的实践动手能力都得到了较好的提升。
三、结语
生物信息学是一门快速发展的新型热门学科，其发展与生命科学发展是相辅相成的。本文针对《生物信息学》的教学进行了一些探讨，特别是针对生物背景学生的教学进行了深入集中的研究。
本文认为，只有激发学生的学习兴趣，夯实基础，注重实践动手能力，紧跟学科发展前沿趋势，这样才能切实做好生物信息学的课程教学工作，提高该课程的教学质量，以此满足我国目前该领域对人才的教育需要，培养出具有一定的实践操作能力和很强的创新能力的大学生。
参考文献：
[1]T.Chalie Hodgman AF，David R. Westhead.生物信息学导读版[M].北京：科学出版社，2010.
[2]Mount DW （2002） Bioinformatics Sequence and Genome Analysis：科学出版社.
[3]陶士珩.生物信息学[M].北京：科学出版社，2007.
[4]乔纳森.佩夫斯纳.生物信息学与功能基因组学[M].孙之荣，主译.北京：化学工业出版社，2009.
[5]李霞.生物信息学[M].北京：人民卫生出版社，2010.
[6]Tisdall J （2001） Beginning Perl for Bioinformatics：O'Reilly.
[7]Tisdall J （2003） Mastering Perl for Bioinformatics：O'Reilly.
[8]Gentleman R （2008） R Programming for Bioinformatics：Chapman & Hall/CRC.
[9]Model ML （2009） Bioinformatics Programming Using Python：O'Reilly.
生物信息学方向范文2
2l世纪是生命科学的世纪，人类及模式生物基因组计划的全面实施，使分子 生物 学数据 以爆炸性速度增长。面对基因组学、蛋白质组学、基因芯片、分子进化等大量的生物信息，在计算机科学、网络技术以及生物分析技术的相互作用和渗透下，诞生了一门崭新的学科――生物信息学 （Bioinforma-tics）。当前，生物信息学教学还处于起步阶段，对于生物信息学实践课还没有完善的教学模式和有效的教学方法，如何在医学院校进行生物信息学实践课教学还有待进一步探索。
1医学生物信息学的主要研究内容
1.1 疾病基因的发现与鉴定
据相关研究表明，约有6000种以上的人类疾患与特异基因的改变有关，这些关键性基因或其产物的结构功能异常，可以直接或间接地导致疾病的发生。目前，使用基因组信息学的方法通过超大规模计算是发现新基因的重要手段。例如：通过构建肿瘤 cDNA文库，我们可以揭示肿瘤发生的分子水平变化，寻找靶基因。
1.2药物设计与新药研发
生物信息技术为药物研究、设计提供了崭新的研究思路和手段。生物信息药物设计常用的方法有：（1）三维结构搜寻，寻找符合特定性质和三维结构的分子，从而发现合适的药物分子。（2）分子对接，建立大量化合物的三维结构数据库，依次搜索小分子配体使其与受体 的活性位点结合，通过优化使得配体与受体的形状和相互作用最佳匹配。（3）全新药物设计，利用计算机自动设计出与受体活性部位的几何形状和化学性质相匹配的结构新颖的药物分子。
生物信息学方法为药物研制提供了更多的、潜在的靶标，大大减少药物研发的成本，提高研发的质量和效率。
1.3流行病学研究中的应用
将流行病学的遗传和非遗传性的研究与生物信息学结合起来，会对疾病的机理、个体对某种疾病的易感性和疾病在群体中的分布有更明确的认识，对疾病的预防和治疗有极大的指导意义。
2 医学生物信息学教学存在的问题
2.1缺乏实践课教材
目前，?没有专门针对医学院校学生的生物信息学实践课教材。而国内各大高校使用的生物信息学教材多为国外教材的影印版或者中文翻译版本，这些教材一般内容宽泛，需要学生具有较高的相关基础知识，并且偏重介绍生物信息学的理论和方法，对实践环节的指导较少。
2.2缺乏有效的教学方法。
很多院校开设生物信息学实践课仅是以验证理论课所讲授的内容为目的，缺乏针对学生特点的教学设计，讲授内容单调，忽视了对学生分析问题能力的培养。
2.3学生实践课学习基础存在差异
