时间：2023-09-04 09:27:17
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇生物信息学培训范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
8月24日至8月26日，我有幸参加了山西省统计局举办的2015年第1期全省规模以上工业企业能源统计业务培训班的学习。来自全省煤炭系统的统计人员共196人参加了培训，国家统计局能源司司长文兼武出席了开班仪式并讲话。
本次培训班准备充分，培训课程针对性强，授课专家规格高，除了省统计局的专家，还有相关统计行业的专家，讲授的内容都是授课专家自己的研究成果，在该行业处于领先水平，课程安排紧凑、内容丰富，让所有参训学员受益匪浅，本次参训心得体会总结如下。
一、提高了思想认识
从事统计工作多年，觉得统计数据水分多，工作压力大，感到从事统计工作很困惑、很痛苦，有时产生抵触情绪。通过各专家系统的讲解，使我豁然开朗，明白了统计数据并不像财务数字那样精确，只要方向对、趋势正确就行；统计工作是一项专业性很强的工作，只有认真学习，掌握了较为全面的统计专业知识，提高统计分析能力，才能做好统计工作，才能为领导提供决策参考。
二、强化了统计理论知识
此次培训组织严密，学习扎实，在培训老师的精心设计与合理安排下，通过多种形式的教学，系统学习了《统计基础知识》、《能源统计基础知识与主要内容》、《煤炭企业能源统计》、《节能指标评价》、《能源统计分析》等内容，此次学习不仅增强了自己的统计理论基础，而且明白了数据是统计分析的眼睛，分析是统计数据经过深加工的最终产品，统计分析起到参谋和预警作用。
三、提供了互相交流平台
培训除了学习书本知识，同时也增进了同行相互学习、相互交流，取长补短机会。通过此次学习我认为在统计工作中要做到坚定信念爱岗敬业、抓实统计基础，搭建管理平台、吃透文件准确业务处理、加强综合素质培养、努力提升工作协调能力、挖掘数据资源，为领导决策提供数据支持，开拓视野重视统计调研分析、善于思考总结，做企业管理的多面手。
四、指明了工作方向
生物信息学（Bioinformatics）是一门发展迅速的生物学分支学科，由生物学、计算机学、信息管理学、应用数学及统计学等多门学科相互交叉而形成，本质是利用计算机技术解决生物学问题，通过信息的处理和整合实现发现和创新。它主要包括以下3个方面的内容：①生物数据的收集、整理、存储、检索、加工、分析和整合；②生物系统和结构的建模；③与生物科学相关的计算机技术的应用，这个范围还在不断的扩增中［1］。医学生物信息学是指以医学研究和临床应用为中心开设的生物信息学，本文讨论的内容主要围绕医学生物信息学展开。近20年来，互联网、数据库和计算方法的发展，为生物信息学的研究提供了更为广泛和灵活的方法；多种模式生物基因组测序的完成，功能基因组、蛋白质组研究的开展，各种高通量生物实验技术快速发展为生物信息学，提供了更大研究空间的同时，也对海量的生物学数据进行有效地挖掘和整合提出了严峻的挑战；而以基础研究与临床医疗结合为宗旨的转化医学的兴起对衔接二者之间的桥梁———生物信息学，提供了广阔的应用空间。对生物信息学人才的热切需求，以及上述机遇和挑战导致了生物信息学专业在全世界的蓬勃发展。以美国为例，在1999年之前，全美只有6所大学设置有计算生物学与生物信息学专业，而到2002年，则有31所大学设置了计算生物学与生物信息学专业博士学位，其中有12所大学是在2001年～2002年之间设置的这门专业［1］。这些大学通常以生物学、生物统计学、计算机科学或者生物医学信息学为依托设置这门专业，不同大学对该专业学生的培养模式也有所不同。在我国，很多高等院校将生物信息学作为专业课程设立，医学高等院校也逐步将其作为基础课程或选修课设立。作为一门新生学科，生物信息学在大部分院校尚处于探索阶段，没有成熟完善的教育模式可以借鉴［2］。在这种情况下，来自前期已毕业学生和用人单位的反馈意见对生物信息学教育模式的总结提高具有重要意义。作为一名临床医师和医学研究人员，笔者深刻体会到在实际工作中，无论是自身合理应用生物信息学知识进行思考和设计，还是找到能够迅速融入并满足实验室研究和临床工作需求的生物信息学专业人才都不是一件容易的事情。因此，本文作者就自己的一些切身体会，结合文献和思考，对我国医学生物信息学人才培养列举了一些意见和建议，希望能够在生物信息学教学模式的完善中起到微薄的助力作用。本文着重探讨信息技术在医学领域中的应用，侧重于医院信息管理和信息系统建设方面的医学信息学（Medical Informatics）不在本文讨论范围内。理想的医学生物信息学人才培养目标应该是这三类人的集合：①计算机专家，掌握计算机算法、计算机语言、软件、数据库结构和相关知识框架，以及硬件知识；②生物信息学专家，具有熟练应用计算机储存、处理、分析和整合相关生物信息的能力；③基础研究或临床工作者，具有查阅文献，提出生物学或临床医学问题，合理使用上述生物信息学来思考、设计和解决问题的能力，并能收集和正确提供用于研究的初始数据。结合我国实际情况，想让临床医学专业学生或医学生物信息学专业学生同时完成以上3个方面的培训显然不切实际。理想的培训模式，是通过对临床医学专业和医学生物信息学专业学生不同侧重的培训，再通过二者的合理分工和配合，来满足以上3个方面的需求。对医学院校学生，尤其是医学研究生，生物信息学培训的内容应侧重于对其计算思维能力和信息学应用能力的培养，目的是使其能熟练地从生物信息学角度发现和提出生物学或临床医学方面的科学假设，针对该假设设计合理的研究方案，并为后续研究提供正确的初始数据；对以生物医学为中心的信息学专业人才培养，内容应侧重于对其计算机技术和生物信息学在医学实践应用方面能力的培养，目的是与前者配合，指导并帮助其完成科学假设的设计，对前者提供的初始数据进行管理、存储、检索、分析和整合，以及完成更高要求的计算机技术方面的应用，例如应用软件的设计，生物系统和结构的建模，等等。
1 医学生的计算生物学与生物信息学思维培养
本部分特指医学专业学生的生物信息学教学，部分医学院校开设的医学生物信息学专业教学将在下一部分中提及。无论是医学基础研究，还是以循证医学为代表的临床研究，生命科学研究的一般过程，都遵循发现问题资料查询预实验提出科学假设设计实验验证假说资料查询和结果分析科学理论总结的基本思路［3］。在这个过程中，计算生物学与生物信息学不仅是进行资料查询和结果分析的重要工具，更应是在提出科学假设和实验设计阶段就需要贯彻执行的理念和思维方式。换言之，具体的生物信息学与分子生物学实验一样都是验证生物医学假说的实验方法，是将一个生命科学假设用计算和信息学思维方式表达和实现的过程。在我国，绝大部分医学基础研究和临床研究课题都是由医学院校毕业的临床工作者设计和申请的。由于临床医师大都承担了繁重的临床工作，申请者亲自完成课题的机会很少，获批课题的具体实施及数据管理、存储、检索、分析和整合多由研究生或实验室工作人员负责。因此结合我国的实际情况，将生物信息学与具体课题耦合，即将一个科学假设用计算和信息学表示并有效实施的思维和实践培训，才是医学生生物信息学培训的中心内容。由于我国临床医学教学采用长学制（5年、7年或8年）教学，对实践性和针对性都很强的生物信息学而言，过早或过于笼统的培训都显得意义不大，所以笔者认为针对医学生的生物信息学培训安排在研究生阶段是比较合适的，教育中心是以医学研究需求为指导，强调信息学思维培训和实践操作。具体提出的建议有两点，一是根据学生专业背景调整理论教学内容。医学院校学生的数理基础、计算机基础及统计学理论基础不能和工科院校的学生相比，医学专业包括基础医学、临床医学、口腔、预防等专业，涉及广泛，各个专业背景的学生对这门课程的需求不尽相同。因此在理论课程上，要根据不同的专业背景和研究内容形成“个性化”的培养方案，目的是让学生有选择有针对性地掌握相关生物信息学内容，例如数据库的类型和选择，常用软件的种类和应用等，同时又不会对过于高深的生物信息学理论产生反感。二是结合研究生阶段的课题，开展研究内容模拟和实践操作练习。为了更好的配合研究生阶段的课题，可将《生物信息学》开课时间调整到研究生阶段的第三学期，即在学生进入课题研究阶段之后，让学生在清楚面临的课题内容后，有针对性地学习在完成课题过程中要使用到的知识、工具和解决问题的思路，包括文献查阅、保存、编辑，核酸序列查找和同源性比对及进化分析，PCR引物设计，基因功能、结构预测，调控元件及转录因子预测，蛋白质基本理化性质分析，跨膜区及信号肽预测，二级结构和空间三维结构的预测等。这样学生的学习兴趣和效率会大大提高。为了解决上课时间与课题时间冲突的问题，可以采用生物信息学授课老师加入导师组成员，通过网上教学和答疑、夜间授课、集中授课与个别指导结合等多种方式灵活解决。
