生物信息学分析方法例1

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）46-0125-02

生物信息学是生物学、计算机科学及应用数学等学科相互交叉而形成的一门新兴学科。它以DNA和蛋白质为研究对象，通过对生物学实验数据的获取、加工、存储、检索与分析，进而达到揭示实验数据所蕴含的生物学意义的目的[1]。基于“加强基础、拓宽专业、强化能力、提高素质”的人才培养指导思想，河南科技大学生物科学及生物技术本科专业开设了《生物信息学》课程，以便让学生理解并掌握生物信息学领域的基本概念和基本理论，具备初步的生物信息学分析技能和实践操作能力，从而适应今后工作和学习的需要。

生物信息学的研究对象为各种分子生物学数据，是在全世界各个实验室中产生的，然后再提交到相应的数据库中[2]。目前，这些大型分子生物学数据库在存储、检索和可视化上，都是英文界面;《生物信息学》课程中讲授的生物信息学软件也均以英文为界面[3]。由于生物信息学学科的前沿性和交叉性，使得《生物信息学》课程的教学有其特殊性，其中一点就是适宜于开展较高水平的双语教学。通过双语教学，可使学生尽快掌握以英文为界面的生物信息学网络资源及相关生物信息学分析软件的使用，提高本科生生物信息学基本的分析技能，继而培养其创新能力。根据《生物信息学》的课程特点，我们开展了双语教学的改革和实践，获得了较好的教学效果。

一、激发学生学习兴趣

《生物信息学》课程涉及的知识点较多，在线生物信息学分析平台均为英文界面，多数学生因而存在一定的畏难情绪。因此，在授课的过程中，首先引导学生加强生物信息学基本分析方法及专业英语的学习。学生通过浏览英文网站，英文阅读能力得到了很大提高;同时也开拓了视野，提升了知识面。总之，通过激发学生的学习兴趣，帮助学生逐步建立起学习的兴趣和自信心，为开展《生物信息学》双语教学打下了坚实的基础。

二、选用英文原版教材

目前，适宜于本科生《生物信息学》双语教学的英文原版教材较为欠缺[4]。其原因有两点：一方面，部分《生物信息学》原版英文教材非常昂贵，因成本原因不适宜于本科生选用;另一方面，通俗易懂、适合入门的《生物信息学》英文教材又少之又少。项目组最终筛选到了一本适宜于我校生物科学和生物技术专业本科生选用的英文原版教材《Bioinformatics For Dummies》，该教材浅显易懂，实践操作性强，适宜于生物信息学初学者选用;另一方面，打印或复印该教材的成本较低，学生易于接受。

三、更新优化教学内容

基于英文原版教材《Bioinformatics For Dummies》，适当更新并优化了教学内容，重点传授了应用性较强的生物信息学实践分析技能。如核酸及蛋白序列数据库的查询、核酸及蛋白序列的相似性搜索、序列比对、分子系统进化树构建、蛋白物理特性及3D结构的预测等分析技能。另外还讲授了离线单机版生物信息学软件如DNAMAN 6.0、Primer Premier 5.0、MEGA 5.0的使用方法。

四、适当讲解理论算法

在注重传授生物信息学实践分析技能的同时，适当讲解生物信息学理论算法。由于生物信息学涉及的算法多数都较为枯燥，在授课过程中侧重于分析方法的讲解和应用。如在讲授Needleman-Wunsch全局比对和Smith-Waterman局部比对及分子系统发育树构建UPGMA（Unweighted pair group method with arithmetic mean，非加权算术平均组队法）等算法时，在多媒体教学的基础上，结合互动式“提问”及“板书”等方法辅助学生理解算法的基本原理及分析方法;同时布置课后计算题作业，要求学生独立完成后上交，从而促进学生巩固基本理论和基本知识[5]。

五、采用双语多媒体授课

为了更好地执行《生物信息学》课程的双语教学任务，我们首先制定了《生物信息学》课程双语教学计划。即选用英文教材，制作英文PPT教学课件，采用中英文相结合的授课方式。随着学生生物信息学分析能力及专业英语水平的不断提高，逐步在授课过程中由少到多地加大英文授课的比例。项目组已于2014-2015学年第2学期成功应用英汉双语完成了《生物信息学》课程的双语教学任务，教学效果良好。

