前言：中文期刊网精心挑选了系统生物学的定义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。
系统生物学的定义范文1
人造生命取名为“辛西娅”(Synthia),这个美丽动听的名字,短时间内给公众带来的不仅是惊喜,还有争议和恐慌。有人将这一创举誉为“生命科学领域决定性的时刻”,文特尔本人也宣称其改变了生命的定义,甚至有人预测他将因此获得诺贝尔奖。
其实媒体中广为使用的“首次合成人工生命”之说,并不准确。文特尔的成功之处,在于用化学试剂合成了人工染色体,并在另一微生物中显示出生物功能。DNA是决定生物性状的遗传密码,却不是生命的唯一组成部分。从这个意义上讲,文特尔只不过创造了部分生命。这项研究成果最为直接的意义,是人造的支原体可以利用化学合成的染色体生存繁殖,并导致山羊的乳腺炎。“首次创造生命”之说言之过甚。
事实上,文特尔本人在《科学》杂志上发表的文章题目“首次合成由化学合成基因组控制的细菌”更为客观、严谨。《科学》杂志的相关评论指出,这项研究成果其实并不是首次创造新的生命形式,科学的定义应该是“生命再创造”或“篡改生命”。因为“辛西娅”除了染色组是人工合成外,生命体的其他组分均是来自于已有生命形式。但是无论如何,这项耗资4000万美元的科技成果,毕竟是人类生命科学发展的一大进步。英国《经济学人》将此成果与上个世纪原子弹的诞生相提并论,其意图显然着眼于科技成果对人类的伤害以及对自然界的破坏。
合成生物学是后基因组时代生命科学研究的新兴领域。早在本世纪初,它就已经成为现代生命科学的研究热点,然而真正进入大众视野,还是源于“世界首个人造生命”的新闻事件。
借助合成生物学的研究成果,文特尔仅仅使用四瓶化学试剂就合成了人工生命“辛西娅”,一时间给人以合成生物学便是“造物术”的感觉。科学家认为,合成生物学可以通过合成生物原件组装生物系统,创造新的生命形式。有人就此评论,随着合成生物学的发展,人类可以像组装电路一样组装生命,从此将代替自然扮演“上帝”的角色。
“像组装电路一样组装生命”,只是合成生物学研究思路的形象比喻。合成生物学是建立在基因组学、生物信息学、系统生物学等学科基础之上的现代生物科学,在它的发展过程中借鉴了电子工程的研究思路。但是,实际上细胞内部基因的表达调控、代谢网络如同蜘蛛网一样繁杂精细,往往是牵一发而动全身。功能基因的表达远不像电路板上晶体管开关那样简单,细胞代谢网络的复杂程度也非电路板可比。正因如此,即便在生命科学高度发达的今天,文特尔将已经精简的“最小基因组”移植到掏空遗传物质的支原体体内,实验进展也不是一帆风顺。这也正是人类基因组破译十年后,其研究成果还不能直接应用于医疗的原因。
从科学的意义上说,人工生命的诞生,标志着合成生物学已经可以简单地改造生命,人类从读取基因序列跃升至编码基因的阶段。但合成生物学远没有发展到可以任意创造生命的程度。合成生物学的进一步应用还有赖于系统生物学的长足发展。“任意创造生命”既不是目前合成生物学发展程度所能企及的,也不是发展该学科的最终意义。科学家真正关心的是如何利用改造的生命体为人类服务。
早在上世纪70年代,生物学家就可以利用“DNA重组技术”将长链DNA切割成有功能的基因片段,并把它在模式菌株中表达。如今,无论是原核生物还是真核生物都可以高效地表达异源蛋白,并开始产业化应用。如利用大肠杆菌生产胰岛素,利用动物细胞生产疫苗抗体,利用转基因动物充当生物乳腺反应器。本世纪初,“细胞工厂”的理念逐步深入人心。
合成生物学的应用,正是“细胞工厂”理念的延伸。合成生物学可以通过构建“人工细胞”的方法,解决诸如能源、材料、环保等社会问题。这也正是美国资源部倾资支持文特尔研究人工生命的真正用意。
系统生物学的定义范文2
【关键词】云计算 生物信息学
下一代测序技术的应用产生了大量的测序数据，这对生物学特别是生物信息学在数据的存储、管理和搜索等方面带来了新的挑战。一直以来计算机存储和处理数据能力的增长速度都快于生物数据的增长速度，但2003年后，由于测序技术的发展使得测序成本大幅度下降，产生了大量的生物数据，计算机的存储和计算能力逐渐无法满足大数据的需求。这促进了云计算的运用和发展，它使得用户可以根据需求租用硬件设备和软件，避免了对硬件设备的大量资金投入和管理投入。
1 云计算定义
“云”是一个通过虚拟技术把云端计算机或是服务器连接在一起的服务网络。存储和分析数据都由“云”端的服务器或是计算机完成。中国云计算专家刘鹏给出如下定义：“云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。”
按照资源的共享水平，云计算的服务模式分为三种，基础架构即服务（Infrastructure as a service）， 平台即服务（Platform as a service）和软件即服务（Software as a service）。
IaaS（Infrastructure as a service） Service：基础架构即服务。它整合了基础设施如虚拟主机、存储设备、网络设备等资源成为一个服务平台提供给用户使用。IaaS位于网络的底层，向用户提供按需分配、按需付费的计算设备和存储设备。
PaaS（Platform as a service）提供服务平台，用户掌控运作应用程序的环境，可以在平台上应用，测试和开发软件。
SaaS（Software as a service）即在服务平台上提供软件供用户使用，用户只使用软件，不掌握操作系统、硬件等网络基础架构。用户不必自己安装软件，只需要浏览器连接到公共的服务平台即可。供应商会按照用户的要求安装所需的软件，并负责软件的升级和维护。
云计算的主要优点：
（1）把用户从安装和测试软件的工作中解脱出来。云计算平台可以按照用户的需求提供软件及硬件的服务。用户不需要考虑网络下面复杂的硬件架构，仅仅需要关注计算和分析就可以。
（2）按需租用计算资源可以让用户支付更少的费用。在云计算平台上，用户在最初时可以租用少量的机器，以后随着需求的增加或减少相应的增加或减少租用的机器。用户所付的费用就是实际租用机器的费用。
（3）云计算方便研究人员之间的数据共享和分析。不同研究者在本地服务器上安装的软件版本可能不同，所以共享数据和软件很困难。云计算可以使登录同一个平台的用户共享操作系统和所有的软件数据，保证了软件的版本同步更新。
2 云计算在生物信息中的应用
我们把云计算在生物信息学中的应用按IaaS， PaaS和SaaS三个方面分别介绍。
2.1 IaaS
用户租用云计算上的虚拟主机可以自己控制计算、存储等硬件设备，建立需要的计算环境。并且大量的生物信息学工具可以打包为虚拟镜像用于租用的云计算的虚拟主机上，可以很方便的进行多种数据分析。如CloVR提供的一个包含预配置和自动的生物信息学流程的虚拟主机，可以运行在本地的计算机上也可以运行在云计算平台上。这个虚拟机以Ubuntu和BioLinux为基础，安装了Grid Engine和Hadoop作为作业调度，Ergatis作为工作流系统，还有很多开源的生物信息学软件，如BLAST、16S rRNA等。用户也可以开发自己的软件运行在虚拟机上。Bioconductor是一个开源的关于R语言的生物信息学库，提供了一系列的软件包用于微阵列数据分析。用户可以下载Bioconductor提供的镜像安装到租用的云计算平台上。
2.2 PaaS
Galaxy Cloudman和Eoulsan可以看做PaaS。Galaxy整合了一系列的简单易用的工具，提供一个简易的网页用来分析数据。Galaxy Cloudman把Galaxy的软件工具打包成一个镜像，可以在AWS（Amazon Web Service）上应用。用户可以将其他安装在Galaxy平台上的软件安装到自己的云计算平台上，甚至可以在Galaxy Cloudman上定义插件。通过添加额外的工具，可以扩展默认函数并测试和使用。从这个意义上说，Galaxy Cloudman可以看做PaaS。
Eoulsan整合了很多下一代基因数据分析工具，如BWA，Bowtie，SOAP2，GSNAP，edgeR，和DEdeq于一个框架内，同时，它也支持用户自己开发的插件用于数据分析。
2.3 SaaS
很多传统的生物信息学工具如BLAST、UCSC Genome Browser仅仅用一个浏览器就可以登录到服务器使用相应的服务，它们也可以称为SaaS。这些服务一般由软件工具的开发者提供，伸缩性很差。我们主要介绍应用于云计算平台上可以伸缩的生物信息学工具。
短序列（读段）匹配是指将测序得到短序列匹配到参考基因组上，这是许多测序数据分析的第一步，如SNP识别和基因表达谱分析。CloudBurst，CloudAligner，SEAL和Crossbow都是应用于云计算基于MapReduce的软件，可以匹配数以百万计的序列。Schatz用”seed-and-extend”算法开发的CloudBurst可以确定错误匹配的数目。CloudBurst模仿了RMAP的算法，但速度提高了30倍。但是CloudBurst不支持fastq文件，并且不能处理重亚硫酸盐测序和（双）末端测序产生的数据。CloudAligner弥补了这个缺点，并且比CloudBurst快35%到80%。SEAL整合了BWA，在序列匹配时可以去除重复的序列，这对SNP识别和以后分析很有用。应用MapReduce的Crossbow整合了Bowtie和SOAPsnp，可以在几个小时内匹配数以十亿计的序列。
差异表达分析可以用来寻找不同样本中表达有明显差别的基因，而RNA测序（RNA-seq）用来量化样本中的基因表达水平。Myrna是一个云计算平台上计算大规模RNA测序的软件。它整合了序列匹配、归一化、聚类分析和统计模型，直接输出不同样本的基因表达水平和不同表达水平的基因。然而，Myrna 最大的缺陷是不能正确地将短序列匹配到外显子拼接位点上。但FX弥补了这个缺点。FX用改进的匹配函数分析RNA数据，以RPKM或是BPKM的格式输出不同基因的表达水平。
3 云计算面临的问题
云计算提供了强大的计算能力，但云计算自身的特点也使它的发展面临了一些困难和制约。云计算在生物信息学上的应用尚处于初期阶段，尽管已经出现了一定数量的生物信息学工具，但仍有很多的分析无法完成，很多的工具还需升级或者开发。云计算上数据的隐私性和安全性也是用户需要考虑的方面。特别是一些生物数据涉及到病人的隐私，但很多国家还没有保护这种数据隐私的法律。云计算服务提供商需要制定一些规则来保护用户的数据。
4 对应用云计算的建议
对于将要使用云计算的用户，需要考虑以下三个方面：数据规模、安全隐私和费用。
数据规模及安全隐私：首先要考虑你的数据规模是否超过了本地计算机的处理能力。现在本地的个人电脑可以处理数千兆的数据，服务器一次可以处理数百G的数据。如果用户熟悉并行计算的技术，可以处理数TB的数据。但如果你的数据更大并且不精通并行计算，本地计算机和服务器就很难处理了，就可以考虑云计算。用户如果要向云计算平台上传输数据，需要考虑数据的安全性和隐私性。比如涉及病人的隐私是否会泄露，云计算服务提供商是否可以保证数据的安全等。
费用：云计算的费用一般是按照使用的计算资源的多少和使用时间的长短计算的。使用云计算前应该评估其使用费用。用户应该考虑所有阶段的费用，如数据传输、保存、分析等。
目前，云计算和生物信息学都处在快速发展当中，云计算在生物信息学中的应用也越来越广泛和深入。特别是生物数据的大规模增涨，生物学家必须从大量的数据当中分辨出有用的信息。这就需要强大的存储能力和计算分析能力，云计算可以很好的解决这个问题。 云计算和生物信息学的结合将极大的促进生物学的发展。
参考文献
[1]刘鹏主编.云计算（第二版）[M].北京：电子工业出版社，2011（05）.