2 以医学为中心的生物信息学专业人才培养
如果说对医学生进行生物信息学教育的目的是使其学会将一个生命科学假设用计算和信息学表示，并正确提供初始数据，那么以医学为中心的生物信息学专业人才培养的目的，就是使其学会用计算机学和信息学处理并证实科学假设的过程。具体的内容包括，与实验室工作人员和临床医生配合，从计算生物学与生物信息学角度指导并帮助其完成科学假设和课题内容设计；在课题实施阶段对后者提供的初始数据进行管理、存储、检索、分析和整合，以及满足后者更高要求的计算机技术的需求，例如应用软件的设计，生物系统和结构的建模，等等。目前，计算生物学与生物信息学专业研究生的培养模式主要有3种：①以生物学为中心的多学科培养模式。理论教育以生物学为中心，在6～9个学期内陆续完成生物学部分课程（相当于普通生物学系1／3～1／4课程）的选修，然后根据兴趣和实际情况选择一个相关实验室完成研究生课题。这种培养模式被大多数综合大学采纳。②以工程设计为中心的培养模式。③以医学为中心的培养模式。指以医学研究和临床应用为中心设置计算生物学和生物信息学，绝大多数由医学院校设置，侧重生物信息学与临床医学的结合。在进入课题阶段之前会有1～2年临床相关概念和信息的培训，主要开设的课程包括生物学、细胞生物学、分子生物学与基因组学、化学与物理学、计算机科学、数学和统计学等，甚至包括部分医学课程，后期实践阶段通常选择一个相关实验室完成研究生课题。总的看来，医学生物信息学基础课程设置与国际趋势相符，也符合以医学为中心计算生物学与生物信息学的培训要求。但从近年生物信息学专业研究生就业情况来看，确实存在素质参差不齐，学不能致用，不能很快融入研究工作等问题。笔者认为，这种现象可以从三个方面加以改进：①以职业发展和学位教育为导向，建立多层次、多形式的医学信息学教育和继续教育体系。各医学院校可在统一专业培养目标和定位的基础上，根据自身的学科基础和特色，结合学生毕业后的工作领域和就业方向，形成“个性化”的专业方向和培养方案。②加强师资力量的建设，形成以课程为中心的教学团队。现有医学生物学教材内容宽泛、偏重理论，对实践环节的指导较少，需要授课老师有选择的挑选合适的内容并予以补充和完善。这对授课教师的素质提出了更高要求，要求其能根据实际情况因材施教，有所取舍，强化重点。目前，各院校教学团队和师资力量配备受限，建议可以课程为中心，培养、引进学术带头人，从其他专业挑选骨干教师兼任等多种形式，形成以课程为中心的教学团队。③实践教学与综合能力的培养。生物信息学是一门实践性非常强的学科，要将“学有所长，学以致用”作为人才培养的最终目的。可以通过构建开放式实践教学平台，建设实践教学基地等方式尽可能强化实践操作训练［4］，后期部分学生可以结合个人兴趣，本着双向选择的原则，将实践阶段训练固定到导师和实验室，并安排其参与完成某一项课题的设计、实施和总结，在整个过程中要特别注意培养学生的学习兴趣和自学能力，强调知识的自我更新。
综上所述，医学生物信息学人才培养的最终目的是使生物信息学能满足现代医疗和医学研究发展的需要，使医学生物信息学人才成为有效连接基础研究与临床医疗的桥梁，为现代医学的发展提供新途径［5］。
参考文献：
［1］Mark Gerstein，Dov Greenbaum，Kei Cheung and Perry L．Miller．An interdepartmental Ph．D．program in computa－tional biology and bioinformatics：The Yale perspective［J］．Journal of Biomedical Informatics，2007，40：73－79．
［2］倪青山，胡福泉，饶贤才，等．医学院校生物信息学实践教学初探［J］．基础医学教育，2011，13（6）：538－539．
［3］张乐平，冯红玲，宋茂海，等．生物信息学教学与医科学生计算思维培养［J］．计算机教育，2012，19（4）：12－16．
【中图分类号】O158 【文献标识码】A 【文章编号】2095-3089（2012）10-0243-01
1.引言
21世纪是“生命科学的世纪”，随着实验技术的突飞猛进，人类对生命现象的理解也越来越深入，国内各大实验室和科研机构正在进行大规模的湿实验，产生的实验数据量惊人，已经突破传统的实验科学研究的范围。从20世纪末，伴随着人类基因组计划的开展，许多计算机科学家，应用数学家，物理学家都参与系统处理和分析涌现的大量实验数据的研究中，并形成了一个新的交叉学科“生物信息学”。生物信息学在近二十年来得到快速的发展，在国内外知名院校的研究生教育中已经开展了生物信息学课程。近些年，国内各知名院校相继开设了生物信息学本科专业，专门培养生物信息学人才。然而在本科生物信息学课程规划和设计方面，各个学校都处在探索阶段，本文浅谈将离散数学作为生物信息专业基础课设立的必要性，课程设计和规划，及在教学中遇到的问题和体会等几个方面。
2.离散数学在生物信息学专业开展的必要性
生物信息学是生命科学、计算机科学和数学相交叉所形成的新学科，因而生物信息学的专业基础的课的设置比较复杂。 虽然这三个传统学科的基础课的设置可以作为生物信息学课程设置的参考，然而他们每个学科的知识量非常大，如何在本科阶段的基础课阶段精选出合理的课程体系，让生物信息学专业的学生在两年内掌握三个学科的基础知识，并能较好的与后续学习的专业课结合上是目前生物信息学本科教育的一个急需解决的问题。 生物信息学专业从无，到课程体系的基本构建完成大概经历十年左右的时间，具有相关专业的院校都进行了有益的探索，特别是在本科教育前两年基础课授课的内容已经基本完成。 哈尔滨医科大学生物信息科学和技术学院是国内首个开设生物信息学本科专业的学院，在过去近十年的本科教育中积累丰富的经验，并进行了多次教学讨论和改革。 随着计算机科学的快速发展，离散数学这个古老的学科又重新焕发了青春，并在现代数学中得到了快速的发展，它已经成为了计算机科学和数学两个学科教学的核心课程， 并成为了我院生物信息学专业的基础教学的一门重要课程。结合近些年，在生物信息专业教授离散数学的过程，深刻体会到离散数学在本科基础教学中开设的必要性。离散数学是指研究离散量的结构及其相互关系的综合学科。离散数学的重要性逐渐被人们认识，从理论计算机科学到计算机应用，从计算机的硬件和软件开发到人工智能和人工识别，无处不在体现着离散数学包含的思想和方法。而生物信息学研究中核心的工具是计算机，培养生物信息学专业学生利用计算机这个强大和有效的工具解决实际问题是基础课设过程中需要考虑的重要方面。离散数学因为在计算机科学中独特的地位，使得它已经成为生物信息学专业必不可少的一门基础课。
3.离散数学的课程规划和设计
由于生物信息学是一个多学科的交叉的专业，因而离散数学的课程规划和设计是不可能如计算机专业和数学专业那样分成几门课程：组合数学，图论，数理逻辑和运筹学等分别授课，这样会导致学生的学业负担过重，而且是难以实现的。因而需要根据学生认知规律，从数理逻辑，组合数学，图论和运筹学精简一部分和生物学信息学及计算机程序设计密切相关的内容进行讲授。讲授的时间一般应在本科阶段第三个学期。 此时，与数学相关的基础课高等数学，计算机科学相关的计算机理论基础、C语言，及生命科学相关的分子生物学等课程已经讲授完毕，离散数学的授课将可以和这些基础知识结合，促进对离散数组的分析研究的认识，并对后续的计算机程序设计课程的开展打下坚实的基础。
离散数学的课程设计的总学时一般为72学时，分为理论课和实验课两部分。理论课一般为56学时，计算机实验课为16学时。由于生物信息学是一门侧重应用型的专业，因而理论课和实验课，可以实现理论和实践的有效结合，把数学知识转化成解决问题的有效工具。由于离散数学中包含的内容较多，因而需要数理逻辑，组合数学，图论和运筹学的基础知识进行精简。基础课中，数理逻辑一般授课为8学时，重点讲授集合论知识；组合数学是授课的重点，课时数为24学时，重点讲授组合计数和排列组合的生成算法等基础知识；图论是侧重应用部分，授课学时数为12学时，授课重点为无向图和有向图的基本概念及最短道路和最小生成树的搜索算法的知识；运筹学方面的授课学时为12学时，授课重点为线性的最优化的理论知识。实验课是对学生学习理论知识的有效检验和升华，可以调动学生的学习积极性和热情，实验课共16学时，可分为4次，每次4学时。实验课内容可设为：排列组合生成算法，最短道路搜索算法，最小生成树的搜索算法和二次线性规划的搜索算法的实现，实验课顺利开展便于培养学生的动手能力和学习的自信心。
