生物信息学的理解范例

生物信息学的理解范文1

【关键词】 高一新生 学习物理 存在问题 解决对策

【中图分类号】 G622 【文献标识码】 A 【文章编号】 1006-5962(2012)05(b)-0114-01

高中伊始,高一新生就普遍反映物理难学,甚至部分学生过早地失去学习物理的兴趣,失去学习信心。如何搞好高、初中物理教学的衔接,帮助学生尽快适应高中物理的学习,就成为高一物理教师的第一要务急。

1 高一新生学习物理中存在的问题

1.1 初、高中物理教材的差别显著

(1)从直观到抽象:如物体——理想模型。

(2)从单一到复杂:二力平衡——共点力平衡;匀速运动——变速运动。

(3)从标量到矢量:代数运算(加减法)——矢量运算(平行四边形法则)。

(4)从浅显至严谨,从定性到定量。

。运用的数学知识基本上是四则运算,且其公式参量也较少,实验原理简单,易于操作,因此,学生对初中物理并不感到太难。

高中物理每节的内容较多,语言叙述较为严谨、简练,叙述方式较为抽象、概括、理论性较强。描述方式较多:有文字法、公式法、图像法。对同一物理现象或规律从多侧面观察它、研究它,对学生的思维能力和学习方法有较高的要求,就必然会给学生的学习带来困难。

1.2 学生学习方法上的不适应

初中物理,由于涉及的问题简单,现象直观、生动、具体、形象,容易,篇幅小,概念、公式少,容易记住,题型简单,易计算。因此,初中生的学习方法比较机械、简单,习惯于背,不习惯于推理、归纳、论证;习惯于仿,不习惯于创;习惯于课堂合唱,不习惯于思考。进入高中后,由于定义、概念、规律、公式多,叙述多,讲授内容的多,方法灵活,题型变化多,加之科目多,如果仍靠初中那种以机械记忆为主的学习方法,显然是为力了。

1.3 学生运用数学的能力欠佳

高一物理的力学部分所用的数学知识,远比初中物理所用的四则运算复杂得多。力的分解与合成中的三角知识和几何知识;运动学中的二次方程及根的合理性的判别、简单的极值运算;万有引力、人造卫星中的幂的运算等。然而,许多学生就连直角三角形中的正弦、余弦、正切、余切的边角关系都似是而非,这里既有学生本身的数学基础知识差有关,但更重要的是他们有目的、有意识地将数学知识应用到物理中解决问题的能力差,这一特点普通班的学生更为突出。

1.4 学生知识面窄,不注意观察

在初中阶段,所研究的力学现象,如杠杆原理、浮力问题等,与他们的生活感受及生活经验绝大部分是吻合的、一致的。因此,他们有许多时候凭直观感受或主观想象,都能猜中正确的结论,而高中所涉及的物理感受更本质、更抽象一些,并且许多时候其生活经验或者潜意识中存在的一些比较根深蒂固的观点与实际的物理规律相矛盾:如在力的分解中,他们认为拉电灯的绳与电线的拉力大小与绳或电线的长度有关,难于理解成角度的二力合成;他们认为平抛物体的飞行时间,随平抛的初速度的增大而增大……,诸如此类的现象在力学中表现得最为突出。高一学生课外阅读较少,导致他们知识面狭窄,不善于对周围的事物进行观察、思考,也影响他们对物理的学习。

2 高一学生学习物理可以采取的对策

2.1 加强直观性教学、提高物理学习兴趣

高中物理在研究复杂的物理现象时,为了使问题简单化,经常只考虑其主要因素,而忽略次要因素,建立物理现象的模型,使物理概念抽象化。初中学生进入高中学习,往往感到模型抽象,不可以想象。。

2.2 改进课堂教学,提高学生思维能力水平

。 学生在教师的提示下,用简单的方法就把刚才还觉得十分复杂的问题解决了,心里肯定有喜悦和惊奇的感觉,对这种解题方法、思维过程的印象也会十分深刻。

2.3 妥善过渡,降低门槛高度

给学生一个缓冲、适应阶段,特别注意循序渐近的原则,强调要打好基础,不要求所谓的“一步到位”,有助于树立学生的学习信心。开始时,适当放慢进度,降低难度。。另外,对教学中涉及到的数学知识,要作必要的讲解和补充。其次,对书本上精练的概念、定律、定理的叙述,要作适当的语法上的分析,用浅显的语言剖析含义,从多角度去阐述它们(文字、公式、图像等)。