[2]Schatz MC，CloudBurst：Highly sensitive read mapping with MapReduce，Bioinformatics
25（11）：1363-1369，2009.
[3]Nguyen T，ShiW，Ruden D，CloudAligner：A fast and full-featured mapreduce based tool.for sequence mapping， BMC Res Notes 4：171，2011.
[4]Hong D，Rhie A，Park SS，Lee J，Ju YS，Kim S，Yu SB，Bleazard T，Park HS，Rhee H，Chong H，Yang KS，Lee YS，Kim IH，Lee JS，Kim JI，Seo JS，FX：An RNA-seq analysis tool on the cloud， Bioinformatics 28（5）：721-723，2012.
作者简介
李渊（1985-），男，河南省延津县人。硕士研究生学历。现为苏州大学系统生物学研究中心助理实验师。主要研究方向为实验技术。
系统生物学的定义范文3
【关键词】 药用植物；代谢组学；功能基因组学
代谢组学是对生物体内代谢物进行大规模分析的一项技术［1］，它是系统生物学的重要组成部分（如图1所示），药用植物代谢组学主要研究外界因素变化对植物所造成的影响，如气候变化、营养胁迫、生物胁迫，以及基因的突变和重组等引起的微小变化，是物种表型分析最强有力的工具之一。在现代中药研究中，代谢组学在药物有效性和安全性、中药资源和质量控制研究等方面具有重要理论意义和应用价值。另外，在对模式植物突变体文库或转基因文库进行分析之前，代谢组学往往是首先考虑采用的研究方法之一。目前，国外已有成功利用代谢组学技术对拟南芥突变株进行大规模基因筛选的例子，这为与重要性状相关基因功能的阐明和选育可供商业化利用的转基因作物奠定了基础。
图1系统生物学研究的四个层次 略
目前，还有许多经济作物的全基因组测序计划尚未完成，由于代谢组学研究并不要求对基因组信息的了解，所以在与这些作物有关的研究领域具有更大的利用价值，这也是其与转录组学和蛋白组学研究相比的优势之一。代谢组学研究涉及与生物技术、分析化学、有机化学、化学计量学和信息学相关的大量知识，Fiehn［2］对代谢组学有关的研究方向进行了分类（见表1）。
1代谢组学研究的技术步骤
代谢组学研究涉及的技术步骤主要包括植物栽培、样本制备、衍生化、分离纯化和数据分析5个方面（见图2）。
1.1植物栽培
对研究对象进行培育的目的是为了对样本的稳定性进行控制，相对于微生物和动物而言，植物的人工栽培需要考
表1代谢组学的分类及定义 略
虑更多的问题，如中药材在不同年龄、不同发育阶段、不同部位以及光照、水肥、耕作等环境因素的微小差异都可引起生理状态的变化，而这些非可控及可控双重因素的影响很难进行精确的控制，从而影响药用植物代谢组研究的重复性。为了解决以上问题，推荐使用大容量的培养箱［3］，定时更换培养箱中栽培对象的位置，以及使用无土栽培技术等，Fukusaki E［4］利用无土栽培系统将水和养分直接引入植物根部，并且对供给量进行精确地控制，大大提高了实验的重复性。
1.2样本制备
为了获得稳定的实验结果，样本制备需要考虑样本的生长、取样的时间和地点、取样量以及样本的处理方法等问题，并根据分析对象的分子结构、溶解性、极性等理化性质及其相对含量大小对提取和分离的方法进行选择，逐一优化试验方案。Maharjan RP等［5］用6种方法分别对大肠杆菌中代谢产物进行提取，发现用－40℃甲醇进行提取的效果最好。现阶段代谢组学的分析对象主要集中在亲水性小分子，尤其是初级代谢产物，气相色谱质谱联用(GCMS)和毛细管电泳质谱（CEMS）联用都是分析亲水小分子的重要技术。Fiehn O等［6］使用GCMS对拟南芥叶片中的亲水小分子进行了分析，发现酒石酸半缩醛、柠苹酸、别苏氨酸、羟基乙酸等15种植物代谢物。
1.3衍生化处理
对目标代谢产物的衍生化处理取决于所使用的分析设备，GCMS系统只适合对挥发性成分进行分析，高效液相色谱法（HPLC）一般则使用紫外或荧光标记的方法对样本进行衍生处理，Blau K［7］对酯化、酰化、烷基化、硅烷化、硼烷化、环化和离子化等衍生方法进行了详细的说明。然而离子化抑制常使得质谱分析过程中目标代谢产物的离子化效率降低，这主要是由于分离过程中污染物与目标代谢物难以完全分离开所引起的，优化色谱分离时间可有效缓解离子化抑制，然而在实际操作中不可能对上百种代谢产物的分离时间进行优化，利用非放射性同位素稀释法进行相对定量可以很好的解决该问题。Han DK等［8］应用同位素编码的亲和标记（ICAT），根据经诱导分化的微粒蛋白及其同位素标记物的峰面积比，对该蛋白的相对含量进行分析。Zhang R等［9］发现同位素标记技术也可用于代谢组学的研究，但是却存在许多困难。活体的同位素标记方法对于同位素的洗脱是一种非常有潜力的技术，目前关于使用34 s的研究已有报道［10］。
图2代谢组学研究技术步骤 略
1.4分离和定量
分离是代谢组学研究中的重要步骤，与质谱联用的色谱和电泳分析技术都是使用紫外或电化学检测的方法进行定量，其对代谢组数据的分辨率与定量能力都有一定的影响。Tomita M等［11］总结了各种色谱分离法中经常遇到的技术问题，认为毛细管电泳和气相色谱法由于具有较高的分辨率，已成为代谢组学研究的常规技术手段之一，液相色谱因其适用范围广，应用也相当广泛。
Tanaka N等［12］用高效液相色谱对样品进行分离，认为使用硅胶基质填充毛细管整体柱的高效液相色谱系统具有用量少、灵敏性高、低压降高速分离等优势；同时，Tolstikov V等［13］也使用硅胶填充的毛细管液相色谱方法对聚戊烯醇类异构体进行了有效分离，获得了很好的分辨率。Tanaka N等［14］发现二维毛细管液相色谱法的分辨率比传统的高效液相法高10倍。相对于其他色谱方法而言，超临界流体色谱（SFC）是分离疏水代谢物最具潜力的技术之一，特别适用于分离那些传统HPLC难以分析的疏水聚合物，Bamba T等［15］通过SFC对聚戊烯醇进行分析，证明其具有较好的分离能力。针对质谱中存在的共洗脱现象，Halket JM等［16］发明了一种适用于GCMS的反褶积系统，对共洗脱的代谢产物进行分离与识别。Aharoni A等［17］使用傅立叶变换离子回旋共振质谱（FTICRMS）对非目标代谢物进行分析，快速扫描植物突变样品，获得了一定量的代谢成分。
与分离一样，定量能力也是代谢组学研究中的重要因素，其取决于各分析系统的线性范围。傅立叶转换核磁共振（FTNMR)、傅立叶红外光谱（FTIR）以及近场红外光谱法（NIR）等技术由于敏感性低，重复性受共洗脱现象影响较小也被用于检测中。近年来，FTNMR技术常被用于植物代谢组的指纹图谱研究 ［18］，但由于NMR分析需要样品量较大，分析结果易受污染，Griffin J L ［19］发现将统计模式识别与FTNMR相结合可以对代谢物进行全面分析。除FTNMR之外，FTIR通过对有机成分的结构进行常规光谱测定，也可适用于代谢组学的研究，特别是应用于构建代谢组学的指纹图谱。尽管它不能对代谢物进行全面分析，但对具有特定功能的组分却有很好的定量效果，对从工业及食品原材料中分离的代谢混合物也可以进行全面分析，目前，已有学者将其成功地应用于拟南芥［20］和番茄［21］代谢产物指纹图谱的研究中。
1.5数据转换
为阐明代谢物复杂的线性或非线性关系，需要进行多变量分析，将原始的色谱图数据转换为数字化的矩阵数据，通过对色谱峰鉴定和整合从而进行多变量分析。由于环境等因素的干扰，光谱数据需要通过适当的数据加工方法进行校正，包括：①降低噪声；②校正基线；③提高分辨率；④数据标准化。Jonsson P等 ［22］报道了一种关于GCMS色谱图数据处理的方法，可以对大量代谢产物样品进行有效的识别。
2代谢组学中的数据分析方法
2.1主成分分析法（PCA）
主成分分析法，将实测的多个指标用少数几个潜在的相互独立的主成分指标线性组合来表示，反映原始测量指标的主要信息。使得分析与评价指标变量时能够找出主导因素，切断其他相关因素的干扰，作出更为准确的估量与评价。PCA数据矩阵通常来自于GCMS，LCMS 或CEMS，因此将目标代谢产物作为自变量，而相应的代谢产物含量作为因变量，定义与最大特征值方向一致的特征向量为第一主成分，依此类推，PCA便能通过对几个主要成分的分析，从代谢组中识别出有效信息。主成分分析有助于简化分析和多维数据的可视化，但是该方法可能导致一部分有用信息的丢失。
2.2层次聚类分析法（HCA）
层次聚类分析法也常用于代谢组学的研究中，它是将n个样品分类，计算两两之间的距离，构成距离矩阵，合并距离最近的两类为一新类，计算新类与当前各类的距离。再合并、计算，直至只有一类为止。进行层次聚类前首先要计算相似度（similarity），然后使用最短距离法（Nearest Neighbor）、最长距离法（Furthest Neighbor）、类间平均链锁法（Betweengroups Linkage）或类内平均链锁法（Withingroups Linkage）四种方法计算类与类之间的距离。该方法虽然精确，但计算机数据密集，对大量数据点进行分析时，更适合选用K均值聚类法(KMC)或批次自组织映射图法(BLSOM)，而HCA适合将数据转换为主成分后使用。
转贴于
2.3自组织映射图法(SOM)
神经网络中邻近的各个神经元通过侧向交互作用相互竞争，发展成检测不同信号的特殊检测器，这就是自组织特征映射的含义。其基本原理是将多维数据输入为几何学节点，相似的数据模式聚成节点，相隔较近的节点组成相邻的类，从而使多维的数据模式聚成二维节点的自组织映射图。除PCA和HCA外，SOM同样也可应用于包括基因组和转录组等组学研究中 ［23］。最初SOM计算时间长，依靠数据输入顺序决定聚类结果，近年来SOM逐渐发展成为不受数据录入顺序影响的批次自组织映射图法(BLSOM)。由于BLSOM可以对类进行调整，且有明确的分类标准，优化次序优于其他聚类法，已在基因组学和转录组学数据分析中得到广泛的应用。
