信息学范文10篇

信息学范文篇1

药学信息学计算机综合实验课程体系建设

(1)重视实用性课程实验的开设是药学信息学课程体系创新与实践的重要特点。药学信息学专业计算机基础课程实验设计的目标是使学生能够达到在药学研究领域掌握计算机应用的专业背景知识及能力。药学信息应用型人才培养体系的药学信息学课程体系的实验内容包括“计算机基础”、“程序设计技术与应用”以及高级课程“计算机在药学中的应用”等三个方面的具体实施项目。(2)根据药学专业对计算机人才的需求及应用，结合计算机基础教学的具体内容及多年的教学实践，将药学信息学课程体系试验设计分为三组典型实验：①计算机基础操作典型实验；②计算机程序设计典型实验；③计算机综合应用典型实验。三组实验的设计与实施具有层次鲜明、条理清晰、结构完善、循序渐进等特点。

构建课程网络教学平台建设

(1)建立了以多元化、交互式学习环境为主要特色的多功能网站，建立完善的多媒体教学资源库，该教学资源库是面向全校学生，集学生自学、师生交流、网络答疑等多功能于一体综合网络教学平台。(2)该教学资源库中包括教师课件、课外阅读资料、相关资料图片，以及教学过程中使用到的软件、教学录像等，并且通过网站平台免费提供药学信息学体系的教学大纲、教材、教学方案、教学课件、实验课程设计、教学资源素材，全面公开并共享教学资源，突破时间和地点的限制，为学生自主学习提供帮助，教学方式由目前的多媒体教学逐步转变为网络化教学。(3)在“构建药学信息学课程体系创新与实践”过程中，制作了系列课程相应的PowerPoint演示文档，并建立的多个相应的实例数据及应用软件用法介绍视频，并提供大量相关多媒体参考、学习资料，方便药学信息学专业的学生快速查找和深入学习各章节的内容，同时也提供了部分可执行的药学信息学应用程序，有助于加深学生对书本知识的理解，而且也为药学信息学实验数据处理及模拟提供了有利帮助。(4)建立并丰富了药学信息学系列课程的测试大型试题库，并开发设计了联网在线机考测评软件，面向全校学生，实现了无纸化考试。通过以下综合实验操作技能的综合测评，如药学常用软件工具练习及开发环境构建、基于Excel和VisualBasic的药学试验设计、基于Matlab和VisualBasic的LD50计算、基于Excel和Matlab的药学实验数据分析等实验检测项目，健全了以检验实际操作能力为核心的考试测评机制、以考促学的积极作用，丰富完善了药学信息学课程体系建设的重要环节。

信息学范文篇2

关键词：兽医信息学；信息；数据；决策；建模

兽医信息学（VeterinaryInformatics）是一门应用信息科学、工程学和计算机技术来支持兽医学教学、研究和实践的学科。兽医信息学是伴随着信息学和计算机技术的进步而发展起来的[1]。信息和计算机技术在兽医领域的应用开始于上世纪60－70年代，经过几十年的发展，在信息技术比较发达的国家其研究已经相当深入，应用范围也已经相当广泛。而在一些信息技术和计算机技术普及比较晚的国家，兽医信息学的发展尚处于起始阶段。我国到目前为止，还没将兽医信息学作为一门专门的兽医专业的学科来普及，其发展还处于一个比较低的水平，从应用到相关技术研究还有待于步入一个更高的层次。

信息技术和计算机技术在兽医领域的应用虽然起步较早，但是，在其发展的初期则是经历了一个缓慢的过程，直到最近十多年，才呈现出了蓬勃的势头[2]。在兽医信息学发展过程中，其研究和应用主要集中在以下方面：电子病例记录；疾病诊断专家系统及决策支持系统；图像数据获取和生物统计与建模等。

1.电子病历

在计算机没有引入兽医领域之前，动物病历主要是以人工的方式记录在以纸为主要载体的媒体上。由于载体本身的特性所限，采用这种记录方式进行病例记录，当积累到一定数量后，由于记录载体体积庞大给应用和管理造成很大的困难。电子病例（electronicmedicalrecords,EMRs）[3]的出现有效地解决了这个问题，使兽医能够为用户提供计算机化的标准化的病例记录，实现了对动物的健康状况进行长期跟踪，并提供长期的健康咨询服务和制定保健计划。对于用户，可以在家通过网络随时查看自己宠物的病例记录，从而清楚地了解它们的健康状况。另外，一个养殖场动物电子病例为疾病控制职能部门提供了流行病学分析的原始资料，通过对其进行统计分析，制定科学的疾病控制和扑灭计划，同时电子病例记录也是发现新出现疾病的重要途径。在兽医信息学发展比较早的国家，电子病例记录系统已经相当成熟，已经形成了一系列的行业规范和标准。这种标准的形成，使得在整个国家或者大部分地区均采用同样的标准进行病例采集、管理、交流和分析等，有利于流行病学分析、疫病控制和相关疾病控制措施的制定。目前，信息技术在兽医实践中的应用已经相当普遍。由于采用电子病例记录系统，兽医临床实践在向无纸化方向发展。

2．决策支持系统

兽医决策支持系统（Decisionsupportsystem）是指在动物疾病控制中用于辅助决策者进行疾病控制策略制定的计算机程序系统。兽医领域的决策支持系统主要分为两类：一是疾病诊断系统；另一个是疾病控制决策支持系统。专家系统是疾病诊断决策支持系统最为常见的形式。疾病控制决策支持系统主要是一些流行病学分析系统、疾病控制经济学分析系统、疫情监测系统和疫情预警预报系统等[4]。

专家系统是利用知识和推理解决领域中只有专家才能解决的难题的计算机程序系统。在世界范围已经有大量的动物疾病诊断专家系统投入应用，如牛病诊断系统CaDDiS、禽寄生虫病专家系统PPES、家畜寄生虫专家系统LPES、牛福利信息/专家系统OxWISE等。我国也开发出一些动物疾病诊断专家系统，如北京佑格公司的系列动物疾病诊断专家系统、江苏农科院的鸡病诊断专家系统和东北农业大学的牛、猪和犬病诊断专家系统等。虽然已经有大量的专家系统投入到动物疾病诊断实践中，这并不意味着动物疾病诊断专家系统已经完全成熟，相反，随着专家系统本身的发展和应用的深入，用户对动物疾病诊断专家系统的要求也在不断提高，专家系统将向着诊断过程更加高效、准确、智能程度更高和操作更加方便的方向发展。

疾病控制决策系统因其涉及到疾病控制决策的各个环节，因而有大量的不同类别的决策系统出现，同时也有多种信息技术应用于这些系统中。CareEngine是一个通过对不同用户的当前状况和已有的资料进行比较，分析用户当前的状态，然后根据该分析结果对用户进行分类，对不同类型的用户提出不同的处理措施，以降低疾病诊断过程中的错误和减少用户的费用。疾病流行趋势和模式分析是流行病学研究的主要内容，在这个过程中，往往需要处理和分析大量的疫情数据，这些数据一般均具有空间属性，如患病动物的分布、运动趋势，疾病的发生范围和危险因素的分布等，而疾病控制策略往往需要在最快的时间内做出，因此，以数据分析和处理为主要功能的决策支持系统应运而生。除了传统的决策支持系统外，地理信息系统当前已经被广泛地应用于疾病控制决策。EpiMAN-TB是一个基于地理信息系统的决策支持系统，通过对空间数据分析结果，制定新西兰牛和鹿中结核的控制措施。

3．兽医图像数据和信息的获取及分析

在兽医临床实践中，由仪器和设备获得的图像、数据和信息在疾病诊断中起着非常重要的作用。随着相关技术的进步，临床上这种数据的需求将大大增加，人们在诊断决策中对这些数据的依赖程度也在增加。由此伴随着对这些数据的获取、分析、存贮和解释需求也在巨增。在动物疾病诊断中，经常用到的图像有显微镜图片、电子显微镜图片、荧光显微图片、B超图片、X光图片和CT图片等，对这些图片的获取和分析几乎均通过计算机来完成。另外，随着计算机图像处理功能的日益强大和处理技术的日益成熟，通过计算机不但可以处理2D图像，而且3D图像分析技术已经在兽医实践中得到广泛地应用。

最近在图像处理技术上的进展不但可以显示机体的解剖结构，而且可以在活体上对生物学过程和事件进行评价。例如，利用磁共振技术和放射性同位素成像技术可以显示机体的功能。这些技术可以对血流和各个器官的功能状态进行显示，对疾病的诊断具有非常重要的作用。当前一些在临床上常用的基于计算机的成像技术包括：X线计算机体层成像(X-raycomputedtomography,X-rayCT或CT)、磁共振成像(magneticresonanceimage，MRI)和发射体层成像(emissioncomputedtomography，ECT)，如单光子发射体层成像(singlephotonemissioncomputedtomography，SPECT)与正电子发射体层成像(positronemissiontomography，PET)、计算机放射摄影（computedradiography,CR）或直接数字化摄影（directradiography,DR）等新的成像技术。