2.4 加强解题方法和技巧的指导

生物信息学的理解范文2

关键词：高中数学解题；心理性错误；引导分析

从高中生的心理状态分析，解题出错的原因基本上是属于干扰性错误。干扰学生的心理原因是指当人的感觉器官受到某一强刺激的持续作用时，神经中枢就产生相当稳定的、集中的兴奋，形成优势兴奋中心，由于优势原则的影响，在解题时，常常由于形成干扰而造成错误。具体表现如下。

一、定式性干扰

学生在用某种思维模式多次解决某类问题而形成思维定式后，当解决类似的新问题时，就会出现一种要套用以前思维模式的倾向，而且同一种方法使用次数愈多，这种倾向就愈强烈。

例1：若m2+tm-2≤0对任意t∈-1，1恒成立，则m的取值范围是______。

评注：受思维定式的干扰，很多学生把它类比于“若m2+tm-2≤0对任意m∈-1，1恒成立，则t的取值范围是______”，把m当成自变量，把问题当成一个二次函数的问题进行解决，最后导致问题无法解决或者错解。解决此类问题必须分清自变量与参变量，例题中因为自变量选择的不同，函数也从一个一次函数恒成立问题变成一个二次函数恒成立问题。本题是2004年福建高考第22题最后一步的改造题。

对于思维定式引起的错误，教师要注意加强对学生进行可逆性思维的训练并及时作出对比分析，必要时列表突出它们的本质区别，有目的地进行顺、逆思维的转化训练，并且在以后的学习中反复应用和练习，培养学生思维的灵活性，教会学生掌握“倒过来想一想”的逆向思维方法，提高学生的解题能力。

二、经验性干扰

学生在解题过程中，常常会根据某些局部特征，从已有的经验出发，不经逻辑推理，就凭表面现象判断，草率下笔，存在着主观性、片面性，易产生负迁移而导致错误。

例2：已知两个函数f（x）=7x2-28x-c，g（x）=2x3+4x2-40x，若对任意x1∈-3，3，x2∈-3，3，都有f（x1）≤g（x2）成立，求实数c的取值范围。

评注：受直觉经验的干扰，很多学生把它当成“已知两个函数f（x）=7x2-28x-c，g（x）=2x3+4x2-40x，若对任意x∈-3，3，都有f（x）≤g（x）成立，求实数c的取值范围”这样的问题来做。这是福州市2005年3月高中毕业班质量检查文科第21题，所以，这一题在笔者所进行的测试中得分率很低。

针对这种情况，教师要用正确的概念、规律、科学的思维方法，严密细致地解释问题的因果关系，使学生对问题形成正确的思维方法和清晰的印象。

三、联想性干扰

这种心理现象的产生，一是旧知识的联想优势导致新知识的联想抑制；二是心情过分紧张或过度疲劳也会抑制广泛而巧妙的联想。

例3：已知f（x）=sinx+2/sinx（x∈（0，π）），则f（x）的值域是_________。

评注：受联想性的干扰，很多学生联想起了“已知f（x）=sinx+1/sinx（x∈（0，π）），则f（x）的值域是______。”这是两个似是而非的问题，学生可能会忽略使用均值不等式的前提，导致错解。

针对这种情况，教师既要给学生创造适合联想的环境，又要切实加强联想思维训练，促使学生合理联想，并巧妙运用于解题中。

四、概念性干扰

教师在教一个新概念时，已经通过各种例子或文字说明详细解释了概念的内涵与外延，希望能让学生真正理解，以致于不出现概念错误。对于容易混淆的概念，学生经常不能正确识别。

例4：（1）已知A=（x，y）│y=x2，B=（x，y）│y=2x+3，则A∩B=________。

（2）已知A=y│y=x2，B=y│y=2x+3，则A∩B=________。

评注：部分学生对以上两个例题是“屡战屡败”，分析其原因，是由于对概念模糊不清。针对这种情况，在课内讲解时，要对学生可能出现的问题进行针对性的讲解。

。。教师要教给学生揭示错误、排除错误的手段，使学生学会识别错误、改正错误。要通过课堂提问及时了解学生情况，对学生的错误回答要分析其原因，并进行针对性讲解，利用反面知识巩固正面知识。

以上只是解题过程中学生发生的几类心理性错误的原因分析，实际上，学生出现的心理性错误，往往是由一个或几个原因交织而成的，这是一个值得深入探讨的问题。

生物信息学的理解范文3

关键词：生物信息学 遗传学 教学方法 教学内容

遗传学（Genetics）是研究自然界中生物的遗传和变异规律的科学，是生命科学领域中最为重要和基础的学科之一。。因此，遗传学作为生命科学相关专业的一门重要主干课程，在教学中起着举足轻重的作用。