2.4其他数据采矿方法
除PCA、HCA和SOM外，很多变量分析方法都可用于植物代谢组学的分析。软独立建模分类法(SIMCA)是利用主成分模型对未知样品进行分类和预测，适合对大量样本进行分析；近邻分类法(KNN)和K平均值聚类分析法(KMN)也可用于样品分类；主成分回归法(PCR)或偏最小二乘回归法(PLS)在某些情况下也可使用。然而到目前为止由于还没有建立一个标准的数据分析方法，代谢组学仍然是一门有待完善的学科。
3代谢组学在药用植物中的实践
植物药材来源于药用植物体，而药用植物体的形态建成是其体内一系列生理、生化代谢活动的结果。植物代谢活动分为初生代谢和次生代谢，初生代谢在植物生命过程中始终都在发生，其通过光合作用、柠檬酸循环等途径，为次生代谢的发生提供能量和一些小分子化合物原料。次生代谢往往发生在植物生命过程中的某一阶段，其主要生物合成途径有莽草酸途径、多酮途径和甲瓦龙酸途径等。植物药材含有的生物碱、胺类、萜类、黄酮类、醌类、皂苷、强心苷等活性物质的绝大多数属于次生代谢产物，因此探讨次生代谢产物在药用植物体内的合成积累机制及其影响因素，对于提高活性物质含量、保证药材质量、稳定临床疗效等具有重要意义。孙视等［24］通过对银杏叶中黄酮类成分积累规律的研究，提出了选择具有一定环境压力的次适宜生态环境解决药用植物栽培中生长和次生产物积累的矛盾。王昆等［25］以人参叶组织为材料，总结了构建人参叶cDNA文库过程中存在的一些关键问题和应采取的对策，为今后关于人参有效成分如人参皂苷的生物合成途径及其调控的基础研究提供技术参考和理论指导。最近，美国加利福尼亚大学伯克利分校的Keasling等［26］采用一系列的转基因调控方法，通过基因工程酵母合成了青蒿素的前体物质——青蒿酸，其产量超过100 mg/L，为有效降低抗疟药物的成本提供了机遇。经过长期的研究积累，人们对代谢途径的主干部分（为次生代谢提供底物的初生代谢途径）已经基本了解，例如酚类的莽草酸途径， 萜类的异戊二烯二磷酸(IPP)途径等。被子植物中一些相对保守的次生代谢途径也得到了很好的研究，如黄酮类、木质素的生物合成与调控。然而，对次生代谢最丰富最神奇的部分——特定产物合成与积累的过程，还所知甚少［27］。
4展 望
近年来，代谢组学正日益成为研究的热点，越来越多的人已加入到代谢组学的研究中。随着代谢组学积累的数据和信息量的增大，其在药用植物学各个领域的应用价值也与日俱增。它将不仅能对单个代谢物进行全方面的分析，更能寻找其代谢过程中的关键基因、通过代谢指纹分析对药用植物进行快速分类、进一步研究药用植物有效成分代谢途径以及环境因子对植物代谢和品质的影响与调控机制。
然而依据传统中医药学和系统生物学的指导思想，目前急待解决的是中药种质资源的代谢组学研究和中药体内作用的代谢组学研究。同时，代谢组学在分析平台技术、方法学手段和应用策略等方面相对于其他组学技术还需要进一步发展和完善，还需要其他学科的配合和介入。相信随着更有力的成分分析设备的使用及代谢组数据库的建立，药用植物代谢组学将对中医药学产生深远的影响。
【参考文献】
［1］ WECKWERTH W. Metabolomics in systems biology［J］. Annu Rev Plant Biol，2003，54:669-689.
［2］ FIEHN O. Metabolomics — the link between genotypes and phenotypes［J］. Plant Mol Biol，2002，48:155-171.
［3］ TRETHEWEY R N. Metabolite profiling as an aid to metabolic engineering in plants［J］. Curr Opin Plant Biol，2004，7:196-201.
［4］ FUKUSAKI E，IKEDA T，SUZUMURA D，et al. A facile transformation of arabidopsis thaliana using ceramic supported propagation system［J］. J Biosci Bioeng，2003，96:503-505.
［5］ MAHARJAN R P，FERENCI T. Global metabolite analysis: the influence of extraction methodology on metabolome profiles of Escherichia coli［J］. Anal Biochem，2003，313:145-154.
［6］ FIEHN O，KOPKA J，TRETHEWEY R N，et al. Identification of uncommon plant metabolites based on calculation of elemental compositions using gas chromatography and quadrupole mass spectrometry［J］. Anal Che，2000，72:3573-3580.
［7］ BLAU K，HALKET J M. Handbook of derivatives for chromatography［M］. 2nd ed. John Wiley & Sons，Chichester，1993.
［8］ HAN D K，ENG J，ZHOU H，et al. Quantitative profiling of differentiation induced microsomal proteins using isotopecoded affinity tags and mass spectrometry［J］. Nat Biotechnol，2001，19:9469-9451.
［9］ ZHANG R，SIOMA C S，WANG S，et al. Fractionation of isotopically labeled peptides in quantitative proteomics［J］. Anal Chem，2001，73:5142-5149.
［10］ MOUGOUS J D，LEAVELL M D，SENARATNE R H，et al. Discovery of sulfated metabolites in mycobacteria with a genetic and mass spectrometric approach［J］. Proc Natl Acad Sci USA，2002，99:17037-17042.
［11］ TOMITA M，NISHIOKA T. Forefront of metabolomics research［M］. Tokyo: Springer Verlag Tokyo，2003.
［12］ TANAKA N，KOBAYASHI H，ISHIZUKA N，et al. Monolithic silica columns for highefficiency chromatographic separations［J］. J Chromatogr A，2002，965:35-49.
［13］ BAMBA T，FUKUSAKI E，NAKAZAWA Y，et al. Rapid and highresolution analysis of geometric polyprenol homologues by connected octadecylsilylated monolithic silica columns in highperformance liquid chromatography［J］. J Sep Sci，2004，27:293-296.
［14］ WIENKOOP S，GLINSKI M，TANAKA N，et al. Linking protein fractionation with multidimensional monolithic reversedphase peptide chromatography/mass spectrometry enhances protein identification from complex mixtures even in the presence of abundant proteins［J］. Rapid Commun Mass Spectrom，2004，18:643-650.
［15］ BAMBA T，FUKUSAKI E，NAKAZAWA Y，et al.
Analysis of longchain polyprenols using supercritical fluid chromatography and matrixassisted laser desorption ionization timeofflight mass spectrometry［J］. J Chromatogr A，2003，995:203-207.
［16］ HALKET J M，PRZYBOROWSKA A，STEIN S E，et al. Deconvolution gas chromatography /mass spectrometry of urinary organic acidspotential for pattern recognition and automated identification of metabolic disorders［J］. Rapid Commun Mass Spectrom，1999，13:279-284 .