六、实时演示在线分析过程

我校基于网络安全的考虑，在教室内仅能登陆校园网而不能登陆外网。在以往的《生物信息学》教学过程中，只能采用网页抓图的静态教学方式，造成学生对生物信息学分析方法的体验不够强烈。为了达到更好的教学效果，项目组购置了能够接收无线网络信号的设备，在教室内可实时在线进行生物信息学分析，在讲解数据库查询、BLAST分析、Bankit序列提交、蛋白质结构域分析、蛋白质物理特性及3D结构预测等内容时，学生得到了更加直观的实践体验，加深了对生物信息学分析方法的印象，从而更加容易掌握这些实践操作。

七、网络教学资源建设

由于受学时的限制，《生物信息学》课堂教学的内容非常有限。为了让学生更好地利用生物信息学丰富的网络资源，我们基于学校开发的网络教学综合平台，构建了《生物信息学》课程网络平台。平台不仅提供双语多媒体课件、教学视频、作业及相关要求等教学资料;还提供了Primer Premier、DNASTAR、DNAMAN、MEGA、BioEdit软件安装程序和使用手册、生物信息学英文文献及常用的在线生物信息学分析工具的链接等内容。

八、科研与教学相长

在生物信息学课程的双语教学过程中，我们坚持教学和科研互动，实现科研与教学相长。一方面，主讲教师将科研中积累到的涉及到生物信息学的研究成果应用于《生物信息学》教学过程中，丰富了教学内容。如在讲授Bankit在线序列提交序列时，我们以提交至国际核酸序列数据库GenBank的芍药（Paeonia lactiflora）乙烯受体ETR1（JX406435）、ETR2（KP265307）、ERS1（KP265307）、EIN4（KP265308）基因序列为例;在讲授基因外显子和内含子结构预测时，以芍药ACO（KJ719260）和ACS（KP265309）基因组DNA序列为例;在讲授Primer Premier软件时，以芍药ACO基因为例，分别设计用于半定量RT-PCR、CDS扩增及原核表达载体构建所需的PCR引物。通过把科研思路带入教学中，从而有效培养了学生的科研能力及创新能力。另一方面，教学实践也有利于教师全面了解生物信息学和相关学科的最新进展，不断为科研提供新思路。

九、考试方式改革

《生物信息学》课程教学的目的是提高学生利用信息技术解决生物学问题的能力。因此，考试主要考查学生综合利用所学知识分析问题和解决问题的能力。项目组对考试方式进行了改革，改闭卷考试为大作业。要求学生一人一题，综合应用所学的生物信息学分析技能对所研究的核酸及其编码的蛋白序列进行序列查询、序列同源性搜索，PCR引物的设计，分子系统进化树的构建，蛋白的物理性质及3D结构预测等分析，占考核成绩的70%。采用这种考试方式，一方面促使学生在学习过程中不必花大量工夫去死记硬背，而把重点放在了基本理论、基本知识的巩固及实践操作技能的提高上，有效地提高了学生的实践操作能力和创新能力;另一方面，也促使教师在教学过程中，注重从能力培养的角度进行教学课堂设计，提升教学质量和水平。

参考文献：

[1]贺林.解码生命――人类基因组计划和后基因组计划[M].北京：科学出版社，2000

[2]周到，黄敏.生物信息学双语教学探讨[J].科教文汇旬刊，2013，（231）：48-49.

生物信息学分析方法例2

2.2　从情报学的研究方法来看　在这个社会信息化程度正在逐步提高的时代，情报研究方法的创新刻不容缓。信息化程度提高的一个重要表现是信息总量的激增和新旧信息更迭的加快。为适应这一挑战，情报研究在以下3个方面有所发展[4]：一方面，面对社会信息量的激增，必须通过提高搜集、分析、处理、加工和存储信息的能力，增加信息“吞吐量”，以提高情报研究成果的“产量”和“质量”；另一方面，面对新旧信息更迭加快，必须提高情报研究工作的节奏，缩短从搜集情报到产生和情报研究成果的周期，以提高情报研究的时效性；最后为进一步提高情报研究成果的精度和可信度以满足信息社会情报用户的需求，情报研究不能只停留在定性分析的水平上，必须逐步提高定量分析的比重。

