精准医学技术范例

【摘要】病理学在现代医学中是起桥梁作用的课程，是联系基础研究与临床医学的专业基础课。在大数据化的指导下，传统病理学的诸多领域需要根据学生的实际情况来做相应的调整，组织学、细胞学以及超微结构分子病理学，正在经历学科的重新布局和改造，迎接精准病理学的建立。如何对临床病理大数据进行有效的、合理的分析并和高等医学教育有效结合，实现依托临床案例大数据来进行病理学的精准教学，培养学生的精准临床思维，跟上时代发展的步伐，是本课题需要探索和分析的问题。文章主要从附属医院病理科层面、教研室教师层面、学生学习层面三个层面来探索和分析大数据在病理学中的合理应用，为学生将来进入临床做好临床医生铺好路、搭好桥。

【关键词】大数据；病理学；精准；应用；探索；分析

大数据深度发掘及所带来的信息变化，给传统医学教育及医药卫生带来新的机遇，且不同国家的高校医学教育及医药管理等逐步呈现大数据思维和战略[1]。当然大数据发展仍然存在诸多问题，临床上的典型病例数据只局限于本院的数据库，数据库的典型案例由于各种原因不能有效地开放流通，也就很难合理利用于教学[2]。近些年医学的发展越来越精准，对个体的诊疗越来越有针对性，就是所说的精准医疗，诞生了新的学科——分子病理学，这一学科的诞生使我们不得不重新定义病理学在当代医学中的桥梁作用，使病理学从早期单纯的病理诊断开始向临床治疗延伸。众所周知，传统病理学包括大体结构、镜下特征、细胞学水平以及超微结构病理学，在智能化大数据的指导下，开始经历学科结构的改造与重新布局，病理学也逐步实现精准化。当前我国临床病例数据应用价值难以得到发挥，所以医学教育大数据的规范化、标准化和安全性是医学教育教学大数据资源共享的关键环节[3]。在当前精准医学背景下开展精准医学教育势在必行，精准医学的发展已成为当今世界医疗领域的主题[4]。如何立足实现并依托临床大数据进行精准的高等医学教育，进而开展病理学的精准教学、培养学生具备临床思维，是本课题需要探索和分析的问题。

1大数据在病理学领域的应用与探索

当前病理学在大数据发展中仍然存在诸多问题。大数据的关键价值，在于有价值数据的资源共享和开发流通，如果互联网大数据不能有效地共享和开放，或是出于对自己数据的保护或者保密，不能或不愿对其数据进行开放与自由流通，导致数据整合和有效利用不能实现，数据价值将会大大降低。再者，由于前期信息基础设施建设情况，我国的很多有用数据往往还存在着局限性和私有性，数据的利用价值难以得到很好的发挥。为了使数据能得到合理利用，发挥数据的潜在价值，并使基础教学和临床工作任务紧密联系在一起。本课题通过对我校附属医院近三年临床病理案例的数据库进行大数据分析，并以各系统为主线对临床病理进行分类整理、分析，再依托学校的网络学习平台，整合病理学的授课内容和教师的授课方式，使学生以及任课教师都得到提升自己的机会，主要从以下几个方面进行：

1.1携手三所附属医院的病理科

临床病理数据的来源有效。通过与三所附属医院病理科协作，收集归纳近三年的病理科的病案资料，并对病案资料的患者相关信息资料保密，把病例资料按病理学的各个系统进行分类整理，分别整理归纳出心血管系统疾病、呼吸系统疾病、消化系统疾病、泌尿系统疾病、生殖系统疾病和内分泌系统疾病，在每个系统中再次细化相应的疾病种类，比如炎症、良性病变和恶性病变等，并对收集的临床病例数据进行系统分析整理，进而来整合病理学的相关授课内容。这些病例可以用在平时的授课和在线授课资源中，根据授课内容匹配相应的临床案例，作为每次授课之前的导入或是学生自学的相关资源，让学生带着案例中的问题主动学习，这样学生更容易掌握疾病的诊断，也能精准地和临床诊治的关键知识相对接，逐步培养学生临床诊断的思维模式，以及培养学生对临床疾病的诊断进行有效分析和解决的能力，同时也实现了大数据在病理学教学中的精准化应用和提升教师的信息化教学能力。与附属医院病理科携手共建的病理学大数据库，该库的运用实现了高效的资源配置及优化了资源分配，使学生的学习不拘泥于课堂教学，随时均可进行学习，使学生们节省了大量时间并提高了学习效率，利用碎片化的时间，大大提升病理学教学和学生学习效果，也就是最终实现学生学好和教师教好的教学目的。

