生物信息学
生物信息学范文第1篇
关键词：生物信息学；生物芯片；药物开发；疾病检测
Abstract: Bioinformatics was emerged in the 1980s,which is a new cross- discipline and then was applicated in the wide range of areas. Bioinformatics in biochips, drug development, energy fields, crop genetic analysis, disease detection are introduced in the context . Bioinformatics focuses on the collection, collation and services of biological data to discover laws guiding research,which is an indispensable tool for bioinformatics research.
Keywords: Bioinformatics；Biochip；Drug development；Disease detection
现代生物信息学是现代生命科学与信息科学、计算机科学、数学、统计学、物理学和化学等学科相互参透而形成的交叉学科，是应用计算机技术和信息论方法研究蛋白质及核酸序列等各种信息的采集、存储、传递、检索、分析和解读，以帮助了解生物学和遗传学信息的科学[1]。
1．生物芯片
生物芯片(Biochip)是指通过微电子、微加工技术在芯片表面构建的微型生物化学分析系统,以实现对细胞、DNA、蛋白质、组织、糖类及其他生物组分进行快速、敏感、高效的处理和分析
基因芯片是目前最重要的生物芯片。
基因微阵列是通过将核苷酸或DNA作为探针，紧密地排列在硅片等固相支持物上，然后将经过某种标记后的样品与微点阵杂交进行检测。根据杂交信息可以确定靶DNA的表达情况以及突变和多态性存在与否。芯片技术的突出特点是高度并行化、多样化、微型化和自动化等，因而被广泛用于测序、转录情况分析、不同基因型细胞的表现分析以及基因诊断、药物设计等领域，成为后基因组时代基因功能分析的制程技术之一 [2]。
2．药物开发
未来的药物研究过程将是基于生物信息知识挖掘的过程。基因组研究对现代与未来药物学和药理学产生了重大影响，尤其为新药筛选、药靶设计和分子药理学研究，以及疑难病的药物设计和途径选择等提供了新的方法论基础。基因组学与药物学的结合已经产生出一门新的分支学科---药物基因组学[3]。制药公司特将充分应用药物基因组学及生物信息学的理论知识和技术手段来设计临床试验并模拟和分析理论与实验数据。这将大大减少新药开发成本，缩短开发周期，为患者、医生和健康医疗机构等诸方面带来选择性治疗的革命。生物信息学也可用于破译遗传密码、筛选免疫基因以及进行新药研发等领域[4]。
3．生物信息学在能源领域的应用
综合运用GenBank等数据库以及各种分析软件将各类数据对比分析，人们已经能够使用酶来降解生物聚合物，通过筛选有益细菌来获取高级的生物催化剂，从而提高使用的产量[5-6]。原核生物采矿技术也得到了迅速发展。同样，不同类型的煤也会发生类似的生物转变，可以转变成甲烷。人们通过生物信息学技术手段开采能源的新方法，可提高能源的采出率和降低开采难度。
通过生物信息学技术改良生物基因，使之转变为生物能源，这是解决能源短缺问题的途径之一。这主要通过生物催化剂的基因转变和代谢工程，利用酶和细菌对生物体的碳氢化合物进行新陈代谢优化，从而用于开发生产生物乙醇等生物能源。
4．农作物基因分析
对重要农作物及经济植物进行基因组分析也需要生物信息学工具。例如，在植物基因组调控和结构研究中，涉及生物信息学的内容有：调控序列数据库；基因表达的调控分析；基因组序列识别；基因结构预测，转录与翻译控制模型；大规模基因数据集分析。
通过数据检索、序列对比、同源性分析、结构预测等工具软件的运用，可将分析数据应用于农作物模式植物研究、种质资源保存、病虫害防治、作物遗传育种等[7]方面，从而为解决模式植物的基因组测序、保护濒危种质资源、控制动植物病虫害和培育优良高产的农作物品种方面提供可靠保障。
5.疾病检测
基因组计划产生的基因及基因多态性数据与临床医学检验结果之间的关系需要利用生物信息学的方法去分析、去揭示，根据这样的分析结果，科学家能够更准确地了解疾病产生的根本原因，更精确地预测某个人患癌症、糖尿病或者心脏病的可能性，从而彻底改变我们诊断、治疗和预防疾病的方式[8]。
6.小结与展望
生物信息学的发展将给生命科学研究带来明显的变革，将帮助人类认识生命的起源、进化、遗传和发育的本质，解释人体生理和病理过程的分子基础，为人类疾病的预测、诊断、预防和治疗提供合理和有效地方法或途径，同时还将对医药、卫生、食品、农业等产业产生巨大的推动作用，甚至可能引发新的产业革命。21世纪是生命科学的时代，生物信息学为生命科学的发展提供了遍历和强有力的技术支持，推动者生命的迅速发展。
参考文献：
[1] 张明德.生物信息学[M].北京：科学出版社，2004.
[2] 蔡禄.生物信息学教程[M].北京：化学工业出版社，2008.
[3] 姜远英.药物基因组学[M].北京：人民卫生出报社，2011.
[4] 李松，王英.生物信息学在生命科学研究中的应用[J].热带医学杂志，2009,9（10）1:218-1220.
[5] 赵进，骆江涛.能源：未来生物技术的挑战[J].国外油田工程，2008,24（8）5:3-54.