生物信息学实践课的授课内容需要学生使用计算机在网络环境下完成，这需要学生具有较强的计算机操作技能和网络运用能力。不同学生在计算机的操作技 能和网络使用能力上存在较大的差异。另外，常用的数据库和软件基本上都是英文版本，这需要学生具有一定的英文素养，学生英文水平的差异也会影响他们对实践课学习的效果。
3 医学生物信息学实施方法和对策
3.1建立具有模块化的教学大纲
根据医学生物信息学课程的特点，对授课内容进行调整，建立模块化的教学大纲，例如：导论模块、数据库及使用模块、基因组信息学及其分析方法模块、蛋白质组生物信息学模块、代谢和药物生物信息学及系统生物学模块等，使学生清楚每个模块的特点和作用，提高学生的学习兴趣，激发学生的学习热情。
3.2强化实验教学
生物信息学的学习是运用生物、医学、数学、以及计算机科学等诸多学科知识进行分析、判断推理、综合的实践过程，强化实验教学显得尤为重要。
3.3结合多媒体技术与双语教学
教学过程中可以打开相关软件和网站进行演示，使抽象的生物信息学知识以具体的、动态的形式展现出来， 从而加深学生对课程的掌握程度。此外，生物信息学涉及到的数据库、网站、应用软件多为英文界面，所以双语授课显得尤为重要，教师可借助多媒体，对课程进行中英整合讲解。
3.4结合科研实例进行教学
教师可以结合现阶段的科研背景和具体的研究方向，结合实例进行教学，可以让学生真正掌握利用生物信息学方法解决生物学问题的思路，并培养和提高学生的科学思维能力。
生物信息学方向范文3
摘要：师范教育改革下高师院校课程的重新建设已成为重中之重。如何在改革的新背景下建构合适的课程体系，成为高师院校要解决的问题。本文立足于师范教育改革背景下的需求，针对《生物信息学》课程的特点和教学中存在的问题进行初步探讨，就其在教学方法的更新、教学标准的编写、考核方法的改进等方面提出了一些思考，希望通过不断的完善从而提高《生物信息学》课程的教学质量。
关键词：师范教育改革；生物学信息学；课程建设
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）21-0102-02
随着教育的发展，教师体制也不断发生改变，顺应发展的趋势，教师资格证的改革开始不断推进与完善。2012年《国家中长期教育改革和发展规划纲要》精神和教育部部署启动全国中小学和幼儿园教师资格证改革试点工作，2013年《中小学教师资格考试暂行办法》出台并规定：试点启动后入学的师范专业学生申请中小学教师资格应参加教师资格考试。2015年我国正式实施教师资格证国考制度，并实行五年一个周期的注册制度。教师资格证制度的变革是对高师院校实施教学改革的促进同时也是对师范生的挑战。改革制度下更要求提高教师的综合素质和学生能力的培养，而《生物信息学》所具备的专业性与前沿性正是师范教育对学生着重培养的方向与目标。
《生物信息学》是一门交叉学科，包含了对生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，运用数学、计算机科学和生物学的各种工具阐明和理解大量数据所包含的生物学意义。随着大规模的基因组测序工作的开展，生物学数据获得了大量的积累，生物信息学悄然兴起并得以蓬勃发展。生物信息学使学生了解学科前沿和新技术进展，同时培养学生综合运用知识的能力。但目前多数院校只将其设为选修课程，重视程度很低，而且在教学内容、方法等方面存在一些问题。由于师范教育改革对师范生要求不断提高，课程的学法和内容也要与时俱进，怎样建构新的课程体系是高师院校需要解决的问题。
一、课程教学现状
1.师资力量薄弱。生物信息学不仅对教师专业知识要求高，同时也需要有计算机理论基础的教师来授课。但目前教授生物信息学课程的教师大多都为其他生物学课程的教师，这些教师往往缺乏专业的生物信息学分析软件操作训练和计算机基础，不能将各学科更好融合。
2.教学方法滞后。生物信息学是一门交叉学科，但教师在教学过程依旧采用传统教学方法，计算机辅助教学不常见，这种授课方式不仅效果欠佳也没有发挥此学科的优势。而且在教学过程中不注重培养学生对生物信息学的重要性的认识，所以学生认为该课程只是理论学科，认识不到其对实践操作能力的重要和生物数据分析的意义。