目前情报学采用的研究方法主要有[5]：a.社会调查法。通过现场调查，针对社会现象搜集数据，进行分析，是搜索、跟踪、获取和开发利用情报资源的一种基本的、有效的方法。这种方法又可分为直接方法与间接方法两大类，前者主要是用现场观察法，后者又分为访问调查与调查表调查。b.引文分析法。研究文献的被使用和被引用，也就是研究质量问题。自20世纪60 年代初以来， 由于“科学引文索引”（sci）的创办，引文分析法已成为一个有相当深度和广度的情报学分支。 对引文这一线索进行研究，可以了解某项发明或技术的应用范围、现状、著作水平、学科发展趋势等。c.文献计量统计方法。文献计量是情报学与数学、统计学等相互交叉和结合而产生的研究方法。对以记录形式进行交流的各个方面进行计量统计，从中找出变化规律，建立相应数学模型，从定性与定量分析中达到掌握过去与现在的变化脉络，进而预测未来可能的变化。d.数学分析法。现代数学的许多分支在情报学的研究中都在应用，如在情报检索理论、情报传递的机制、情报采集方案的确定中，概率论、集合论、模糊数学、微分方程、运筹学等均在应用，甚至数论、图论、泛函分析、变分法等，也可以应用。e.系统分析与评价方法。对于情报系统的结构、功能和最优设计等各个侧面与总体，可通过引进系统论、控制论和信息论等方法，进行分析与评价、规划与设计，解决科技情报系统的最佳运行、实现最优服务等问题。由于系统论的研究方法众多，对某一具体研究对象来说，就需要比较不同的方法，从中选择最佳方法，以期获得最优的结果。f.历史的研究方法。进行历史的研究一般先鉴别一个历史问题，搜集有关史料，形成假说；然后进一步严格搜集与组织史料，认真加以核实，进行分析，得出结论。历史研究可以帮助我们了解情报学是如何形成的，促使我们了解过去的事件发生的原因、时间、地点与方式。g.其他方法。包括德尔斐法、内容分析法、比较分析法、哲学研究法等，这些方法多综合加以运用，近来又出现空白点分析法、聚类映像法等。

生物信息学分析方法例3

    2.2　从情报学的研究方法来看　在这个社会信息化程度正在逐步提高的时代，情报研究方法的创新刻不容缓。信息化程度提高的一个重要表现是信息总量的激增和新旧信息更迭的加快。为适应这一挑战，情报研究在以下3个方面有所发展[4]：一方面，面对社会信息量的激增，必须通过提高搜集、分析、处理、加工和存储信息的能力，增加信息“吞吐量”，以提高情报研究成果的“产量”和“质量”；另一方面，面对新旧信息更迭加快，必须提高情报研究工作的节奏，缩短从搜集情报到产生和情报研究成果的周期，以提高情报研究的时效性；最后为进一步提高情报研究成果的精度和可信度以满足信息社会情报用户的需求，情报研究不能只停留在定性分析的水平上，必须逐步提高定量分析的比重。