4．生物统计、分析及建模

生物统计是兽医实践及研究中非常重要的组成部分，通过生物统计，人们可以发现从临床实践中得到的数据中所隐含的意义、发现疾病和致病因素之间的关系，以及疾病发生的规律等，为解释疾病的发生、发展、转归以及科学治疗方案的制定提供依据。生物统计又是兽医研究中必不可少的环节，几乎所有的试验数据都必须通过统计分析来发现试验现象和事物本质之间的关系，并且只有经过科学的统计分析之后所得到的结果才能被广大同行所认可，对其所揭示的现象才有科学、客观的认识。基于计算机的统计分析软件已经成为兽医实践和应用中的必备工具，如MS-EXEL、SAS、S-PLUS、MATLAB和SPSS等。除常规的数据统计之外，在流行病学研究中，基于地理信息系统的空间统计分析为挖掘疾病流行和扩散的时空特征和模式开创了一个新的视角，通过对分析结果在电子地图上的实时显示，使人们能更直观地了解疾病的流行状况及未来的流行趋势。

建模以其严谨、抽象的特点作为交叉学科在医学领域广泛应用，同时也为其在兽医领域的应用提供契机。近年来，在重大疫病的控制中，数学模型已经被广泛地应用于流行病学分析与研究。

OmairaCeciliaLizarazoHerrera等[5]采用动力学模型仿真模拟口蹄疫的发病过程，为疫病管理提供参考策略；EricP.M.Grist[6]用控制优化模型评估疯牛病可能造成的损失；Trapman,P[7]采用随机过程研究的动物传染病分支模型可分析疾病的发病数量和时间，并评估不同的管理措施的效果，该模型可适用于典型猪瘟、禽流感和口蹄疫等流行病。英国数学家利用模型解决的重大问题是疯牛病。在初期没有有效的抗菌药物，只能检查并杀死所有的病牛，但在最初的15个月，这些方法没有避免疾病的传播。因此，数学家设计了一个针对疯牛病的传染模型，并且发现问题的关键是时间的控制问题。原先检查并屠宰病牛往往是在疾病发现的4-5天——在这段时间疾病已经很大范围地传播开了。这就是不能控制疾病的原因，于是疾病的检查采取了更为果断和迅速的措施，来检查可能被感染的牛并屠宰。两个月后，疾病得到了控制。

另外，基于环境因素和空间因素的疫病传播时空动力学模型的建立也为疫病控制决策提供了科学依据。动物疫病的发生、发展、分布与地理环境关系密切，流行病地理信息系统在疾病控制中起到了重要作用。

DavidL.Smith等[8]人调查了康涅狄格州169个镇的浣熊狂犬病的传播情况，同时，还调查了地理、人与动物接触情况等因素。对狂犬病在不同的地形传播的环境危险因素进行定量，建立了狂犬病传播的随机空间模型，结果表明环境因素对该病的空间分布存在显著的影响，河流起着重要的屏障作用，将扩散速度减少7倍。DavisonS等[9]利用GIS对美国宾夕法尼亚州1996～1998年发生的H7N2亚型禽流感进行空间分析与研究，为防疫措施提供参考，EhlersM[10]等利用GIS对意大利1999～2001年发生的禽流感建立以家禽饲养密度为基础的空间分析模型。

5.小结

信息学、计算机和兽医学等学科的高速发展，给兽医信息学的发展带来前所未有的契机。从国外这些年的发展和应用历程来看，重点的研究方向包括电子病历、决策支持系统、数据和图像的获取、存储和分析以及对疾病和生理等过程的建模等。我国兽医信息学的发展中所研究的主要内容也不外乎这些方面，但是在发展过程中，应根据我国兽医学和信息技术的发展现状，走一条适合我国实际情况的道路。分析我国当前的研究现状，本人认为应该从以下方面逐步开展工作，以促使兽医信息学的快速发展：（1）以建立兽医临床及实验室数据标准为前提，逐步在全国建立和推广电子病历系统，以实现全国动物疾病数据的共享、无缝集成与交流，有利于疾病流行状况分析和疾病控制决策；（2）搜集整理国外的研究资料和相关书籍，编写我国兽医信息学教材，将兽医信息学作为一门单独学科提出，作为研究生和本科生的选修课进行推广，培养后备人才；（3）整合现有资源（人力、物力和资金），提出重点突破方向，逐步展开兽医信息学相关研究；（4）大力宣传信息技术在日常实践中的应用价值，提高养殖单位及用户对信息学的认知程度，同时加快已有的信息技术相关产品在兽医领域应用的推广工作，让用户从效益中认识这些产品的价值，以促进兽医信息学在实践中的推广；（5）以生物信息学的高速发展势头为契机，进行动物病原生物信息学相关研究，为动物疾病的控制提供科学依据。

主要参考文献：

[1]Boschert,Ken.[WWW]12THSeptember1998.VeterinaryInformatics.netvet.wustl.edu/info.htm15THApril2003

[2]Smith,RonaldD.;Williams,Mitsuko.Applicationsofinformaticsinveterinarymedicine.BullMedLibrAssoc.2000January;88(1):0049–0051

[3]Holbrook,Anne,etal.[WWW]Acriticalpathwayforelectronicmedicalrecordselection./Downloads/path.pdf16THApril2003

[4]Boschert,Ken.[WWW]12THSeptember1998.VeterinaryInformatics.netvet.wustl.edu/info.htm15THApril2003

[5]OmairaCeciliaLizarazoHerrera,CarlosAlbertoGonzalezBuitragoy,HugoHernandoAndradeSosa,etal.SystemDynamicsappliedtomodellingandSimulationofFoot-and-MouthDiseaseEpidemiology[A].The17thInternationalConferenceoftheSystemDynamicsSociety,and5thAustralian&NewZealandSystemsConferece:SystemsThinkingfortheNextMillennium,Wellington,NewZealand[C],20-23July1999

[6]EricP.M.Grist.TransmissibleSpongiformEncephalopathyRiskAssessment:TheUKexperience[J].RiskAnalysis,2005(25)3,519-532.

[7]TrapmanP,MeesterR,HeesterbeekH.Abranchingmodelforthespreadofinfectiousanimaldiseasesinvaryingenvironments[J].JournalofMathematicalBiology,2004(49)6,553-576.

信息学范文篇3

一、计算机化病历

计算机化病历是医学信息学的一个重要研究方向。它是指存在一个系统中的电子病历，这个系统可支持使用者获得完整、准确的资料；提示和警示医疗人员；给予临床决策服务；连接管理、书刊目录、临床基础知识以及其他设备[2]。电子病历的优点如下：完整的电子病历存储系统支持多个用户同时查看，保证个人医疗信息的共享与交流。通过网络，医师可以在家中或在世界任何一个角落随时获得患者的电子病历。同时可根据不同的用户给予不同的资料查询权限，从而保证了病历的安全性。授权用户在适当时间才能查看合适的病历。

此外，电子病历不再是一个被动的医疗记录。论文通过与图像信息的整合，可提供实时医疗监控，药物剂量查询等多种功能。电子病历已成为新兴信息技术和信息工具的基础。

电子病历目前可大致分为单机电子病历和网上电子病历两种。网上电子病历的优点是采用了ASP服务器提供全球性服务，安全性与数据完整性则由ASP供应商解决；缺点则是数据不在医师所工作的计算机上。

虽然医疗界投入巨资，电子病历仍存在许多问题亟待解决[3]。首先，病历数据的输入界面仍不够简单；其次，电子病历需要统一的医学用语标准。目前，美国国家医学图书馆已制定出统一医学用语系统(unifiedmedicallanguagesystem，UMLS)，这一系统包含了近一百万个术语描述医学概念。一旦该系统得以推广，将极大地促进全球医学用语的标准化。

二、医学信息系统

医学信息系统与其他工业系统有很大的不同。毕业论文不同的部门对信息的要求不同，这是对医学信息系统最大的挑战。例如，信息系统用户可分为基本用户和二级用户，基本用户包括医师和其他护理人员；二级用户则包括医疗保险公司、政府医疗保险机构等。不同用户需要的信息不同，导致信息管理的复杂性。同时，如何有效地利用不同的信息系统解决不同的医疗管理也日益成为人们重视的课题。

信息系统包括实验测试系统、医疗设备订购与维护系统及影像图片存储与交换系统等，存储于不同的计算机和不同的信息网络中。对于特定的用户来说，前端界面可能有所不同，但是后端数据必须是一体化和标准化的。

医学信息系统包括企业资源规划系统(ERP)、患者关系管理系统(patientrelationshipmanage—ment，PRM)、数据挖掘及决策支持系统等|4J。ERP技术在商业领域取得巨大成功，近年来，其在医疗机构中也得到广泛应用。其特点是将企业信息整合为一体(整合的数据库)，所以各系统都提供一致的数据。一次输入，多次使用，有效地降低了输入费用，并保证各系统得到完整、实时、一致的数据。其次，ERP系统可用来决策医疗设备订购、管理和维护，例如通过一个整合的数据库，根据病床的使用率，ERP系统可自动选择最合适的时间对医疗设备进行维护。PRM是侧重于患者需求的信息管理系统。PRM记录患者生活习惯、个人病史、家庭病史以及过敏反应等，医院从而可提供更加个性化的医疗服务。同时通过PRM，患者也可向医院询问医疗方案。数据挖掘技术在医疗管理上也日益重要，这种技术的主要优点是降低成本，为医师提供最有价值的信息，从而提高医疗诊断的质量。Bresnahan[5]指出，上千种的服务、多种治疗方案以及相互关系使信息系统越来越复杂，而这种复杂性推动了数据挖掘技术在医疗上的使用，已远远超过其在银行业和零售业的应用范围。

三、医疗决策系统

医学实践最重要的是作出正确的医疗诊断，因此医学信息学将研究重点也放在决策系统上。硕士论文决策系统不仅需要先进的信息科学技术和工具，而且需要理解医师如何利用推理知识作出医疗判断。