[6] 刘永军，金鹏康.石油集输系统中微生物群落结构研究[J].微生物学杂志，2009,29（3） 2:5-31.
生物信息学范文第2篇
一、正在出现的技术
Klingler(Lncyte pharmaceuticals，PaloAlto，CA，USA)强调基因组学正推动制药业进入信息时代。随着不断增加的序列、表达和作图数据的产生，描述和开发这些数据的信息工具变得对实现基因组研究的任务至关重要。他谈到了Incyte pharmaceuticals对大规模基因组数据和生物信息学的贡献。
Lipshutz(Affymetrix，Santa clara，CA，USA)描述了一种利用DNA探针阵列进行基因组研究的方法，其原理是通过更有效有作图、表达检测和多态性筛选方法，可以实现对人类基因组的测序。光介导的化学合成法被应用于制造小型化的高密度寡核苷酸探针的阵列，这种通过软件包件设计的寡核苷酸探针阵列可用于多态性筛查、基因分型和表达检测。然后这些阵列就可以直接用于并行DNA杂交分析，以获得序列、表达和基因分型信息。Milosavljevic(CuraGen， Branford， CT， USA)介绍了一种新的基于专用定量表达分析方法的基因表达检测系统，以及一种发现基因的系统GeneScape。为了有效地抽样表达，特意制作片段模式以了解特定基因的子序列的发生和冗余程度。他在酵母差异基因表达的大规模研究中对该技术的性能进行了验证，并论述了技术在基因的表达、生物学功能以及疾病的基础研究中的应用。
二、基因的功能分析
Overton(University of Pennsylvania School of Medicine，Philadelphia，PA，USA)论述了人类基因组计划的下一阶段的任务——基因组水平的基因功能分析。这一阶段产生的数据的分析、管理和可视性将毫无疑问地比第一阶段更为复杂。他介绍了一种用于脊椎动物造血系统红系发生的功能分析的原型系统E-poDB，它包括了用于集成数据资源的Kleisli系统和建立internet或intranet上视觉化工具的bioWidget图形用户界面。EpoDB有可能指导实验人员发现不可能用传统实验方法得到的红系发育的新的药物靶，制药业所感兴趣的是全新的药物靶，EpoDB提供了这样一个机会，这可能是它最令人激动的地方。
Sali(Rockefeller university，New York，NY，USA)讨论了同源蛋白质结构模建。比较蛋白质模建（comparative protein modeling）也称为同源模建（homology modeling），即利用实验确定的蛋白质结构为模式（模型）来预测另一种具有相似氨基酸序列的蛋白质（靶）的构象。此方法现在已经具有了足够的精确性，并且被认为效果良好，因为蛋白质序列的一个微小变化通常仅仅导致其三维结构的细微改变。
Babbitt(University of California，San Francisco，CA，USA)讨论了通过数据库搜索来识别远缘蛋白质的方法。对蛋白质超家族的结构和功能的相互依赖性的理解，要求了解自然所塑造的一个特定结构模板的隐含限制。蛋白质结构之间的最有趣的关系经常在分歧的序列中得以表现，因而区分得分低（low-scoring）但生物学关系显著的序列与得分高而生物学关系较不显著的序列 是重要的。Babbit证明了通过使用BLAST检索，可以在数据库搜索所得的低得分区识别远缘关系（distant relationship）。Levitt(Stanford univeersity，Palo Alto，CA，USA)讨论了蛋白质结构预测和一种仅从序列数据对功能自动模建的方法。基因功能取决于基因编码的蛋白质的三级结构，但数据库中蛋白质序列的数目每18个月翻一番。为了确定这些序列的功能，结构必须确定。同源模建和从头折叠（ab initio folding）方法是两种现有的互为补充的蛋白质结构预测方法；同源模建是通过片段匹配（segment matching）来完成的，计算机程弃SegMod就是基于同源模建方法的。
三、新的数据工具
Letovsky(Johns hopkins University，Baltimore，MD，USA)介绍了GDB数据库，它由每条人类染色体的许多不同图谱组成，包括细胞遗传学、遗传学、放射杂交和序列标签位点（STS）的内容，以及由不同研究者用同种方法得到的图谱。就位置查询而言，如果不论其类型（type）和来源（source），或者是否它们正好包含用以批定感兴趣的区域的标志（markers），能够搜索所有图谱是有用的。为此目的，该数据库使用了一种公用坐标系统（common coordinate system）来排列这些图谱。数据库还提供了一张高分辨率的和与其他图谱共享许多标志的图谱作为标准。共享标志的标之间的对应性容许同等于所有其它图谱的标准图谱的分配。