〔摘要〕医学生人文教育是医学院校人才培养的重要内容，应坚持以问题和医学生多样化、个性化需求为导向，在医学生人文教育供给生态、供给载体、供给方式、供给资源等方面存在的问题进行深刻反思，“精准供给”应从医学院校的医学生人文教育的路径选择，如净化供给新生态，营造医学人文教育良好氛围;优化供给新资源，建构医学生人文教育价值共识;调整供给新模式，构建医学生人文教育供给方式等层面入手，提高医学生人文教育精准度，发挥其在“立德树人”教育中的良好效果，培养富有医学人文精神的高素质的医学专业人才。

〔关键词〕精准供给;医学人文教育;医德教育

“立德树人”是我国高校的立身之本，是医学院校培养高素质的医学专业人才的重要体现。推进医学院校医学生人文教育供给侧结构性改革，注重“精准供给”，有效发挥其立德树人的“倍增效应”，成为新时代医学生人文教育的重要价值追求和教育效果提升的新思考。医学生人文教育“精准供给”是指通过医学生人文教育的供给侧改革，提高教育供给端的质量、效率和精准度，使其更加贴近医学生的需求和习惯，满足学生个性发展需求，对准步入社会的需求。通过丰富教育供给结构，为学生提供丰富的、多样的教育资源、良好的教育生态和教育模式的供给结构，实施精准医学生人文教育，实现医学生人文教育的绿色、协调和可持续发展［1］。医学生人文教育结构性改革，应该紧紧围绕以“四个服务”为根本要求［2］，以满足学生成长发展期待作为根本出发点，对准医学生个性化、多样化和差异化的发展需要，找准问题，补齐短板，汇聚育人合力，让医学生人文教育“活”起来、“实”起来，不断增强人文教育的吸引力和感染力。

1“精准供给”:提升医学生人文教育实效的有效策略

供给侧结构性改革的核心思路就是要创新供给结构，有效引导、鼓励和刺激潜在需求，化解供需矛盾，实现“精准供给”。医学生人文教育“精准供给”应该以服务医学生成长成才的期待为目标，以对准医学生人文教育教学中存在的突出问题为切入点，改革教育教学供给结构，提升教育的吸引力和感染力，增强教育的精准性和有效性。

1．1对准未来，服务需要，夯实精准基础

精准供给视域下医学生人文教育，要把握好发展目标，服务好学生需要，夯实教育精准供给基础。一方面紧紧围绕高等教育“四个服务”的目标，始终坚持“四个正确认识”的价值取向，精准把握学生需要，积极响应学生期待，有效关照学生成长，促进培养德才兼备、全面发展的医疗卫生专业人才;另一方面通过创新教学思维、优化供给生态、丰富教学资源、拓宽教育教学途径等举措，实现医学生人文教育从“需求侧拉动”向“供给侧推动”的积极转变［3］，并本着贴近学生实际，融进日常生活、重视实践体验、实现内化提升的理念，对准新时代医学生成长成才需求，满足医学生差异化、个性化的发展需要，优化供给结构，刺激医学生学习医学人文课程的兴趣和欲望，提升教育教学的吸引力和感染力，为新时代医学生人文教育提供新的内生动力创造课程教学新的内动力。

摘要：

本文结合精准医学概念，探讨中西医结合临床教育如何在理念上、实践中与现代医学前沿接轨，同时分析中医临床教育与现代医学前沿接轨存在的问题与对策，阐述如何在中西医结合教育过程中树立“衷中参西”的根本理念和“兼收并蓄”的学习模式。