当前决策系统主要基于两种方法论：着重于统计分析的定量分析法，以及侧重于逻辑推理的专家系统法。定量分析法产生于上世纪50和60年代，主要用于解决心脏疾病和异常疼痛等临床问题。早期系统以概率决策理论为解决问题的依据。最新的此类系统以美国Stanford大学PANDA项目最为著名[6]。PANDA项目使用了决策分析技术，主要应用于胎儿期诊断，根据概率分析方法对胎儿期中的问题作出最有利于患者的选择。专家系统法以逻辑推理为解决问题的核心。最著名的第一代专家系统是MYCIN系统[7]。此系统主要用于对多种传染病的诊断和治疗，其中的医学知识不是包含于工具中，而是存储在规则中。第二代专家系统则以Asgaard系统最为成功[8]。系统大大扩展了MYCIN的功能，并补充了一系列的推理方法，其中包含了所有相关领域中的复杂知识。通过与数据库的连接，系统可自动提取带有时间标志的数据，而这种功能则使系统可针对某个患者作出特定阶段最适合的治疗方式。另外通过反溯法可比较不同的医疗护理，并作出相应的质量报告。

四、影像信息学技术

自上世纪70年代中期，以计算机为基础的医学影像学随着数学、生物物理学和工程模型学蓬勃发展起来。但是由于各类学术会议侧重于影像，而忽视了信息学，导致医学影像信息学科发展缓慢。

直到近年，界面友好的医学影像数据库与二维、三维结构及可视化的结合将医学影像信息学带入了一个崭新的时代。开始于1990年的“可视人”项目提供了大量的人体模拟图像，这一技术的广泛应用带动了各类解剖学教育软件的开发，更为重要的是引发了关于模型、摸拟及大型数字化图像搜索等一系列的信息学问题。同一时间开始的“人类大脑”项目则直接导致了大量关于大脑数据图谱登记、分ShanghaiMedJ，2004，VoI27，No9区等课题的开展。新的信息学、生物计量学、计算图像学的结合，使人们重新认识到影像信息与模拟学的重要性。

现代影像信息学研究的重点包括图像传递标准、传递规则、医学术语、信息压缩、图像数据库索引及图像病例传递安全等。从“虚拟细胞”[9]到“虚拟人”[10]，当前影像信息学从分子水平、细胞水平、组织水平到个体都得到广泛的应用。然而，医学信息学面临着更多亟待解决的现实问题。影像信息的完整化需要更深层的科学、技术和医疗实践的结合，包括对二维和三维图像自动分区与注册的新技术；数据抽象与概括；图像数据库中生物多样性来解释群体图像数据和表现型与基因型之间的关系；开发医学信息数据注释语言整合高级图像系统和医院信息系统等。

五、远程医疗与互联网

随着宽带网进入千家万户，远距离传递诊断和患者管理信息成为可能，远程医疗成为新的研究热点。通过网络电视和无线技术，使医师及患者能随时传递相应的医学相关信息，从而为远程医疗开创了更为广阔的应用前景。然而远程医疗昂贵的医疗费用使其现阶段只限于特定的人群。

互联网的出现提供了图片和文字传输的介质，而且为医疗机构提供了海量的信息数据。英语论文在互联网的帮助下，医师不仅可以全球共享医学资源，而且可以针对某一特殊病例进行广泛的交流。例如，美国国家医学图书馆提供医药在线(MEDLINE)数据库，其成员可查看、打印各类文献资料；医学网(CLINICWEB)则提供所有临床信息的索引，是医学界常用的搜索引擎。同时互联网的发展为一些身患相同病症人群的相互交流提供了可能，此类患者交流组织的形成有利于自我寻找最合适的治疗。

六、数据标准的重要性

电子病历和病案的大量应用、医疗设备和仪器的数字化，使得医院数据库的信息容量不断地膨胀。然而简单存储信息只是数据库的低端操作，数据的集成和分析以及医学决策和知识的自动获取才是信息学研究的重点。要对数据进行加工和分析，数据必须以特定的结构方式来存储。数据结构允许计算机轻易地传递符号和像素，并大大提高信息处理的速度。然而，这种数据结构不是仅由输入来决定的，医护人员必须有一约定俗成的数据标准，并为社会所公认。这一数据标准明确了数据库中存储的特殊符号所具有的涵义。其作用正如字典一样，起到咨询和定义的功能。数据标准又可分为文字标准和信息标准。

文字标准是指标准必须以文字形式表示，而不能以图像形式表达，国际上称为医疗数据系统，它包括一系列有特定涵义的单词。意识到标准的重要性，越来越多的医学和信息组织参与到此标准的制订中来。其中最著名的为美国病理协会制订的人类与兽类医学系统术语标准SNOMED和英国健康中心制订的医学系统术语标准ReadCodes。

信息标准则同时定义文字和图像数据。当今最通用的信息标准称为HL7(HealthLevelSeven)，也可称为标准卫生信息传输协议，其中又包括医学数字化图像和传递标准(DICOM)。HL7标准确定了数据库系统中信息传递的顺序和格式，涵盖了实验测试术语、药品设备采购术语、收费术语、出院转院术语及电子监护术语等，并提供了一种类似于数据库的结构，利于患者信息在电子病历系统、实验室系统等多种数据系统中传递。

DICOM可明确图像在数据流传递过程中压缩和加密的格式，并确定CT图像或B超图像在数据库中存储的方式。

七、结语

医学信息学是计算机技术、生物物理学、统计学等与现代医疗结合的新兴学科，也是提高医疗服务质量、医院管理水平和降低成本的必然结果。这一学科需要多领域科研人员和医务工作者的大力合作。可以预见，不久的将来医学信息学将在医院管理、教学和科研、疾病的预防、诊断和治疗等方面发挥巨大和不可替代的作用，并将带动整个医学界的革新。

参考文献

1GreenesRA．ShortliffeEH．Medicalinformatics：anemerginga-cademicdisciplineandinstitutionalpriority．JAMA，1990，263：1114—1120．

2SteadWW．HalrlmondWE．Computer-basedmedicalrecords：thecenterpieceofTMRMDComput，1988，5：48—62．

3McDonaldCJThebarrierstoelectronicmedicalrecordsystemsandhowtoovercomethemJAmMedInformAssoc，1997，4：213—221．

4SiauK．Healthcareinformatics．IEEETransInfTechnolBiome-di．2003．7：1-7．

5BresnahanJ．Dataminging：adelicateoperationCIOMag(on-line)．1997．

6OwensDK，ShachterRD，NeaseRF．Representationandanaly-sisofmedicaldecisionproblemswithinfluencediagrams．MedDecisiMaking，1997．17：241—262．

7YuVL，FaganLM，WraithSM，eta1．Antimicrobialselectionbyacomputer：Ablindedevaluationbyinfectiousdiseaseexperts．JAMA，1979，242：1279—1282．

8ShaharY，MikschS，JohnsonP．TheAsgaardproject：ataskspecificframeworkfortheapplicationandcritiquingoftime-on-entedclinicalguidelines．ArtifIntellMed．1998．14：29—51．

信息学范文篇4

关键词：推荐系统；生物信息学

推荐系统(RecommenderSystem)[1]是个性化信息服务的主要技术之一，它实现的是“信息找人，按需服务”；通过对用户信息需要、兴趣爱好和访问历史等的收集分析，建立用户模型，并将用户模型应用于网上信息的过滤和排序，从而为用户提供感兴趣的资源和信息。生物信息学(Bioinformatics)[2,3]是由生物学、应用数学和计算机科学相互交叉所形成的一门新型学科；其实质是利用信息科学的方法和技术来解决生物学问题。20世纪末生物信息学迅速发展，在信息的数量和质量上都极大地丰富了生物科学的数据资源，而数据资源的急剧膨胀需要寻求一种科学而有力的工具来组织它们，基于生物信息学的二次数据库[4]能比较好地规范生物数据的分类与组织，但是用户无法从大量的生物数据中寻求自己感兴趣的部分（著名的生物信息学网站NCBI(美国国立生物技术信息中心)，仅仅是小孢子虫(Microsporidia)的DNA序列就达3399种），因此在生物二次数据库上建立个性化推荐系统，能使用户快速找到自己感兴趣的生物信息。特别是在当前生物信息数据量急剧增长的情况下，生物信息学推荐系统将发挥强大的优势。

1推荐系统的工作流程

应用在不同领域的推荐系统，其体系结构也不完全相同。一般而言，推荐系统的工作流程[5]如图1所示。

(1)信息获取。推荐系统工作的基础是用户信息。用户信息包括用户输入的关键词、项目的有关属性、用户对项目的文本评价或等级评价及用户的行为特征等，所有这些信息均可以作为形成推荐的依据。信息获取有两种类型[6]，即显式获取(Explicit)和隐式获取(Implicit)，由于用户的很多行为都能暗示用户的喜好，因此隐式获取信息的准确性比显式高一些。

(2)信息处理。信息获取阶段所获得的用户信息，一般根据推荐技术的不同对信息进行相应的处理。用户信息的存储格式中用得最多的是基于数值的矩阵格式，最常用的是用m×n维的用户—项目矩阵R来表示，矩阵中的每个元素Rij=第i个用户对第j个项目的评价，可以当做数值处理，矩阵R被称为用户—项目矩阵。