Markowitz(Lawrence berkeley Laboratory，Berkeley，CA，USA)讨论了分布式数据库与局部管理的关系，以及用基于工具的方法开发分子生物学数据库（MDBs）的问题。许多方案当前正在促进搜索多种不同来源MDBs的数据，包括建立数据仓库；这要求对各种MDBs的组合有一种全局观，并从成员MDBs中装填数据入中心数据库。这些方案的主要问题是开发整体视图（global views），构建巨大的数据仓库并使集成的数据库与不断发展中的成员MDBs同步化的复杂性。Markowitz还讨论了对象协议模型（object protocol model，OPM），并介绍了支持以下用途的工具：建立用于文本文件或者关系MDBs的OPM视图；将MDBs作成一个数据库目录，提供MDB名称、定位、主题、获取信息和MDB间链接等信息；说明、处理和解释多数据库查询。Karp(SRI international，Menlo Park，CA，USA)解释了Ocelot，一种能满足管理生物学信息需求的面向对象知识陈述系统（一种面向对象系统的人工智能版）。Ocelot支持略图展开（schema evolution）并采用一种新的最优化并行控制机制（同时进行多项访问数据的过程），其略图驱动图形编辑器提供了交互式浏览和编辑功能，其注释系统支持数据库开发者之间的结构通讯。
Riley(Marine biological Laboratory，Woods Hole，MA，USA)在讨论大肠杆菌蛋白质的功能同时，特别提到了GPEC数据库，它包括了由实验确定的所有E.coli基因的功能的信息。该数据库中最大比例的蛋白质是酶，其次则为转运和调控蛋白。
Candlin(PE applied Biosystems，Foster City，CA，USA)介绍了一种新的存储直接来自ABⅠPrism dNA测序仪的数据的关系数据库系统BioLIMS。该系统可以与其它测序仪的数据集成，并可方便地与其它软件包自动调用，为测序仪与序列数据的集成提供了一种开放的、可扩展的生物信息学平台。
Glynais(NetGenics，Cleveland，OH，USA)认为生物信息学中最关键的问题之一是软件工具和数据库缺乏灵活性。但是，软件技术的发展已得到了其它领域如金融业和制造业的发展经验的借鉴，可以使来自不同软件商的运行于各种硬件系统的软件共同工作。这种系统的国际标准是CORBA，一种由250多个主要软件和硬件公司共同合作开发的软件体系。联合使 用CORBA和Java可以开发各种通过一个公用用户界面访问任何种类的数据或软件工具的网络应用软件，也包括生物信息学应用软件。Overton不同意Glynias的这种想法，他强调说CORBA仅对软件集成有用，不兼容的数据库软件可能是计算生物学所面临的最困难问题，一些制药公司和数据库仓库最近资助了一项用OCRBA链接不同的数据库的计划[2，3]。
四、制药先导的发现
Burgess(Sturctural bioinformatics，San Diego，CA，USA)讨论了填补基因组学和药物设计之间鸿沟的蛋白质结构中的计算问题。在缺乏主要疾病基因或药物靶的精确描述数据的情况下，药物设计者们不得不采用大规模表达蛋白质筛选方法；而结构生物信息学则采用一种更为实用有效的计算方法直接从序列数据中确定靶蛋白质的活性位点的精细结构特征，它利用一种集成专家系统从现实的或虚拟的化学文库中进行迅速的计算筛选，可以达到一个很大的规模。
Elliston(Gene logic，Columbia，MD，USA)讨论了治疗药物开发中发现新的分子靶的过程，着重讨论了基因发现方法。他认为，随着日益临近的人类基因组测序的完成，几乎全部基因的特征将在序列水平得到揭示。但是，对基因的认识将有赖于更多的信息而不仅仅是序列，需要考虑的第一类信息是转录表达水平信息，而Gene logic 公司的GeneExpress就是一个由mRNA表达谱、转录因子位点、新基因和表达序列标签组成的数据库。
Liebman(Vysis，Downess grove，IL，USA)介绍了Vysis公司开发的计算和实验方法，这些主法不仅用于管理序列数据，而且被用于以下用途：分析临床数据库和自然—突变数据库；开发新的算法以建立功能同源性（区别于序列同源性）模拟生物学通路以进行风险评估；药物设计的靶评估；联系复杂的通路特性以便识别副作用；开发疾病发展的定性模型并解释临床后果。
随着发现的新基因的日益增多，这个问题显得格外重要：基因的功能是什么？Escobedo(Chiron technologies，Emeryville，CA，USA)提出了这个问题的一种方法：将分泌蛋白质的基因的功能克隆与筛选这些克隆（可能的药物靶）结合起来。在这种方法中，在微粒体cDNA文库池中进行体外翻译避免了劳动密集的克隆、表达和纯化步聚，对文库池中的翻译产物在细胞水平进行筛选，测试其在细胞增殖和分化中的作用。例如，在用这种方法识别的111个克隆中，56个属于已知的分泌蛋白质，25个为膜相关蛋白，另外30个功能未知，可能是新的蛋白质。一种相似的方法在转移到小鼠模型系统中的基因传导载体中构建分泌蛋白质的cDNA文库来克隆特定的功能基因。