一、生物信息学专业开设遗传学的必要性

20世纪80年代末，由分子生物学、计算机科学以及信息技术等学科的交叉和结合产生了生物信息学（Bioinformatics），它是基于分子生物学与多种学科交叉，以计算机为工具对生物相关信息进行储存、检索和分析的科学，是当今生命科学和自然科学的重大前沿领域之一。近20年，特别是随着人类基因组计划（human genome project，HGP）不断拓进，生物信息学作为跨越和融合生命科学与信息技术的新兴学科已成为生命科学核心领域和最具活力的前沿领域之一。生物信息学专业应运而生。国内单独设立生物信息学本科专业的高校较少，且普遍较晚。

遗传学与生物信息学两个学科之间关系密切。有国内学者利用美国《科学引文索引》（SCI）数据库web of science，运用文献计量学方法对8种权威生物信息学期刊2001年至2010年于2011年1月15日之前上传至wed of science的全部文献进行统计及分析。对施引文献按跨学科强度排列的结果显示，遗传学及基因与生物信息学跨学科文章发表量居第二位，仅次于生物化学与分子生物学。这说明，生物信息学与遗传学直接的跨学科研究较多，二者交叉学科的发展关系密切。因此，生物信息学专业开设《遗传学》课程十分必要。

二、遗传学教学中存在的问题

多年来，不同专业的《遗传学》课程的教学过程中涌现出一些共性问题，这些问题在生物信息学本科专业的教学过程中也存在。一是，学科拓展深化与课时压缩之间的矛盾。随着遗传学研究范畴的不断拓展，新的学科分支相继涌现，信息量逐步扩增，待教授内容逐渐增加且显得零散。但随着大学素质教育改革的进行，更多新的选修课、实验课被引入，遗传学理论课时被压缩，课时减少与内容增多的矛盾日益突显。二是，遗传学与其他课程教学内容设置与组织易重复。学科交叉为科研工作提供源源不断的动力，但在教学工作中学科渗透也造成教学内容重叠，基础和关紧技术重复教学的问题。例如，分子遗传学是遗传学重要组成部分，是目前遗传学研究的重点和热点，与生物信息学关系最为紧密，它包括的遗传物质的本质，基因的，基因重组等内容也在基因工程、分子生物学、细胞学等课程中作为讲授重点。如何利用有限的理论课时，合理安排教学内容，提高教学效率值得思考。

与此同时，生物信息学作为比较新的本科专业，开设各课程之间的衔接问题也比较突出。生物信息学专业的学生在大二开始全面生命科学和信息技术相关程学习。在理论知识在实际中如何应用缺乏概念，学生达不到共鸣，这也是生物信息学专业低年级学生面临的通病。遗传学课程安排在大学二年级上学期讲授，对于刚刚接触专业课程的学生而言本来就陌生，而且信息技术和生命科学相关课程讲授，二者貌似是两条平行线，怎样相交碰撞出火花，对于学生来说很难结合，必须由任课老师在授课过程中充分引导。传统的《遗传学》课程教学注重以杂交分析为主的经典遗传学理论的讲解，很大篇幅集中在三大定律（分离定律、自由组合定律以及连锁和互换定律）的教授上。遗传学课程教学重点集中在经典遗传学定律，经典案例跟不上学科发展。。

综上，由于学科本身发展迅速，涵盖知识范围越来越广，课时压缩等原因，容易让学生在学习过程中对该课程产生“内容太发散”“课时进程快”“知识跨越大”等认识，不利于课程的学习。由此可能造成，内容广泛且繁杂“抽象且深奥”枯燥无味，容易让学生觉得难或者枯燥。学生学习主动性不高。因此，在教学实践中，针对不同专业性质和培养目标存在的差异，不同专业《遗传学》课程教学应在知识体系、内容侧重点、教学方法等方面在各专业间有所区分。特别是生物信息学这种学科交叉性强的专业，如何实施该专业本科生遗传学的教学，以达到即符合本科教学难易程度的要求，又被大多数同学接受，同时能符合生物信息学学科自身特点，需要在教学过程中逐步的探索与实践。本文将结合资深授课教师经验及笔者生物信息学本科专业《遗传学》教学经历对这一问题进行阐述。