(3)个性化推荐。根据形成推荐的方法的不同可以分为三种，即基于规则的系统、基于内容过滤的系统和协同过滤系统。基于规则的推荐系统和基于内容过滤的推荐系统均只能为用户推荐过去喜欢的项目和相似的项目，并不能推荐用户潜在感兴趣的项目。而协同过滤系统能推荐出用户近邻所喜欢的项目，通过用户与近邻之间的“交流”，发现用户潜在的兴趣。因此本文所用的算法是基于协同过滤的推荐算法。

(4)推荐结果。显示的任务是把推荐算法生成的推荐显示给用户，完成对用户的推荐。目前最常用的推荐可视化方法是Top－N列表[7]，按照从大到小顺序把推荐分值最高的N个事物或者最权威的N条评价以列表的形式显示给用户。

2生物信息学推荐系统的设计

综合各种推荐技术的性能与优缺点，本文构造的生物信息学推荐系统的总体结构如图2所示。

生物信息学推荐系统实现的主要功能是在用户登录生物信息学网站时，所留下的登录信息通过网站传递到推荐算法部分；推荐算法根据该用户的用户名从数据库提取出推荐列表，并返回到网站的用户界面；用户访问的记录返回到数据库，系统定时调用推荐算法，对数据库中用户访问信息的数据进行分析计算，形成推荐列表。

本系统采用基于近邻的协同过滤推荐算法，其结构可以进一步细化为如图3所示。算法分为邻居形成和推荐形成两大部分，两部分可以独立进行。这是该推荐系统有别于其他系统的优势之一。由于信息获取后的用户—项目矩阵维数较大，使得系统的可扩展性降低。本系统采用SVD矩阵降维方法，减少用户—项目矩阵的维数，在计算用户相似度时大大降低了运算的次数，提高了推荐算法的效率。

(1)信息获取。用户对项目的评价是基于用户对某一个项目(为表示简单，以下提及的项目均指网站上的生物物种)的点击次数来衡量的。当一个用户注册并填写好个人情况以后，系统会自动为该用户创建一个“信息矩阵”，该矩阵保存了所有项目的ID号以及相应的用户评价，保存的格式为：S+编号+用户评价，S用于标记项目，每个项目编号及其评价都以“S”相隔开；编号是唯一的，占5位；用户评价是用户点击该项目的次数，规定其范围是0~100，系统设定当增加到100时不再变化。这样做可防止形成矩阵时矩阵评价相差值过大而使推荐结果不准确。(2)信息处理。信息处理是将所有用户的信息矩阵转换为用户—项目矩阵，使用户信息矩阵数值化，假设系统中有M个用户和N个项目，信息处理的目的就是创建一个M×N的矩阵R，R[I][J]代表用户I对项目J的评价。

(3)矩阵处理。协同过滤技术的用户—项目矩阵的数据表述方法所带来的稀疏性严重制约了推荐效果，而且在系统较大的情况下，它既不能精确地产生推荐集，又忽视了数据之间潜在的关系，发现不了用户潜在的兴趣，而且庞大的矩阵增加了计算的复杂度，因此有必要对该矩阵的表述方式做优化，进行矩阵处理。维数简化是一种较好的方法，本文提出的算法应用单值分解(SingularValueDecomposition，SVD)技术[8]，对用户—项目矩阵进行维数简化。

(4)相似度计算。得到降维以后的用户矩阵US，就可以寻找每个用户的近邻。近邻的确定是通过两个用户的相似度来度量的。本文采用Pearson相关度因子[9]求相似度。(5)计算用户邻居。该方法有两种[10]，即基于中心的邻居(Center－BasedNeighbor)和集合邻居(AggregateNeighbor)。本系统采用了第一种方法，直接找出与用户相似度最高的前N个用户作为邻居，邻居个数N由系统设定，比如规定N＝5。

(6)推荐形成。推荐形成的前提是把当前用户的邻居ID号及其与当前用户的相似度保存到数据库中，而在前面的工作中已找出各用户的邻居以及与用户的相似度，推荐形成部分只需要对当前登录用户进行计算。推荐策略是：对当前用户已经访问过的项目不再进行推荐，推荐的范围是用户没有访问的项目，其目的是推荐用户潜在感兴趣的项目；考虑到系统的项目比较多，用户交互项目的数量很大，所以只筛选出推荐度最大的N个项目，形成Top－N推荐集，设定N＝5。

3生物信息学推荐系统的实现

生物信息学推荐系统的实现可以用图4来表示。数据库部分主要存储用户信息和项目信息，用SQLServer2000实现。

数据访问层实现了与用户交互必需的存储过程以及触发器，也使用SQLServer2000，主要完成以下功能：初始化新用户信息矩阵；插入新项目时更新所有用户的信息矩阵；用户点击项目时更新该用户对项目的评价；删除项目时更新所有用户的信息矩阵。用户访问层主要涉及网页与用户的交互和调用数据访问层的存储过程，在这里不做详细的介绍。

推荐算法完成整个个性化推荐的任务，用Java实现。

(1)数据连接类DataCon。该类完成与SQLServer2000数据库的连接，在连接之前必须要下载三个与SQLServer连接相关的包，即msutil.jar、msbase.jar和mssqlserver.jar。

(2)数据操作类DataControl。该类负责推荐算法与数据库的数据交换，静态成员Con调用DataCon.getcon()获得数据库连接，然后对数据库进行各种操作。把所有方法编写成静态，便于推荐算法中不创建对象就可以直接调用。

(3)RecmmendSource与CurrentUserNeighbor。这两个类作为FCRecommand类的内部类，RecmmendSource用于保存当前用户的推荐列表，包括推荐项目号和推荐度；CurrentUserNeighbor用于保存邻居信息，包括邻居ID号、相似度及其访问信息。

(4)协同过滤推荐算法FCRecommand。该类实现了整个推荐算法，主要分为邻居形成方法FCArithmetic和推荐形成方法GenerateRecommend。

下面给出方法FCArithmetic的关键代码：

Matrixuser_item=this.User_Item_Arry();//获取用户—项目矩阵

user_item=this.SVD_Calculate(user_item);//调用SVD降维方法

Vectorc_uservector=newVector();//当前用户向量

Vectoro_uservector=newVector();//其他用户向量

Vectorc_user_correlate_vector=newVector();

//当前用户与其他用户之间相似度向量

for(inti=0;ifor(intj=0;jc_uservector.addElement(user_item.get(i,j));

//1.获得当前用户向量

for(intk=0;ko_uservector.clear();

for(intl=0;lo_uservector.addElement(user_item.get(k,l));

//2.获得其他用户的向量

//3.计算当前用户与其他用户的相似度

usercorrelativity=this.Correlativity(c_uservector,o_uservector);

c_user_correlate_vector.addElement(usercorrelativity);

}

//4.根据当前用户与其他用户的相似度，计算其邻居

this.FindUserNeighbor(i,c_user_correlate_vector);

}

根据邻居形成方法FCArithmetic，可以得到每个用户的邻居。作为测试用例，图6显示用户Jack与系统中一部分用户的相似度，可以看出它与自己的相似度必定最高；并且它与用户Sugx访问了相同的项目，它们之间的相似度也为1，具有极高的相似度。

4结束语

在传统推荐系统的基础上，结合当前生物信息学网站的特点，提出一个基于生物信息平台的推荐系统，解决了传统生物信息网站平台信息迷茫的缺点，为用户推荐其感兴趣物种的DNA或蛋白质序列。

优点在于协同过滤的推荐算法能发现用户潜在的兴趣，能促进生物学家之间的交流；推荐算法的邻居形成与推荐形成两部分可以单独运行，减少了系统的开销。进一步的工作是分析生物数据的特点及生物数据之间的关系，增加用户和项目数量，更好地发挥推荐系统的优势。

参考文献：

［1］PAULR，HALRV.Recommendersystems[J].CommunicationsoftheACM，1997,40(3):56－58.

[2]陈新.生物信息学简介[EB/OL].(2001).166.111.68.168/bioinfo/papers/Chen_Xin.pdf.

[3]林毅申,林丕源.基于WebServices的生物信息解决方案[J].计算机应用研究,2005,22(6):157－158,164.[4]邢仲璟,林丕源,林毅申.基于Bioperl的生物二次数据库建立及应用[J].计算机系统应用,2004(11):58－60.

[5]AIRIAS,TAKAHISAA,HIROYAI,etal.Personalizationsystembasedondynamiclearning:InternationalSemanticWebConference[C].Sardinia:[s.n.],2002.

[6]BREESEJS,HECKERMAND,KADIEC.Empericalanalysisofpredictivealgorithmsforcollaborativefiltering:proceedingsoftheFourteenthConferenceonUniversityinArtificialIntelligence[C].Madison:WI,1998:43－52.

[7]SCHAFERJB,KONSTANJ,RIEDLJ.Recommendersystemsine－commerce:proceedingoftheACMConferenceonElectronicCommerce[C].Pittsburgh:PA,1999:158－166.

[8]PRYORMH.Theeffectsofsingularvaluedecompositiononcollaborativefiltering[EB/OL].(1998).www.cs.dartmouth.edu/reports/TR98－338.pdf.