Ffuchs(Glaxo wellcome ，Research Triangle Park，NC，USA)讨论了生物信息学更为广义的影响：它不仅影响到新药物靶基的发现，还对改善药物开发的临床前期和临床期的现状极具重要性。众所周知，涉汲数以千计病人的临床试验（可能是药物开发最为花钱的部分）的设计不论多么仔细，也不能为正确的药物选择正确的病人。而在基因组水平划分病人群体的方法可以大大改善发现新药的效率。Fuchs介绍了一种将病人的基因型和表型标志结合起来以改善临床前期和临床期药物开发过程的系统Genetic information System.他强调将遗传学和生物信息学数据同化学、生物化学、药理学和医学数据连接起来的集成信息管理和分析方法是极其重要的。
Green (Human Genome Sciences，Rockville，MD，USA)介绍了他的测序工作中采用的数据管理工具。基于EST的测序方法所面临的挑战是，在对几百个cDNA克降重复测序之后，产生的数据堆积如山。由于大多数人类基因都是用这种方法发现并在么有数据库中分类编排的，面临的识别开放读框、重叠序列的重叠图谱、组织特异表达和低丰度mRNA基因的任务是令人生畏的。Human genome Sciences公司开发了一些可用户化数据库工具，在同一个数据库中可包括以下功能：WWW上访问和检索数据，序列拼接，临视潜在药 物靶基因的研究进展等。这些能够管理多项任务——从注释基因序列到成功开发基因产物进入药物发现的流程——的软件工具，极其可望从一种基于基因组知识的药物发现方法中得到新的药物靶。
Summer-Smith(Base4 bioinformatics，Mississauga，Ontario，Canada)描述了一种相关的策略。药物发现阶段中所要求的软件工具的任务是多样化的，要能注释基因，并阐明它的生理和病理功能及其商业潜质。对这样多种来源的信息的集成与分析，在派生的、项目取向的数据库（project-specific database，PSD）中可以很好完成。由于项目贯穿于发现到开发全过程，其间又不断加入背景的成员，PSD在项目的管理与发展中成为一种关键性的资源。
按照Smith(Boston university，Boston，MA，USA)的观点[2]，我们并不需要更快捷的计算机或更多的计算机科学家，而是需要更的生物学家和生物化学家来解释序列的功能。这对有些软件或硬件专家来说是个打击，但生物学系统的复杂性是令人生畏的，并且对基因功能的认识可能需要生物学方法和计算方法的结合。探索基因的功能很可能要花费生物学家们数十年的时间，本次会议表明没有任何单一的方法可以得出一个答案；但是，将计算生物学同大规模筛先结合起来识别一种化学靶物（hit）是一种产生化学工具来探索基因功能的方法，这些化学工具接下来就可以用作理解基因功能的“探针”。这种方法在Butt(Gene Transcription Technologies， Philadelphia， PA， USA)的描述中，既是一种检查基因功能的简单方法，也是为潜在的药物靶发现化学先导物的简单方法，他描述了一种可以在酵母中重建人类基因功能的酵母大规模筛选系统。在此系统中，可以迅捷地在一个化学文库中发现配基。这种技术的重要特征是它不仅仅是发现一种药物靶的配基的筛板（screen），相反，由于该系统的高速度，它也是发现先导靶基因的一种筛板。过去，世界上的制药公司通常在某一时间内仅能对有限数目（约20多个）的药物靶基因进行工作，鉴于此，我们需要根本不同的方法如基因组学来打开通向“新”生物学的通路。由于机器人和合成化学的进步，药物发现中最关键的问题不再是得到一种先导化合物（lead compound），而是得到导向靶基因。此次会议为从计算和实验方法中发展出的新生物学迈出很好的一步。
参考文献
1 Lim HA，Batt tR.TIBTECH，1998;16(3)):104
2 Williams n.Science，1997;277(5328):902
生物信息学范文第3篇
关键词：生物信息学 交叉学科 学生培养
一、生物信息学的产生
生物学是一门古老的学科，在人类历史发展的长河中，人类从未停止过对生命奥秘的探索。人们逐渐认识到，虽然生物种类多种多样，但是它们的最基本分子却是相同的。DNA、RNA和蛋白质等分子构成了生命的基本单位，再由细胞到组织、器官，最后器官系统组成完整的生物体。
传统的生物学研究中，由于受到技术水平的限制，生物学家多采用低通量的生物实验方法，其研究对象通常是一个基因或者几个基因组成的通路。在这种情况下，实验后的简单观察就可以满足研究需要。随着生物研究的不断深入，积累了大量实验数据，人们不禁想到，如何把不同的实验结果整合起来？另一方面，随着生物技术的发展，大量新兴技术出现，产生了海量的数据。例如90年代兴起的基因芯片技术，单张芯片就可以测定成千上万个基因在某一状态下的表达情况。1990年启动的人类基因组计划更为生命科学的研究提供了海量的序列数据。面对如此多的数据，以前依靠生物实验研究单个或几个基因的方法很难再适用，生命科学、统计学、计算机科学和信息科学等若干学科的交叉学科――生物信息学应运而生。生物信息学以计算机、统计、模式识别等方法为手段，以生物数据为研究对象，通过对大量生物数据的储存、处理和分析，提取其中有意义的生物知识[1]，从而最终揭示蕴藏在核酸序列和蛋白质序列中的信息，对了解生命活动的基本规律出贡献。