［17］ AHARONI A，RIC DE VOS C H，VERHOEVEN H A，et al. Nontargeted metabolome analysis by use of Fourier transform ion cyclotron mass spectrometry［J］. Omics，2002，6:217-234.
［18］ OTT K H，ARANIBAR N，SINGH B，et al. Metabolomic classifies pathways affected by bioactive compouds. Artificial neural network classification of NMR spectra of plant extracts［J］. Phytochemistry，2003，62:971-985.
［19］ GRIFFIN J L. Metabonomics: NMR spectroscopy and
pattern recognition analysis of body fluids and tissues for characterisation of xenobiotic toxicity and disease diagnosis［J］. Curr Opin Chem Biol，2003，7:648-654.
［20］ GIDMANA E，GOODACREB R，EMMETTC B，et al.Investigating plantplant interference by metabolic fingerprinting［J］. Phytochemistry，2003，63:705-710.
［21］ JOHNSON H E，BROADHURST D，GOODACRE R，et al. Metabolic
fingerprinting of saltstressed tomatoes［J］. Phytochemistry，2003，62:919-928.
［22］ JONSSON P，GULLBERG J，NORDSTROM A，et al. A strategy for identifying differences in large series of metabolomic samples analyzed by GC/MS［J］. Anal Chem，2004，76:1738-1745.
［23］ HIRAI M Y，YANO M，GOODENOWE D B， et al. Integration of transcriptomics and metabolomics for understanding of global responses to nutritional stresses in Arabidopsis thaliana［J］. Proc Natl Acad Sci USA，2004，101:10205-10210.
［24］ 孙视，刘晚苟，潘福生，等.生态条件对银杏叶黄酮含量积累的影响［J］.植物资源与环境，1998，7(3):1-7.
［25］ 王昆，王颖，鲍永利，等.人参叶cDNA文库构建中的问题与对策［J］. 人参研究，2005，17(4):2-4.
系统生物学的定义范文4
“DNA元件百科全书”计划是继“人类基因组计划”后最大的国际合作计划之一。由美国国家人类基因组研究所(US National Human Genome Research Institute)、Wellcome Trust和欧洲生物信息研究所(European Bioinformatics Institute, EBI)组织，包括全世界11个国家80家科研机构35个小组的研究人员。
一、“DNA元件百科全书”计划内容
“DNA元件百科全书”计划主要目标是对人类基因组功能元件进行鉴定和分析，主要包括以下几个部分：
①运用人类基因组计划中成熟的方法和手段进行研究；
②(小规模)试点研究；
③开发高通量筛选和检测技术进行研究。
ENCODE团队试点计划目前已经基本完成，主要包括以下三方面的内容：①对编码的功能DNA进行鉴定和分类；对已存在的几种方法进行了测试和比较，严格分析了人类基因组序列中已被定义的序列。②阐明人类生物学和疾病之间的关系；③对大量鉴定基因特征的方法、技术和手段进行检测和评估。
ENCODE计划的研究对象包括：编码蛋白基因、非编码蛋白基因、调控区域、染色体结构维持和调节染色体复制动力的DNA元件。 到目前为止，ENCODE计划主要集中研究了44个靶标，共3000万个DNA碱基对。负责该计划数据整合和分析工作的欧洲分子生物学实验室主任EwanBirney说，“我们的结论揭示了有关DNA功能元件构成的重要原理，为从DNA转录到哺乳动物进化的一切过程提供了新的认识。”
二、“DNA元件百科全书”计划进展
ENCODE计划主要分为三个阶段进行：①利用目前的技术进行小规模实验（试点研究阶段），研究的重点主要是关于转录调节单元，转录调节序列，酶切位置，染色体修饰，复制起始原点的确定等方面。②技术开发阶段，这阶段主要关注没有被充分研究的功能基因。③实际生产阶段，该阶段主要将前面两个阶段的研究成果应用到对整个基因组的研究中。
2007年6月，ENCODE团队相继在《自然》（Nature）和《基因组研究》（Genome Research）上发表了29篇相关论文，报道了他们4年来努力的成果，即通过建立一个目录，详尽地描述1%人类基因组的全部生理功能基础。该结果高度肯定了鉴定和归类人类基因组功能元件的工程的成功，并且由于几项新技术的兴起，大量关于功能元件的数据被获得，这标志着技术发展阶段也获得了成功。
随着ENCODE计划初始阶段的成功，NHGRI在2007年9月投入了新的资金使ENCODE工程规模化，扩大到实际生产阶段对整个基因组进行研究，并伴随有中试研究。生产阶段中还具备数据整合中心和数据分析中心，数据整合中心用于追踪、存储和公布数据，而数据分析中心用于对数据进行综合分析。ENCODE研究者们获取的全部数据都会尽快公布到公共数据库中，项目数据整合中心的数据也是公开的。
目前ENCODE计划的成果亮点包括：确定了许多之前不为人知的DNA转录启动位点；了传统观点的认识，调控区域也有可能位于DNA转录启动位点的下游；确定了组蛋白（histones）变化的特定标记；加深了人们对组蛋白改变协调DNA复制的理解。
三、“DNA元件百科全书”计划意义
2003年人类基因组计划的完成仅仅标志着人类向着利用基因信息诊断、治疗和预防疾病的目标迈出了重要的第一步。这就好比我们只得到了人体的“使用手册”，但是如果要将这份手册用于疾病诊断和治疗，我们必须读懂这份手册。ENCODE计划首次系统地研究了所有类型的功能元件的位点和组织方式，对基因组计划的实际应用具有划时代的意义，为未来进一步认识整个人类基因组的功能蓝图开辟了道路。
首先ENCODE计划了传统的观点：即我们的基因蓝图(genetic blueprint)作为一群独立基因(independent genes)，漂浮在“垃圾DNA”(junk DNA)的大海上。事实上，人类基因蓝图的30亿个化学“字母”组成了一个极为复杂的网络，在这个网络中，基因、调控基序(regulatory elements)和其它DNA序列以一种人们尚未了解的重叠方式相互作用，共同着控制人类的生理活动。美国国家人类基因组研究所主任弗朗西斯?柯林斯(Francis Collins)将这些结果称之为“这是人类生物学上的一个里程碑”。他表示：“这种令人印象深刻的努力，已揭示出许多激动人心的意外，并为未来探究整个人类基因组功能图景开辟了道路。”
其次“DNA元件百科全书”加深了对哺乳动物基因组进化的认识。传统理论认为，与生理功能相关的重要DNA序列往往位于基因组中的“进化限制”（evolutionaryconstraint）区域，它们在物种进化过程中更容易保存下来。但是，最新的研究表明，大约一半人类基因组中的功能元件在进化过程中，不会受到很大限制。科学家认为，哺乳动物缺乏“进化限制”这一点很可能意味着，许多物种的基因组都囊括了大量的包括RNA转录副本在内的功能元件，在进化过程中，这些功能元件成了基因“仓库”。
科学家预言, ENCODE计划的研究将导致药物开发方面实质性的突破, 以使人类真正攻克癌症等顽疾。
总之，ENCODE计划产生了许多令人惊讶的发现，对于人类自身的生存和发展具有重大的意义，为未来进一步认识整个人类基因组的功能蓝图开辟了道路。ENCODE计划破解人类疾病和生老病死之谜、解决人类健康问题，对生命科学的研究和生物产业的发展具有非常重要的意义, 它为人类社会带来的巨大影响是不可估量的。科学共同体有必要重新考虑长期以来对于基因和基因组功能的认识，这将对与人类疾病相关的基因序列研究产生重大的影响。
参考文献：
1．The ENCODE Project Consortium. 2004. The ENCODE (ENCyclopedia Of DNA Elements) Project. Science. 306: 636640.