4.教学实践及体会
在讲授离散数学的过程中，深刻体会离散数学具有知识点多及交互性强的特点，因而在授课过程中不可能把每一个知识点讲细，面面俱到。教师授课应力求“讲思想，讲重点，讲方法，讲体会”，应该充分相信学生的自学能力和探索的潜力，着重培训学生的探索发现的能力，给学生一个足够大的思想空间，培训学生独立解决问题的能力。由于离散数学的发展目前处于活跃期，很多新的知识正不断补充进来，而且这些知识和现实中存在的问题能够结合，从而要求教师需要不断学习和进修，提高自己的数学修养，来引导学生更好的学习离散数学，为生物信息学相关的其他课程打下一个良好的基础。
[中图分类号]G642[文献标识码]A[文章编号]1673-7210（2020）09（a）-0069-04
傳统的妇科肿瘤学研究生教育重视的是单一学科的知识传授，忽略了学科之间的交叉影响，教育理念陈旧，教学内容繁杂，传授方法老套，学生们在接收和学习知识的过程中往往处于被动的位置，难以突破传统思维的桎梏，这点显然不符合现代医学复合型人才的教育要求。妇科肿瘤学是大数据背景下知识更新迅速的学科之一，迫切需要全新的研究生教育理念进行知识的传授。生物信息学理念刚好为这一过程搭建桥梁。
生物信息学是20世纪90年代逐渐兴起的一门交叉学科，它以生物作为主要研究对象，借助计算机技术、信息科学技术、分子生物学技术和应用数学等手段，对大量复杂的生物数据进行处理、存储、分析和阐述，旨在深入挖掘和揭示潜在的生物学意义。随着精准医疗时代的到来，生物信息学的作用日益凸显，它已经渗透到生命科学研究领域的各个方面，并成为了最有活力的前沿领域之一[1]。当前，国内不少高等医学院校陆续开设生物信息学这门课程。对于医学研究生而言，生物信息学不仅仅是一门课程，它还教会了学生从海量生物数据中挖掘有意义的生物信息，因此，从某种意义而言，它更是一种思维方式的体现。广西医科大学附属肿瘤医院（以下简称“我院”）妇科从1985年开始招收研究生，在学校开设生物信息学课程之初，即重视研究生生物信息学思维的培养，并且使他们学会将这种思维方式更好地应用于妇科肿瘤学研究领域，为社会输送一批又一批具有生物信息学理念的现代医师。
1将生物信息学核心理念应用于妇科肿瘤学研究生的教学实践
生物信息学的核心理念是海量数据的管理和挖掘，注重学生自主学习能力的培养，而自主学习是一种新型教学理念，同时也是高等院校教学改革的主要方向之一[2]。生物信息学除了能教会学生使用大量的相关数据库和在线分析工具进行科学研究以外，还能教会他们掌握主动学习的方法和途径，学会利用现有的数据库和在线分析工具进行深度挖掘，旨在帮助他们解决临床实践过程针对疑难病症的诊疗问题，最终服务患者[3]。在妇科肿瘤学研究生教学实践中引入生物信息学理念有如下几个方面的具体表现：
1.1建立生物信息学的概念和意识
在妇科肿瘤学领域培养出具有生物信息学知识背景的研究生，这种跨学科创新型研究生培养模式，突破了传统的单一学科研究生培养模式的桎梏，顺应了新时代研究生教育的发展潮流。在日常研究生培养中，我院着重帮助学生建立起生物信息学的意识和思维方式。首先，在课程设置方面，我院动员妇科肿瘤学研究生自觉将生物信息学这门课程列为其研究生生涯的必修课程。通过课程的学习，学生将意识到，生物信息学是一门由生命科学和计算机科学交叉形成的新兴学科，先后经历了前基因组时代、基因组时代和后基因组时代三个阶段，涵盖了生物信息的获取、处理、存储、传播、分析和阐述等方面[4]。其次，我院定期组织学生进行小组学习，通过线上线下混合式教学手段引导学生对生物信息学的深度学习。同时，我院也重视妇科肿瘤学教师自身的生物信息学通识教育，不定期邀请生物信息学教研室教师答疑解惑。最后，我院引导学生将生物信息学知识应用到研究生课题研究中，进一步加深学生对生物信息学和妇科肿瘤学知识的理解。
1.2学会使用生物医学数据库和在线分析工具
生物信息学发展至今，产生许多生物医学数据库和在线分析工具，如基因表达（geneexpressionomnibus，GEO）数据库、蛋白质相互作用数据库、微小RNA（microRNAs，miRNA）靶标数据库、癌症基因组图谱（thecancergenomeatlas，TCGA）数据库和用于注释、可视化和集成发现（thedatabaseforannotation，visualizationandintegrateddiscovery，DAVID）的数据库等常用数据库和GEO2R在线工具、GeneMANIA在线工具和医学本体信息检索（CoremineMedical）平台等常用在线分析平台[5]。对于妇科肿瘤学研究生而言，无论是专业型研究生还是学术型研究生，掌握生物信息学知识并不在于如何进行复杂算法的开发、原始数据的处理或数据库的构建，而是如何使用这些数据库和在线工具进行数据挖掘和分析，并用于指导科学研究和临床实践。在妇科肿瘤学研究生教学实践中，我院着重强调“以实践为中心”。比如，Wei等[6]在其研究生课题中巧妙应用了GEO数据库中的3个独立基因芯片数据（GSE25191、GSE28799和GSE33874），进行基因差异表达分析和基因通路富集分析，并通过实时定量聚合酶链反应和TCGA数据库验证，发现整合素α6亚单位（integrinα6subunit，ITGA6）是卵巢癌肿瘤干细胞核心基因，该基因的高表达与卵巢癌化疗的耐药和预后差密切相关。研究生唯有亲身实践，将理论知识融入实践中，才有可能熟练掌握这些生物医学数据库和在线分析软件的使用方法和数理基础。
1.3将数据挖掘理念融入科学研究和临床实践中
在生物医学大数据时代背景下，生物医学研究正发生着重大变革，从基因组学、蛋白质组学、代谢组学、转录组学和表观遗传学等多学科研究到基于海量临床信息数据的真实世界研究，它们所产生的大量高维复杂的研究数据互相交汇，共同构成生物医学大数据[7]。对研究生而言，如何将多层次临床和研究数据进行深度挖掘和有机整合，从而转化为新知识，既是机遇，又是挑战。在妇科肿瘤学研究生教育中，我院将数据挖掘理念渗透到各个教学环节中，旨在让研究生掌握主动学习的方法和途径，培养其创新思维，为今后的科学研究和临床实践打下扎实的基础。在科学研究方面，尤其是在课题选题和设计阶段，组织学生利用互联网查找学科领域的前沿问题或热点问题，对自己感兴趣的方向各自提出一个具体的科学假设。然后通过查找文献和充分利用数据库进行深入的数据挖掘，构建生物信息学分析网络来回答具体科学问题。最后，组织学生进行分子实验或利用临床资料来验证科学假设。在临床实践方面，引导学生将临床上遇到的問题转化成具体的科学问题，然后应用简单的临床生物信息学方法对具体的科学问题进行浅层次的数据挖掘，从而充分地为后续临床研究做好准备。这种将数据挖掘理念融入科学研究和临床实践的教学方法，充分锻炼了研究生的科研和临床思维。比如，吴文娟等[8]进行卵巢上皮性癌铂类耐药相关差异表达蛋白质筛选时，结合了生物信息学方法分析，筛选出62个铂类耐药相关的差异表达蛋白质，然后通过正选择分析时发现，蛋白C6、CNTN1在亚洲人群中均存在正选择作用（P<0.05），而蛋白BCHE在欧洲人群中存在正选择作用（P<0.05），基于CoremineMedical平台的文献挖掘及TCGA数据库中的芯片数据交集分析进一步印证，12个差异蛋白（CRP、FN1、S100A9、TF、ALB、VWF、APOC2、APOE、CD44、F2、GPX3和ACTB）与卵巢癌铂类耐药相关。Wei等[9]在探讨卵巢癌多药耐药的分子研究中，充分利用CoremineMedical平台进行文献数据挖掘，并结合分子生物学实验发现，ITGA6可能在卵巢癌细胞中起到调节基因的作用，参与卵巢癌的多药耐药过程。蒋燕明等[10]在回答与宫颈上皮内瘤变进展相关的差异基因和信号通路这一问题上，通过对GEO数据库中获得的2套芯片数据（GSE63514和GSE51993）进行深入挖掘和综合的生物信息学分析，筛选出与宫颈上皮内瘤变进展相关的14个差异表达基因和3条信号通路。
2生物信息学理念对妇科肿瘤学研究生教育的影响