二、生物信息学在生命科学研究中的作用
作为一门新兴的学科，大家对生物信息的作用并不十分明确。很多人认为生物信息学只是为实验科学服务。从广义上讲，这种说法也不无道理，但是生物信息学并不是实验科学的附属品，与生物实验一样，它也是解决生物问题的一种手段。为了解决生物问题，生物学家依靠的是实验台，生物信息学家依靠的是计算机。
在生命科学的发展过程中，以分子生物学的产生为界，可以分为传统生物学和现代生物学。传统生物学和现代生物学取得的成就为生命科学的发展做出了巨大贡献。人类基因组计划启动以来，人们一度认为只要把各种生物基因组的全部碱基排列顺序测定清楚，生命的遗传奥秘就会显露无余，但是真实的情况远不像想象的那样简单。人类的个体发育开始于一个单细胞受精卵，受精卵经过一系列的细胞分裂和分化，产生具有不同形态和功能的细胞，不同细胞之间相互作用构成各种组织和器官。虽然人类基因组中有两万多个基因，但是在单个细胞当中，同时起作用的基因往往是很少的。有些基因只在特定阶段起作用，有些基因只在特定组织起作用。只关心某个基因或蛋白的功能是不够的，因为在不同时空条件下，同一个基因或蛋白的功能可能不同。生物是一个复杂的系统，其表型和功能不仅体现于基因数量和序列的不同，更体现在基因、蛋白以及其他生物分子之间的相互作用之中。因此，把研究对象当成一个整体，系统地分析内部的相互关系尤其重要。但是无论是传统生物学还是现代生物学，都是一门实验学科，生物学的发展中缺乏一种系统思想。生物信息学可以从大量生物数据中提取有意义的生物知识，通过对已有数据的总结，进一步推测生物体的某些性质和变化趋势，生物信息学为大量生物数据的整合提供了可能，与生物实验一样，是生物研究中的一种重要途径。
三、生物信息学学生的培养
生物信息学是一门交叉学科，要求学生具有较好的分子生物学、计算机科学、数学和统计学素养，目前国内只有少数几个学校设立了生物信息学本科专业，大部分的学生都是进入研究生阶段才开始生物信息学的培养。在进入生物信息学专业前，本科阶段可能接受过计算机、统计学、信息学、生物学等某一方面的教育，但要进行生物信息学的研究，大多需要补充其他方面的知识。
生物信息学研究可以分为两类：第一，在深刻理解生物问题的基础上，利用计算技术解决生物问题，第二，为生物学家提供性能更好的方法（算法）。理工科背景学生的生物知识较少，但是对于各种计算方法的原理和使用非常熟悉，对于这类学生的培养，第二类问题比较适合他们入门。在生物信息领域，有很多经典的分类问题。这些问题已经明确了分类目标，并且大都有通用的数据集。但是这类工作也受到了生物学家的质疑，因为大部分工作都是把已有的经典算法用在生物数据上，由于对生物问题不够了解，最后成为只有做生物信息的人才看的方法。这也在一定程度上导致了部分生物学家对生物信息存在偏见，认为生物信息就是提出新算法，做一些数据库。要想真正让生物学家认识到生物信息学的重要性，就要以解决生物问题为根本出发点，即使是做预测方法，也要建立在解决生物问题的基础上。做出更好预测方法的关键是深入理解生物问题并抓住关键特征。举个例子，要把男生和女生分开，我们可以根据很多特征，比如身高、体重、头发长短，虽然大多数情况下来说，男生比女生高、比女生重、比女生头发短。但是只基于这些特征还是会造成很多的分类错误，因为这些特征不是男生女生差别的最根本因素。如果我们是根据性染色体来分，那正确率的提高就非常显著了。在预测问题中，利用五花八门的方法并不是关键，如何能够对生物问题深入了解并找到关键特征，才是最主要的。
作为一门新兴的学科，大家对生物信息的了解还很少，很多人对它的定位也不同。但既然是生物信息，就是先生物后信息，可见生物的重要性。所以，在生物信息的研究过程中，对生物问题只限于表面地理解，势必不能做出好的工作。只有对生物问题有了深入了解，才能发现其中的问题。能够找到值得做的问题，可以说工作已经成功了一大半。当然，解决问题过程中也会有很多困难，比如发现了值得研究的课题，但在解决的过程当中发现某些数据无法获得，或者某些技术超出了自己的能力范围。在这种情况下，可以首先想想有没有其它变通的办法可以解决问题，如果经过慎重的考虑都无法找到，就要果断的放弃。这里要强调一定要慎重考虑，不能遇到一点困难就放弃。
相比理工科背景的学生，生物背景的学生有着扎实的生物学知识基础。但是如果是从本科阶段直接进入生物信息学，由于还没有进行过实验操作，他们对生物问题的理解也很难非常深入。不管是理工科背景还是生物背景的学生，丰富的生物学知识都是进行好的生物信息学研究的前提。在培养学生时不可忽视对其基础生物学知识的传授和教育，并适当引导其对生物学问题的思考。生物学问题可以很大也可以很小。大的生物学问题任何一个懂得基础生物学知识的人都可以提出，但也是最难解决的，比如到底是什么改变使细胞恶变，自身免疫病是如何形成的，心血管病糖尿病等复杂疾病是如何发生的，为何有人容易生某种病而其他人不易感。小的生物学问题就是各自领域的具体研究课题，比如表观遗传学领域的DNA去甲基化酶是否存在，基因表达调控领域的转录起始频率是如何决定的，RNA领域的大量非编码RNA的作用，蛋白修饰领域新发现的修饰如何调控蛋白的功能等等。在脑中提出并试图思考一系列大大小小的生物学问题是对学生培养目标的第一步。这些问题的产生的前提是对生物学知识的熟悉掌握。然而在对学生培养的过程中没必要也不可能告诉他们所有的知识，生物学知识教育的原则是为他们打开门，当他们思考问题的时候知道去哪里找到相关的知识。