系统生物学的定义范文5
代谢组学研究的是生物体系受到内在和外在因素刺激产生的内源性代谢变化，可以对那些能描述代谢循环情况的关键化合物进行定性和定量分析。近几年来，代谢组学已经成为生命科学领域一个重要的、有价值的工具，并在不断创新的分析技术推动下稳步发展。虽然代谢组学本身还存在一些不足，但许多研究者以解决问题为出发点，提出了一些新的研究策略、方法和技术。代谢组学发展呈现出整合一体化，定量化和标准化的趋势。本文对代谢组学的概况，现在的发展情况和未来的趋势进行综述。
【关键词】 代谢组学 研究策略 分析方法 综述
1 代谢组学的概况
代谢组学(metabonomics)是以组群指标分析为基础,以高通量检测和数据处理为手段,以信息建模与系统整合为目标的系统生物学的一个分支，是继基因组学、转录组学、蛋白质组学后系统生物学的另一重要研究领域, 它是研究生物体系受外部刺激所产生的所有代谢产物变化的科学，所关注的是代谢循环中分子量小于1000的小分子代谢物的变化,反映的是外界刺激或遗传修饰的细胞或组织的代谢应答变化[1]。代谢组学的概念最早来源于代谢轮廓分析 [2]。nicholson研究小组于1999年提出了代谢组学的概念[1],并在疾病诊断、药物筛选等方面做了大量的卓有成效的工作[3～5]。fiehn等[6]提出了metabolomics的概念,第一次把代谢产物和生物基因的功能联系起来,之后很多植物化学家开展了植物代谢组学的研究,使得代谢组学得到了极大的充实,同时也形成了当前代谢组学的两大主流领域: metabolomics和metabonomics。经过不断发展，fiehn [6,7]、allen [8]、nielsen [9], villasboas[10,11]等确定了代谢组学一些相关层次的定义，已被学术界广泛接受。第一个层次为靶标分析，目标是定量分析一个靶蛋白的底物和/或产物；第二个层次为代谢轮廓分析，采用针对性的分析技术,对特定代谢过程中的结构或性质相关的预设代谢物系列进行定量测定；第三个层次为代谢指纹/足印，定性并半定量分析细胞外/细胞内全部代谢物；第四个层次为代谢组学，定量分析一个生物系统全部代谢物，但目前还难以实现。
作为应用驱动的新兴科学,代谢组学已在药物毒性和机理研究[12，13]、微生物和植物研究[14]、疾病诊断和动物模型[15，16]、基因功能的阐明[17]等领域获得了较广泛地应用。近来,代谢组学又在中药成分的安全性评价[18]、药物代谢的分析[19]、毒性基因组学[20]、营养基因组[21]、药理代谢组学[22～24]、整合药物代谢和系统毒理学 [25,26]等研究方面取得了新的突破和进展。
完整的代谢组学分析的流程包括样品的制备、数据的采集和数据的分析及解释。样品的制备包括样品的提取、预处理和化合物的分离。代谢物通常用水或有机溶剂(甲醇、己烷等)提取。分析之前,常先用固相微萃取、固相萃取、亲和色谱等方法进行预处理，用气相色谱、液相色谱、毛细管电泳等方法进行化合物的分离。预处理后,样品中的代谢产物需要通过合适的方法进行测定。色谱、质谱、磁共振、红外光谱、库仑分析、紫外吸收、荧光散射、放射性检测、光散射等分离分析手段及其组合都在代谢组学的研究中得到应用。其中,核磁共振（nmr）技术特别是氢谱以其对含氢代谢产物的普适性,色谱以其高分离度、高通量，质谱（ms）以其普适性、高灵敏性和特异性而成为最主要的分析工具。代谢组学研究的后期需借助于生物信息学平台进行数据的分析和解释[27],解读数据中蕴藏的生物学意义。最常用的是主成分分析（pca）法和偏最小二乘（pls）法。
但在研究的几个步骤中，代谢组学还存在一些不足。例如，分析手段存在局限性；全部定量分析难以实现，准确性不足；定性过程复杂。针对这些问题，现在的研究者们在研究策略和方法上做着积极的探索和改进。本文就将综述近年来在代谢组学研究策略和方法上的最新的研究报道，并结合本实验室的研究进行展望。
2 研究策略与方法
后基因组时代众多组学的发展向分析化学提出了更高、更严峻的挑战。对代谢组学，一些关键点的把握显得尤为重要。首先，代谢组学的整体分析平台的提升是未来代谢组学研究的关键环节，这包括：新的复杂样品预处理技术；灵敏、专一、原位、动态、无损、快速的代谢物组检测、表征与操纵技术；代谢物组成、结构和功能信息获取的新型技术和完整的数据采集和成像系统；有效、快速处理代谢组海量复杂数据的新化学信息学方法以及这些技术和方法学的原始性创新、学科间交叉和多维技术联用基本理论研究等。再者，制定代谢组学标准(包括方法、信息和数据库)，以及实现代谢组与基因组、转录组和蛋白质组等数据的整合，是未来代谢组学研究的一个关键问题。针对这些关键点，代谢组学的研究策略和方法得到了新的发展。
2.1 整合一体化
由于现有的分析技术都有各自的优缺点[28],单独使用一种或少数几种已经很难满足代谢组学研究的要求。所以整合的策略已经成为一个重要的趋势，这个整合不仅包括各种技术、方法，还包括不同来源的生物样品（血液、尿液、粪便等）。可以将目前的整合策略归纳为以下几个方面。
2.1.1 分析技术的整合 这个整合包括了不同分离技术、不同的数据获取方式、不同数据分析技术等。这样可以达到分析平台优势互补，使结果更完善、准确。在这方面刘昌孝等[29～31]做了一些液相色谱和质谱联用技术与化学计量学方法结合，应用于代谢组学的研究工作，并对这方面的发展进行了综述。chen等[32]也利用了整合的思想，提出了一套完整的潜在代谢标志物从发现到定性再到生理意义说明的方法。他们将指纹谱分析、多变量分析、液相串联质谱（lcms/ms）、微制备、傅立叶离子回旋共振质谱（fticrms）、气相质谱（gcms）、数据库检索、同位素标记物比对等方法进行了整合，利用整合后的平台对糖尿病进行代谢组学分析。先用uplcms采集数据，经数据处理后寻找到潜在生物标志物，经过微制备后，再利用fticrms和gcms进行分析，得到精确分子量和气相保留指数，再结合碎片分析，通过查询数据库最终确定标志物的组成及结构。再通过同位素标记物的比对，最终明确此化合物并进行了生理意义的说明。这个方法适用于所有进行代谢组学研究的体系，能使标志物的鉴定更为可靠和令人信服，为潜在标志物的寻找提供了一套标准有效的操作流程。还有人研究了多种离子化方式对代谢组学研究结果的影响[33]，发现单用电喷雾离子源（esi）的负离子模式比正负离子模式相结合少了90%的离子量，结合大气压化学电离（apci）后，离子量多了20%，而结合esi、apci、基质辅助激光解析电离（maldi）和多孔硅表面解吸离子化（dios）后，离子量提高了一倍，这在一定程度上代表信息量的增加。此外，亲和液相色谱、反相液相色谱和气相色谱的整合[34，35]、nmr与ms的整合[35]、不同填料色谱柱（如：c8、c18、苯基柱）的整合研究[36]都有报道。对于无商品化和不易得到标准品的物质,lee等[37]在定性分析中使用了绝对淌度和酸解离常数进行辅助解析，这也是整合思想的一个体现。这些研究都表明，整合策略正是现在代谢组学研究策略发展的一个重要方向。
在数据分析技术上，也体现着整合的思想。由于代谢组学分析产生的是信息量丰富的多维数据,因此，需要充分整合化学计量学和多元统计分析方法等技术，对代谢组学数据进行分析说明[38]。目前在代谢组学中运用较多的包括主成分分析、层次聚类分析(hca)、非线性影射(nlm)等非监督分类方法,以及偏最小二乘法判别分析（plsda)、k最近邻法(knn)、神经网络(nn)等监督分类方法。每一种方法都有各自特点，通过比较、整合可以得到更完整的结果。
2.1.2 数据的整合 由于样品分析手段的多样性，产生了许多不同的代谢组学数据，这需要通过数学统计方法对不同数据加以整合, crockford等[39]在进行毒理学研究时，采用了shy（statistical heterospectroscopy）方法对nmr与ms数据进行了整合，为生物标志物的发现提供了一个系统生物学工具。另外，lcms数据和gcms数据的融合[40]等也有报道。关于数据的另外一个整合是指代谢组学数据与其它一些整体研究数据之间的整合。随着现代自然科学技术不断发展，各种基于整体的研究，如蛋白组学、代谢组学、基因组学等不断出现并相互交叉，通过整合整体研究数据[41～43] ，可以更全面和深刻地阐明生物网络复杂性，准确理解代谢物与蛋白质、代谢物与基因之间的关系。廖沛球等[44]就在用代谢组学方法对硝酸钕急性生物效应进行研究时，将大鼠血清中一些重要的生化指标及组织切片光镜图分析结果与代谢组学数据结合讨论。从数据形式上,采用xml通用标记语言的质谱数据可同时适用于蛋白质组和代谢组, 同时,在细胞信号通路等领域有重要作用的系统生物学标记语言sbml也正发展成xml形式[45]；有些研究也采用sysbioom数据记录平台,将pedro形式的蛋白质组数据和代谢组数据整合至mageom模式的转录组数据中[46]。组学数据整合可以通过代谢网络支架(scaffold)分析、建模方法或借用有关专业软件来实现[47]。yang等[48]利用代谢组学与蛋白组学技术，并将两者相结合来研究dna免疫调节对脂代谢的影响。在毒理分析中，spicker等[49]就用一个分级模型整合了临床化学数据，基因蛋白表达数据和其他的一些数据。由此看来，对于许多复杂的体系，单一内容的数据已经很难准确反映出体系的性质和变化，这就需要更加重视采用多种数据来共同研究问题、解释问题。这样得出的结果更全面、更准确。
2.1.3 研究对象的整合 通过整合代谢组学(integrated metabonomics)方法，同时对机体中不同来源的生物样品(尿样、血样、组织样等)进行代谢组学分析、数据比较和综合评价，可以使代谢组学的结果更完整、更准确[50]。nicholson实验组[51]将血样、尿样和肝脏组织样品分别进行代谢组学研究，将研究结果整合来进行毒理研究，得到了更好的研究结果。saric等[52]进行了粪便代谢组学研究，研究揭示了粪便代谢组群的种类变化与肠胃功能的关系。一些研究者还对大鼠毛发进行代谢组学分析[34]，表明毛发在寻找生物标志物上也有重要作用。
2．2 定量化
从代谢组学的各个层次的定义不难看出，定量是人们追求的一个较高的目标。lee等[53]在研究壬基苯酚毒性作用时，就对比了有目标定量研究（针对雌激素、雄激素、肾上腺皮质激素）和无目标代谢指纹谱分析的结果，他们发现无目标、无准确定量的代谢组学研究结果只揭示毒性作用与作用量有关系。而有了准确定量后，毒性作用还表现出了与作用时间的相关性。代谢组学一直朝着全面定量努力。wang等[54]在代谢组学研究中就十分注重量的概念，在神经管畸形的研究中，他们根据先验知识锁定了一碳代谢循环通路，定量了11种物质，同时，也对同一样品进行代谢指纹谱分析，将定量结果加入到指纹谱结果中进行问题的说明。在糖尿病肾病研究中，整合了磷脂类、脂肪酸类、氨基酸类、核苷类和激素类五大代谢循环轮廓谱，定量了百余种物质，将这些再与指纹谱结合，将使代谢组学的研究更全面，更可信，有可能更清晰地去研究疾病的机理，达到疾病预警，指导并评价治疗的目的。
随着重视程度的增加，许多新的定量策略和方法都被提出并得到实验验证。对于定量，内标的使用是一个重要的手段，上文提到的毒性研究实验就是采用雌二醇d4为内标来定量。另外，bajad等[55]在用lcms/ms分析时，同时使用非同位素内标和同位素内标来实现定量，共定量了141种化合物，其中包含了氨基酸和核苷酸代谢的许多相关物质。可以说，内标的使用不但可以进行数据校准，还可以辅助定量。最近，weljie等[56]提出一种用于nmr进行代谢组学研究的定量方法，叫做靶标轮廓法，他们利用许多种纯品的光谱数据建模，从而建立一个数据库，通过检索比对来鉴定并定量代谢物，这个方法解决了低浓度物质和重叠区物质的定性定量问题。同位素比率的方法用于代谢组学定量是一种较新的尝试，huang等[57]在使用二维气相飞行时间质谱进行分析时，用d6标记的mtbstfa作为衍生化试剂对分析物进行衍生化，再根据同位素比率对分析物进行定量。通过对各种定量新方法的比较，可以看出，使用内标进行定量的方法会有鉴定方便，定量准确的优点，比较适用于那些结构非常清楚，内标物比较易得的物质的定量，而建模型数据库进行检索比对的方法的优点是比较简便，成本较低，但准确性有所欠缺。在实际研究中，应该根据每个研究对象的不同特点进行选择。