关键词：

个体化诊疗；精准医学；中西医结合；临床教育

中西医虽有不同的理论体系和历史发展沿革，但二者从诞生之日起，都是以治愈疾病为目的，对于疾病认知模式虽有偏向“形而上”或“形而下”的差异，但其临床疗效的实现，必然都是通过对人体的病理状态进行了调整而实现的。中医现代化科研所作的努力就在于使中医的诊疗方式能够用现代医学的方式进行阐释，在保持中医诊疗思维方式的基础上，有利于深入理解中医药特点和优势发挥的原理，这在中医发展过程中，是有益且必要的一个环节。本文结合精准医学概念谈如何在中西医结合教育过程中树立“衷中参西”的根本理念和“兼收并蓄”的学习模式。

1在理念上中西医结合临床教育与现代医学前沿接轨

由于时代背景和文化不同，中西医理论的形成和发展形成明显差异。西医的理论是自然科学的一个分支，中医理论与中国古代哲学思想交织在一起，如中医的一些基本概念如气、阴阳、五行，更多地是从哲学的层面进行人体现象的解释，如果只从实证的角度评价，中医理论就会被认为是粗糙和模糊的，然而中医理论这种系统的、整体的、动态的对生命体的认识进而衍生的理法方药体系，恰恰是中医的特色和优势所在，其明确的临床疗效使中医具有了顽强的生命力，对此持一味否定和固步自封的态度都不符合中医认识事物兼收并蓄的特点，而在与现代医学结合时，完全可以“和平共处”“求同存异”，不必强求理论上的融合，而从寻求理念上的对接入手。在中西医结合临床教育过程中，对于最新的现代医学概念，在充分认知的基础上，应该学会与中医学进行比较联系，发现异同之处，从而加深理解。如当“精准医疗”等概念出现时，我们应该在临床过程中将其与中医的诊疗进行比较并进一步加深中西医结合的理解。“精准医疗”(PrecisionMedicine，PM）是近几年提出的新的医学概念，它是通过深入了解每个患者的遗传学和基因组学信息，力争做出达到分子水平的准确诊断，为临床治疗决策和正确用药提供详细的参考依据，从而最大限度地提高治疗效果[1]。精准医疗是一种基于病人“定制”的医疗模式，在这种模式下，医疗的决策、实施等都是针对每一个病人个体特征而制定的，疾病的诊断和治疗是在合理选择病人自己的遗传、分子或细胞学信息的基础上进行的[2]。中医诊疗过程自古以来就是一种基于病人“定制”的医疗模式，根据每个具体病人在疾病过程中某一个病理阶段的“证”进行具体问题具体分析，结合中医的“病”“体质”，同时考虑到患者所处的地理环境、气候环境，甚至要对患者的心理状态、依从性要加以考虑，才能算是完成了一次“量体裁衣”式的诊疗。中医将每一个可能影响疾病发生发展的因素加以考虑，并在临床诊疗过程中加以处理或在医嘱中加以体现，虽不同于现代医学精准医疗借助了先进的现代科技将遗传信息与诊疗相对应，并做到精细、量化，但二者在诊疗过程中“量体裁衣”的个体化诊疗理念是一致的，并不存在冲突，随着科技的发展，中医也越来可能将其诊治方式以更加客观量化的方式加以呈现。认识到这一点，才会具备中西医结合的思想基础。通过深入比较精准医疗与中医诊疗思维理念的异同之处，在中西医结合教育过程中使学生更深入了解中西医各自的优势，在理论上“求同存异”，在理念上寻找共同的思想基础，进一步进行临床科研实践，才能更好地进行中西医结合。