3.实践教学不足。受传统的教学观念影响，教师在教学过程中只注重理论教学忽视实践教学，导致学生所学的理论知识与实践脱节。因为生物信息学对于网络高度依赖，但由于受学时限制，课堂教学的内容有限，实践教学课时数较少，内容也比较简单，缺乏完善的实践教学过程，学生也缺乏实际动手操作的能力。
4.考评方案简单。生物信息学的考核重点是学生对生物信息基本概念的理解，软件操作的掌握程度及生物数据分析解释的能力。但一些学校的考试形式还全部是理论知识，缺少实际操作能力的检验，这种考评办法的评价效能差，而且不能体现学科的特点。
二、课程体系建设优化
1.提高教师素质。教师是教学的核心资源，其知识水平和操作技能都会影响教学的效果。提高教师素质首先要对任课教师开展《生物信息学课程教学改革和实践》专题讲座，其次鼓励教师通过查阅相关文献，了解课程的特点及发展，组织大家进行讨论，再次，也要积极组织教师参加科研活动，提高科研新能力，在科研过程中进一步了解本学科的前沿内容。
2.编写教学标准。如今的教师专业化不只是强调教师要有扎实的理论知识，更要有实践能力。所以生物信息学的课程建设改革要组织新的教学内容，合理安排理论学时特别是实验学时。课程标准对生物信息学的研究内容、现状和发展前景做具体的介绍，主要对生物信息学的基本概念和基本方法进行讲解，重点是分析软件的操作方法和生物学数据库的使用方法的讲解。
3.改进教学方法。师范教育改革意味着对师范生各方面要求的逐渐提高，学生不能只被动接受知识，所以教师在教学中要利用多媒体辅助进行直观教学，演示生物学数据库的浏览与检索，软件的使用，基因序列的检索、基因阅读框架的找寻、序列比对、进化树的构建等操作。教师也可以提供课件和DNASTAR、DNAMAN、MEGA、BIOEDIT等软件安装程序及使用手册等扩大学生的自学空间，使学生的被动学习变为主动学习，也符合师范教育对学生创造能力、应用能力的培养。
4.教学科研结合。生物信息学教学强调能力的培养，且学科的交叉性也能使学生将所学知识与之结合。教师可以鼓励学生参与相关课题研究，学校也可以提供机会让学生参与到创新创业性研究的科研项目中，这样的学习方式可以激发学生对科研的兴趣，巩固课程中所学到的知识，使学生掌握生物信息学课程的实践技能，也更好的体现对师范生创新能力培养。
5.优化理论课结构。师范教育提倡以学生为主体的授课方式，所以课堂可以采取不同的学习方式如小组合作或学生讲述等以此丰富理论课的教学模式。教师可以提出问题由小组成员讨论研究学习，课堂也可以以自讲的方式进行学习，学生通过查阅资料了解学科在临床医学、药物产业等方面的应用以及在后基因组时代的主要研究内容等，不仅掌握了前沿知识同时也锻炼教师技能，对于师范教育培养有很好的促进作用。
6.加强实验课建设。师范教育在强调师范生理论知识的同时更注重实际的操作能力，所以实验教学起着越来越重要的作用，在学习中通过生物数据库的使用，可以提高学生处理生物信息的能力。生物学数据库均可以通过网络提供数据检索服务，学生可以根据理论知识进行相应的实际操作。学院可以进一步开放实验室，为学生创造动手操作的自学实验环境。
7.改革考核方法。考试是检测教学效果的方法，也是促进学生学习的有力手段。如何考核需要制定详细的评价指标体系。生物信息学的考核改革是在基础考核之上增加了小组答辩和论文成绩。小组答辩以生物信息学在疾病研究中的应用为拟设计命题，培养学生协作收集整理相关文献并展示其整合分析结果的能力。论文以蛋白质生物信息学分析在药物靶点挖掘和药物设计中的应用为题。最后根据论文结构完整性和内容独创性、条理逻辑性和学术水平进行评分。
三、课程体系构建的进一步设想
进一步利用网络学习平台慕课扩展生物信息学的理论深度与新技术发展，学生可以进一步接触并利用云计算等技术对大数据进行处理，或基于手机客户端让学生随时可以查询及学习，这样的构建既是生物信息学课程建设的发展，也是培养学生能力的体现。生物信息学课程建设改革对学生综合运用知识的能力起到了促进作用，也加强了理论联系实践的操作能力。生物信息学能够培养学生全面掌握生物学知识，对今后选择生物学科领域的工作有推动作用，也是师范生成为合格人民教师的理论基础。
参考文献：
[1]蓝秋燕.教师资格证“国考”下师范类教学法课程变革的探讨[J].高教论坛，2014，（3）.