传统医学与互联网、大数据、人工智能等技术的深度融合催生了新医科这一全新的现代医学形态[11]，它借助了计算机科学和人工智能的爆发式发展，实质上也是多学科交叉融合的产物。这种顺应时展的产物，颠覆了传统医学模式，深深地影响了医学教育领域。在新医科背景下，高等医学教育更应该注重教育理念和培养模式的改革，满足“健康中国”的战略需求，培养出能够运用学科交叉知识来解决医学领域前沿问题并引领未来医学发展的高层次医学领军人才[11]。研究生教育是我国教育体系中最高层次的教育，以培养拔尖创新人才作为主要任务和核心内容，建立以教学为基础、以科研为主导、临床和科研相结合的研究生培养模式，这是培养拔尖创新人才的根本方法[12]。在妇科肿瘤学研究生教育中引入生物信息学理念，恰好符合了新医科背景下研究生拔尖创新人才培养模式，将对妇科肿瘤学研究生教育改革产生深远影响。
2.1对传统医学教育模式的冲击
传统医学教育模式重视学科教育的系统性，强调以学科为中心，忽视了学科间知识的渗透和交流，显然不符合现代医学教育的宗旨[13]。在传统医学教育模式下，学科的课程体系教学依旧采用灌输理念，这种填鸭式的知识传授过程容易磨灭学生主动探索知识的求知欲。在大数据时代，高等教育改革重点围绕学生创新能力的培养展开，并积极引入现代化教育理念，强调以学生为中心、以实践为主进行教学内容的更新[14-15]。最近十年，在《教育信息化“十三五”规划》和《教育信息化十年发展规划（2011-2020年）》等文件的引领下，国内教育信息化得到了迅猛的发展，包括大数据、云计算和人工智能等现代化信息技术已经进入现代教育系统，在这一历史背景下，国家相继出台《中国教育现代化2035》和《教育信息化2.0行动计划》等政策文件，为我国教育信息化建设道路指明了方向[16]。
作为一门交叉学科，生物信息学知识和理念早已渗透到各个医学学科领域，并衍生出多个分支学科。临床生物信息学是其中一个分支学科，也是一座搭建在基础研究和临床诊疗之间的桥梁，更是解决临床肿瘤相关诊治因素的新手段。因此，在精准医学时代，很有必要引入肿瘤生物信息学特异性研究方法或全新高级的研究工具，来回答与肿瘤相关的关键问题[17]，对于肿瘤学的研究生教育亦是如此。妇科肿瘤学研究生教育不应该局限于讲授单一学科的知识、基础研究和临床实践，引入生物信息学理念，不仅对传统医学教育模式产生冲击，还能培养研究生从多角度思考问题的能力，从而产生独特的研究方法和形成创新性思维，更能培养研究生从不同的专业角度发现问题、分析问题和解决问题的能力[18]。
2.2提高教师教学理论素养和教学反思自觉性
在教学医院，临床医师不但要从事临床诊疗工作，还要承担科研工作和教学任务。他们的日常临床工作繁重枯燥，科研方法往往单调乏味，教学理念陈旧乏新。医学教师作为医学教育的实践者，只有在先进教育理念的引领下，才有可能真正做到以学生为中心，使学生受益，从而提高人才培养的质量[19]。因此，医学教师应该以更加开阔的视野主动投入到各类前沿的教学改革与研究中，重视有助于医学生自主学习的教学手段开发和应用。临床医师学习先进的生物信息学知识和理念，并将之应用于临床和教学实践中，有助于他们对实践中出现的难以解决的医学问题进行合理解释，同时满足现代医学研究和教育的发展需求，为提高自身教学理论素养和教学反思的自觉性提供了新途径。
2.3拓宽研究生知识的深度和广度
人类基因组计划的成功实施使生命科学进入了信息时代。基因组学、蛋白质组学和生物芯片 技术的发展，使得与生命科学相关的数据量呈线性高速增长。对这些数据全面、正确的解读 ，为阐明生命的本质提供了可能。连接生物数据与医学科学研究的是生物信息学(Bioinform atics)。应用生物信息学研究方法分析生物数据，提出与疾病发生、发展相关的基因或基因 群，再进行实验验证，是一条高效的研究途经。医学是研究生命的科学，医学研究在基础上 就注定离不开对生物信息的了解。
我国目前医学研究生教学模式主要有两种, 一是医学本科教育延续过来的理论型, 这种类型 的教育是在本科教学大纲的基础上, 按照教学计划进行理论讲授, 最后按照导师指定的课题 完成毕业论文。这种培养模式突出理论学习, 忽视了实验机能和科研能力的培养。二是科研 能力培养的前轻后重型, 前期只是进行理论授课, 后期由导师指导学生的科研。这种模式虽 然开设了一定的实验项目, 但对研究生科研能力的培养缺乏系统性, 并且前期的培养不足直 接影响到研究生后期的学位课题和论文的进度、质量。
因此，笔者对生物信息学在医学硕士研究生中的教育初探，不但有利于该门课程尚未完全形 成成熟的课程体系之际，为教师学习借鉴先进的教育思想与教学实践经验，更有利于医学硕 士研究生对生物信息学的学习。
1 生物信息学的研究范围
生物信息学是一门新兴的交叉学科，涉及生物学、数学和信息科学等学科领域，并注定以互 联网为媒介，数据库为载体，利用数学知识、各种计算模型，并以计算机为工具，进行各种 生物信息分析，以理解海量分子数据中的生物学含义。
生物信息包括多种类型的数据，如核酸和蛋白质序列、蛋白质二级结构和三级结构的数据等 。由实验获得的核酸蛋白序列和三维结构数据等构成初级数据，由此构建的数据库称初级数 据库。由初级数据分析得来的诸如二级结构、疏水位点、结构域(Domain)，由核酸序列翻译 来的蛋白质以及预测的二级三级结构，称为二级数据。创新算法和软件是生物信息学持续发 展的基础，高通量生物学研究方法和平台技术是验证生物信息学研究结果的关键技术。因此 ，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 等学科相互渗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 等各种生物信息的采集、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。从其研究所涉及的学科上看，生物信息学是集生物学、数学、信息学和计算机科学 一体化的一门新的科学；从其研究的主要内容上看，基因组信息学、蛋白质的结构模拟以及 药物设计是生物信息学的三个重要组成部分，并有机地结合在一起［1］。
2 医学硕士研究生中的生物信息学教学初探
2.1 课堂教学重在教授实践技巧与方法
生物信息学在医学研究生中的教学应以教授实践技巧为主，以介绍原理为辅，深入浅出，注 重课堂知识与科研实践的紧密结合。课堂讲授应简要介绍生物信息学的相关算法、原理，着 重介绍其使用技巧与方法，真正做到“有的放矢”，而这也是教学的重点和难点。
在教学中对于这部分内容应遵循深入浅出、避繁就简的原则，结合具体实例分析算法，避免 空洞复杂的算法讲解让学生觉得枯燥乏味、晦涩难懂，产生畏惧心理，知难而退；注重讲解 使用技巧与方法的思想和来龙去脉，让学生真正掌握解决问题的思路，培养其科学思维能力 ，并采用探讨式教学鼓励学生思考，通过讨论与研究的方式循序渐进的掌握复杂的内容，介 绍相关的教学和物理学知识，使学生充分体会到生物信息学与其他学科的关系，其他学科的 思想方法对于生物科学的重要性，培养其自觉地将其他学科的方法和思想应用于解决生物 学问题的科学素质。 任何学科都处于不断地发展、更新中，生物信息无论是理论研究还是 应用研究仍处于不断发展完善中，同时随着新的应用领域和新问题的发现，其他学科的方 法也在不断地应用于生物信息学，进一步增加了其多学科交叉融合的深度和广度。
2.2 充分利用现代化教育技术，采用案例教学
目前，高等院校在教室内配备的多媒体投影播放系统，促进了多媒体教学的广泛应用。生物 信息学采用多媒体教学是适应学科特点、提高教学效果和充分利用现代化教育技术的一项基 本要求。作为生物信息学教学的基本模式，多媒体教学使讲解的内容更加直观形象，尤其是 对于具体数据库的介绍以及数据库检索、数据库相似性搜索、序列分析和蛋白质结构预测等 内容涉及到的具体方法和工具的讲解，可以激发学生的学习兴趣，加深学生对知识的理解和 掌握，提高学生理论与实践相结合的能力。
但多媒体教室也有局限性，学生主要以听讲为主不能及时实践，教师讲解与学生实践相脱节 ，如果将生物信息学课程安排在计算机房内进行，并采用多媒体电子教室的教学方式可以解 决上述问题。在教学中采用启发式教学，为学生建立教学情景，学生通过与教师、同学的协 商讨论，参与操作，发现知识，理解知识并掌握知识。例如在讲授“目的基因序列的查寻” 时，除对基本内容的介绍，如数据库的发展、分类等，其他采用案例法，让学生利用搜索工 具查找三大公共核酸数据库，并通过数据库网站的介绍内容对该数据库的发展、内容、特点 进行学习并总结，通过讨论和实际的数据库浏览操作了解三大公共核酸数据库并且掌握数据 库使用方法。