另一方面，只有生物学基础知识和问题是不够的。很多问题在生物信息学产生之前就存在了，传统的方法无法带给人们问题的答案。人们一直期待新的方法去理解和解决这些问题。生物信息学的产生无疑提供给人们另一种思考生物问题的方式，为一些经典问题的解决提供了可能。例如最近的大规模的肿瘤基因组测序和分析使我们发现了很多新的肿瘤相关基因[2]。对于生物背景的学生，在教学中要把这样的例子介绍给学生，生物背景的学生在理解信息学理论方面会存在困难。最初很难要求他们理解所有具体过程。但是至少要让他们知道这些方法的基本原理，还有在什么情况下使用。这样在以后的研究中遇到类似问题才能想到应该选择什么样的信息学工具去解决，在具体应用过程中加深对整个过程的理解。生物背景的学生如果想成为生物信息学专家，只会应用是不够的，补充一些计算机、统计、信息方面的基础知识是必不可少的。
生物信息学是一门仍处在快速发展之中的学科。还没有一本教材能够满足生物信息学教学的需要，生物信息学立足于分子生物学、模式识别、计算机科学与技术、数学和统计学等学科，所以学生要先对这些学科的基本概念和系统有一个较为全面和直观的认识，为日后的科研打下坚实的基础。另外，培养过程中要包括大量的实例介绍，对一些重要的应用还加以详细解剖，使得同学们不再仅掌握理论，而是能够学会如何在实际工作中灵活应用这些理论。在此基础之上，向同学们推荐一些最新的论文、期刊、参考读物和相关的学术报告，让同学们能够切身感受到学科发展的前沿，培养学生的创新能力。21世纪是生命科学的时代，也是信息科学的时代。生物信息学在这样的历史条件下产生并壮大，它作为多个领域的交叉新兴学科，对生命科学研究有着巨大的推动力。生物信息学是一门应用性非常强的学科，也是一门非常活跃的前沿学科，良好的教学效果必须以先进的内容体系为基础，我们应时刻注意以科研促进教学，教学科研相长，使教学研究达到更高的水平。
[参考文献]
[1]蒋彦等.基础生物信息学及应用[M].北京：清华大学出版社,2003
生物信息学范文第4篇
关键词：信息技术 生物学科 信息素养 培养
一、信息素养的含义
信息素养是一个内容丰富的概念。它不仅包括对信息的选择、获取、识别、加工、处理、传递、创造的能力，还包括对信息道德伦理的了解与遵守。就本文所涉及的内容来说，它主要包括信息意识、信息能力、信息道德伦理等三个方面。信息意识是先导，信息能力是核心，信息道德伦理是保证。
二、生物学科对学生信息素养需求的迫切性
（一）生物学科知识对学生信息素养的要求是实现课程目标的必然选择
由于生物学科的特点，在具体教学过程中对学生信息素养的要求，有着较其他学科更为重要的作用。生物的细胞结构是极其微小，肉眼无法观察的，所以通过挂图和语言描述，学生难以理解。但如果通过自己动手操作生物实验室中的数码放大镜，可以在电脑屏幕上放大显示细胞结构的各个部件，极大地增加了学生探索知识的热情，方便了学生探究生物的精彩。
（二）生物教学中学生信息素养的提高有利于师生互补开放式教学模式的形成
现代社会倡导生态式教育：教学关系被看成配合式、对话式、合作式的关系，即在教学中根据生态学原理，适应自然、尊重自然、人为调控，既促进了师生的互动，又顺应学生的发展，有序地开发人的潜能，从而达到教学相长的目的。尤其是针对生物这门学科，其学科特点决定了教师和学生在教学过程中必须要具备一定的信息素养，无论是动手操作，还是到数据分析，无不离不开信息技术的支持。
（三）信息素养有利于激发学生的创新思维，促进生物教学内容进度的优化组合
学生并非一张白纸，寓知识于探索中，尤其是相对于生物学科的特点，让不同层面的学生都能从探索中获得快乐，获取知识。学生在探究的过程中学会在网上搜寻有用信息，并对这些信息进行初步的整合，在探究中形成各自独立的见解。充分利用网络的交互性，进行学生和学生之间、学生和教师之间的交流。通过交流，增加学生之间知识的沟通，激发创新的热情，有利于问题的解决和思维的发展，促进了学生在认识和情感方面的升华。
三、信息素养提升的具体方法或详细措施
中学信息技术的课程标准或要求之一，就是培养、提升学生的信息素养。在信息技术课程的教学过程中，信息技术教师的工作重点就是培养以及提升学生信息素养，在对学生今后的发展有着非常重要的作用。以下主要谈谈关于生物学科教学中学生信息意识、信息能力和信息道德的培养。
（一）信息意识
信息意识是人们在信息活动中产生的认识、观念和需求的总和，主要包括对信息重要性的认识，对信息的内在需求以及对信息所具有的特殊的、敏锐的感受力和持久的注意力。