[2]林玉生，汪磊，久梅.谈教师资格证国考框架下的高师心理学教学改革[J].辽宁师专学报（社会科学版），2016，（3）.
[3]赵屹，谷瑞升，杜生明.生物信息学研究现状及发展优势[J].医学信息学杂志，2012，33（5）.
[4]于啸，孙红敏.计算机专业设置生物信息学课程的建设与实践[J].计算机教育，2010，（14）.
[5]汤丽华.浅谈大学本科生物信息学课程建设与教学[J].高校讲坛，2010，（17）.
[6]陶嫦立.关于提高生物类专业《生物信息学》教学的一些建议[J].教育教学论坛，2016，（32）.
[7]石春海，肖建富，吴建国.构建优质教学体系 促进《遗传学》精品教育[J].遗传学教学，2013，35（1）.
[8]王彬，韩赞平，张泽民，等.《遗传学》课程建设的实践与思考[J].洛阳师范学院学报，2008，（5）.
[9]吴建盛，李政辉，张悦.强化创新型开放性实验 促进生物信息学课程建设[J].信息通信，2013，（6）.
收稿日期：2016-11-21
生物信息学方向范文4
【关键词】生物信息学；医药基因；应用
中图分类号：R9
文献标识码：A
文章编号：1006-0278（2015）02-119-01
当前，生物信息学是自然科学以及生命科学等前沿领域，集合了多种学科，是21世纪研究自然科学的核心和基础。
一、药物设计与发展
（一）传统药物研发
药物研究和开发的传统方法就是从动物器官、组织或者细胞中筛选出符合要求的药理模型，或者从植物、动物以及天然矿物质入手，又或者在确定候选药物的过程中以化学合成为基本形式，并进一步优化先导物，一切工作准备就绪以后即可将候选药物推入临床使用，观测其使用效果，合格以后投入市场。这种方法简单有效，但是费用和时间都相对花费较多。据不完全统计，在未诞生生物信息学以前新药的研究开发需要历经十年时间，其所花费的费用总额约为5-10亿美元；此外，传统的新药研究方法存在一定的缺陷和不足，筛选合成物的过程较为繁琐，新药开发效率极低。
（二）计算机辅助药物设计
白上世界70年代开始，美国麻省理工学院霍恩贝尔教授率先提出了分子设计，白此之后，药物分子设计逐渐被应用到新药研究中；而随着计算机技术的进一步普及和推广，药物分子设计的基础就是计算机辅助药物设计方法，即CADD。计算机辅助药物设计的一般原理就是：第一步，在X单晶衍射等技术的支撑下获取完整的大分子结构，并在相关软件的支持下分析具体的化学性质；第二步，充分发挥全新药物分子设计技术以及数据库搜寻的优势，寻找理化性质与分子形状与受体作用位点相一致的分子，测试并合成分子生物活性，在循环几次以后，就能顺利得到新的先导化合物。当前，主要有二种计算机辅助药物设计方法：其一，药效基团模型方法、定量构效方法等基于小分子的药物分子设计方法；其二，计算组合方法；其二，分子对接法等基于受体结构的药物分子设计方法。