三、教学过程中的探讨与实践

1.制定具有专业特色的教学内容

生物信息学专业的课程教学中，遗传学相关知识是需要讲授的重点。。随着国际遗传学研究的深入，分子遗传学和群体遗传学得到长足发展，极大地丰富了遗传学的知识体系。为了紧跟国际研究前沿，国内许多高校对遗传学课程进行了教学改革，在经典遗传学教学的基础上，纷纷加入了分子和群体遗传学的教学内容，为后续开展更深入的专业研究和学习奠定了良好的知识基础。为了帮助学生对遗传学知识体系形成全面而系统的认识，结合生物信息学专业特点，在教学设计时借鉴了以“遗传信息”为主线的教学思想，教学内容涵盖了“经典”“分子”和“群体”三类主体遗传学内容。。

（2）生物信息学专业遗传学课程与其他课程的衔接

遗传学是研究生物遗传和变异的科学，以遗传物质结构和功能为研究对象，是生命科学的主干。因此，与其他学科在内容上有交叉或重叠无法避免。同中求异，突出遗传学的特色，是教学中值得研究的问题。遗传物质的本质、染色体畸变、基因突变、遗传等章节与微生物学、细胞生物学、生物化学内容重复较多，可以强调知识结构的完整性，淡化这些内容的分子结构和生化过程的讲解。例如，结合孟德尔定律和摩尔根定律案例，着重从染色体和基因角度切入，增强遗传学色彩，同时对其他课程起到提纲挈领的作用。

（3）结合生物信息学，引入最新研究成果，体现前沿性

。？因此，在讲授内容中加入生物信息学手段解决遗传学问题的新成果既体现前沿性，又能提高遗传学课程的专业针对性。教师平时要多注意积累教学素材，对于现阶段比较热点且与生物信息学相关的、应用性强的问题，要在课程基础知识讲授后，进行一定拓展。例如，在讲授基因定位和遗传图绘制时，引入用EST进行基因定位及遗传图谱绘制等内容；在讲到遗传家谱时，引入通过对患病群体或家系进行外显子组测序分析，对小家系孟德尔遗传病的致病基因进行鉴别和定位的例子。通过引入生物信息学教学例子，不仅可以使学生加深对遗传学知识的理解，还可帮助学生了解生物信息学最新进展，激发对后续生物信息学专业课程的学习兴趣。

2.教学方法多样化，提升学生学习兴趣

遗传学教学内容繁杂、理论性强，不易理解。为了提高教学效果，在教学模式上必须变“以教师为主体”为“以学生为主体”，注重采用灵活多样的教学方法和手段，开展多媒体教学、案例教学和研讨教学等，将传统抽象、枯燥的说教式教学转变为具体、生动的参与式教学，增强教与学的双向互动。

（1）多媒体教学方式

计算机多媒体辅助教学改变了传统的黑板加粉笔，以教师为中心灌输式教学模式。多媒体通过实时可交互的动画及图像展示，可以增强教学内容的展示效果，提高课堂教学的信息量和容积率，提升学生学习兴趣，加深对枯燥晦涩知识点的理解，提高教学效率。充分利用多媒体课件的超文本功能、交互功能、网络功能的优势，比如Holliday模型是分子水平上关于遗传重组机制的重要模型，很好解释了基因转变现象。。。

（2）案例教学

案例教学是一种创新型的教学方式，主要通过开放课堂、增强互动，培养学生运用所学知识解决实际问题的能力。案例教学需要结合本课程的专业理论知识，着眼于达成课程教学目的，编写和准备基于一定事实且具有一定场景的教学案例，这些教学案例要能够启发学生的思考，促进学生将从外部学习的知识吸收转化内在的专业素养和能力。在教学实践中，教学案例是“教”与“学”互动的桥梁和纽带，使枯燥乏味的学习过程变得活泼有趣；“教”不是告诉学生怎么去做，而是启发学生如何去思考，对学生针对案例问题提出的解决思路进行引导和评价，鼓励学生创新性思考，找到最优的问题解决方法；“学”不是被动的接受，而是主动的思考和创造，通过与他人而不仅仅是老师进行互动和交流，加深对知识的理解，培养解决实际问题的能力。

案例教学的核心是精心设计教学案例，将知识内化在符合实际又富于想象的故事情景中，使得学生通过身临其境将抽象的理论知识具体化，学会如何用概念性和原理性知识在实际工作和研究中解决问题，进而加深对特定原理和概念内涵的理解。在教学实践中，先以典型案例提高学生兴趣，把抽象的东西具体化，让学生变被动接受为主动思考，激发学生的求知欲。注重培养学生创造力和解决问题的能力。通过案例的分析，深化学生对基本原理、基本概念的理解。案例教学能很好地启发学生进行自主思考，对于理论性较强，比较枯燥的内容，通过案例式教学能激发学生学习兴趣。所举案例应具有针对性，要考虑案例产生的时间、背景和条件，要贴近生活，耳熟能详，与时俱进。在处理问题的同时，获取知识。进行案例教学过程中，要注重与学生的互动。围绕教学目的，选择合适案例，进行启发式教学，调动学生参与性。教师不能一味平铺直叙的讲案例，还要注意学生的参与度。只有学生和教师共同参与，才能达到预期教学效果。