2．3 标准化
由于代谢组学分析技术和操作条件的多样化，使得大量产生的数据和结果缺乏规范性,这给代谢组学数据的采集、存储、查询、比较、共享和整合等带来诸多不便。这就需要研究者对一整套的过程进行标准化。首先，在生物样品的收集、灭活和储存上，大多研究者就已经按照一些标准化程序来做。其次，在样品的前处理上，alzweiri等[58]系统地比较了乙腈、丙酮、甲醇和乙醇的除血样中蛋白和尿中的盐效果，为建立标准化前处理方法提供一些依据。在样品分析上，内标的使用就在一个更小层次的标准化上起到了一定作用。目前，最主要的标准化还是针对于数据的处理。代谢组数据的标准化也开始尝试类似转录组学和蛋白质组学的方法[59]，具体地规定有关实验和分析方法的数据格式和必要信息。如bino等[60]提出了miamet的代谢物组学数据模式，涉及实验设计、样品收集、处理和分析等各环节；基于miamet，jenkins等[61]提出了更为细致和完整的基于gcms的植物代谢物组学数据标准armet；kell等[62]采用xml标记语言,可将信息标准扩展到包括应用nmr和ms等技术的代谢组学数据中。代谢组数据的标准化工作需要科研、企业及政府机构等多方面力量共同参与。在这方面，倡导者之一的smrs工作组发挥了重要作用[63]，该小组已制订和了有关代谢组分析方法的标准化报告的详细草案[64]。
2．4 新的分析方法
2.4.1 样品预处理 样品预处理是代谢组学研究中的重要内容[65,66]。基于代谢组分析的系统性，整个样品处理和分析过程应尽可能保留和体现样品中完整的代谢物组分信息,所以样品的预处理就显得尤为重要。许多研究工作也聚焦在了新的预处理方法上。webbrobertson等[67]在尿液预处理时，加入叠氮化钠，来防止细菌污染；在气相色谱质谱研究中，相转移催化技术(ptc)可以使分析物与离子对试剂形成离子对，利用它在有机相中溶解性好的特点，提高衍生化效率[68]。kind等[69]在尿液与处理上，采用尿素酶分解了尿中含量很高的尿素，与不进行此预处理的尿液相比，这种方法使一些被掩盖的信息表现出来。
2.4.2 样品分析 现阶段，样品分析和数据采集主要采用nmr和ms两种方法。其中，nmr技术，特别是新发展的高分辨魔角旋转、活体磁共振波谱和磁共振成像等技术使nmr成了代谢组学研究领域最主要的分析技术之一[70]；而现代ms技术也以其高灵敏度和专属性的优势而在代谢组学研究中备受青睐。一些应用于代谢组学研究的新技术也出现在这些相关领域中。超高效液相色谱/高分辨飞行时间质谱(uplc/tofms)技术及联机的markerlynx自动化数据处理软件早已运用到了研究中，为代谢组学研究提供了从样品分析到数据分析全过程的整体解决方案[71]。fticrms具有超高分辨率和准确度,可以配备大气压电离(apci)、纳升级电喷雾(nanoesi)和maldi等各种离子源,在代谢组学研究，尤其是未知物确定上发挥了很大的作用[72～74]；在代谢指纹的快速扫描中,直接输注质谱法的应用日趋广泛[75,76]；电喷雾解吸电离(desi)的质谱技术(ambient ms)[77～79]基于多孔硅表面的解吸离子化技术(dios)，突出特点是在常压下能将表面吸附的分析物进行解吸电离，这样就避免了样品预处理和基质背景干扰，从而实现ms对复杂样品进行原位、高通量、非破坏的分析，获得更直接和全面的样品信息[80]。wang等[81]自主研发了一套全自动亲水色谱柱/反相色谱柱加和转换的液质联用体系，从而将极性大的化合物进行了更细致分离，扩大了信息量，有助于全面准确衡量代谢情况。这套体系适合用于任何复杂生物样本的分析中，能简单而有效地完成极性范围很宽的不同物质的分离分析。enke等[82]在飞行时间质谱（tofms）的基础上发展了一套新分析技术，称为飞行距离质谱（dofms），它的分辨率可与四极杆和离子阱相媲美，而且还保持了tofms的优点，并提高了信噪比和动态学应用范围。在气相研究中，研究者创新地使用了纤维填充毛细管柱[68]，它的耐高温性能扩展了气相色谱的使用范围。
2.4.3 数据分析 数据处理的一些新的方法开发和应用，有力地推动了代谢组学的发展。saude等[83]根据不同代谢物和内标物的不同纵向弛豫率，得到校正因子，对代谢物的定量结果进行校正，大大提高了定量准确率；yang等[84]发展了一种峰校准算法，他们先定义了一系列响应比较强的峰，将保留时间划分为几个区间，对各个区间进行校准，并在肝病代谢组学研究中得到应用。oh等[85]开发了一个新的信息处理软件包，可以在样品数据中寻找同种代谢物产生的峰，并能消除杂峰（如污染物的峰），他们还用混合标准品和血样加标验证了软件准确性。在以gcms进行植物实验分类学研究中，splot作为一个能反映出代谢物与分类模型之间的共方差和相关性的工具，被用于鉴别有统计学意义和生理学意义的代谢物[86]。还有svd在线性最小二乘基础上的使用，能在一定程度上削弱峰重叠对峰指认和定量的影响[87]；mzmine和xcms能对保留时间进行校准[69]。这些方法的目的都是尽量减小分析中产生的误差，使结果更准确。
3 展望
目前，国内外许多研究者都在进行代谢组学研究，代谢组学应用的范围和领域也在不断扩大。但这些研究依然存在了许多问题亟待解决。（1）在代谢全谱分析中缺乏量的概念。在这个问题上，我们通过这几年对代谢组学进行的研究，也提出了自己的一些策略和思想，首先是将代谢指纹谱与定量进行了结合，称之为定量代谢指纹谱技术。这个结合包含了两个层次，一个是数据采集技术上的结合；一个是数据分析技术上的结合。这样的结合能实现指纹谱与定量优势互补，将更清晰、更全面、更准确地反映研究对象的代谢情况。（2）虽然代谢组学强调无歧视分析，但对于任何一个体系，都按代谢组学常规步骤按部就班地进行分析，往往最终都没有得到有用的结果。针对这个问题，我们认为要重视先验知识的重要性，了解哪些代谢循环、代谢物质最可能与研究体系相关，利用这样的先验知识指导代谢组学分离分析条件的优化、潜在生物标志物的鉴定，将大大提高代谢组学研究的效率，并能很好地避免研究重心偏离的情况。（3）生物标志物的寻找单一而片面。特别是对于疾病的研究，以前不太重视代谢、蛋白、基因数据与临床数据的结合，各个方面的研究者就在自己的研究数据中进行挖掘，以此来寻找标志物，探寻机理。但实践证明，这样得出的结果都会有片面性，缺乏说服力。在这个问题上，应该强调代谢组学数据与其它数据的结合，特别是临床相关数据，以此来发现包含了不同数据内容的复合生物标志物，这也是今后代谢组学发展的一个重要方面，同时，这也为生物代谢或临床表型多样性研究[88]提供更可靠的方法和工具。
尽管存在许多的问题，但也看到了在研究策略上整合一体化、标准化、定量化的趋势，并且看到了在问题导向下的新技术的不断涌现，这都将推动代谢组学不断持续发展。相信随着关注度的提高、人力和物力的不断投入及应用范围的不断扩大，代谢组学必将得到更为稳健的发展。
【参考文献】
1 nicholson j k, lindon j c, holmes e. xenobiotica, 1999, 29(11): 1181～1189
2 horning m g, murakam i s, horning e c. am. j. clin. nutr., 1971, 24(9): 1086～1096
3 nicholson j k, connelly j, lindon j c, holmes e. nat. rev. drug discov., 2002, 1(2): 153～161
4 brindle j t, antti h, holmes e, tranter g, nicholson j k, bethell h w l, clarke s, schofield p m, mckilligin e, mosedale d e, grainger d j. nat. med., 2002, 8(12): 1439～1444
5 holmes e, antti h. analyst, 2002, 127(12): 1549～1557
6 fiehn o. phytochemistry, 2003, 62(6): 875～886
7 fiehn o. plant mol. biol., 2002, 48(1／2): 155～171
8 allen j, davey h m, broadhurst d, heald j k, rowland j j, oliver s g, kell d b. nat. biotechnol., 2003, 21(6):692～696
9 nielsen j, oliver s. trends biotechnol., 2005, 23(11): 544～546
10 villasboas s g, hojerpedersen j, akesson m, smedsgaard j, nielsen j. yeast, 2005, 22(14): 1155～1169
11 villasboas s g, mas s, akesson m, smedsgaard j, nielsen j. mass spectrom. rev., 2005, 24(5): 613～646
12 lindon j c, keun h c, ebbels t m d, pearce j m t, holmes e, nicholson j k. pharmacogenomics, 2005, 6(7):691～699
13 keun h c. pharmacol. therapeut., 2006, 109(1／2): 92～106
14 rochfort s. j. nat. prod., 2005, 68(12): 1813～1820
15 chen m j, zhao l p, jia w. j. proteome res., 2005, 4(6): 2391～2396
16 gerszten r e, wang t j. nature, 2008, 451: 949～952
17 catchpole g s, beckmann m, enot d p, mondhe m, zywicki b, taylor j, hardy n, smith a, king r d, kell d b, fiehn o, draper j. p. natl. acad. sci. usa, 2005, 102(40): 14458～14462
18 chen m j, su m m, zhao l p, jiang j, liu p, cheng j y, lai y j, liu y m, jia w. j. proteome res., 2006, 5(4): 995～1002
19 idborg h, edlund p o, jacobsson s p. rapid commun. mass spectrom., 2004, 18(9): 944～954
20 castle a l, carver m r, mendrick d l. drug discov. today, 2002, 7(13 ): 728～736
21 muller m, kersten s. nat. rev. genet., 2003, 4(4): 315～322
22 clayton t a, lindon j c, cloarec o, antti h, charuel c, hanton g, provost j p, le net j l, baker d, walley r j, everett j r, nicholson j k. nature, 2006, 440(7087): 1073～1077
23 nebert d w, vesell e s. trends pharmacol. sci., 2006, 27(11): 580～586