【摘要】病理诊断在精准医学中扮演着非常重要的角色，无论是病理医生资源有限的现实，还是不断精细量化的临床诊断需求，都对精准的病理诊断能力提出了更高的挑战。医学界希望人工智能（artificialintelligence，AI）成为从多个方面解决这一难题的得力助手。本文讨论了AI推动精准病理诊断的几个方面：AI辅助病变组织的精准获取、AI辅助组织病理精准诊断、AI辅助组织学分级和定量评分、AI辅助肿瘤生物标记物的精准评估、AI辅助基于HE图像预测分子特征和精准的生物信息解读、AI辅助信息整合实现深层次的精准诊断、AI辅助基于HE图像精准预测患者的生存和预后，为读者展现AI技术为我们迎来的智慧病理的明天。

【关键词】人工智能；病理学；精准医学；诊断

病理学对疾病诊断和分类的重要性不可低估，随着精准医学所必需的组织病理诊断和分类、精准的生物标记物评估、复杂的二代测序结果的分析解读等日益增加的临床需求，给本来就十分稀缺的病理医生在工作量和专业知识更新上都带来了空前的压力，精准病理诊断已成为影响精准医学发展的主要瓶颈之一。精准医学给病理诊断带来的变化至少包括：定性诊断变为更多精细的定量评分；单基因检测变为更复杂的多基因检测分析；单维度的分析诊断变为多维度的分析诊断；静态的一次性诊断变为全过程长期的动态诊断和分析；有创手术获取的充足检材变为微创获取的微量检材。这些变化带来的繁杂程度，给传统的病理诊断带来了巨大的挑战，有的已达到了病理医生能力的极限或已触及了复杂定量这类病理医生能力的短板。寻找新的技术和工具势在必行，以计算机技术为基础的人工智能（artificialintelligence，AI）正为我们带来新的希望。

1AI辅助病变组织的精准获取

病理诊断首先需要通过手术标本精准地获取病变组织，了解病变组织的分布情况，还需要了解手术标本的边缘是否有病变残留，新辅助治疗后的手术标本还需要分析肿瘤在治疗后的反应情况，这些都是非常费时费力的工作。由于肉眼观察的局限性，我们通常只有相对盲目地选取大量的组织块，从中大海捞针般发现并分析病变组织。荧光成像、高光谱成像、近红外多光谱成像、高光谱结合可见光成像、太赫兹成像和高频超声成像等新技术已超越了传统可见光肉眼观察的认知[1-6]，AI技术辅以各种新的光学手段为我们探索出了一条“事半功倍”的新路。而AI辅助拼图形成的虚拟大切片，也可能完全替代传统上需要昂贵的专用设备和繁杂的操作流程才能完成的大组织切片[7]。

2AI辅助组织病理精准诊断

依赖形态学的组织病理诊断目前仍是病理学诊断的主要手段，通过显微镜下观察分析载玻片上的组织切片来进行的诊断常被作为诊断的“金标准”。显微图像的数字化为AI辅助组织病理诊断和分类奠定了基础。AI辅助组织病理诊断已有大量的研究成果，目前认为其已能达到病理医生诊断的同样水平，在某些方面甚至超越了病理医生的日常工作能力，尤其是AI具有良好的可重复性，在速度和效率上也有优势，在细胞学筛查上更显示了“不知疲倦”和不遗漏病变的优势[8]。AI在淋巴结癌转移评估上显示了更精准的前景，在乳腺癌新辅助化疗疗效预测上也有好的结果，本刊在本期也有这类工作的论著刊载[9]。AI辅助组织病理精准诊断，不仅在肿瘤病理诊断领域，在非肿瘤的病理诊断上也将发挥重要作用。NIRSCHL等[10]发开了一种卷积神经元模型，从心内膜活检组织的HE染色的数字切片评估心力衰竭，其结果优于两位参与研究的病理医生的成绩。而2019年的1篇报道发现，可以利用深度学习模型在十二指肠活检切片上区分乳糜泻、非特异性十二指肠炎和正常组织[11]。

【摘要】在高通量基因检测和信息技术的加持下，医学基因组学的大数据构成了精准医学的基础工程，推动了人类在分子层面上深入认识疾病和健康的进程。通过分析医学基因组学的大数据及其数据库的功能、作用和特点，阐述其对医疗及健康产生的重大影响及以安全、规范、有益的方式推进和使用的必要性。