2.3 采用“讲、练”一体化的教学模式，强调学生实践能力的培养
生物信息学课堂教学积极学习借鉴职业培训和计算机课程教学中“讲、练、做”一体化的教 学模式，在理论教学中增加实训内容，在实践教学中结合理论讲授，改变了传统的“以教师 为中心、以教材和讲授为中心”教学方式。
根据教学内容和学生的认知规律，灵活地采用先理论后实践或先实践后理论或边理论边实践 的方法，融生物信息学理论教学与实践操作为一体，使学生的知识和能力得到同步、协调、 综合发展。通常采用先讲后练的方法，即首先介绍原理、方法，之后设计相关的实训内容 让学生上机实践。对于操作性内容和生物信息分析的方法和工具的讲解采取了进行实际演示 的方法，教师边讲解边示范，学生在听课时边听讲边练习或者教师讲解结束后学生再进行练 习，理论与实践高度结合，充分发挥课堂教学的生动性、直观性，加深学生对知识的理解， 培养和提高学生的实践操作能力。
2.4 发挥网络教学优势，优化生物信息学实验教学内容
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。
生物信息实验教学与现代网络和信息技术密不可分，在教学工作中充分利用现代教育技术较 其他课程更具优势。区别于其他生命科学课程，在教学过程中要求有发达的互联网和计算机 作为必备条件。调查显示国内高校都已建立校园网，其中拥有1000 M主干带宽的高校已占调 查 总数的64.9％，2005年一些综合类大学和理工类院校将率先升级到万兆校园网［2］ ，这些都为生物信息学课程在高校开设提供了良好的物质基础。
2.5 考试无纸化，加强实践能力考核
考试重点是考查学生对生物信息分析的基本方法和技能的掌握程度和对结果的分析解释能力 。因此，在生物信息学考试中尝试引入实践技能考试，重点考核学生知识应用能力。实践技 能考试采用无纸化考试方式，学生在互联网环境下，对序列进行生物信息分析并对结果进行 解释，不仅考核学生对基本知识和基本原理的掌握，而且考查学生进行生物信息分析的实际 能力和分析思考能力。通过实践技能考试，淡化理论考试，克服传统的死记硬背，促进学生 注重提高理论用于实践的综合能力，同时更有效地提高学生计算机应用能力。除采用实践技 能考试并将其作为学生成绩的主要部分外，还加强了对学生平时学习态度、学习能力、创新 思维等方面的考核。
总之，生物信息学教学是网络环境下生物教学的全新内容。通过上述教学措施，提高了学生 的 学习积极性、实践操作能力、解决实际问题的综合应用能力及创新能力，收到了良好的教学 效果，得到了学生的普遍欢迎，具有较强的可操作性和实践性。在今后的教学实践中，随着 教师自身素质的提高和进一步的教学改革将会不断完善生物信息学教学，培养具有“大科学 ”素质和意识的医学研究生人才。
参考文献：
最后，任课教师在组织学生寻找每个“问题”解决方案的过程中，可以通过分组讨论和集体讨论等形式渐进式地引导学生，在师生不断的交流和互动中，使学生不断修正自己对“问题”的理解并最终找到所有“问题”的最佳解决方案，达到学习目标。
三、改革效果与评价
通过近3年的改革实践，我们发现，在生物信息学实践课中采用PBL与E-learning相结合的新型教学模式，能够极大地激发学生的好奇心和学习主动性;国际互联网上大量的信息资源和学习工具可以有效拓宽学生的学习渠道、丰富学生的学习内容;在实际的操作过程中，学生内在的学习潜能能够被最大限度地挖掘出来，使学生对知识的学习由过去的被动吸收，变成了现在对知识的主动汲取，在提高学生认知水平和认知技能的同时，增强了学生的团队意识和协作精神;教师也由过去传统的课堂主宰者、学习效果裁判员，变成了学生自主学习过程中的组织者和引导者，使学生在知识学习过程中的核心地位得到了进一步的巩固和强化。“找到了问题的解决办法同时也学到了很多知识”、 “上课总是充满好奇心”、“太神奇了，只依靠生物信息数据挖掘和在线软件就可以进行不同物种间的进化关系分析”、“这门课有趣、不枯燥，学习起来不吃力”是近2年学生对生物信息学实践课教学的客观评价。当然，我们也注意到，在生物信息学实践课中实施PBL与E-learning相结合的教学模式还有许多方面需要进一步的加强和改进，比如如何更加有效地利用有限的课时让学生最大限度地获取知识、如何在确保以学生为中心进行教学的同时进行“因材施教”的分层次教学等。
实践教学是高等院校实施教育改革的重要环节，也是目前最有效的提高素质教育的教学形式之一，实践课教学质量的好坏，会直接影响学生对课程基础理论知识的理解、运用和学习的效果[6]。因此，只有在实践课教学中不断尝试先进的教学理念和教学模式，才能紧随时代步伐，探索出一条能够满足现代社会对人才需求的行之有效的实践课教学之路。
参考文献：
[1]叶子弘. 生物信息学[M].杭州： 浙江大学出版社， 2011.
[2]湛， 刘洋， 王媛等. 高等院校开展双语教学实践的研究――以《生物信息学》课程为例[J]. 农业教育研究， 2014， 80（03）： 35-37.
[3]Schmidt HG， Vermeulen L， Van Der Molen HT. Longterm effects of problem-based learning： a comparison of competencies acquired by graduates of a problem-based and a conventional medical school [J]. Med Educ， 2006， 40（6）： 562-567.
在儿童自闭症的传统治疗方法中，训练治疗是比较常用的一种。通过长期的训练能够使其逐步具备社会适应能力、生活自理能力、与人交往能力，甚至可以在接受培训后从事某项工作而达到自立。但是目前的训练治疗只能让一小部分儿童达到近乎正常的功能，并且训练时间太长，对家庭的负担也特别大，很多孩子都无法坚持下来。
能否为儿童找到更为科学的治疗方案？全球有不少科学家及医生都在尝试。近几年，魏丽萍也向这个领域迈开了步伐。
魏丽萍是由美国斯坦福大学培养的生物信息学博士，自1994年起她就一直从事生物信息学研究工作。针对海量生物数据分析的挑战，她带领课题组自主研发了11种含有生物信息学新数据库和算法的软件，并将其全部在网上免费公开，这些年，他们的这些研究被大量的国内外生物学家应用于他们的研究中，预测结果多次被验证。
在课题组打好了生物信息技术基础之后，近些年魏丽萍又开始利用这些技术专攻儿童自闭症的致病原因及个性化治疗方法。
“如果能够在这两个方面有所突破，将会是很多家庭及自闭症儿童很大的福音。”魏丽萍说，自闭症儿童在社会交往中存在着很大的障碍，严重的患儿甚至终身都不能上学和工作。而在另外一个方面，自闭症目前病因不明，也没有治愈的方法。
不过，国内外的不少研究已经发现，某些染色体异常可能会导致儿童自闭症的发生。
于是，魏丽萍和其团队开始在染色体基因方面寻找突破口。这几年，他们通过对自闭症儿童症状的详细分型，开发并利用高效的生物信息学软件和数据库技术，开始从大量的病人的基因组中寻找致病基因和突变，并希望在不久的将来根据自闭症儿童的基因组，辅助医生选择最佳的个体化治疗方案。
不久将来，在他们的努力下，自闭症儿童的治疗可能要更为科学和有效得多。
中图分类号：R392
表位是抗原分子中被相应抗体或抗原受体识别的特定部位。B细胞表位[1]是抗原中可被B细胞抗原受体（BCR）或抗体特异性识别并结合的线性片段或空间构象性结构，其刺激机体产生B细胞介导的体液免疫应答，并产生效应分子（抗体）和效应细胞。线性B细胞表位是由抗原分子表面肽链上连续的氨基酸残基构成的序列。B细胞表位预测研究主要还是以线性B细胞表位预测为主，目前已有较多关于线性B细胞表位的数据库和预测算法、软件。
1 抗原表位
抗原表位[2]，又称抗原决定簇（antigenic determinant，AD）指抗原分子中决定抗原特异性的特殊化学基团。抗原通过抗原表位与相应的淋巴细胞表面的抗原受体结合，从而激活淋巴细胞，引起免疫应答；抗原也借表位与相应抗体或致敏淋巴细胞发生特异性结合而发挥免疫效应。抗原表位的性质、数目和空间构型决定抗原的特异性。抗原表位是免疫原抗原性的物质基础，开展对抗原表位的研究将对病原的诊断以及分子疫苗的设计等具有重要的意义。
2 线性B细胞表位筛选方法