二、生物信息学在药物设计中的应用
1.生物信息学的研究领域较广，涉及的内容较多，主要包括非编码区功能研究、蛋白质谱技术和蛋白质组研究、基于完整基因组数据的生物进化研究、生物大分子结构模拟和药物设计、基因表达调控网络的研究、大规模基因组测序中的信息分析、生物信息的收集、存储、管理与提供以及启动子、外显子、内含子的识别等。近年来，新的高效实验技术不断发展，这就要求生物信息学不断扩展研究领域。生物信息学的出现和推广，为药物设计和开发提供了新的路径和方法，推动着药物设计向理性化和专业化的方向发展，这大大减少了新药的研究费用和开发时间。蛋白质序列和核酸序列的功能和结构信息是生物信息学的主要研究对象，这为药物设计提供了坚实的理论支撑，大大缩短了药物开发使用的时间。当前，大量的生物大分子二维结构已经被成功测定，依据大分子和药物分子相互作用的原理，可以在研究受体结构的基础上科学设计药物分子。所以，药物设计的一种重要手段就是充分发挥生物信息学的优势，寻找出合适的先导化合物。全新药物分子设计、分子对接以及二维结构搜索是目前较为普遍的几种方法。
2.物信息学的发展切实改变了药物研究和开发的模式。传统的药物研发模式就是筛选并选择出合适的药理模型先导物，并将先导物进行优化，评价合格以后投入市场使用。在基因组计划大力实施的今天，DNA自动测序大规模完成，序列数据急剧增加，生物信息学在对数据进行加工、整理的过程中会发现药物的新靶点，然后对其进行计算和建模，确保药物设计的顺利进行，这在一定意义上开创了药物研究和开发的新模式，有利于增强新药研发的有效性和针对性，大大缩减了药物设计和研发的时间，节省了人力、物力、财力投入。
3.生物信息学参与新药推向市场。在研制新药并临床适用通过以后，就要将其推广到市场，这时，首要的就是收集和整理该药所治疗的疾病患者的地区分布、市场需求以及年龄结构等情况，从而制定出市场价格、专利申请保护等切实可行的市场开发战略，为新药注入持续不断的发展活力。但是这些信息较为分散，收集难度较大，这时就要充分发挥生物信息学的优势，对网络数据库中的信息进行分析和整理，减少开发过程中的盲目性，大大提升新药的开发效率，减少物力、财力等资源消耗。
三、结语
当前，生物信息学逐渐成为现代药物开发和研究的重要工具，而且药物设计与生物信息学有着更加紧密的联系；与此同时，药物设计的不断发展也要求生物信息学进一步拓宽研究领域和范围，生物信息学的发展会在一定程度上推动药物设计的发展和进步。
参考文献：
[1]张建华，张士金生物信息学能否推动现代中医药研究的发展[J]医学争鸣，2012（5）.