【关键词】基因组学；医学；数据库；大数据

基因组学在21世纪获得了快速的发展，主要是依赖于基因测序技术的发展和信息技术的加持。由于生物技术和信息技术的互相渗透和协同，在计算机科学的算法、算力及软件的支持下，基因组学技术的成本正在以超过摩尔定律的速度下降。过去完成一个全基因组测序分析需要几天，现在只需几个小时就可完成。由于成本及速度的极大改善，基因组大数据正在以PB（1PB=1024TB）到EB（1EB=1024PB）的数量级累进，而目前全球每年产生的基因组学数据已接近EB级别。

一、医学基因组学大数据现状

基因组学是一门研究基因组的科学，其作为生命科学及其他学科的基础已经成为发展最快、最活跃的一个领域，也是21世纪生命科学发展的前沿和方向［1］。基因组学通过基因测序和分析研究基因的结构与功能，解释更多基因与生物体之间的关系，其与转录组学、蛋白组学、代谢组学共同构成了系统生物学中组学研究的基础［2］。基因组学及其相关产业能迎来快速发展的时期是始于人类基因组计划（humangenomeproject，HGP），由美国率先发起，英国、法国、德国、日本和我国科学家共同参与的一项规模宏大、跨多学科、跨多国家的科学探索工程［3］。HGP于1990年启动，历时13年于2003年4月25日完成，其中2001年“人类基因组序列草图”的发表被认为是HGP成功的里程碑。自从HGP完成以来，对科学发展和社会各界都产生了非常深远的影响，极大的推动了生物医学的研究，也为更多科学问题的探索提供了新路径［4］。医学基因组学大数据正是在这种背景下产生和发展，是指生物医学中的组学数据，包括基因型、表型数据等，通过生物信息分析，能为健康和疾病提供决策依据的数据［5-6］。这些数据具有大数据的特点，体量大、汇总杂、分析难，其加工处理对科技人员的素质要求也非常高，需要具备基因组学、分子生物学、生物化学、药理学、分子遗传学、生物信息学、统计学、线性代数、数据挖掘、分布式计算、软件工程、数据库、网络工程、信息安全、数据加密等复合知识和能力。因此，这远非个体所能完成，而是需要通过团体的力量去完成的系统工程［7］。医学基因组学的大数据是需要用特殊的软件工具进行捕捉、管理和处理的数据集合，是用新处理模式才能实现具有更强的决策力和洞察力的数据信息源，是具有海量、高增长性和多样化的信息资产。基因组数据量越大，越能细分人群特征，越能聚类发现未知问题。这对于复杂疾病的病因探索、疾病预防和健康管理具有重要价值。医学基因组学大数据非常复杂，人类基因组是由30亿对碱基构成，随着不同地域、人种、时空等因素不断发生变化，首先要从中找出碱基对的异同，然后根据异同还要对应到表型的一致性改变来进行关联分析。显然，仅依靠人类的头脑来计算是无法实现的，而计算机助力了这些应用，也决定了这项工作的效率、成本、准确度［8］。同时，大数据资源也可以用于交换，未来像商品一样流通。农耕时代土地是资源，工业革命时代矿产是资源，互联网时代信息是资源，人工智能时代大数据就是资源。通过大数据分析可以指导医疗健康活动，如发现特别的基因位点，用于药物的研究等。大数据分析需要高素质的复合性人才，还要算法、算力和软件的辅助，需要政府、医疗机构和科技公司团队的协作和共同努力。如无创产前基因检测［9］、耳聋基因检测［10］、病原微生物基因检测［11］，大规模人群筛查检测项目形成了重要的公共卫生大数据的原始积累。

二、国内外基因组学大数据及数据库研究中心

随着新的生物学技术方法的出现和基因测序成本的降低，生物医学数据和信息进入了快速增长的阶段，更多生命科学的研究已经开始向临床医学转化方向发展。在国际上，各国已经陆续开展了很多大规模的基因组测序计划。基因测序目标不仅是人类还包括许多动物、植物和微生物，如千人基因组计划［12-13］、水稻参考基因组项目［14］、地球生物基因组计划［15］。随着基因组测序计划的启动加速了复杂和多样化的组学数据的积累，而处理这些庞大且具有科研价值的数据，需要安全存储、开放共享、集中管理和应用转化的平台。