目前情报学采用的研究方法主要有[5]：a.社会调查法。通过现场调查，针对社会现象搜集数据，进行分析，是搜索、跟踪、获取和开发利用情报资源的一种基本的、有效的方法。这种方法又可分为直接方法与间接方法两大类，前者主要是用现场观察法，后者又分为访问调查与调查表调查。b.引文分析法。研究文献的被使用和被引用，也就是研究质量问题。自20世纪60 年代初以来， 由于“科学引文索引”（sci）的创办，引文分析法已成为一个有相当深度和广度的情报学分支。 对引文这一线索进行研究，可以了解某项发明或技术的应用范围、现状、著作水平、学科发展趋势等。c.文献计量统计方法。文献计量是情报学与数学、统计学等相互交叉和结合而产生的研究方法。对以记录形式进行交流的各个方面进行计量统计，从中找出变化规律，建立相应数学模型，从定性与定量分析中达到掌握过去与现在的变化脉络，进而预测未来可能的变化。d.数学分析法。现代数学的许多分支在情报学的研究中都在应用，如在情报检索理论、情报传递的机制、情报采集方案的确定中，概率论、集合论、模糊数学、微分方程、运筹学等均在应用，甚至数论、图论、泛函分析、变分法等，也可以应用。e.系统分析与评价方法。对于情报系统的结构、功能和最优设计等各个侧面与总体，可通过引进系统论、控制论和信息论等方法，进行分析与评价、规划与设计，解决科技情报系统的最佳运行、实现最优服务等问题。由于系统论的研究方法众多，对某一具体研究对象来说，就需要比较不同的方法，从中选择最佳方法，以期获得最优的结果。f.历史的研究方法。进行历史的研究一般先鉴别一个历史问题，搜集有关史料，形成假说；然后进一步严格搜集与组织史料，认真加以核实，进行分析，得出结论。历史研究可以帮助我们了解情报学是如何形成的，促使我们了解过去的事件发生的原因、时间、地点与方式。g.其他方法。包括德尔斐法、内容分析法、比较分析法、哲学研究法等，这些方法多综合加以运用，近来又出现空白点分析法、聚类映像法等。

生物信息学分析方法例4

一、信息分析研究的背景

信息分析研究是一项综合性很强的科学工作。它的内容既有自然科学，又有社会科学，并和决策学、预测学、科学学、管理学、系统工程等边缘学科互相联系与交叉。信息分析研究的这些特点决定了它所用的方法多数是从自然科学和社会科学以及某些边缘学科的研究方法中直接引用或借鉴过来的。所以，信息分析研究的方法具有通用性和多样性。

二、信息分析研究的方法

信息分析研究常用的方法可以分为三大类，即逻辑思维方法、数理方法和超逻辑想象法。逻辑思维方法就是根据已知情况，借助于分析、综合、归纳、演绎等一系列逻辑手段来评价优劣，推知未来，并做出判断和结论。数理方法就是运用数理统计、应用数学和其他一切借助于数学计算和处理等方法来进行信息分析研究的方法。超逻辑想象法是借助于人在思维过程中的想象力，做出不合逻辑或者超出正常逻辑判断的思维方法。此三类方法各有所长：逻辑思维方法长于推理，数理方法长于定量描述，超逻辑想象法长于创新，三者交叉应用或配合使用可以相互完善，相互补充。以上三种类型各自包括多种具体方法，现将常用方法简要介绍如下：

（1）比较法。比较是分析、综合、推理研究的基础，因此，比较法是信息分析研究中员基本和最常用的方法。通过比较可总结经验教训，对比出水平和速度，找到问题的关键和薄弱环节，确立发展方向，寻求最佳决策，探索解决问题的办法，求得高速高效发展。（2）相关法。相关法是利用事物之间内在的或现象上的联系，从一种或几种已知事物判断未知事物的方法。相关法按事物之间联系的方式，可分为因果相关、伴随相关等几种。因果相关是利用已知事物和未知事物具有的因果关系来研究事物的方法。伴随相关是利用已知事物和未知事物相伴出现的特点来研究事物的方法。（3）综合法。综合法是把众多与莱学科发展有关的片面、分散的索材进行归纳整理，把各个部分、方面和各种因紊联系起来进行综合考虑，从错综复杂的现象中，探索各因素间的相互关系，统观事物发展全貌和全过程，从而获得新的知识、新的结论的一种逻辑方法。（4）专家调查法。专家调查法的基本步骤是：根据课题的内容和性质选择答询者，答询者就是课题领域内有造诣的专家与相关学科的专家，然后将调查内容和要求设计成调查表分别寄送，由专家做出书面回答。组织者在收齐专家的答复后，对各种意见进行归纳、整理，在此基础上进一步提出问题，再一次匿名分送专家征询意见。如此反馈多次直到可以做出判断为止。（5）数学法。数学法是将两个或两个以上有某种函数关系的信息的数据用数学公式进行研究的方法。这种方法可以对事物作定量描述，把事物间的数量关系高度抽象成各种曲线和模型，由此得出事物发展的规律。（6）否定法。否定法是一种专门用逻辑想像来形式逻辑分析或数理计算所得结论的方法。它以否定形式的逻辑推理，另辟途径、别开生面的想象与创造为特征。否定法受辩证法指导，而不受形式逻辑约束。这种变换一个角度分析问题的方法，在许多情况下往往是十分必要的。