信息学范文篇5

一、正在出现的技术

Klingler(Lncytepharmaceuticals,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Incytepharmaceuticals对大规模基因组数据和生物信息学的贡献。

Lipshutz(Affymetrix,Santaclara,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(UniversityofPennsylvaniaSchoolofMedicine,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(Rockefelleruniversity,NewYork,NY,USA)讨论了同源蛋白质结构模建。比较蛋白质模建（comparativeproteinmodeling）也称为同源模建（homologymodeling），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(UniversityofCalifornia,SanFrancisco,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（distantrelationship）。Levitt(Stanforduniveersity,PaloAlto,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（abinitiofolding）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（segmentmatching）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(JohnshopkinsUniversity,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（commoncoordinatesystem）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(LawrenceberkeleyLaboratory,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（globalviews），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（objectprotocolmodel,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(SRIinternational,MenloPark,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（schemaevolution）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(MarinebiologicalLaboratory,WoodsHole,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(PEappliedBiosystems,FosterCity,CA,USA)介绍了一种新的存储直接来自ABⅠPrismdNA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(Sturcturalbioinformatics,SanDiego,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(Genelogic,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Genelogic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,Downessgrove,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(Chirontechnologies,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(Glaxowellcome,ResearchTrianglePark,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GeneticinformationSystem.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(HumanGenomeSciences,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。HumangenomeSciences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(Base4bioinformatics,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-specificdatabase,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(Bostonuniversity,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(GeneTranscriptionTechnologies,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（leadcompound），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

1LimHA,BatttR.TIBTECH,1998;16(3)):104

信息学范文篇6

［关键词］哲学；生物信息学；融入生物信息学

作为新兴学科，其理论的产生、发展和完善蕴含着丰富的马克思主义哲学思想。哲学作为关于一切运动最普遍规律的学科，对高等教育和生命科学领域复杂问题的解决，显示出了强大生命力[1-3]。哲学是人类思维的高度概括和总结，其原理可以渗透到生物信息学教学的各个章节和领域。就当前国内而言，哲学与其他一级学科的融合发展尚未引起足够重视[3]，生物信息学教材中也未出现哲学术语。笔者结合三年教学实践，认为生物信息学课程虽为理科教育，但教学改革过程中穿插引入哲学思维至关重要，自觉渗透哲学原理，将有助于开拓学生视野和优化学生思维。笔者提出，教师要重视哲学思维，善用哲学方法。在总结生物信息学课堂教学不足的基础上，下面从三方面对哲学原理融入课堂教学展开论述。

一、生物信息学课堂教学现状和难题

生物信息学是生物学和信息学的交叉科学，包含了对各种组学数据（转录组、蛋白质组、非编码RNA组、表观遗传组、代谢组、宏基因组等）的获取、处理、存储、分发、分析等以及生物系统层面的解读，综合运用数学、计算机科学、生物学和医学的各种工具，来阐明和理解大量数据所包含的生物学意义[4]。课程理论教学内容包括生物数据库及其信息检索、序列比对与分子进化、核酸序列分析、蛋白质性质和结构分析、基因组信息学、蛋白质组信息学等；实践教学引入了常用生物信息学数据库的应用、核酸和蛋白质序列的比对分析、DNA序列的信息学和功能分析、蛋白质序列分析和结构预测、常用生物软件的应用、综合实验等。学好本课程，准确找出与疾病有关的生物标志物，就是在实现和满足人民对美好生活的向往。当前国内外顶尖的自然科学研究，一定是定量科学（干实验）与实验科学（湿实验）并驾齐驱、相辅相成的一种研究模式。伴随着高通量生物技术的快速发展和后基因组时代的到来，生物信息学课程在国内多所高校纷纷开设，成为生物学本科生必须掌握的基本知识和核心技能。借鉴各兄弟院校的课堂教学经验[5-8]，发现国内生物信息学课堂教学目前面临的难题主要有三方面：（1）大多偏重于结论性知识的传授，很少关注理论产生的哲学内涵和思维。（2）课程对教师的授课水平和学生的学习能力要求较高，学生专业基础差，远不能适应生物信息学教学的需要[9]。（3）课程大都处于摸索和起步阶段，教材内容不够全面，实验教学案例不足[10]。深入学习贯彻育人育才思想是新时代教育工作和教师工作的重中之重。从课程理论创新角度看，通过哲学原理从不同角度融入生物信息学课堂教学可以夯实高校育人育才思想根基和满足学科发展需要[11]。

二、马克思主义哲学原理融入课程教学改革的实现路径

（一）以人为本以人为本，注重哲学教育对师生本身的完善。高校教师只有思想上清醒和认同“四有”好教师标准，才能培养出未来更优秀的社会发展中坚力量。部分新任教师虽然学历较高，但思想抛锚、能力不足，距离“四有”好教师尚有差距，接受生物信息学的新理论新观点不够及时，对课堂上学生的个体差异未能完全掌握。新时代新作为，生物信息学教师要时刻牢记人民教师的职责定位，坚持潜心问道和关注社会，增强核心意识，提高政治站位；要在学思践悟中联系新时代中国特色社会主义思想，要当好宣传员、示范员、战斗员，做到内化于心、外化于行；要善于运用马克思主义的世界观和方法论，从哲学角度来认识和把握教学中蕴含的矛盾和问题，实现思想政治教育与知识体系教育的有机统一，为国家培养合格建设者和可靠接班人。大学时期是青年学生树立“三观”的关键时期，具有好学、好思、好问的特质。教师要善于抓住学生可塑性的一面，坚持立德树人，把思想引导和价值观塑造融入教学之中；要注重学生意识形态方面的正确引领和培育，引导他们及早树立理想信念，激发他们主动学习的内生动力；要时刻以高尚的人格魅力赢得学生敬仰，以模范的言行举止感染学生，引导他们在观察、思考、实践和领悟中播撒真善美的种子；要坚持以学生为中心，开发设置一系列辩证统一的问题，引导学生懂得质疑、猜疑、解疑，成为一个具有创新思维、创造力的人。实践证明，生物信息学课堂上的教学出彩大多因为有充分发挥主观能动性、努力思考、求真求实的学生，即使一些出错学生的旁逸斜出也会给教学注入活力。（二）唯物辩证唯物辩证，注重理性思维在课堂上的潜移默化传授。在课堂教学中，课本内容多呈现一般性的解读、普遍性的结论和规律性的认识。若要加深理论的深刻性和科学性认识，就要求教师注重善用唯物辩证法培养学生的批判性思维。注重梳理和画出思维导图，使知识在学生头脑中形成竖成串、横成链的体系化网络。生命大分子无时无刻不在运动和变化，通过生物信息学数据解读系统生物学问题，必须坚持普遍联系地进行分析，培养学生多个视角来思考的习惯、批判性思维能力和集成决策能力。综合运用分析论证理论（比如还原分析、比较分析、挖掘背景、寻找替代等）以及数据挖掘方法（分类、关联分析、聚类分析、异常检测等），说明和预测有哪些问题是可以解决的，有哪些是可以计算的，有哪些仅仅停留在理解层面。例如，生物信息学可以更好揭示生物“表现型=基因型+环境”概念。DNA的表观修饰有近20种，RNA的表观修饰更多，用生物信息学对这些表观修饰进行分析可以扩充“中心法则”的概念，也可以解释为什么表现型不单单由基因型决定，还和所处环境有关。矛盾的对立统一规律是唯物辩证的核心，比如给学生讲解人类基因组计划可以了解疾病健康和基因遗传的关系，但一旦每一个人的基因组测序能够实现，则必然会出现基因歧视和种族灭绝的危险[12]。课堂教学运行是一个师生互动生成的动态过程，教师需要做好预设和生成之间的平衡处理，需要联系理论动态和前沿热点讲述某理论的应用价值以引人入胜，需要简明扼要地定义理论特点和推理过程，需要课后全面总结“预料之内”和“意料之外”的细节处理。教师要分清教师主导性和学生主体性的矛盾、教学内容与逻辑顺序上的矛盾、教学内容和受众对象非对等性的矛盾、教学内容和教材内容差异性的矛盾、教学内容和时间应用上的矛盾等。课程内容设计要坚持矛盾分析法中的“重点论”思维，既要全面又要突出重点。学生学习课程客观上存在各章节时间分配的对立，要把主要精力放在基础理论掌握和应用上；另一方面，课程各章节之间客观上存在内容相关的统一，也要求学生了解其他关联章节。在千头万绪的各类数据库中，学生要善于抓住编程中推理分析的主要矛盾和矛盾的主要方面，玩出高雅，悟出智慧，学出成绩，活出价值。（三）知行合一知行合一，注重理论联系实际和实践育人。理论指导实践，实践检验和丰富理论。课程理论抽象、实践性强，背后隐藏了许多识别模式和顺序，要求学生首先掌握生命科学和数理统计知识，并拥有数据库、数据可视化和各类编程语言如Python等基础知识。产业界的大数据人才，还要求掌握额外的关键技能，如文本挖掘、本体论、数据集成、机器学习和信息架构等，包括一系列的统计能力、计算能力和核心的编程能力，如C++或Java的编码，或PERL或Python的脚本编写，能够控制操作系统如Linux，并具备促使数据可视化和建立简约优美有效的用户界面的能力。实现以上目标，不仅要联系本地区学生实际循序渐进开展理论教学，更要注重引入实践不断健全课堂教学环节。完整的生物信息学课堂教学环节包含传统讲授、师生讨论、上机实验和写作训练。通过介绍我国大数据领域科学家的故事，引导学生崇尚科技创新、精益求精和用户至上的工匠精神。通过介绍中国参与人类基因组计划、无创产前基因检测技术、癌症早期诊断等，培养学生爱国忧国情怀。在授课中，教师要抓住知识体系的两条主线：序列—结构—功能—进化；基因组—转录组—蛋白组—代谢组，多组学贯穿。教师要善于用接入外部互联网的多媒体网络教室演示生物信息学理论、数据库搜索及软件应用等，便于师生课堂交流。教师在课堂上要鼓励学生随时提问，培养他们的批判性思维和创新思考能力，将传统的“传递”与“接受”转变为积极主动的“发现”和“建构”。通过与学生心平气和、推心置腹地交流沟通和答疑解惑，让学生产生共鸣。教学不仅在课堂，更在课后，教师不仅要重视理论知识的传授，更要强调学生知识建构能力的培养和生信技能的实际运用。要课后指导学生自己制订实践教学方案，鼓励学生利用生物信息学网络开放课程优质资源。例如，课堂上在介绍生物信息学的序列比对用法后，要求学生独立从公共数据库下载数据，挖掘有用信息完成上机操作。另外，要充分利用教师申报的各类科研项目，积极组建学生团队开展生物信息学相关毕业设计训练，提高就业竞争力。最后，要通过写作体现学生的逻辑思维和人生感悟，并要求学生在课堂上通过幻灯片明晰透彻地报告所得结果。学完课程后，学生们将有能力进行数据库搜索、序列比对、蛋白质结构预测等，最终达到预期的教学效果。