24 lindon j c, holmes e, nicholson j k. pharm. res., 2006, 23(6): 1075～1088
25 waters m d, fostel j m. nat. rev. genet., 2004, 5(12): 936～948
26 ekins s. j. pharmacol. toxicol. methods, 2006, 53(1): 38～66
27 lindon j c, holmes e, nicholson j k. anal. chem., 2003, 75(17)384a～391a
28 weckwerth w, morgenthal k. drug discov. today, 2005, 10(22): 1551～1558
29 xie yuesheng（谢跃生）, pan guixiang（潘桂湘）, gao xiumei（高秀梅）, liu changxiao（刘昌孝）. chinese j. anal. chem. (分析化学)，2006，34（11）： 1100～1106
30 li wei（李 伟）, han jianping（韩建平）, gao jun（高 钧）, liu changxiao（刘昌孝）. chinese j. anal. chem. (分析化学)，2006，35（12）：1798～1800
31 lin yanping（林艳萍），si duanyun（司端运），liu changxiao（刘昌孝）. chinese j. anal. chem. (分析化学)，2007，35（10）：1535～1540
32 chen j, zhao x, fritsche j, yin p, schmittkopplin p, wang w, lu x, haring h u, schleicher e d, lehmann r, xu g w. anal. chem., 2008, 80: 1280～1289
33 nordstrom a, want e, northen t, lehtio j, siuzdak g. anal. chem., 2008, 80: 421～429
34 inagaki s, noda t, min j z. j. chromatogr. a, 2007, 1176: 94～99
35 godejohann m. j. chromatogr. a, 2007, 1156: 87～93
36 bruce s j, jonsson p, antti h, cloarec o, trygg j, marklund s l, moritz t. anal. biochem., 2008, 372: 237～249
37 lee r, ptolemy a s, niewczas l, britzmckibbin p. anal. chem., 2007, 79: 403～415
38 trygg j, holmes e, lundstedt t. j. proteome res., 2007, 6(2): 469～479
39 crockford d j, holmes e, lindon j c, plumb r s, zirah s, bruce s j, rainville p, stumpf c l, nicholson j k. anal. chem., 2006, 78(2): 363～371
40 smilde a k, van der werf m j, bijlsma s, van der werffvander vat b j c, jellema r h. anal. chem., 2005, 77(20): 6729～6736
41 lafaye a, junot c, pereira y, lagniel g, tabet jc, ezan e, labarre j. j. biol. chem., 2005, 280(26): 24723～24730
42 ippolito j e, xu j, jain s j, moulder k, mennerick s, crowley j r, townsend r r, gordon j i. p. natl. acad. sci. usa, 2005, 102(28): 9901～9906
43 morgenthal k, wienkoop s, wolschin f, weckwerth w. methods mol. biol., 2007, 358: 57～75
44 liao peiqiu（廖沛球）， zhang xiaoyu（张晓宇）， wei lai（魏 来）， li weisheng（李伟生）， wu yijie（吴亦洁）， li xiaojing（李晓晶）， ni jiazuan（倪嘉缵）， pei fengkui（裴奉奎）. chinese j. anal. chem. (分析化学)， 2008， 36（4）： 426～432
45 hucka m, finney a, sauro h m, bolouri h, doyle j c, kitano h, arkin a p, bornstein b j, bray d, cornishbowden a, cuellar a a, dronov s, gilles e d, ginkel m, gor v, goryanin i i, hedley w j, hodgman t c, hofmeyr j h, hunter p j, juty n s, kasberger j l, kremling a, kummer u, le novere n, loew l m, lucio d, mendes p, minch e, mjolsness e d, nakayama y, nelson m r, nielsen p f, sakurada t, schaff j c, shapiro b e, shimizu t s, spence h d, stelling j, takahashi k, tomita m, wagner j, wang j. bioinformatics, 2003, 19(4): 524～531
46 xirasagar s, gustafson s, merrick ba, tomer k b, stasiewicz s, chan d d, yost k j, yates j r, sumner s, xiao n q, waters m d. bioinformatics, 2004, 20(13): 2004～2015
47 joyce a r, palsson b o. nat. rev. mol. cell bio., 2006, 7(3): 198～210
48 yang f, yan s k, wang f, he y, guo y j, zhou q, wang y, zhang x y, zhang w d, sun s h. j. proteome res., 2008, 7(6): 741～748
49 spicker j s, brunak s, frederiksen k s, toft h. toxicol. sci., 2008,102(2): 444～454
50 waters n j, holmes e, williams a, waterfield c j, farrant r d, nicholson j k. chem. res. toxicol., 2001, 14(10): 1401～1412
51 waters n j, waterfield cj, farrant r d, holmes e, nicholson j k. j. proteome res., 2006, 5(6): 1448～1459
52 saric j, wang y l, li j, coen m, utzinger j, marchesi j r, keiser j, veselkov k, lindon j c, nicholson j k, holmes e. j. proteome res., 2008, 7(01): 352～360
53 lee s h, woo h m, jung b h, lee j g, kwon o s, pyo h s, choi m h, chung b c. anal. chem., 2007, 79:102～110
54 wang y, zhang h y, liang q l, yang h h, wang y m, liu q f, hu p, zheng x y, song x m, chen g, zhang t, wu j x, luo g a. j. chromatogr. b, 2008, 863(1): 94～100
55 bajad s u, lu w y, kimball e h, yuan j, peterson c, rabinowitz j d. j. chromatogr. a, 2006, 1125: 76～88
56 weljie a m, newton j, mercier p, carlson e, slupsky c m. anal. chem., 2006, 78: 4430～4442
57 huang x d, regnier f e. anal. chem., 2008, 80: 107～114
58 alzweiri m, watson d g, robertson c, sills g j, parkinson j a. talanta, 2008, 74: 1060～1065
59 quackenbush j. nat. biotechnol., 2004, 22(5): 613～614
60 bino r j, hall r d, fiehn o, kopka j, saito k, draper j, nikolau b j, mendes p, roessnertunali u, beale m h, trethewey r n, lange b m, wurtele e s, sumner l w. trends plant sci., 2004, 9(9): 418～425
61 jenkins h, hardy n, beckmann m, draper j, smith a r, taylor j, fiehn o, goodacre r, bino r j, hall r, kopka j, lane g a, lange b m, liu j r, mendes p, nikolau b j, oliver s g, paton n w, rhee s, roessnertunali u, saito k, smedsgaard j, sumner l w, wang t, walsh s, wurtele e s, kell d b. nat. biotechnol., 2004, 22(12): 1601～1606
62 kell d b, brown m, davey h m, dunn w b, spasic i, oliver s g. nat. rev. microbiol., 2005, 3(7): 557～565
63 castle a l, fiehn o, kaddurahdaouk r, lindon j c. brief bioinform., 2006, 7(2): 159～165