（3）以学生为主体的教学

以往课程中，往往针对经典类型习题进行讲解，参考“标准答案”。在实际教学中发现，这样往往造成学生思想禁锢，学科交融性不够。特别是对于生物信息学专业的学生来说，传统习题课或者讨论课，没有实用效果。。

课堂教学不仅要“授业”，更要“传道”，即培养学生如何学习和如何思维。根据教学内容和学生的认知水平，研究、讨论、交流式的教学模式的引入，有助于调动学生积极性。采用专题自学，规定材料与学生自学有机的结合起来，开展研讨，充分体现学生观点。同时，教师只起到点评引导作用，能培养学生获取信息、分析问题、创造性的解决问题的能力，有利于学生形成科研创新意识。教师如何正确引导是开展研讨式教学的重点。首先，应明确课程在相关领域中的作用和地位，了解课程的教学内容，选择课程中适合研讨的内容，并将研究与讨论贯穿教学的全过程。在选择题目时，要考虑专业相关程度及考虑不同学生层次的需求，考虑学生个体间的差异，难度适宜。

四、结语

生物信息学本科专业遗传学的教学，以孟德尔定律为基础，分析遗传物质的存在形式、传递、保存及变化，课程脉络更加清晰，通过案例教学的等教学模式，激发兴趣，并有利于与后续课程连接，在实践教学中体现了比较好的教学效果。因为生物信息学专业的需求与传统生物专业有差异，教学内容侧重点不同这给教师备课增加了难度。同时，在期末考核时，由于讲授侧重点不同，考试侧重点也应有所区别，在师资允许的前提下，引入小班教学，有利于教学侧重点突出。后续课程如果设置分子遗传学，将使知识体系更加完整。

参考文献：

[1]李巨超，李楠.适应应用型人才培养模式的遗传学教学改革与探索[J].中国科教创新导刊，2012，（2）：66.

[3]皮妍，林娟，侯嵘，等.国内高校遗传学教材发展研究[J].遗传，2009，31（1）：109-112.

[4]武妍，胡德华.生物信息学跨学科研究[J].现代生物医学进展，2012，（12）：137-141.

生物信息学的理解范文4

关键词：生物信息学；高素质应用型人才培养；不足

中图分类号：G2.0 文献标志码：A 文章编号：1674-9324（2014）03-0156-02

21世纪是生命科学的世纪，应人类基因组计划（human genome project，HGP）和生物科学迅猛发展的要求，迅速兴起的生物信息学（Bioinformatics）成为生命科学浪潮中的弄潮儿。生物信息学是由林华安博士于1987年提出的，而它的起源可以追溯到20世纪50年代末计算机在生物研究中的应用。到20世纪末期，伴随着计算机技术和网络技术的性发展，生物信息也突飞猛进地发展起来。它的诞生和发展是应时所需，是历史的必然，已经悄然渗透到生物科学的每一个角落。生物信息学是一门交叉科学，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量生物数据所包含的生物学意义。生物信息学现已迅速发展成为当今生命科学最具吸引力和重大的前沿领域，为生物学、计算机科学、数学、信息科学等专业的高素质人才提供了更广阔的发展天地。生物信息学不仅是一门新学科，更是一种重要的研究开发工具。从科学的角度来讲，生物信息学是一门研究生物和生物相关系统中信息内容与信息流向的综合系统科学。只有通过生物信息学的计算处理，人们才能从众多分散的生物学观测数据中获得对生命运行机制的系统理解。。从2002年起，我国一些高等院校开始向教育部申请设立生物信息学本科专业，目前有武汉大学、西南交通大学、河北大学、同济大学、浙江大学、苏州大学、华中科技大学、太原理工大学、重庆邮电大学、山西农业大学、湖南农业大学、哈尔滨医科大学、福建农林大学、南方医科大学等14所高校学校先后获得批准。湖南农业大学是湖南省目前唯一经教育部批准设立生物信息学本科专业的学校。湖南农业大学生物信息学专业2004年获教育部批准成立，2005年正式开始招生。2005年招收65人，2006年招收46人，2007年招收55人，2008年招收45人，2009年招收47人，2010年招收45人，2011年招收51人，2012年招收48人，经过八年的建设，已经毕业四届学生，积累了一定的办学经验，对生物信息学的专业内涵、人才培养目标、教学内容、课程设置等有了较深刻的认识。具体地说，我们积极开展专业调研工作，学习和借鉴国内外高校专业建设的经验，根据本专业教学规范，制定和修订了较科学的教学计划、教学大纲和考试大纲。根据专业建设的需要，积极引进专业教师，师资队伍的规模逐步扩大、知识结构不断优化，专业培养目标基本明晰，教育管理水平得到提高。虽然通过大家的努力，我们在生物信息学的专业建设和人才培养方面取得了一定成绩，但在高素质应用型人才培养方面存在一些不足，主要表现在：