1.信息意识的建立。中学生应具有强烈的信息意识，在生活和学习中，善于搜集、整理、加工信息，并且将其与自己所关心的问题、所要完成的任务联系起来，取决于生活并用之于生活，为能成为才思敏捷、善于捕捉、挖掘信息并善于创造信息的新型人才打下现实的基础。
2.信息意识的培养。信息技术教师在培养或者提升学生信息素养的过程中，需要按照该课程的新标准去执行，尤其是针对不同的学科，需要学生具备什么样的信息素养，这是特别需要我们信息技术教师去摸索的。
（二）信息能力
信息能力包括信息获取能力、信息加工分析能力、信息评价能力、信息应用能力、信息交流和创新能力。信息能力是信息素养诸要素中的核心，也是信息时代重要的生存和发展能力。
1.利用生物教材中的图表资料和栏目培养学生的信息能力。人教版生物新教材内容丰富、生动直观，增加了很多图表信息和栏目，为信息素养教育的开展提供了主要切合点。教材中大量精美的图片蕴涵着大量的显性信息和隐性信息，学生在学习过程中，丰富的图片大大吸引了学生的眼球，有强烈的视觉冲击，在读图过程中，增加学生对信息的处理热情，从而进一步锻炼了他们对信息分析、处理的能力。
2.利用现代教育技术与教学内容的整合培养学生的信息能力。现代教育手段如计算机辅助教学、多媒体、网络技术等技术的运用，使得教师教学方法更加丰富，学生在学习信息的过程中更为积极，充分调动学生的感官系统增加对信息的学习热情，培养和锻炼学生学习信息及处理运用的能力。现代教育的培养让学生为适应社会的飞速发展，培养学生成为全方面发展的人才做了充足的准备。
（三）信息道德的培养
信息道德是指在信息的获取、处理和运用的过程中必须遵守道德伦理规范，不得侵害他人的合法权益。根据中学生年龄小、生活阅历不丰富的特点，信息技术教师在教导过程中要正确引导学生在信息获取和运用过程中要符合道德伦理标准，从而减少以及达到避免学生触犯心理道德伦理规范。教师在对学生讲授相应的信息技术专业知识的过程中，要根据学生个人的实际情况，结合教学内容，抓住时机及时对学生进行信息道德教育。
生物信息学范文第5篇
论文摘要：生物信息学是生物科学中一门新兴的前沿学科。针对目前国内生物信息学教学现状，基于其他学科的成功教学模式，结合生物信息学课程特点，提出“以知识为中心，理论教学与实验教学有机结合”的教学模式。
2l世纪是高科技发展的世纪，随着人类基因组计划的完成、遗传语言的破译、生物大分子的功能与结构研究，一门崭新的、拥有巨大发展潜力的新的学科生物信息学悄然兴起并得以蓬勃发展。生物信息学已成为分子生物学家和从事生物学研究和学习的科研人员、教师和学生的必备工具。在生物信息学开设条件尚不成熟的情况下，目前还没有完善的教学模式，如何在高校进行生物信息学教学则亟需探索。为此，笔者根据几年的生物信息学教学实践，提出几点见解，期盼能“抛砖引玉”，引起同行专家学者的关注，由此推动生物信息学教学质量的提高。
1生物信息学概述
生物信息学(Bioinformatics)是生物学、数学和计算机科学交叉所形成的一门新兴学科，它主要运用信息科学和计算机手段通过数据分析和处理．揭示海量数据间的内在联系和生物学含义，进而提炼有用的生物学知识。诺贝尔奖获得者W．Gilbert在1991年曾经指出：“传统生物学解决问题的方式是实验的。现在，基于全部基因都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的，一个科学家将从理论推测出发，然后再回到实验中去追踪或验证这些理论假设”。该论点预示了生物信息学在生物科学中的重要地位。
生物信息学的最大特点；一是数据库庞杂，仅人类基因组一项，就大约有3．0×l0个A、G、C、T构成：二是操作主要在网络环境中运行，通过网络强大的搜索功能实现数据储存、检索和分析；三是由于是一门由计算机技术、数学、生物学等多学科综合交叉产物．它的理论及内容尚在不断地完善与更新中。
2教学现状
2．1缺乏合格的生物信息学师资，教师队伍的整体数量和质量与我国生物信息学教育快速发展的规模极不相称。
2．2对生物信息学专业人才培养的认识各异，造成课程设置不合理。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
2．3生物信息学教育与其他专业的合作还有待加强。尽管生物信息学是一门新兴学科，但与其他专业之间存在不少联系。现阶段的问题是不同专业学科的教师之间缺乏交流与合作，难以满足生物信息学教学的需求。
2．4在教学方法上．重视系统知识的传授和授课计划的完成，而忽视学生能力和素质的培养。此外，缺乏理论教学与实验教学的有机整合，实验教学只是以验证理论为目的，内容单一，无创新点，忽视了对学生实际操作能力的培养。
2．5教学中还缺乏适合的理论和实验教材。授权影印国外原版教科书和翻译书籍仍占主导地位，而国人自编的教材寥寥无几。例如，我们在教学实践中已深感到《基础生物信息学及其应用》一书已不能满足实际教学工作的需要，但由于种种原因．修订版迟迟未能完成。此外，系统性也是目前生物信息学教材中普遍存在的一个问题。
3创新教学模式探讨