B细胞表位[3]是抗原中可被B细胞抗原受体（BCR）或抗体特异性识别并结合的线性片段或空间构象性结构，其刺激机体产生B细胞介导的体液免疫应答，并产生效应分子（抗体）和效应细胞。在免疫学中认为，表位才是抗原刺激机体免疫系统产生特异性免疫应答的真正部位。B细胞表位预测是表位预测的一个重要组成部分，大多数的研究是针对线性B细胞表位预测，通过组合抗原蛋白物理化学性质、结构性质、统计显著性度量等特征属性进行表位预测，并取得一定的研究成果。
2.1 基于递归神经网络的线性B细胞表位预测服务器[4]
在多肽疫苗的开发中B细胞表位起到了至关重要的作用，在疾病的诊断中，也可用于过敏研究。标准的前馈（FNN）和递归神经网络（RNN）有被用在本研究中，用于预测抗原序列中的B细胞表位。网络已经被训练和测试，在一个完整的数据集中，由700个非冗余的B细胞表位来自于Bcipep数据库和同等数量的非表位来自于SWISS-PROT数据库。该网络已经训练和测试在不同的输入窗口长度和隐结点中。最大精度已使用递归神经网络具有单隐层的35个隐藏的单位窗口长度为16。当测试在五倍折交叉验证时，最终的网络产生准确度为65.93%。相应的敏感性，特异性和阳性预测值为67.14，64.71，和65.61%。在以往的研究中RNN比FNN在B细胞表位的预测中效果更好。该肽的长度也是重要的在预用词从抗原序列的B细胞表位。
2.2 基于氨基酸对抗原规模的线性B细胞表位预测[5]
在生物信息学中蛋白抗原位点的鉴定是至关重要的，开发的合成肽疫苗，免疫诊断测试的距离和抗体的产生。目前，大多数的预测算法倾向于使用氨基酸滑动窗口方法。这些方法过于简单，并在实践中产生不良的预测结果。提出了一种新颖的规模，称为氨基酸对抗原（AAP）规模，基于这一发现，更加有利于B细胞表位预测。它表明，使用SVM（支持向量机）分类，AAP抗原尺度方法具有更好的性能比现有单个氨基酸倾向尺度。AAP抗原规模可以反映一些特殊的序列在B细胞表位特征中，它的本质是为什么新的方法是优于现有的。可以预料与已知的抗原表位的数据，氨基酸对抗原规模的做法将进一步增强。
2.3 基于内核字符串线性B细胞表位预测[6]
B细胞表位的鉴定和表征在疫苗设计中扮演重要的角色，免疫诊断测试，并产生抗体。因此，可靠的计算工具预测线性B细胞表位是非常可取的。评估的支持向量机（SVM）利用五个不同的内核上五倍使用交叉验证的方法分类培训同源减少701线性B细胞表位，从Bcipep数据库中提取的数据，和701非抗原表位，随机抽取从SwissProt数据库序列。根据我们的结果计算实验中，我们提出BCPred，线性B细胞表位预测的新方法使用序列内核。我们表明，预测性能BCPred（AUC=0.758）优于11基于SVM分类器的开发和评估，以及在我们的实验中，我们执行的AAP（AUC=0.7），最近提出的一种方法，用于预测线性B细胞使用氨基酸对抗原的表位。此外，我们比较AAP和BCPred，ABCPred 独特的B细胞表位，使用递归神经网络的方法，该方法为使用两个数据集先前已用于评估ABCPred的。使用和分析的数据集的结果这个比较表明，不同的B细胞表位的相对性能的结论预测方法的基础上得出的实验中使用的数据集的独特的B细胞表位的可能产生的性能评估方法的估计过于乐观。这认为使用精心同源性减小数据集的B细胞表位的预测方法进行比较，以避免有关如何不同的方法的误导性的结论相互比较。同源精简数据组和BCPred实现以及APP的方法是公开的。
2.4 基于一种新系统的线性B细胞表位预测[7]
在几十年的研究中尽管具有挑战性的任务，B细胞抗原表位的准确的预测仍然是在计算免疫学中。只有10%的已知B细胞表位的估计是连续的，但他们往往却是目标预测，因为解决三级结构是必需的，它们是不可或缺的肽疫苗和治疗蛋白质工程的发展。在这篇文章中，提出COBEpro，新的两步预测连续B细胞系统抗原表位。COBEpro是能够分配表位pensity分数两个独立的肽片段抗原序列内的残留物。COBEpro首先使用支持向量机进行预测在查询抗原序列和肽片段，然后计算表位的倾向得分为每个基于片段的预测的残余物。次要结构和溶剂辅助功能信息（无论是预测或准确）可以被纳入到提高性能。COBEpro实现了交叉验证受试者工作特征曲线（AUC）下teristic高达0.829片段上抗原决定基的倾向得分任务的AUC为0.628残余物外延主题倾向得分任务。
3 用于线性B细胞表位预测工具建立与评价的数据库
免疫信息学[8]数据库是随着生物信息学和免疫基因组学的不断进步而逐渐发展起来的，是专门收录免疫学相关分子信息，实现数据存储、查询、分析，计算等功能的数据库。最初，与免疫相关的多肽序列、抗原分子等信息与其他生物数据一起，被收录在各类生物信息学数据库中，随着免疫学研究的发展，人们对免疫学相关分子信息的需求越来越迫切，需要单独对这些数据进行计算、分析和预测，一些研究机构开始尝试从生物信息学基础数据库中提取免疫相关的生物数据，开发集存储、查询、计算、预测以及绘图分析功能为一体的免疫学数据库。目前，网络上的免疫信息学数据库已达数十个，它们的规模大小不一，内容与侧重点也不尽相同，其中的大部分数据来源于GenBank、EBI、EMBL，供研究人员免费使用。
3.1 Bcipep：B细胞表位数据库
Bcipep[9]是各种免疫原性B细胞表位数据库，目前Bcipep数据库包含3031个条目，其中包括763免疫显性，1797免疫原性和471空的免疫原性的抗原表位，每条记录包含多肽序列、源蛋白、病原体、免疫原性、中和性、模式生物、实验方法、参考文献、抗原结构等信息，它涵盖范围广泛，如病毒、细菌、原生动物、真菌。该数据库提供了一组工具，用于分析和提取的数据，其中包括关键字搜索，肽谱分析和BLAST搜索。Bcipep称为一个完整B细胞表位数据库，已经开发了一个覆盖广泛的病原体的抗原决定簇的信息。该数据库有助于B细胞表位预测方法的研究、合成肽疫苗的设计和疾病的诊断。
4 结束语
显而易见，线性B细胞表位预测现状与人们理想预期还存在很大的差距，利用软件预测线性B细胞表位并不完全准确，还需要实验的进一步验证。为了研发更准确的预测工具，需要建立高质量的训练数据集和检验数据集，数据集的质量高低与预测工具的预测能力密切联系；另外，统一评价体系也是目前急待解决的问题。评价体系的标准化，既有助于软件开发者采用最有效的算法创建更准确的工具，又方便了使用者对工具的筛选和评价。统一评价体系首先要面临的问题是所有数据格式的统一，有了一致的数据格式，才能进行比较。在表位预测领域尚缺乏高质量的标准数据集，针对标准的数据集开发自动评价工具将是未来的发展方向。相信随着生物信息学的快速发展，线性B细胞表位计算机预测技术将会越来越成熟。
参考文献：
[1]Peters B，Sidney J， Bourne P， et al.The design and implementation of the immune epitope database and analysis resource[J].Immunogenetics，2005，57（5）：326-336.
[2]吴敏毓，刘恭植.医学免疫学：第四版[M].北京：中国科学技术大学出版社，2002：1-2.
[3]吕凤林，朱锡华.人C5aR（CD88）序列结构分析及其B细胞表位预测[J].免疫学杂志，1998，14（3）：153-156.
[4]Saha S，Raghava GP （2006） Prediction of continuous B-cell epitopes in an antigen using recurrent neural network. Proteins.65：40-48.
[5] Chen J，Liu H，Yang J，Chou KC （2007） Prediction of linear B-cell epitopes using amino acid pair antigenicity scale.Amino Acids 33：423-428.
[6]El-Manzalawy Y，Dobbs D， Honavar V （2008） Predicting linear B-cell epitopesusing string kernels.J Mol Recognit 21：243-255.
[7]Sweredoski MJ，Baldi P （2009） COBEpro： a novel system for predictingcontinuous B-cell epitopes.Protein Eng Des Sel 22：113-120.