1.缺乏标准的生物信息学高素质应用型人才培养模式。由于设立生物信息学专业的高校有综合性大学、农业院校、医科大学、电子信息院校等，对生物信息学专业人才培养的认识各异，造成课程设置的侧重点存在较大差异。事实上，国外在生物信息学专业的课程设置方面也缺乏成功的经验，围绕“哪些是生物信息学专业的必修课程”和“生物信息学专业的本科生需要哪些基本背景”之类的问题争议颇多。我国高等教育的传统模式在创新性人才和交叉学科人才的培养方面本身就存在不少薄弱环节，如何通过生物信息学专业课程教学与实践加强学生的研究能力，从而加快培养不同专业背景的“复合型”人才是摆在我们面前的一项艰巨任务。

2.生物信息学专业实践教学平台建设有待进一步完善和加强。高等学校的教育目标是培养具有创新精神和实践能力的高素质人才。实践教学与理论教学共同担负着培养高素质人才的任务，在提高学生实践能力、培养应用型人才方面具有更重要的作用。随着知识经济的发展，素质教育的深入，高教质量工程的实施，实践教学改革的开展，打造、建设和优化生物信息学专业实践平台以培养高素质生物信息学专业人才显得极其迫切和极为重要。。目前与生物内容相关专业实验在植物科学国家级实验教学中心的实验室开展；生物数据挖掘、生物软件开发和生物信息分析等相关专业实验在生物安全省级实践教学中心的计算机房开展；至今为止还没有一个真正意义上的生物信息学专业实验室，这对实验教学开展、学生科技活动进行与辅导、课程设计和毕业设计教学开展与辅导、教学科研工作的深入造成极为不利影响，并随着研究生的招生，实验室建设严重不足问题将更显突出。（2）课程教学体系系统性差。由于生物信息学是一个新兴学科，生物信息学专业在我国的创办时间不长，在生物信息学专业实践教学方面没有多少成功的经验值得借鉴，加上专业建设时间不长，这方面自身经验积累不足，许多想法和思路有待验证、改善和落实，实践教学内容设置、内容衔接和效果评估建设等方面还欠缺，传统性实验开展较多，开放性实验开展过少，最新技术方法（如：云计算）和社会对专业技术新要求在专业实验教学中融入还不够，内容还不成体系，系统性还存在许多不足。（3）开放型实践教学体系建设还是空白。目前高校对开放实验改革中进行的实践和探讨基本上停留在把少部分实验项目改革成了开放实验，开放实验内容单调简单、面窄浮浅、不成体系，系统性和创新性非常欠缺，效果往往达不到预期要求，也远不能满足不断学科发展和社会发展需要。我校生物信息学专业开放性实践教学体系建设也同样处于空白，关于生物信息学专业开放性实践教学体系建设需要紧急推动和落实。（4）实习基地建设还存在不足。目前，我校生物信息学专业还没有专门的校外实习基地，影响了学生实践动手能力的提高。

3.师资队伍需要进一步优化。教师队伍的素质、水平决定了专业建设的质量。生物信息学是一个交叉学科，生物信息学专业需要既熟悉生物学背景，又要熟悉信息类知识的专业课教师和学术带头人。目前，我校生物信息学系现有专职教师10人，其中教授5人，副教授2人，有博士学位的9人。听起来实力蛮雄厚，但真正科班出身、从事生物信息研究的老师并不多，很多是从原植物保护专业的师资调整过来的，有些是近年引进的，还没有形成稳定的学术梯队。还没有科研及教学成果奖，也没有主编规划教材出版，师资队伍的学术水平尚待进一步提高，师资队伍需要进一步优化。