临床医学检验结果具有帮助及时找到疾病源头、防止造成更大伤害、掌握疾病程度、判断疾病类型等作用。在诊治和治疗阶段精准性强的检验结果是非常重要的。药物本身及其在体内所形成的代谢物质都会让人体发生一定变化，从而降低检验结果准确性。药物在一定程度上影响着临床检验结果，产生假阳性、假异常值和检验值过高或较低，影响检验结果的精准性。导致医生不能准确判断患者病情，引发漏诊和误诊现象，对病人生命健康造成威胁。

1不同药物对检验结果的影响

1．1抗菌药物

碘胺药物会使尿胆变得浑浊，引发尿糖、尿浊度、蛋白质假阳性偏高等。检测尿蛋白利用磺基水杨酸法，左氧氟沙星、磺胺类药物、头孢类药物、定安卡那霉素等容易出现尿蛋白假阳性症状。少数药物会在某种程度上缓解骨髓细胞分裂，减少白细胞数量。

1．2镇痛消炎药物

镇痛消炎类药物影响淀粉检验结果。阿司匹林会氧化胆红素，使胆红素值有所提升。吗啡、可待因、杜冷丁等药物可引发总胆管开口括约肌出现痉挛，提高病人血液与尿液的淀粉酶含量，此类药物在服用后几个小时影响较大，一天后药效自动消散。

1．3抗癌药物

摘要：随着精准医学在临床的推广，分子生物学理论知识和实验技能对医学类研究生的重要性与日俱增。而飞速发展的分子生物学学科使该门课程信息爆炸式积累，使本来分子生物学基础就偏弱的普通医学院校医学类研究生无所适从。本研究通过抓住分子生物学学科基本原理，结合新近研究成果，采用翻转课堂的教学模式，结合形成性评价，培养医学类研究生获得抓住本质，用科学思维去解决分子生物学课程学习和未来科学研究中遇到的问题的能力，提升其科研素养。

关键词：分子生物学技术；翻转课堂；形成性评价；课程设计；教学改革

2015年1月30日，美国前总统奥巴马在推出“精准医学（PrecisionMedicine）”计划，美国正式启动基于个体化基因组学研究，通过利用个人基因信息为癌症及其它疾病患者制定个性化医疗方案的全新治疗模式[1]。随后各国纷纷效仿，投入动辄数亿的资金，开展进准医学研究。目前国内三甲医院基本上都建立了精准医学诊疗中心，精准医疗已然成为当前医疗行业发展的一个重要方向。精准医疗的快速推进得益于分子生物学的飞速发展。分子生物学作为一门研究核酸等生物大分子的功能、形态结构特征及其重要性和规律性的学科，随着DNA双螺旋结构模型的提出，开启了全新的篇章[2]。而以CRISPR/Cas9技术为代表的精准基因编辑技术的发展和应用，则使基因治疗的临床应用变得触手可及[3]。技术的发展倒逼临床医生和医学生及时更新知识，提升技能。同时也要求医学院校《分子生物学技术》等相关课程适时改革，适当引入翻转课堂[4]，合理运用学习通等APP，促使线上线下有效补充[5]。通过深度融合理论与实验教学[6]，促进理论知识与科研能力相结合[7]，引导学生主动拥抱变化，适应未来。