生物信息学方向范文5
关键词：生物信息学；教学模式；探索
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2014）20-0214-02
生物信息学是一门由生命科学、数学和计算机科学相互渗透形成的新型交叉学科，它利用各种计算机软件、生物学工具及互联网技术对生命科学研究中产生的各种生物数据进行存储、加工及分析，从而达到理解数据中的生物学含义的目标[1-3]。当前，生物信息学已经成为生物、医学、农学、遗传学、细胞学等生命领域各学科发展的强大推动力量，已成为生命科学研究者强有力的辅助工具。近年来，随着分子生物学在动物植物育种、遗传资源创新、品种改良、病虫害防治等农业方面的应用，生物信息学作为一种实用、高效的手段被充分利用。《生物信息学》课程也相应地被列入各农业院校大学生教学计划。新疆农业大学根据学校专业发展现状及学生培养需求于2010年将《生物信息学》课程作为生物技术专业的必修专业课，通过三年来的教学实践，针对课程教学中存在的无合适教材、网络资料繁杂、教学内容陈旧、教学手段单一、考核模式简单等问题[4-5]，笔者在课程的教学内容、教学方法、考核办法等方面进行了初步探索，本文现就该课程教学模式作一论述。
一、教学目标及内容
由于生物信息学是一门新兴学科，其理论及相关分析工具发展迅速、不断更新，在课程教学目标和教学内容上也在不断变化。我认为对于当前农业院校生物技术专业的培养目标和要求是让学生理解掌握生物信息学相关的一些基本理论、实验技术及实践操作，以核酸序列及蛋白质序列的实际分析为主要侧重点，着重培养学生的实践能力，使他们能适应今后工作学习的需要。据此，确定了以下的教学内容：教学内容共36学时，分为理论基础和上机实践两部分，理论课中穿插实例示范，共24学时。理论教学内容包括：生物信息学绪论、生物信息学的生物学基础、生物信息数据库及其检索、序列的基本信息分析及比对、分子系统发育分析、蛋白质结构预测及分析、组学技术及信息学分析；上机实践共12学时，内容包括：常用生物数据库的查询与搜索、核酸序列的分析方法实践、多序列比对和系统发育分析、蛋白质序列分析及空间结构预测、DNA序列中基因结构预测分析。在理论授课中介绍与农业相关生物信息数据库及应用，在实例分析中选用本校教师相关研究结果作为数据来源，拉近学生与知识点的距离，提高学习兴趣，使学生认识到学习本课程的意义，通过讲练结合使学生掌握相关实践分析能力。
二、教学材料
1.教材的选择。生物信息学目前仍处速发展时期，尤其是随着各种新技术、新理论及组学的发展，涉及到的学科越来越多。当前生物信息学专著及教材层出不穷，但中文版书籍中影印国外原版教科书和翻译书籍仍占很大比例，这类书籍中，专著专业性过强，而教材又多是针对生物信息学专业的学生或“一本”的学生编写的，难度较大，并且各自侧重点不同，并不适合作为一般的农业院校的生物信息学教材。笔者在教学过程中先后使用了由钟扬等编写、高等教育出版社出版的《简明生物信息学》及由肖浪涛主编、中国农业出版社出版的全国高等农林院校“十一五”规划教材《生物信息学》作为主要的参考教材。但是，在教学实践中笔者感到《简明生物信息学》由于出版时间较早（2001年）已不能满足实际教学工作的需要，书中的很多内容都已更新，很多网站页面也已重组或失效，而近年被广泛使用的一些著名生物信息学软件亦未涉及。而《生物信息学》一书偏重理论知识介绍，实例分析及操作应用偏少。因此，笔者根据本校专业建设需要及学生水平编写了适用于本校学生使用的简明教材。教材中理论部分主要参考上述两本教材，并进行了简化，降低难度，舍去算法、模型等专业性较强的章节；实践部分参考薛庆中等主编、科学出版社出版的DNA和蛋白质序列数据分析工具（第2版，2010年）一书，并附具体实例，最终形成理论部分简明易懂，实践部分易学易用的实用型教材。
2.生物信息学相关数据库及软件的选择。生物信息学发展迅速，相关生物信息数据库及生物信息软件数量不断增加，版本不断更新，这为生命科学相关研究提供了极大便利，但同时也为《生物信息学》课程实践部分的教学带来了挑战与压力。例如要分析一条蛋白质序列的分子量、等电点、氨基酸组成等信息，我们可以使用DNAMAN、Bioedit、DNAStar、Vector NTI等本地软件分析，也可以使用ProtParam、SAPS等网络在线程序分析。在有限的教学时间内，如何选择数据库及高效易用的生物信息学分析软件也是教学中一个重要的问题。通过参考相关生物信息学分析的书籍及近年文献，综合考虑数据库及软件的通用型、易用性及本校学生的英语水平、计算机操作水平，结合教学目标及内容，我们选择常用的核酸序列数据库GenBank、蛋白质数据库PDB等，软件方面选择DNAMAN、Bioedit、Clustal W、MEGA、Primer Premier、RasMol等常见的生物信息学离线分析软件及整合于NCBI、EXPASY、PDB等网站上的在线分析软件开展实践教学，而其他软件在课堂上只做简单介绍，具体操作方法作为辅助资料供学生自学。这样学生在有限的学时内可掌握更多的分析内容，达到“高效”的教学目的。
三、教学方法