4.教育教学改革需要进一步深化。生物信息学专业开办了八年，我们在教学改革建设方面也做了一些工作，但需要进一步深化；在人才培养模式、实验室建设、课程建设等方面做了一点探索，获得湖南农业大学教改项目4项，如2006年的《生物信息学专业建设及人才培养模式的探索》、《生物信息数据处理中心开放式实验室建设与服务模式研究》，修改了培养方案，发表了几篇教学教改论文。在教学手段上，本专业教师能够结合生物信息学学科特点，开展利用现代化手段进行辅助教学的教学改革探索，我们鼓励教师积极使用一些优秀的教学软件，也鼓励教师结合自己的教学经验，努力开发电子课件，对于学生的深入学习起到了重要的作用。我们在教学改革方面虽然做了一些工作，但远不能适应本专业的发展要求。

5.就业渠道拓展不够。由于生物信息学专业是新兴的专业，专门的产业尚没有完全成熟，目前主要分布在医药产业和信息产业之中，因此，就业渠道有待扩展。

当前，生物信息学在国内外的发展基本上都处于起步阶段，各国所拥有的条件也大体相同。因此，这是我国生物信息学研究赶超国际先进水平的极好机会。生物信息学研究投资少，见效快，可充分发挥我国基因信息资源丰富的优势，以及湖南农业大学在生物学领域，尤其是微生物基因组研究方面的特长，经过十几年或更长时间的努力，湖南农业大学的生物信息学专业有可能会成为湖南省的优势特色专业。

参考文献：

[1]李宏.我国生物信息学研究的发展策略[J].重庆工商大学学报（自然科学版），2005，22（2）：105-109.

[2]赵爱民.生物信息技术发展态势分析[J].中国生物工程杂志，2003，23（5）：101-103.

[3]陈锋，吴明晖.符合时展的高素质应用型人才培养体系的探索与实践[J].中国高教研究杂志，2011，（8）：32-35.

[4]舒坤贤，袁帅.生物信息学实践教学体系的构建与实践[J].湖南人文科技学院学报，2012，（2）：118-120.

基金项目：湖南省普通高等学校教改项目“生物信息学专业理论教学与教学方法改革”（2013-160）和湖南农业大学校级教改项目（A2013057）。

生物信息学的理解范文5

关键词：生物信息学；本科教育；实践与体会

中图分类号：G2.0文献标志码：A文章编号：1674-9324（2018）13-0229-02

湖南农业大学生物信息学本科专业2004年获教育部批准增设，2005年正式招生，是国内最早开展生物信息学本科教育的高校之一，为社会培养了近500名生物信息学急需的人才。

一、农业院校开展生物信息学本科教育存在的主要问题

1.师资力量薄弱，教师知识结构单一。我校在2004年申报生物信息学本科专业时，主要是以植物保护学院植物病理学系的教师为基础，结合昆虫学系讲授生物统计课程的教师，组建了生物信息学系。教师的专业背景主要为植物保护、生物学等方面，知识结构相对单一，计算机及数学理论方面的知识缺乏。

2.生源基础知识较差，专业认知度不高。。学生基本上通过服从专业调剂被生物信息学专业录取，分数相对较低，基础知识明显比其他专业要差，尤其是高考的英语成绩100分以上的学生不到15%。另外，由于学生对生物信息学专业的认知度不高，再加上新建专业，师资、实验条件相对不足，学生转专业的情况非常突出，2005年转专业率为27%，2006年转专业率为23%。

3.教学硬件软件不足，难以满足培养专业技能的需求。生物信息学是一门新兴学科和前沿学科，应用性和实战性非常强。随着生物技术的迅速发展，生物学数据每年都成倍增加，生物信息学的研究方法不断改进，研究内容也随之增加[2，3]。专业创办之初，国内生物信息学呈现“小荷才露尖尖角”的发展之势，有关生物信息学的中文版教材非常少，有关生物信息学软件的使用方法和实验指导的中文版更是凤毛麟角[4]。

。在21世纪初，国内有影响的生物信息学的相关专业公司不多，并且主要集中在北京、上海等大城市，如北京华大基因研究中心、上海申友生物技术有限责任公司、上海生物信息技术研究中心等，与长沙相隔遥远，学生很难有机会去现场感受生物信息学的魅力。

二、解决办法

1.加大师资培训力度，引进外缘教师。为了让生物信息学专业的教师尽快适应生物信息学的教学，学院和学校加大了对生物信息学专业的师资培训力度。全系所有教师都参加了浙江大学主办的“基因组科学研习班”，有7人次赴日本、美国等地开展生物信息学方面的科研工作，提高了对生物信息学的基础理论认识和实践操作技能。