[8]Walsh R， Locarnini S. Hepatitis B precore protein： pathogenic potential and therapeutic promise[J].Yonsei Med J，2012，53（5）：875-85.
[9]Saha S， Bhasin M， Raghava GP （2005） Bcipep：a database of B-cell epitopes.BMC Genomics 6：79.
[10]Roseman AM， Berriman JA.， Wynne SA.， et al. A structural model for maturation of the hepatitis B virus core[J]. Proc Natl Acad Sci USA， 2005，102（44）：15821-6.
[11]Yasser EL-Manzalawy， Vasant Honavar. Recent advances in B-cell epitope prediction methods[J]. Immunome Res，2010，6（Suppl 2）：S2.
[12]Roggen EL. B-cell epitope engineering： A matter of recognizing protein features and motives[J].DDT：Technol，2008，5（2-3）：e49-55.
[13]冯新港.免疫信息学原理及其应用[M].上海：上海科学技术出版社，2009，6：1-5.
1、具备在化学及相关领域取得职业成功的科学和技术素养，有志趣和能力成功地进行研究生学习;
2、具有批判性思维、创新精神和实践能力，可成长为行业和社会中的骨干人才;
3、具有社会责任感、家国情怀和国际视野，具备健全的人格和良好的职业道德。
化学生物学专业就业前景
总体来说,生物化学专业的就业前景不错,专业适用面比较广泛,比如制药、医学、科研、以及一些化学相关行业。不过与专业完全对口的工作不多。分子生物学已成为当代生命科学发展的主流，在今后相当一段时间内，它将是生命科学乃至自然科学领域内的核心科学之一。
特别是基因组的研究取得重大突破后，正深入到后基因组学时代，通过功能基因组学和比较基因组学的研究，对基因、细胞、遗传、发育、进化和脑功能的探索正在形成一条主线，随之而来的转录组学、蛋白质组学、代谢组学、结构生物学、计算生物学、生物信息学、系统生物学等方面的研究也将在生命科学中成为重要角色，而实现这一系列研究需要大量的专业知识人才，因此为此专业的毕业生提供了较多的就业机会。
化学生物学专业就业方向
本专业学生毕业后可在化学生物学、化学、生命、医药、材料、化工、环保等相关领域从事教学、科研、技术开发及管理工作。
从事行业：
毕业后主要在制药、新能源、医疗设备等行业工作，大致如下：
1 制药/生物工程;
2 新能源;
3 医疗设备/器械;
4 教育/培训/院校;
5 快速消费品(食品、饮料、化妆品);
6 医疗/护理/卫生;
7 检测，认证;
8 仪器仪表/工业自动化。
从事岗位：
毕业后主要从事销售工程师、化验员、销售代表等工作，大致如下：
1 销售工程师;
2 化验员;
3 销售代表;
4 研发工程师;
5 销售经理;
6 质检员;
在高等学府也显现出跨学科发展的情况：例如大学里提供了1300多种各式各样的与生物学相关的程。具体名称由学科协会列在他们最新的网上学习指南《生物学》里。其中包括生物化学、生物信息学，当然也有水域和海岸管理等。
在实践过程中更是处处需要跨学科、跨领域知识。大型国际化工集团巴斯夫(BASF)欧洲范围人事招聘主管Jorg Leuninger先生说：“在我们项目的初始阶段也有很多市场及销售专家参与其中，这些专家原本只是单纯的自然科学家，但现在他们早已不仅限于此了”。
在德国40多个地区拥有约7500名科学家为其工作的弗劳恩霍夫协会企划部门的Antle Kpckemanns女士说：“物理学家或生物学家也需要将他们的研究成果解释给外行人听，这点无论是对于自己的工作团队，还是对于客户都非常重要。因此，他们需要具有社会交往能力，使自己又能同时适应作为一个知识传达者的角色。”
[中圈分类号]G40―057
[文献标识码]A
[论文编号]1009―8097(2009)13―0179―03
网络教育中，学习平台是师生交流的一个重要的接口。是学生获取信息和学习内容的主要来源。学习平台应用的质量对能否保证教学顺利进行，提高学生学习的效率，提高学生个性化学习的能力起关键性的作用。也直接影响到网络教学的质量。下面我们对在网络教育中应用教学平台进行导学进行探讨。
一 网络教育的特点
网络教育是利用计算机网络技术、多媒体技术等现代信息技术手段开展的新型教育形式，拥有传统教育方式所无法比拟的优势，具有鲜明的时代特征。
网络教育有以下特点：
师生分离。在网络教育中，学生不再直接面对教师，而是面对计算机、学习平台、教学资料和网络课程等。学生大多数时间只是看到教师的“录像”和在论坛上的留言。
学生自学为主。由于没有教师面授，形成了以学习者为中心的学习活动。学生必须主动的学习，积极的参与讨论和交流。自主学习是学习者根据自己的学习能力、学习任务的要求，积极主动地调整自己的学习策略和努力程度的过程。这需要学生具有较强的自我控制能力和自学能力。
个性化学习。学生可以根据自己的情况，自己决定在什么时候、在什么地方、以何种方式，进行什么内容的学习。可以按照自己的学习进度进行学习。
教师导学为主。教师作为学生学习的指导者，从讲授为主转向导学为主。导学就是对学生的学习活动、学习过程、学习方法进行的指导。学生按教师事先编好的教材，学习指南进行学习。同时师生可以在平台上进行充分的沟通和交流。
多维教学。网络教育以多媒体技术，计算机网络为载体，可以进行立体化教学。学习资源可以多样化。有学习平台提供的网络课件，题库，教案库等，也可以有来自互联网的学习资源和来自学生中间的学习资源。学习方式也可以多样化，以自主的个别化学习和交互式的集体协同学习相结合。追求人际、人机、人网的三维动态立体教学。实现网授与面授相结合；在线学习与线外学习相结合；在校学习与在职学习相结合等。
二 教学平台的服务功能
我校05年引进了Blackborld教学平台进行网络教学活动。
Blackboard网络教学平台基于网络技术和多媒体技术进行人机交互。以浏览器／服务器(B／S)技术、信息安全技术、门户技术、数据库和信息集成技术等为基础，以声、像、图、文等多种媒体信息与计算机网络进行信息交流。
教学平台集文本、图象及视频、音频、动画为一体，可以实现教师在线授课，在线测验，在线答疑，同步和异步讨论，批改作业、学习跟踪、学习统计、虚拟课堂、小组学习、协作学习和包括十几种题型的题库等功能。可进行知识管理和学习，教学跟踪管理和教学过程监控；实现教学资源共享，教学方式和学习方式多样化；平台的讨论交流论坛等实现教师与学生、学生与学生之间的交流互动。
目前我校平台用户已经4万多，平台上课程有1000多门。平台成为了学校教学活动的中心。院系教师、教学管理人员、教务管理人员、校外学习中心管理人员、课件制作人员和学生都围绕着平台。平台成了大家联系的桥梁，交互的接口。
三 教学平台的门户
门户是对教学管理实施的重要部分。Blackboard门户社区平台为我们进行门户管理提供了方便。我们目前建立的网络教育学院门户包括以下部分。
网络教育学院选项卡：包括我的课程、网院通知模块、学习调查模块、网络学习指南、学生常见技术问题解答和网院主页的链接等。
网络教育学院社区选项卡：机构讨论板里面有自2006年3月以来的每个学期和学生互动的论坛、有教学问题交流区、教务问题交流区、和平台技术问题交流区。2008年3月统计帖子总数有1万多。
另外在组织社区，我们建立了所有网络教育学院22个专业和50个学习中心的组织。
网院教师之家选项卡：这个栏目只有有关教师能看到，有课件制作工作站、培训专栏、公告专栏和交流园地等。
我们还根据网络教育学院的需求，创建了一些组织。如教务管理组织、教学管理组织、学习中心管理组织等。
四 对网络教育学生的导学和服务支持
网络教育学院的学生绝大部分都是在职人员，有着不同的学习背景、工作经历以及年龄特征，大多利用业余时间上平台学习。我们需要从各个方面对他们进行导学和服务支持。
1 远程学习指南
网络教育在教与学上时、空分离的特点，要求参与网络学习的学生必须具备一定的自学、自治能力。但是，目前参与网络学习的学生大多是在职的。有的工作繁忙，有的缺乏网络学习经验和自主学习能力，和在校全日制本科生比，基础参差不齐。为了帮助同学们尽快掌握科学、有效的学习方法，合理地安排学习时间、制定学习计划，充分地利用各种学习资源，培养自治能力，“远程学习指南”就是这样一门对网院学生进行导学的课程。