1.及时更新完善多媒体教学资料。生物信息学课程理论知识较抽象，实践操作多，与计算机、互联网联系紧密，内容更新快，当代大学生已习惯并乐于使用各种多媒体途径获取信息，这些特点决定了其非常适于进行多媒体教学。为此，我们根据教学内容开发制作了一套多媒体教学资料并及时更新完善。教学多媒体资料包括Power Point课件和Flas，课件注重知识的层次性、联系性，将理论基础、实验技术操作流程等较抽象的生物信息学知识通过大量图片形象地展示给学生，从而提高学生的学习兴趣并加快学生对抽象知识的理解；动画的内容是利用屏幕录像软件将实例分析过程录像并配音，最后转为Flash格式，穿插在理论教学及实践教学过程中使用，从而使学生在自己实践操作前先有一个形象的认识，将理论知识与实践操作有机联系在一起。
2.充分利用网络教学平台辅助教学。生物信息学是一门以互联网为媒介、计算机为工具的学科。在教学中，网络教学平台的使用在提高学生学习兴趣、增强师生互动、强化教学效果等方面起到了很好的辅助作用。利用网络教学平台，教师可将课程课件、动画、分析工具、实践教学内容等共享给学生并及时了解学生学习动态，学生可将实验报告、作业、学习问题及意见反馈给教师，师生可以通过网络教学平台的论坛版块在课余就学习或实践中的问题进行讨论，达到“教学相长”的教学目的。此外，利用网络教学平台还可将课堂中未详细讲述的大量数据库、软件的使用过程及相关电子参考书、文献共享给学生，有利于提高学生学习自主性并拓宽课程外延。
3.边讲边练，理论知识密切联系实践操作。德国心理学家艾宾浩斯研究发现，在学习和记忆过程中，最初阶段遗忘速度最快，随着时间推延，遗忘越来越慢。因此，为了让学生能牢固掌握所学知识及实践技能，我们在教学中采取边讲边练的形式。对于理论知识，我们采取课前提问、课中提问、小测验及实践操作过程中知识点重现等方式，使重要理论知识在整个教学过程中多次出现，增强学生对课程知识体系的系统认知并强化其对理论知识的记忆。对于实践操作，我们采取案例式教学，直接将实例分析穿插在理论授课过程中，并在理论课后及时安排学生在计算机房上机联网操作，如在讲授序列比对理论课时，实例演示使用DNAMAN、Blast等软件进行序列比对的过程，并在理论课后紧跟DNAMAN软件使用、数据库搜索的实践操作，这样既加深学生对理论知识的理解，还有利于学生掌握实践操作能力。
4.布置实践任务，加强综合能力培养。生物信息学教学强调学生的实践能力培养。因此，在教学设计上，我们将学生按4～5人分成小组，通过学生自选或制定的方式布置特定实践任务，要求学生以小组为单位，利用本课程所学知识及技能完成任务并提交任务报告。例如，在课程一开始讲授数据库时，要求学生通过查文献、了解本校相关分子生物学研究内容并结合自己的兴趣选择特定基因，围绕该基因，在后续整个课程的学习过程中利用掌握的各种生物信息学分析方法对其进行序列查询、引物设计、序列比对、编码区分析、蛋白理化性质预测、保守结构域预测、结构预测、分子系统发育分析等操作，过程中学生互相讨论、取长补短，最终协作完成实践任务。这样既使学生较全面地掌握了课程内容，同时又加强了学生分析问题、解决问题的综合能力。
四、考核办法
在课程考核方面，本着生物信息学课程培养实践应用能力的教学原则，为使学生真正掌握生物信息学的基本理论及实践操作，我们改变了过去闭卷考试占主体或写课程论文的简单考核方式，采取了过程考核、实践考核并结合考试考核的方式对学生的学习效果进行综合评价。考勤及口头提问占考核成绩的10%，4次随堂测验占考核成绩的20%，上机操作占考核成绩的20%，实践任务作业占考核成绩的20%，期末闭卷考试占考核成绩的30%。这样考核虽然过程复杂，对学生及教师都带来更大压力，但杜绝了学生平时不学，期末突击，忽视实践的现象，学生必须注重平时的学习及实践操作才能顺利通过课程考核。这样的考核办法能够更客观准确地评价一个学生对课程的实际掌握情况。
随着生物信息学在农业各研究领域的广泛应用，掌握生物信息学知识及分析能力已成为农业院校相关专业毕业生的必备要求，生物信息学课程也必将在农业院校各相关专业建设中占据越来越重要的地位。通过本课程的教学实践探索，学生学习主动性、实践操作能力、最终学习效果均得到提高，笔者也积累了一定经验，取得了一定的教学成效，找到了一些适合农业院校的切入点，但是课程教学中还有很多需要进一步完善改进的地方。生物信息学学科的快速发展，也决定了本课程的教学模式必将是一个动态发展的过程，相信随着对生物信息学学科的深入认识，生物信息学课程教学模式也将不断完善，形成自己的独特体系。
参考文献：
[1]钟扬，张亮，赵琼.简明生物信息学[M].北京：高等教育出版社，2001.
[2]肖浪涛.生物信息学[M].北京：中国农业出版社，2006.
[3]王禄山，高培基.生物信息学应用技术[M].北京：化学工业出版社，2008.
[4]胡娜，常军，徐玲.生物信息学教学改革与探索[J].安徽农业科学，2010，38（3）：1588-1589.
[5]梁琛，张建海.农科类生物信息学课程教学中存在的问题及对策[J].农业与技术，2010，30（5）：136-137.
生物信息学方向范文6
关键词: 生物信息学 医学统计学 课堂教学
生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。