三、马克思主义哲学原理融入生物信息学教学实践的体会

马克思主义哲学原理内涵丰富，蕴藏着无穷魅力，值得我们去实践创新。它不仅包含了本文所探讨的一些观点，还包括许多经典的思想方法。比如，从有限到无限去领略基因组变化，从量变到质变去体验蛋白质网络和代谢网络变化，从静态到动态去感悟多序列分析算法规律，等等，这需要我们不断实践摸索。目前很多课堂面临学生思维活动活跃度低、师生缺少互动和“低头族”等难题，而育人育才重在育心育脑，因此，在课程教学中通过科学的思维方法传授科学知识显得愈加迫切。通过哲学原理有效融入课堂教学，使师生共有哲学思想，就容易达到同频共振和培养默契。一方面，促进教学组完善课程设计，注重挖掘生物信息学课程中的哲学素材，并使用部分哲学观点加以说明和解释；另一方面，学生一旦开始注重运用哲学经典理论指导学习，将方便构建起相应的知识网络，整体把握课程知识脉络的前提和界限，“自觉”相信马克思主义哲学的正确性和指导性。学生只有把哲学原理转换成实践操作技能，才能将哲学血肉化，避免花费大量时间刷题和死记硬背概念性、理解性知识，显著提高了学生的动手分析能力和创新能力。

信息学范文篇7

[论文摘要]生物信息学是80年代以来新兴的一门边缘学科，信息在其中具有广阔的前景。伴随着人类基因组计划的胜利完成与生物信息学的发展有着密不可分的联系，生物信息学的发展为生命科学的发展为生命科学的研究带来了诸多的便利，对此作了简单的分析。

一、生物信息学的产生

21世纪是生命科学的世纪，伴随着人类基因组计划的胜利完成，与此同时，诸如大肠杆菌、结核杆菌、啤酒酵母、线虫、果蝇、小鼠、拟南芥、水稻、玉米等等其它一些模式生物的基因组计划也都相继完成或正在顺利进行。人类基因组以及其它模式生物基因组计划的全面实施，使分子生物数据以爆炸性速度增长。在计算机科学领域，按照摩尔定律飞速前进的计算机硬件，以及逐步受到各国政府重视的信息高速公路计划的实施，为生物信息资源的研究和应用带来了福音。及时、充分、有效地利用网络上不断增长的生物信息数据库资源，已经成为生命科学和生物技术研究开发的必要手段，从而诞生了生物信息学。

二、生物信息学研究内容

（一）序列比对

比较两个或两个以上符号序列的相似性或不相似性。序列比对是生物信息学的基础。两个序列的比对现在已有较成熟的动态规划算法，以及在此基础上编写的比对软件包BALST和FASTA，可以免费下载使用。这些软件在数据库查询和搜索中有重要的应用。有时两个序列总体并不很相似，但某些局部片断相似性很高。Smith-Waterman算法是解决局部比对的好算法，缺点是速度较慢。两个以上序列的多重序列比对目前还缺乏快速而又十分有效的算法。

（二）结构比对

比较两个或两个以上蛋白质分子空间结构的相似性或不相似性。

（三）蛋白质结构预测

从方法上来看有演绎法和归纳法两种途径。前者主要是从一些基本原理或假设出发来预测和研究蛋白质的结构和折叠过程。分子力学和分子动力学属这一范畴。后者主要是从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构。同源模建和指认（Threading）方法属于这一范畴。虽然经过30余年的努力，蛋白结构预测研究现状远远不能满足实际需要。

（四）计算机辅助基因识别

给定基因组序列后，正确识别基因的范围和在基因组序列中的精确位置.这是最重要的课题之一，而且越来越重要。经过20余年的努力，提出了数十种算法，有十种左右重要的算法和相应软件上网提供免费服务。原核生物计算机辅助基因识别相对容易些，结果好一些。从具有较多内含子的真核生物基因组序列中正确识别出起始密码子、剪切位点和终止密码子，是个相当困难的问题，研究现状不能令人满意，仍有大量的工作要做。

（五）非编码区分析和DNA语言研究

在人类基因组中，编码部分进展总序列的3－5%，其它通常称为“垃圾”DNA，其实一点也不是垃圾，只是我们暂时还不知道其重要的功能。分析非编码区DNA序列需要大胆的想象和崭新的研究思路和方法。DNA序列作为一种遗传语言，不仅体现在编码序列之中，而且隐含在非编码序列之中。

三、生物信息学的新技术

（一）Lipshutz(Affymetrix,Santaclara,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(UniversityofPennsylvaniaSchoolofMedicine,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。

Babbitt(UniversityofCalifornia,SanFrancisco,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（distantrelationship）。Levitt(Stanforduniveersity,PaloAlto,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（abinitiofolding）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（segmentmatching）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(JohnshopkinsUniversity,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（commoncoordinatesystem）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。

Candlin(PEappliedBiosystems,FosterCity,CA,USA)介绍了一种新的存储直接来自ABⅠPrismdNA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。

参考文献：

信息学范文篇8

关键词：生物技术专业；生物信息学；教学方法；教学改革

生物信息学（Bioinformatics）是随着人类基因组计划完成，越来越多物种的全基因组测序计划开启。生物信息学又是一门集数学、计算机科学和生物学于一体的综合性学科，是从海量生物学数据信息中获取、处理、存储、解析和阐述等，并利用数学和计算科学来解析生命科学奥秘的交叉学科。它是当今生命科学和自然科学的前沿领域之一，也是21世纪生物技术的核心领域，具有前沿性新、交叉性广、实践性强等特点[1]。因此，地方农业研究型高校开设的生物技术专业会将生物信息学课程作为人才培养方案中的核心课程，以满足生物技术行业对人才的迫切需要。在生物技术专业的课程中，生物信息学是生物技术专业重要的专业核心课，是基础课与专业课之间的纽带与桥梁课程，是成为生物技术专业教师开展科研工作的重要工具，也是生物专业本科生综合运用所学专业知识提升专业技能途径。生物信息学要学好，本科学生要有扎实的植物学、动物学、遗传学、细胞生物学、生物化学和分子生物学等基础生物学知识，但由于地方农业院校基础课程教学相对薄弱，学生的基础知识较为匮乏，同时教师多以传统的“讲解式”和“启发式”教学方法为主，教学内容紧凑且进度快，实验操作较少，使得学生在学习“生物信息学”课程时听不懂、记不住、学不好，直接影响并降低了学生的学习积极性。本文针对吉林农业大学生物技术专业的生物信息学课程的教学现状，分析和总结了教学环节中存在的主要问题，从教学方法、课程内容和考核方式等几个角度进行教学模式的探讨，以期在今后的教学环节取得更好的教学效果，提升学生对该课程的学习兴趣。

1地方农业高校生物信息学课程的教学现状与存在问题

生物信息学是一门集多学科知识体系综合交叉性强的前沿学科，对该课程的专业教师要求储备较强的生物科学知识和计算科学知识，还要将科学前沿知识与课程教育相融合，更要建立系统的完善的生物信息学知识板块，这些都导致地方农业高校缺乏生物信息学师资队伍，并影响我国农业生物信息学教育快速发展。1.1教学资源匮乏，教学内容过于陈旧。近些年，生物信息学发展速度较快，但地方农业高等院校开设时间相对较晚，课程设置内容单一、课程的建设方面投入较少。生物信息学是一门新兴学科，学科发展时间较短，缺少丰富的多媒体资源、教学视频、精品课等重要的教学资源，使其教学资源稀缺匮乏。同时，使用的教材和教学内容过于陈旧，不能满足学科的快速发展，更不能及时进行教学内容的更新。1.2学生专业知识基础差，理论功底不扎实。地方农业院校的学生在知识储备和数据分析能力上与综合性大学理工科学生存在差距。生物信息学课程理论性较强，地方农业高校学生在数学、计算机和专业英语等基础知识方面不够扎实，对生物信息学涉及的核心原理、应用算法等内容难以理解和消化，这些因素导致地方农业高校学生接受生物信息学课程的重要知识点存在较大困难，从而使部分学生的学习效果较差，不能灵活运用所学。1.3教学模式单一，学时少。目前，国内的生物信息学依旧是讲授式的传统教学模式，以理论讲授为主体，实验操作为辅助，以课堂为中心进行“满堂灌”式教育，从而导致缺乏突出生物信息学课程特点的新式教学模式。以一般地方农业高校的生物信息学课程总学时32学时，理论教学为24学时，实验学时仅为8学时，学时数较少，理论基础讲解不透彻，实验操作内容简单，对学生感兴趣和具有实际应用价值的软件无法进一步操作和实践应用。