一研究生《分子生物学技术》教学面临的困境

目前，《分子生物学》课程在普通医学院校的医学类专业本科阶段的独立开课率并不是很高，大部分医学院校都合并在《生物化学与分子生物学》课程中开展教学。在《生物化学与分子生物学》课程中，生物化学部分作为传统的经典内容，常常会格外受宠，而分子生物学部分可能会受到有意无意的忽视。更遗憾的是，在应教学改革要求压缩课时大背景下，分子生物学部分往往首当其冲。在这种培养模式下，普通医学院校医学类本科生的分子生物学知识通常不够系统，理论基础不够扎实，操作技能更是普遍欠缺。这导致了他们进入研究阶段学习时，面对海量更新的分子生物学知识时如临大敌，无从学起。再加上研究生课程学时偏少，这对他们而言，无疑雪上加霜。笔者从事研究生《分子生物学技术》课程教学五年余，对当前普通医学院校医学类研究生分子生物学基础薄弱，《分子生物学技术》课程学时少的教学困境深有感触。经过深入思考，我们制定了36学时的《分子生物学技术》课程改革方案，将理论与实验充分整合优化，具体情况见表1。

二《分子生物学技术》课程设计思路和实施方案

《分子生物学技术》课程改革的指导思想是提纲挈领，掌握分子生学核心理论，理清分子生物学基本脉络，深度结合具体实验操作，促进理论与实践相结合，培养普通医学院校研究理清思路、提出问题、思考问题并解决问题等综合能力。基于以上指导思想，《分子生物学技术》课程设计了三个部分的教学内容，第一部分包括4学时的核心理论课，以理论讲授为主，对分子生物学学科的基本理论中心法则进行充分的讲解，理清DNA、RNA和蛋白质三者之间的关系和遗传信息流动的方向。讲授过程中注意多采用启发式教学，引导学生思考遗传信息传递方向是否可逆，中心法则是否完美，有没有诸如蛋白质能否进行自我复制（朊病毒）和遗传信息能否从蛋白质向RNA流动等问题，锻炼学生打开思路，感受到达学科边界的感觉。在启发科学思维的基础上，获得一定量的有用蛋白为问题，引导学生根据刚刚掌握的遗传信息传递理论进行思考，获得获取目的基因，构建重组表达载体，蛋白质的重组表达和分离纯化，以及表达产物的分析鉴定等系列内容。根据思考内容进行将学生分成3个组，分别负责相关内容，分工合作，查阅相应的实验技术方法并比较，了解其原理及应用范围，为翻转课题做好准备。第二部分包括6学时的翻转课堂，每次课2学时，分别由各个小组对各自负责的内容进行汇报，之后开展讨论，在充分了解和比较各种实验方法原理和优缺点以及应用范围的基础上确定后续实验开展采用的具体方法。每次课结束前任课老师对每个小组的PPT汇报情况和讨论情况进行点评，必要时做适当的补充。经过该部分翻转课堂的学习，同学们都清楚接下来的实验课的全部内容，这对第三部分课程的开展非常有利。第三部分包括26学时的综合实验，需要在三到五天内相对连续地开展完成。根据不同学校的条件，可以2~3人组成一个小组开展实验，但要求每个小组成员都进行所有操作，全程参与菌种复苏、保菌、感受态细胞制备、质粒提取、重组质粒构建、酶切鉴定、转化、阳性克隆子筛选、蛋白表达、分离纯化、SDS-PAGE和Westernblotting检测等过程，过程中组内成员如果某些步骤出现问题可以借用其他成员地实验材料继续开展实验。条件允许的情况下，小组间可采用不同地基因序列，使整体实验内容进一步丰富。