目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：
一、概率分布
概率分布（probability distribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。
借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。
在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST (Basic Local Alignment Search Tool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a，b)>t)可以依据Poisson分布的性质计算得到。
二、假设检验
假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。
假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。
这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。
例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（gene chip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。
如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。
但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值 ；考虑到基因在不同序列上变异程度的统计量 ，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量： ，修正值a由M的方差s2的均数和标准差估计得到。
三、一些高级统计方法在基因研究中的应用
（一）聚类分析
聚类分析（clustering analysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（Hierarchical Clustering）、K-means聚类法、SOM方法等。
聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。
近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（Unsupervised Analysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(Average Linkage Clustering)一般能给出较为合理的聚类结果2。
（二）判别分析
判别分析（discriminant analysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-Nearest Neighbor Classifiers）、分类树算法（Classification Tree Algorithm），人工神经网络（ANNs）和支持向量机（SVMs）。
判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。
在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（Supervised Analysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。
（三）相关分析
相关分析（correlation analysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。
我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。
生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。
四、意义
生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。
在医学统计学课堂教学中引入生物信息学实例，而不仅仅局限于常见的医学、卫生领域的例子，将难以理解的统计理论和方法与前沿的生物实例相结合，拓宽了学员的视野，提高了学员的学习兴趣，更可以加深对所学知识的理解；与此同时，使学员掌握了生物实验数据的先进分析方法，扩大了学员的知识面，提高了他们今后开展医学科研工作的能力。
还有一些医学统计学方法目前也逐渐应用于生物信息学研究中，诸如：遗传算法、熵理论等等。但这些方法已经超出了医学统计学课堂教学的范围，我们将尝试在第二课堂或选修课中，作为补充知识进行讲授，供那些学有余力的学员学习交流。
参考文献
1．郭祖超著. 医学统计学. 第1版.北京：人民军医出版社，1999. 238-243