64 lindon j c, nicholson j k, holmes e, keun h c, craig a, pearce j t m, bruce s j, hardy n, sansone s a, antti h, jonsson p, daykin c, navarange m, beger r d, verheij e r, amberg a, baunsgaard d, cantor g h, lehmanmckeeman l, earll m, wold s, johansson e, haselden j n, kramer k, thomas c, lindberg j, schuppekoistinen i, wilson i d, reily m d, robertson d g, senn h, krotzky a, kochhar s, powell j, van der ouderaa f, plumb r, schaefer h, spraul m. nat. biotechnol., 2005, 23(7): 833～838
65 brown s a e, simpson a j, simpson m j. environ. toxicol. chem., 2008, 27(4): 828～836
66 lauridsen m, hansen s h, jaroszewski j w, cornett c. anal. chem., 2007, 79(3): 1181～1186
67 webbrobertson b j m, lowrya d f, jarman k h, harbo s j, meng q r, fuciarelli a f, pounds j g, lee k m. j. pharm. biomed. anal., 2005, 39: 830～836
68 kaal e, janssen h g. j. chromatogr. a, 2008, 1184: 43～60
69 kind t, tolstikov v, fiehn oet al. anal. biochem., 2007, 363: 185～195
70 bollard m e, stanley e g, lindon j c, nicholson j k, holmes e. nmr biomed., 2005, 18(3): 143～162
71 yin p y, zhao x j, li q r, wang j s, li j s, xu g w. j. proteome res., 2006, 5(9): 2135～2143
72 dettmer k, aronov p a, hammock b d. mass spectrom. rev., 2007, 26(1): 51～78
73 want e j, cravatt b f, siuzdak g. chem. biochem., 2005, 6(11): 1941～1951
74 brown s c, kruppa g, dasseux j l. mass spectrom. rev., 2005, 24(2): 223～231
75 dunn w b, bailey n j c, johnson h e. analyst, 2005, 130(5): 606～625
76 allen j, davey h m, broadhurst d, heald j k, rowland j j, oliver s g, kell d b. nat. biotechnol., 2003, 21(6):692～696
77 wei j, buriak j m, siuzdak g. nature, 1999, 399(6733): 243～246
78 takats z, wiseman j m, gologan b, cooks r g. science, 2004, 306(5695): 471～473
79 cooks r g, ouyang z, takats z, wiseman j m. science, 2006, 311(5767): 1566～1570
80 wiseman j m, puolitaival s m, takats z, cooks r g, caprioli r m. angew. chem. int. edit, 2005, 44(43 ):7094～7097
81 wang y, wang j s, yao m, zhao x j, fritsche j, schmittkopplin p, cai z w, wan d f, lu x, yang s l, gu j r, haring h u, schleicher e d, lehmann r, xu g w. anal. chem., 2008, 80: 4680～4688
82 enke c g, dobson g s. anal. chem., 2007, 79: 8650～8661
83 saude e j, slupsky c m, sykes b d. metabolomics, 2006, 2(3): 113～123
系统生物学的定义范文6
马斯洛需求层次理论(Maslow's hierarchy of needs),亦称“基本需求层次理论”,是行为科学的理论之一,由美国心理学家亚伯拉罕?马斯洛于1943年在《人类激励理论》论文中所提出。将需求分为五种,象阶梯一样从低到高,按层次逐级递升,分别为:生理上的需求,安全上的需求,情感和归属的需求,尊重的需求,自我实现的需求。另外两种需要:求知需要和审美需要。这两种需要未被列入到他的需求层次排列中,他认为这二者应居于尊重需求与自我实现需求之间。还讨论了需要层次理论的价值与应用等。
二、社会学习理论
班杜拉认为是探讨个人的认知、行为与环境因素三者及其交互作用对人类行为的影响。按照班杜拉的观点,以往的学习理论家一般都忽视了社会变量对人类行为的制约作用。他们通常是用物理的方法对动物进行实验,并以此来建构他们的理论体系,这对于研究生活于社会之中的人的行为来说,似乎不具有科学的说服力。由于人总是生活在一定的社会条件下的,所以班杜拉主张要在自然的社会情境中而不是在实验室里研究人的行为。
三、舒茨的人际需要理论
社会心理学家舒茨提出人际需要的三维理论,舒茨认为,每一个个体在人际互动过程中,都有三种基本的需要,即包容需要、的支配需要和情感需要。这三种基本的人际需要决定了个体在人际交往中所采用的行为,以及如何描述、解释和预测他人行为。三种基本需要的形成与个体的早期成长经验密切相关。包容需要指个体想要与人接触、交往、隶属于某个群体。与他人建立并维持一种满意的相互关系的需要。
四、镜中我理论
由美国社会学家查尔斯?霍顿?库利在他的1909年出版的《社会组织》一书中提出。他认为,人的行为很大程度上取决于对自我的认识,而这种认识主要是通过与他人的社会互动形成的,他人对自己的评价、态度等等,是反映自我的一面“镜子”,个人通过这面“镜子”认识和把握自己。因此,人的自我是通过与他人的相互作用形成的,这种联系包括三个方面: 1、关于他人如何“认识”自己的想象; 2、关于别人如何“评价”自己的想象; 3、自己对他人的这些“认识”或“评价”的情感。
五、贝塔朗菲的一般系统论
贝塔朗菲(1901~1972),美籍奥地利生物学家,一般系统论和理论生物学创始人,50年代提出抗体系统论以及生物学和物理学中的系统论,并倡导系统、整体和计算机数学建模方法和把生物看作开放系统研究的概念,奠基了生态系统、器官系统等层次的系统生物学研究。
六、埃里克森人格发展八阶段理论
埃里克森(E.H.Erikson,1902)是美国着名精神病医师,新精神分析派的代表人物。他认为,人的自我意识发展持续一生,他把自我意识的形成和发展过程划分为八个阶段,这八个阶段的顺序是由遗传决定的,但是每一阶段能否顺利度过却是由环境决定的,所以这个理论可称为"心理社会"阶段理论。每一个阶段都是不可忽视的。
埃里克森的人格终生发展论,为不同年龄段的教育提供了理论依据和教育内容,任何年龄段的教育失误,都会给一个人的终生发展造成障碍。它也告诉每个人你为什么会成为现在这个样子,你的心理品质哪些是积极的,哪些是消极的,多在哪个年龄段形成的,给你以反思的依据。
1.婴儿期(0~1.5岁):基本信任和不信任的冲突
2.儿童期(1.5~3岁):自主与害羞和怀疑的冲突
3.学龄初期(3~5岁):主动对内疚的冲突
4.学龄期(6~12岁),勤奋对自卑的冲突
5.青春期(12~18岁):自我同一性和角色混乱的冲突
6.成年早期(18~25岁):亲密对孤独的冲突
7.成年期(25~65岁):生育对自我专注的冲突
8.成熟期(65岁以上):自我调整与绝望期的冲突
埃里克森认为,人格在人的一生中都在不断地发展。他提出了8个阶段,认为每一个人都经历这8个阶段,每一个阶段对人格发展都至关重要。
(1)基本信任对不信任
(2)自主性对羞愧和怀疑
(3)主动性对内疚
(4)勤奋对自卑
(5)自我认同感对角色混乱
(6)亲密对孤独
(7)繁衍对停滞
(8)自我整合对失望
七: 九型人格理论
九型人格(Enneagram),又名性格型态学、九种性格。是婴儿时期人身上的九种气质,包括活跃程度;规律性;主动性;适应性;感兴趣的范围;反应的强度;心景的素质;分心程度;专注力范围/持久性。它是一个近年来倍受美国斯坦福等国际着名大学MBA学员推崇并成为现今最热门的课程之一,近十几年来已风行欧美学术界及工商界。全球500强企业的管理阶层均有研习九型性格,并以此培训员工,建立团队,提高执行力。
活跃程度;规律性;主动性;适应性;感兴趣的范围;反应的强度;心景的素质;分心程度;专注力范围/持久性。
戴维?丹尼尔斯(David Daniels)则发现这九种不同的气质刚好和九型人格相配。
九型人格不仅仅是一种精妙的性格分析工具,更主要的是为个人修养与自我提升、历练提供深入的洞察力,与当今其它性格分类法不同,九型性格揭示了人们内在最深层的价值观和注意力焦点,它不受表面的外在行为的变化所影响。 它可以让人真正地知己知彼,可以帮助人明白自己的个性,从而完全接纳自己的短处、活出自己的长处;可以让人明白其它不同人的个性类型,从而懂得如何与不同的人交往沟通及融洽相处,与别人建立更真挚、和谐的合作伙伴关系。
八、社会损害理论和社会重建理论
社会损害理论着重讨论的是,有时老年人一些正常的情绪反应会被他人视为病兆而作出过分的反应,从而对老人的自我认知带来损害。例如,因患老年病而健康受损的老人,询问子女自己是否应该搬过去与其同住。这种询问就很可能被子女视为老人无能力再作处任何决定的表现,从此凡事处处为老人作决定。这种关心久而久之就会对老人产生一种消极暗示,让老人觉得自己的确缺乏能力而把一切决定权都交给子女。也就是说,接受消极标志的老人随后会进入消极和依赖的地位,丧失原先的独立自主能力。现实生活中有太多的案例表明,对老年人的过分关心导致老年人认为自己无用的错误认知,从而对老年人的身心带来损害。这一理论对老年社会工作者具有深刻的启示意义,它至少告诉我们,有些所谓的老人问题大多是被标定的结果,也是老年人自己受消极暗示所产生的连锁反应,因此,在帮助老年人的过程中,不仅要切实地帮助老人解决实际问题,同时也需要协助老人增强信心和提升能力。
社会重建理论就是意在改变老年人生存的客观环境以帮助老年人重建自信心。社会重建理论的基本模式是:第一阶段:让老人了解到社会上现存的对老年人之偏见及错误观念。第二阶段:改善老年人的客观环境,通过提倡政府资助的服务来解决老年人的住房、医疗、贫困等问题。第三阶段:鼓励老人的自我计划、自我决定,增强老人自我解决问题的能力。
九、社会支持网络
一)发展
社会支持源自鲍尔拜的依附理论,20世纪60年代社会支持网络开始用于精神病学的临床治疗。20世纪七八十年代,美国社会支持计划推进了社会支持网络的应用。
(二)基本假设
人,无法自绝于社会而存在!
人类生存需要与他人共同合作,以及仰赖他人协助。
人类生命发展历程都会遭遇一些可预期和不可预期的生活事件。
遭遇生活事件时,需要资源以因应问题。资源分为内在与外在两种。
社会支持网络为外在资源之一种,可分为有形与无形两类。
(三)定义
A.一组由个人接触所构成的关系网,透过这些关系网个人得以维持其认同,并获得情绪支持、物质援助、服务、讯息、新的社会接触等。
B.由各种有形的和无形的支持构建起来的支持体系就是社会支持网络