作为教学论三大流派之一的建构主义认为：学生在现实世界的真实环境中去感受和体验该知识所反映事物的性质、规律以及该事物与其他事物之间联系，通过学生的自主学习和协助学习，来完成对所学知识的意义建构。多媒体计算机和网络通信技术的发展，为建构主义学习环境提供了理想认知工具．能更有效地促进学生的认知发展。基于其他学科的成功教学模式。结合生物信息学课程特点，笔者提出“一个中心，两者结合”的教学模式。即“以知识为中心，理论教学与实验教学有机结合”。突出学生的主体地位，强化了个性教育。
3。1知识定位为中心以教学活动的真正对象——知识定位为中心．在不同的具体教学活动中教师与学生的“主角”与“配角”地位相互转换．即在某些教学环节中，教师是知识建构的主角，学生当配角，而在另一些教学环节中，则相反。同时，针对不同的教学内容和教学需要．采取不同的教学方法。生物信息学是一门多学科交叉的科学，涉及的知识面即深又广，学生进行独立自学的难度很大。尤其是生物信息学中的相关数学知识，诸如隐马尔科夫链、动态规划算法和几何拓扑理论等，在教学中则需采用教师主导的传统讲授方法。
课堂教学受学时的限制，通过探究式方法，引导学生利用课余时间拓展知识，是不可或缺的教学方法，其教学过程大致分为3个步骤：首先确立教学目标，目标可以由教师设定，也可以是学生所感兴趣的内容。如：玉米基因组SSR引物设计，这类问题一般无法找到现成答案．必须通过学生自己去查阅和检索相关数据库后综合分析才可得到。其次进行分组．对一个崭新事物的认识单靠个人智慧的力量往往难以全面兼顾，需要集体的智慧。分组就是将学生随机分组．以组为单位去检索相关基因和蛋白质数据库。如何使用检索工具、哪些数据库需要检索、哪些指标是可以限定、哪些地方不可以忽略等方面的问题，指导教师可给予一定的启发提示和帮助，但不能替代完成。最后集中讨论，由小组成员围绕指定的问题，如SSR引物，则本着资源共享的原则，陈述检索过程、分析结果，并就检索过程中存在的问题及技巧进行共同讨论，最后由指导教师就检索结果进行取舍、总结，对学生的学习情况作出点评。并提出改进意见及进一步要求。
3．2理论教学与实验教学的有机整合
3．2．1通过生物数据库的使用，提高学生处理生物信息的能力由于大型服务器和计算机的参与，分子生物学对生物分子(主要是核酸和蛋白质)研究工作的效率大大提高。到目前为止，生物学数据库总数已达500个以上，在DNA序列方面有GenBank、EMBL和DDBJ等；在蛋白质一级结构方面有SWISS—PROT、PIR和MIPS等：在蛋白质和其他生物大分子的结构方面有PDB等：在蛋白质结构分类方面有SCOP和CATH等．各数据库均通过Intemet提供多种形式的数据检索服务。例如：NCBI—Gen．Bank数据库就提供Retrieve(Email)，Entrez(Web集成信息检索)及Query(Email集成检索)等多种方式的检索服务。这类检索服务是生物数据库所能提供的多种服务中最基本的信息共享和应用服务．也是生物专业学生和科研工作者经常使用的。
3．2．2通过序列比对软件的开发．增强学生使用生物信息处理软件的能力将未知序列同整个数据库中的已知序列进行比较分析是研究者手中的一个强有力的研究手段。对2个物种进行全基因组序列比较已不再是一个梦想．进行序列比较的目的之一是判断2个序列之间是否具有足够的相似性，从而判定二者之间是否具有同源性。在世界各地，科学家每天都要进行成千上万次的序列比对和数据库搜索。实验操作中通过序列比对软件开发的培训，使学生熟练掌握生物信息处理软件．并能编制解决相关问题的小软件。
3．2．3运用生物信息学相关知识，提高学生获取蛋白质信息的能力由于构成蛋白质的20种氨基酸化学构造上的差别远远大于构成核酸的4种碱基的差别。因而蛋白质在结构和功能上存在更大的多样性。目前实验方法获取蛋白质结构信息仍然需要大量的时间，而且对技术和技巧都有很高的要求。越来越多的蛋白质在测定空间结构后尚不清楚其生物功能，因此蛋白质功能预测日益受到重视。预测的方法是目前提供蛋白质结构及功能信息的重要方法。蛋白质结构与功能的复杂性必须借助生物信息学的技术手段才能更好的阐明，通过对生物信息学的学习和掌握，可使学生更多更快地了解蛋白质的信息。
3．2．4优化实验教学内容，发挥网络教学优势生物信息学实验教学主要是针对海量生物数据处理与分析的实际需要，培养学生综合运用生物信息学知识和方法进行生物信息提取、储存、处理、分析的能力．提高学生应用理论知识解决问题的能力和独立思考、综合分析的能力。生物信息学实验教学内容的选择与安排应按照循序渐进的原则．针对特定的典型性的生物信息学问题设计，以综合性、设计性实验内容为主，明确目的要求，突出重点，充分发挥学生的主观能动性和探索精神，以激发学生学习的主动性和创造性为出发点，加强学生创新精神和实验能力的培养。
生物信息学实验教学以互联网为媒介、计算机为工具，全部在计算机网络实验室内完成。在教学中，充分利用网络的交互特点实现信息技术与课程的结合。教师通过电子邮件将实验教学内容、实验序列、工具等传递给学生，学生同样通过电子邮件将实验报告、作业、问题和意见等反馈给教师，教师在网上批改实验报告后将成绩和评语发送给学生，让学生及时了解自己的学习情况。