《远程学习指南》课程，对所有新生开放。课程有下列栏目：
教学通知，有教学管理的教师的教学方面的通知。
管理规定，有中山大学现代远程教育学籍管理暂行办法，中山大学现代远程教育毕业论文实施细则，中山大学授予远程教育本科毕业生学士学位实施办法等。
学习指导，有远程学习指南文档，远程教育导学课件，学习平台操作指南文档，相关插件下载等。
专业信息，有网院22个专业的信息。
专业导学，有每个专业的导学课件。
教学计划，有每学期各专业教学计划。
教学安排，有每学期的教学工作安排。
表格下载，有各种表格下载，如免修申请表、重修申请表等。
调查问卷，对学生进行民意调查等。
教学问答，有常见教学问题解答，平台常见技术问题解答等。
2 网院学生常见问题(FAQ)
网院学生住在校外，有的在办公室，有的在家里上网。网络什么情况都有。有的用电信网、网通、联通、铁通、XX宽频、XX宽带等。情况比较复杂。
网院学生特别文科学生，有的不熟悉电脑和网络，经常打电话来咨询。我们将一些常见问题整理成FAO，放在平台上。
网院学生常见的问题(FAQ)，内容有：
平台运行条件。有硬件要求，软件要求，课件的浏览要求。
检测网络故障的一些命令。如Ping命令的使用方法，Traced命令的使用方法。
影响网络速度的几个因素和测量网络速度的工具。
故障分类。将故障进行分类，有网络、电脑和系统软件等客户端问题，平台应用和课程问题，课程设置问题，教学教务问题，课程作业问题等。
故障原因和解决方法。提供各类故障的解决办法等。
3 学生交流论坛
为了即时与学生进行交流，我们在平台上建立了下列论坛：
课程论坛：每个课程里面都有。交流课程内容有关的问题，教师每周至少有三个时间段在学习平台上解答问题，教师也会在课程论坛中组织课程问题的讨论。
由学科教师管理。
教学问题交流区：交流教学安排、辅导答疑、作业、网络课件、毕业论文等方面的问题，教学管理人员每天上网回答问题。
教务问题交流区：交流关于平台帐号、考试、成绩、学籍(含休学、复学、转中心、转专业等)、毕业等方面的问题。教务管理人员每天上网回答问题。
平台技术问题交流区：交流关于学习平台使用技术方面的问题。由信息与网络中心的技术人员解答。
学生交流区：学习中心同学之间以及管理人员与同学之间的交流区，也是学习中心各种信息的地方。由学习中心教学管理人员负责。
4 教务管理组织
我们还建立了《教务管理》组织，在教务管理组织中可以对学生进行分类管理，如分年级、分专业等。
教务管理组织有下列栏目：
学籍管理，有学籍管理方面的规定。
考务工作，有考务工作的相关规定，考试安排，考场安排等。
成绩查询，有成绩查询系统。
统考信息，有统考信息和相关规定。
毕业与学位，有相关条例，毕业生信息采集.学位英语，主干课程考试等。
表格下载，各种表格下载。
讨论板，有交流论坛。
五 对网络教育教师的培训和管理
网院没有教师编制，教师都是聘请的学校各个院系的教师，充分利用了中山大学优秀的教师资源，依托学校的有形和无形的资源办学。但教师也面临着教师角色的转变：
教师由原来的面授转为网授
由教师为中心转为学生为中心
教师的概念也起了变化，包括了由主讲教师、辅导教师、教学设计技术人员以及管理人员集合组成的一个团体
为了完成教师的转型，我们利用《远程教学指南》课程，对教师进行指导。远程教学指南课程有下列栏目：
管理文件，有教育部远程教育管理文件，学校远程教育管理文件等。
教师培训，有我们编写的主讲教师工作手册，课件录制规范和指南，教学辅导工作培训文件，中山大学现代远程平台培训，学期教学辅导工作安排及要求等。
教学计划，有学期各专业教学计划。
教学安排，有学期教学工作安排。
远教会议，有远程教育会议资料。
远教研究，有学习支持服务，远程教育质量，国际视野，网络课程建设等。
远教网站，有相关网站的链接。
交流园地，有交流论坛。
网院对教师也有一些管理规定。如辅导答疑规定：每周至少三次登陆学习平台进行辅导答疑，每次至少30分钟。至少组织两次关于课程问题的讨论或案例分析。和作业规定：每学期至少布置两次在线作业，作业成绩占总评成绩的20％等。网院有专门的巡教巡学人员。
六 对校外学习中心的培训和管理
校外学习中心是接受学校的委托，根据学校的统一要求和工作安排，配合学校进行招生宣传、生源组织、学生学习支持、学籍和日常管理，开展现代远程教育支持服务的机构。
学习中心分布在全省各地，利用平台把它们集中管理是最有效的办法。
我们建立的《学习中心管理》组织，存放与学习中心有关的各种信息，是学习中心进行交流的地方。栏目有：
管理文件，有相关的教学管理文件。
教学计划，有学期各专业教学计划。
教学安排，有学期教学工作安排。
培训资料，有教学管理培训资料，学习支持服务培训资料，技术人员培训资料等。
资料下载，有相关的资料下载。
交流天地，有交流论坛。
七 平台上网络教育课程的建设
1 课程规范统一
网络课程是重要的教学资源。我们依托平台来建立网络课程。网络教育学院的网络课程，其讲授型课件由学校信息与网络中心统一制作和上传，制定了统一规范。
考虑到网院学生分散性、业余性的特征，缺少与教师面对面交流机会。他们全靠平台提供信息。所以平台上的东西都要规范化。要让他们一上平台就能够很容易找到自己所要的东西。所以我们的界面都力求统一。
网院课程的五个统一：
课程规范统一
讲授型课件制作统一
课程论坛形式统一
在线作业形式统一
注册管理由学院统一
2 网络教育精品课程的建设
我校网络教育精品课程建设理念是以育人为根本、以培养应用型人才为导向、以服务社会为己任、以社会评价为标准。并通过相应的制度予以保障。
信息与网络中心负责网络教育精品课程建设的技术支撑工作，对教师进行教育技术培训，选派优秀的教育技术学专家和技术人员负责精品课程的设计和技术。从而使网络课程建设从技术上得到保障。
我校网络教育精品课程都建设在Blackboard教学平台上，充分利用该平台强大的人机交互功能。如讨论板、虚拟课堂、小组等。
3 教学设计中体现平台导学的元素
我们注重课程的教学设计，在教学设计中体现平台导学的元素。
《刑事诉讼法原理》网络教育课程教学设计。运用了系统工程框架、对象导向框架和法治系统工程的方法，充分借鉴集文字、图像、声音于一体的多媒体表现形式。综合集成多种与刑事诉讼相关的法律、制度、专业理论和知识、案例、教师与学生等资源，形成具有整体学习与交流功能的开放型知识系统。注重将法学教学(模型)与法治实践(原型)紧密结合，注重讲述、展示法治系统的实际运筹与实现过程，不仅把“交互研讨型”的案例教学法引入刑事诉讼法学教学之中，而且刻意把“问题解决型”的现代学习理论融入学生的自学过程之中。例如“模拟法庭”就很受学生的欢迎。
《生物统计学》课程教学设计。凸显以设立学习目标为核心，采取任务驱动的方式，训练学生主动参与教学的意识和强化创新实践能力。自主学习任务内容，依照教学进度安排，学生需要分阶段完成3篇指定的课程综述、调查或研究小论文。在教学设计中，充分发挥平台的优势，通过平台的导向作用，指导学生学习。平台上整合了大量的数据库的网络资源和统计学软件的学习使用。利用各种搜索、论坛、博客、调查、电子邮件、虚拟课堂、聊天室等为课程营造出一个良好的人机交互的教学环境，鼓励学生积极参与讨论，完成课程学习的选题研究报告和作业。提高了学生的创新能力。通过多阶段多任务的教学，解答问题和开展创新研究。特别组织了课程的小型学术讨论会，增进了学生的协作和交流。
《生物信息学》课程教学设计。生物信息学本身是一个飞跃发展的新兴学科。模式生物测序工作的高速增长，公共数据库数据的指数增长，研究方法日新月异的发展，注定该学科的教学内容需要不断更新和调整，以便及时跟上研究工作前进的步伐。课程的教学过程是一个在平台上共建课程的探索过程。实现以学生为主和以教师为辅的自主发现式学习、合作交流式学习、实践创作式学习、资源开发式学习等新型学习，追求立体化教学效果。借助和利用网络资源充实教学材料和内容，由师生共建资源库，不断完善课程的教学。在Blackborld学习系统上构建了生物信息学学习的专业平台。
八 结束语
以上我们从网络教育的特点，教学平台的门户，对网络教育学生的导学和服务支持，对网络教育教师的培训和管理，对校外学习中心的培训和管理，平台上网络教育课程的建设等几个方面对应用教学平台进行导学进行了论述。我们要把教学过程看作是一个动态发展的、教与学统一的、交互影响和交互活动过程。针对不同学科的特点，和不同学生的特点，运用合适的教学模式和导学方法，更好地利用教学平台的各种功能来进行导学。
参考文献