2地方农业高校生物信息学教学模式的改革建议

2.1权威优质教材的选用。优质的教材是一门课程有序延伸的基础。生物信息学起源于国外，早期的课程教材均以翻译本为主，近几年我国生命科学发展较快，国内学者编著的教材越来越多，后期的教材均以国产教材为主，翻译教材为辅。但教材的数目繁多，2018年，曾有学者对我国这门学科教材进行评价，主要将其分为两大类，一类以生物信息学基本理论知识的讲解为主，主要介绍生物信息学发展史，与生物信息学相关的生物学理论，例如，遗传学、基因组学、蛋白质组学以及代谢组学等。与生物信息学相关的数学、统计学和计算机理论。例如，计算生物学、数据结构与模型以及网络数据库等，这类教材相对系统全面地介绍了生物信息学的基本概念和研究内容。另一类则以生物信息学技术和方法的应用为主，着重介绍各种数据库，以及数据分析软件、工具的使用方法和技巧，这类教材在生物信息学相关理论方面涉及较少，重点在于培养学生的实际操作能力。在我国现有的生物信息学教材中，陈铭主编的《生物信息学》（第3版）是国家规定的“十三五”规划教材，权威性较高。从内容也可以看出，《生物信息学》（第3版）的核心内容是生物信息学的理论和方法，基础性、系统性较强，是理论教学的首选参考书。而吴祖建等主编的《生物信息学分析实践》是一本以实用性为主的教材，主要内容为介绍各项试验、数据库、及分析软件的操作方法，同时会用一些实例来介绍各项操作和技术，通俗易懂，是实验和实践教学教材的首要选择。针对地方农业高校出现的学生理论基础较差，动手能力不强的现象，选择将《生物信息学》（第3版）作为基础理论教材，配合《生物信息学分析实践》作为实验和实践教材，既可以增强学生的理论知识功底，又可以培养学生的实践动手能力，有利于培养专业实践型人才。2.2教学方法的选择。随着教学技术的发展及科技的进步，教育方法也不断发展，先进的科学技术也逐渐普及。生物信息学是在生物学、数学和计算机科学等专业的基础上建立起来的，因此，生物信息学教学课程一般安排在学生学习过生物学基础课程、数学和计算机科学学习后进行。前期的生物学教学基础包括遗传学、生物化学、分子生物学、细胞生物学和基因组学等课程。以吉林农业大学生物技术专业为例，将该门课程设置在第六学期开设，包括上机实习在内共40学时，理论内容占20学时，实验和实践内容占20学时（由5个专题实验组成）。与此同时要督促学生进行自学，生物信息学的大部分内容是数据资料库及相应的分析软件，均可在线操作。课堂上的多媒体不能完全保障学生的学习效果，在保证网络稳定的情况下，可以让学生自己进行操作学习，加深记忆，并掌握操作方法。2.3教学方式的改进。2.3.1实行“以点带面”的教学方式。生物信息学的理论教学内容为数据库的使用及实验分析软件工具的使用。生物信息学的数据库琳琅满目，数量庞大，其中，以隶属于美国国立医学图书馆的国立生物技术信息中心NCBI数据库、隶属于欧洲生物信息研究所EMBL数据库、瑞士日内瓦大学的SWISS-PROT蛋白质数据库以及蛋白质结构数据库PDB等为主要代表。以上几个数据库较为著名，而且属于综合性数据库，可以将NCBI、EMBL、SWISS-PROT、PDB等常用核酸、蛋白质数据库，以及这些数据库中的重要功能，如BLAST、Pubmed、OMIM、EXAPASY等进行重点介绍，以其他数据库进行特点补充，“以点带面”进行教学，既能使学生了解常规的数据信息，又可以根据自身的兴趣挑选其他数据库进行应用。同时，生物信息分析的软件工具种类也较多，在实际教学中可以先选择最常用的核酸、蛋白质分析软件，如：DNAMAN、Primer5.0、BioEdit、ClustalW、MEGAX等软件为突破口，让学生掌握其基本操作，同时引入其他软件的优缺点，让学生了解其优势功能，起到“以点带面”的作用。实验和实践教学内容可以采用仿真模拟操作，并操作方法流程图教学的方法。尝试为学生提供几个基因或蛋白质名称，通过数据库查询获得基因，然后，进行Blast搜索比对，结构和序列分析等操作，使学生对基因或蛋白质的性质、功能等有着深刻的了解，并在教师指导下深入解读，同时可以将部分内容通过实验课、项目研究及大学生竞赛等形式进行论证，既能调动学生的学习积极性，激发学生的学习兴趣，又能使学生清晰了解如何使用数据库和软件分析。科研及实践相结合的教学方式还会提高学生的创新实践能力，增强科研思维意识，为以后的进一步深造和熟练应用技术打下良好的基础。2.3.2重视英语教学当前著名的综合型数据库和主流分析。软件都来源于国外，因此，界面为英文，而且有大量的专业词汇都是用英文表示，英文水平相对较弱的学生应用起来较为吃力。针对这种情况，可以在授课中先介绍相关英文概念，等待学生熟悉后再进行操作上教学，以免学生在操作时发生错误，从而产生抗拒情绪。引导注重英语单词的教授不仅可以提高学生的学习效率，还可以提升教师的素质，在不断的提高和完善中，实现培养高层次人才的目标。

3结语

信息学范文篇9

【关键词】生物信息学;课程思政;工匠精神;课程教学

在2016年召开的全国思想政治工作会议中指出:要把思想政治工作贯穿于教育教学的全过程，坚持立德树人，将各类课程与思想政治课同向同行，形成协同效应［1］。生物信息学是利用应用数学、信息学以及计算机科学的方法研究生物学的问题，生物信息学主要是分子生物学与信息技术的结合体，其属于多学科相互渗透和高度交叉形成的学科，也是一门实践性较强的基础课程。随着生物学技术的不断发展，尤其是2020年爆发的病毒肺炎疫情暴露出当前生物信息学研究的重要性，同时也对高校学生提出了新的要求，要求其不仅要具有专业的知识体系，还要具备创新、钻研的精神。因此在新时代环境下高校要构建生物信息学思想课程体系，以此培养高质量的生物信息学人才。

一、《生物信息学》思想政治课程教学目标

“课程思政”是专业课程与思想政治教育的有效结合，其主要是通过对专业课程所蕴含的思想政治资源进行充分挖掘整理，根据思想政治内涵与专业知识之间的关联度进行重新整合，以此将课程教学聚焦于全方位育人上面。《生物信息学》是一门工具课，采用数学、统计学以及计算机等方法分析生物学、生物物理学数据的一种综合学科，生物信息学的主要任务就是处理生物学数据。生物信息学数据处理是一项非常严谨的工作，需要学生要严格按照生物信息数据进行计算处理，因此要求学生具有扎实的钻研意识和吃苦耐劳的精神。随着生物大数据技术的不断发展，该课程的重要性日益突出，但是在实践教学中普遍存在中学生专业性和技术性的培养，而忽视探索精神、创新精神以及核心价值观等思想教育的融入，导致学生的实践应用综合素质不高，因此在《生物信息学》课程教学中构建思想政治教育资源，并建立与之对应的课程标准与评价体系，实现专业课“知识传授与价值引领相结合”的教学目标。(一)引导学生树立正确的“三观”意识，提高“四个认识”。多次强调高校是思想政治教育的主阵地，“四个认识”是高校思想政治教育的主要目的。在新时代高校人才培养中，构建专业课思想政治体系是新时代高校教育的最终目标，在《生物信息学》课程建设中通过融入思想政治内容是引导学生树立正确“三观”的重要举措。《生物信息学》是一门工具性课程，需要学生在平时的实践操作中锻炼自己的实践能力，同时生物信息学是一门严谨的课程，需要学生处理复杂的数据，这就要求学生必须要具有扎实的钻研精神。因此构建思政课程则可以在生物信息教学过程中有目的地引导学生树立正确的学习观念，树立严谨的科研精神，满足为了研究和开发岗位的要求。(二)凝练大国工匠精神，培养专注型人才。《生物信息学》突出实践研究创新，其与工匠精神具有内在的密切联系性:一方面在突出科技强国战略的下，《生物信息学》是创新型生物科技人才培养的基础课程，诸多内容知识是现代工匠人才培养的基础。而思想政治教育的核心就是增强学生的爱国情怀，积极投入到新时代中国建设中。工匠精神是民族发展的动力，因此《生物信息学》是凝练大国工匠精神，培养专注型人才的基础课程。(三)用辩证思维为专业创新提供内驱力，提升学生的职业创新精神。《生物信息学》是生物专业的一门基础性学科，其主要是让学生掌握针对基因如何进行数据查询、计算机软件分析其序列、可能的结构和功能。随着生物信息技术的不断发展，要求学生必须要树立职业创新精神。例如2020年爆发的病毒肺炎就属于一种新型的基因种类，人类在战疫情中必须要主动作为，掌握其规律以及基因排序等，以此加快研究出疫苗的速度。而这就需要相关研究人员要具备创新精神和钻研精神。生物学是相互矛盾的学科，是在不断发展中发展的，因此在具体的教学中通过与辩证思维的结合能够引领学生运用辩证的思维去学习生物学知识，去攻克生物难题［2］。