1精准的选题方向

大数据时代科技期刊的选题策划从编辑主导向读者用户行为数据主导发生转变。传统的科技期刊出版过程中，选题策划主要由主编和编委会完成，存在一定的主观性、倾向性、盲目性和随机性，而应用大数据方法则可以改变这一局面。以《医学信息学》杂志为例，医学信息学科是一门新兴、交叉、边缘学科，医学信息工作是我国医疗卫生事业的重要组成部分，也是卫生改革发展的重要支撑。该学科在国外已比较成熟，而在我国则处于起步阶段，当前卫生改革背景下的医疗卫生信息化，为医学信息学科发展带来新的机遇与挑战。该刊依托卫生信息创新体系的建设，应用大数据方法，研究分析读者信息需求，搜集相关网站信息，基于大数据语义技术在开放共享的大数据分析服务基础上，通过对研究热点的持续跟踪，逐步形成了系列的自组织性的选题策划，实现符合时代需要的选题。聚焦国际学术新动态，及时介绍本领域最新发展趋势;跟踪国家重点课题，进行系统地深入报道;积极组织优秀稿件，提高论文的原创性、导向性和权威性。在年度内采取宏观和微观、重点和面上相结合的选题原则，力争每期有精品。通过专栏聚集热点、焦点及某专题研究趋势和进展，邀请国内外专家，介绍新理念、新技术，引领学术方向。2016年相继报道的精准医学、医学大数据、医院科技影响力评价、医学知识组织与服务、网络健康信息研究与应用、“互联网+医疗”、电子病历研究与应用、智慧医疗及其应用、医学信息学学科研究、人工智能在医学的应用等专题，受到读者好评。其中“互联网+医疗”专题获国家卫计委主题宣传“最佳期刊”(三等奖)。

2优化组稿过程

传统科技期刊组稿方法一般包括:参加学术会议;与专家、编委建立有效沟通机制，通过他们获取前沿科研信息;通过多渠道获得国家、部委、基金委等资助的研究课题相关信息，积极与课题负责人联系、沟通，对课题进行定向跟踪，向科研人员组稿;通过广泛阅读专业领域期刊及相关网站，向具有发展潜力的作者进行组稿。大数据环境下为科技期刊组稿提供了便利，大数据时代大量的科研人员作者信息数据(即隐性信息)存在于各类搜索引擎、电子阅读平台、科研讨论网站中。通过对这些数据的收集、清洗和分析，科技期刊编辑人员可以了解本领域近期的研究热点，甚至可以获悉具体单位、课题组或个人的研究动态，进而制定出相应的组稿计划。基于大数据的整合和分析得到的精准、客观结果，为组稿提供了客观的数据支持，有利于保证期刊发表具有前沿领域的文章。通过这种方法，也加强了组织一流稿件的力度，把握前沿信息和主动吸收最优质的稿件。如精准医学是目前医学领域里的最热课题，该刊2016年第1期通过搜索引擎向业内最前沿专家组稿，设置“精准医学”专栏，刊登了“精准医学对医学信息学提出的挑战与任务”、“精准医学的再思考”、“国外精准医疗研究可视化分析及启示”等文章，使读者对精准医学未来的发展、政策、规划等有所了解。为保证稿源质量，严格执行初审、复审、终审“三审制”的审稿流程。对审稿专家提出的意见及时通知作者，对修回后的稿件进行再审，尤其是在终审环节从宏观角度，综合考虑期刊栏目策划和读者等因素，最终确定是否录用。目前该刊已建立了2300多人的作者库，200多人的审稿专家库，形成了作者、审稿专家的大数据，为提高稿源质量保驾护航。

3严格数据制度

为保证稿源质量，避免抄袭现象发生，现在各科技期刊编辑部都严格对每篇录用稿件使用清华同方的学术不端行为检测系统进行。该平台整合了所有的相关文献数据，形成了一个大数据库供检索使用。《中国学术文献网络出版总库》作为学术论文大数据，无论对作者、读者还是期刊工作人员都有很大帮助，该数据库收录了从1915年至今(部分刊物回溯至创刊)，共27455628篇文献，覆盖了基础科学、工程科技、农业、医药卫生、信息技术、哲学与人文科学、社会科学等，可以对抄袭、剽窃、伪造、篡改等学术不端行为进行快速检测，检测后系统自动生成检测报告单，标出检测文章与来源文献的详细比对信息，可以快速选择重合文字部分进行查阅。该刊录用稿要求重复率在20%以内，对检测不符合要求的稿件，把报告单发给作者，让其修改，直至合格为止。通过数据库平台检索，可以了解到文章观点是否有独特性，内容是否为作者完成，是否有抄袭的嫌疑;如果是借鉴他人的观点，可了解是否有新的论点，可了解是否仿中有创，是否能对最新热点进行深入剖析。

4期刊网站、微信等用户数据分析