2.利用传统农科专业优势，形成我校生物信息学的专业特色。我校生源的自身特点和基础知识不允许我们在制定人才培养目标和课程设置时，生搬硬套综合性院校生物信息学专业的教学模式，必须根据我校的人才培养目标和我校的传统农科专业的优势。我校生物信息学专业立足湖南，开展水稻、油菜、棉花、柑桔等农作物抗病基因和重要病原物的基因组以及资源微生物功能基因组方面的研究，这为加速湖南省的经济发展做出了贡献。

3.加强专业宣传力度，提高学生对生物信息学专业的认知度。精心准备，制作专业介绍PPT，为新生展示学习生物信息学专业的美好前景。。通过该群，一些问卷调查，根据市场、社会对生物信息学专业毕业生的要求，制定了新的（2014版）生物信息学专业培养方案和教学计划。

4.加强实践教学训练，改革考核方法。2009年我院搬迁到新教学楼，给生物信息学专业安排了两间学生计算机机房，添置了50余台计算机。2015年建设了一个云教室，设有40个云终端，先后添置了10台高性能浪潮服务器以及2台高容量的存储设备，建立了一个小型的计算机集群，CPU计算核数达108个，内存达850GB，能满足生物信息学专业本科教学对服务器和计算机的需要，同时较大程度地缓解了科研的计算需求。

5.加大与生物信息公司的合作，与华大基因学院联合办学。与中国科学院北京基因组研究所、生物物理所等科研单位；与北京百迈客生物科技有限公司、上海美吉生物医药科技有限公司、深圳华大基因科技有限公司等单位签订校外教学实习基地协议；与深圳华大基因研究院签订了“基因组科学人才联合培养协议”，进行“2.5+1.5”联合办学。2015年只有1名学生入选“基因组科学创新班”，2016年有6名学生入选深圳市华大基因学院“基因组科学创新班”。

三、取得的成绩和主要体会

（一）取得的主要成绩

1.培养的毕业生获得了社会的认可。2011年我校获得优秀本科生推荐免试研究生资格后，生物信息学专业每年都有1—2名学生获得学术型推免资格，其中2011届的一位毕业生，大学期间发表2篇论文，因表现突出，被中国科学院北京基因组研究所接收为推荐免试研究生，据说为中国科学院首次接受非“211”学校的推免生。虽然我校的生物信息学专业开办的时间不长，但毕业生在生物信息学领域已崭露头角。如2010届两位毕业生以优异的成绩被深圳华大基因研究院录用，期间先后参与鸟类联盟比较基因组项目、猪蛔虫基因组注释工作、北极熊基因组注释工作、白蚁基因组项目、百例膀胱癌全基因组项目的研究工作，成为任华大基因研究院的高级人才。

2.建立了一支热爱生物信息学专业的师资队伍。通过10年的建设，生物信息学专业的整体师资队伍得到了加强，现有9名专职教师中，教授4名，副教授3名，讲师2人；“湖南省新世纪121人才工程”第三层次人才1人，湖南省学科带头人1人，湖南省青年骨干教师4人；全部具有博士学位，7位有在国外留学1年以上的经历。将美国克莱姆逊大学罗峰博士聘请为湖南省百人计划，同时将美国伊利诺伊州立大学刘世名博士和爱荷华州立大学的李迅博士聘请为湖南农业大学神农学者讲座教授。目前我校生物信息系已形成了两个特色鲜明的团队：由袁哲明教授领衔的算法创新团队和由罗峰教授领衔的应用拓展團队。

（二）主要体会

1.结合优势办好生物信息学专业。生物信息学是一门交叉科学，涉及生物学、计算机、数学等领域，范围相当广泛。同时，生物信息学也是实用性相当强的技术，运用生物信息学的方法和技术可以解决生命遗传信息和生命活动信息中的实际问题。

2.加强实践教学，提高学生的实战能力。生物信息学是一门应用性强的专业，必须让学生通过大量的训练去熟悉生物信息学软件的应用。同时，教师在教学过程中，应该将教学与科研相结合，多为学生提供科研科题，让学生在科研中能够熟练地运用生物信息知识去分析和解决问题，从而更好地理解生物信息学的作用。

参考文献： 

[1]徐光宪.21世纪是信息科学、合成化学和生命科学共同繁荣的世纪[J].化学通报，2003，66（1）：3-11. 

[2]钟扬，张亮，赵琼.简明生物信息学[M].北京：高等教育出版社，2001. 

[3]陈铭.生物信息学[M].第二版.北京：科学出版社，2015. 

生物信息学的理解范文6

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。。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。。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。

。

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。。

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。。

作为学科的生物信息学，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。。

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。