二、《生物学信息学》“课程思政”教学的方法途径

《生物信息学》“课程思政”教学是落实新时代中国特色社会主义思想、培养新时代“三全”人才的重要举措，是推动高校课程改革的重要手段。面对大数据技术在高校教学体系中的应用，实现《生物信息学》课程思政教学必须要从以下几方面着手。(一)构建在线教育模式，利用“雨课堂”对学生进行高效的课堂教学与课后指导。生物信息学不同于传统生物学，其本身是一个混合体。《生物信息学》“课程思政”教学是一个综合性的过程，要求教师按照具体的课程模块有效地引入思想政治教育元素，以此达到专业学习与职业道德素养的双效增效。根据调查在《生物信息学》“课程思政”教学中存在教学形式单一、学生学习积极性不高的问题。例如在“常用分子生物学数据库”学习中，在该模块有效地引入了职业道德教育的内容，鼓励学生发挥钻研精神。但是根据调查由于教学方式的枯燥单一，导致学生独立学习锻炼的积极性不高。因此高校要借助大数据平台的优势，利用“雨课堂”对学生进行有效的指导:一是利用“雨课堂”实施高校课堂教学。《生物信息学》具有很强的实践性，如果单独依赖于书本知识，难以提高学生的知识面，制约学生实践能力的提升［3］。利用“雨课堂”可以将优质的教学资源引入到课堂教学中，这样有助于增强学生解决各种生物科学领域问题的能力。例如针对的影响，高校教师可以利用线上教学的模式，及时将围绕国家生物信息中心信息库的构建、基因组分析、针对肺炎老药新用的机器学习探索和肺炎临床诊断中的AI影响分析等被国内外同行高度认可的代表性研究成果传递给学生，激发学生的探索欲望、调动他们参与实践研究的积极性，形成严谨的科研风气。(二)组织学生进行课堂讨论，通过讨论激发学生的科学探索精神。课堂讨论也是检验学生学习成效的重要方式，通过课堂讨论不仅能够让教师了解学生的学习情况，而且还可以通过讨论掌握学生的职业道德素质、人文精神、创新能力等因素。因此在具体的《生物信息学》“课程思政”教学中:一方面要积极组织学生进行专题讨论。讨论教学法的精髓在于围绕精选案例进行情境化讨论，潜移默化地发展学生的批判性思维，提高其明辨是非的能力。为了切实提升学生严谨的科研风气，树立不怕困难的精神，例如教师可以采用社会上比较热议的话题作为开端，通过学生的探讨增强学生的学习积极性，增强思想政治意识。例如基于2020年肺炎的发生，教师可以组织学生对状病毒的基因问题进行深入的探讨，当然学生探讨的结果不重要，关键是通过学生的探讨让学生认识到社会主义制度的优越性、认识到生物学研究的重要意义［5］;另一方面要通过有效的课堂讨论引导学生形成科学探索的精神。讨论的最终目的是掌握专业知识，树立探索精神，因此在课堂讨论中教师既要尊重学生的主体性，给予学生相对自由的发言环境，也要注意合理引导，通过引导让学生形成正确的观念。(三)创新教学考核方式，突出实践综合应用能力。教学考核是客观评价教学成效、促进学生学习积极性的重要手段，不同于一般课程，《生物信息学》课程具有很强的实践性，因此在具体的教学中，需要教师采取多元化的教学考核方式:一是对于理论知识的考核主要是以课堂表现与期末考试的方式进行。例如对于“绪论部分”则是考核学生对人类基因发展进程的了解，对于该部分可以采取笔试考试的方式。当然考核的主要目的就是让学生通过了解人类基因组计划进展，增强民族自豪感，认识到我国基因发展的成就，以此致力于投入到生物信息研究中;二是对于实践部分的考核要以过程考核为主，突出实践表现能力。《生物信息学》课程具有很强的实践性，因此在具体的考核中必须要改变传统的侧重理论知识的考核模式，将职业素养、职业技能与探索精神融入到教学考核体系中。例如高校在《生物信息学》考核的时候既要侧重对专业知识的考核，比如可以通过项目操作的方式检验学生的专业知识掌握程度，同时还要注重考核方式的创新，尤其是改变过去单独以笔试分数为唯一标准的模式，侧重对学生钻研精神、科研态度以及社会责任感等维度的考核，适应生物学科发展要求［4］;三是构建课堂教学+实践操作+平时表现现结合的考核模式。另外在教学中还要科学设置教学内容，增强社会联系性。在具体的教学中必须要密切结合社会实际对《生物信息学》教学内容进行设置:一是要对教学内容进行优化设计，构建主题化教学模式，例如在具体的课堂教学上，教师在设置教学内容时需要融入最新的社会事件，以此增强学生的学习兴趣。例如在讲解基因组学章节时，教师在内容选择上可以融入我国大数据技术发展的最新信息，这样能够有效激发学生对我国技术创新的自豪感;二是对照学生学情，构建差异化的教学内容，增强教学的实效性。

三、结语

总之《生物信息学》“课程思政”教学并不是简单的“课程”加“思政”，两者不是机械组合，而是在充满“硬核”专业知识的课程中融入思想政治元素，将大水漫灌、硬性楔入的模式转变为精准滴灌、点滴渗透。因此在全面深化高校教学改革的背景下，生物信息学“课程思政”教学工作必须要立足于新时代人才培养教学目标，遵循学生的学情，依托大数据平台，创新生物信息学课程思政的考核方法，以此提升高校人才培养的质量。

【参考文献】

［1］在全国高校思想政治工作会议上强调:把思想政治工作贯穿教育教学全过程开创我国高等教育事业发展新局面［N］．人民日报，2016－12－09

［2］李菲，朱先洋．研究生专业教育与思想政治教育融合问题研究［J］．中小企业管理与科技2018，12

［3］张晶，杨志刚，薛依婷．生物药剂学“课程思政”教学改革研究［J］．农业科技与装备，2019，1

［4］姜献群．高校生物科学专业实施“课程思政”的路径［J］．南阳师范学院学报，2020，3

［5］赵志新，吴珍．应用型本科高校生物信息学课程教学改革初探［J］．教育教学论坛，2018，8

［6］丁冲，杨文荣．基于课程思政理念下的“电路”课程教学改革［J］．电气电子教学学报，2019，6

［7］肖萍．《金融时间序列分析》实施课程思政教学的探索［J］．南方农机，2020，2

信息学范文篇10

一、培训班开设：公务员之家，全国公务员公同的天地

根据全国青少年信息学奥林匹克（）竞赛的要求，开设初中普及组和高中提高组两个竞赛辅导班专门开展培训工作。其中初中普及组主要在初中一年级学生中选拔，并吸收少量优秀的初中二年级学生，计划人数人左右，由××老师负责主要培训课程。高中提高组在高中一年级学生中选拔，计划人数人左右，由××老师负责主要培训课程。

二、学生选拔工作：

培训班学生主要在学习成绩良好和对计算机兴趣浓厚的学生中选拔，组织学生召开动员大会，并自行命题安排选拔考试。分别对学生的计算机基础知识、数学能力、逻辑能力和接受新事物能力进行了全面考核，经过综合考虑，从参加选拔考试的名初中学生中选拔了名组成初中普及组培训班，从参加考试的名高中学生中选拔了名组成了高中提高组培训班。

三、课程安排：

根据全国青少年信息学奥林匹克竞赛大纲对初赛参赛知识的基本要求，结合学校实际情况，对培训班的课程安排如下：

课程

主要内容

时间安排

节数

程序设计基础

⒈程序基本结构，简单语句、表达式

月日－日

⒉输入语句，输出语句，输出格式

月日－日

⒊关系式、逻辑式与布尔数据，选择结构语句

月日－日

⒋基础训练

月日－日

⒌循环语句，循环语句，循环控制

月日－日

⒍基础训练

月日－日

函数和过程

⒎标准函数和过程与自定义函数和过程

月日－日

⒏函数和过程中的参数及变量作用范围

月日－日

⒐基础训练

月日－日

数据结构

⒑线性表、队列和栈的基础知识

月日－日

⒈线性表、队列和栈的程序实现

月日－日

计算机知识基础

⒉计算机软件和硬件基础知识

月日－日

⒊计算机中的数、进制的转化

月日－日

全面复习

⒋全面复习，准备参赛

月底－月初

四、培训时间和地点安排：

初中普及组：

周次

上课时间

上课地点

备注

周一

下午第节－第节

电脑一室

周三

晚修第三节

电脑一室

周五

下午第节－第节

电脑一室

高中提高组：

周次

上课时间

上课地点

备注

周一

下午第节－第节

电脑三室

周三

晚修第三节

电脑三室

周四

晚修第三节

电脑三室

五、培训班学生要求：

⒈严格遵守上课时间，不迟到、不早退，有事提前请假。

⒉严格遵守电脑室上课要求。杜绝玩游戏，发现立即开除出班。

⒊上课带好笔和笔记本，认真做好笔记。

⒋有连续三次未到或者总计五次未到者，直接开除出班。

⒌培训班采用不定额淘汰机制。进行阶段考试，精简人数。

六、培训目标：

我们目前还欠缺信息学奥林匹克竞赛的辅导经验，一切都处于摸索阶段。希望通过半年多时间的努力，能够在××年月份举行的全国青少年信息学奥林匹克竞赛中取得较好成绩。为学校争取荣誉，为以后参加全国青少年信息学奥林匹克竞赛及组织竞赛培训积累经验。

目标：初中普及组和高中提高组分别有至少一名学生取得市二等以上奖项，争取获得三等以上的学校团体奖。