三、信息分析研究的特点

对于信息分析研究的比较法来说，一般有数据比较、图表比较和描述比较三种。数据比较是对技术产品的各项特性参数、各项技术经济指标、各工业部门的投资构成和企业的生产规模等数据进行时间、空间和程度上的比较和计算，得出差额或相对比率，以掌握国内外、地区内外技术产品的各种差距。图表比较是用图表显示技术经济指标问、技术产品特性参数间的统计关系，其特点是通俗易懂、一目了然、生动活泼、形象化，给人以鲜明、概括的深刻印象。描述比较是用文字和必要的数字进行叙述的比较方法。信息分析研究的相关法具有以下几个特点：（1）间接、迂回、侧面。相关法是一种由此及彼的研究方法。通过甲乙事物之间的联系，从乙事物出发，采用迂回的的方式去接近甲事物，最后认识甲事物。（2）层次性。相关法具有由表及里的研究特点。（3）依靠研究者的丰富经验和渊博的知识。应用相关法必须对各种相关事物进行细心观察，大量积累相关的资料，分析研究其所有的内在和外在的相关因素，才能总结出规律性的东西来。专家调查法的特点是：研究结论是由一批专家各自充分思考，在不受特定因素影响、自由发表和反复修改意见的基础上形成的，可以较好地保证结论的客观性和正确性。特尔菲法主要用于预测研究，但也可以用于技术评价、产品评价等。

参 考 文 献

生物信息学分析方法例5

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：

生物信息学分析方法例6

前言

生物信息学(Bioinformatics)是一门新兴的交叉学科。广义地说，生物信息学从事对生物信息的获取、加工、储存、分配、分析和解释，并综合运用数学、计算机科学和生物学工具，以达到理解数据中的生物学含义的目标［1］。其含义是双重的:一是对海量数据的收集、整理与服务，即管理好这些数据;二是从中发现新的规律，也就是使用好这些数据。以1987年出现Bioinformatics这一词汇为标志，生物学已不再是仅仅基于试验观察的科学。伴随着21世纪的到来，生物学的重点和潜在的突破点已经由20世纪的试验分析和数据积累，转移到数据分析及其指导下的试验验证上来。生物信息学作为一门学科被广泛研究的根本原因，在于它所提供的研究工具对生物学发展至关重要，因此成为生命科学研究型人才必须掌握的现代知识。今天的实验生物学家，只有利用计算生物学的成果，才能跳出实验技师的框架，作出真正创新的研究。现在基因组信息学和后基因组信息学资源已经成了地球上全人类的共同财富。如何获取和利用基因组和后基因组学提供的大量信息，如何具有享用全人类共有的资源的初步能力，成了当今世纪生命科学学生必须掌握的基本技术和知识以及必须具有的初步能力［2］。

生物信息学以互联网为媒介，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。区别于其他生命科学课程，其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1000M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已率先升级到万兆校园网［3］，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。该门课程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。另外，该门课程尚未完全形成成熟的课程体系，为教师学习借鉴先进的教育思想与教学实践经验，在各方面尝试教学改革提供了广阔的空间。

1 课堂教学

生物信息学主要以介绍原理、方法为主，深入浅出，注重知识更新。课堂讲授以介绍生物信息学的相关算法、原理、方法为主，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，以免学生觉得枯燥乏味、晦涩难懂，产生畏惧心理，望而生畏;注重讲解算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地掌握复杂的内容，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及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。在教学工作中教师必须能够紧跟学科发展方向，随时进行知识更新，了解最新的前沿动态，掌握新方法，将最新的知识和方法教给学生。同时，也要在教学中鼓励学生通过各种途径自觉地关注学科发展动态，拓宽知识面，培养其自学能力和创新意识。

2 充分利用现代化教育技术，采用启发式教学

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。同时，由于生物信息学依赖于网络资源和互联网上的分析工具和软件，教室内的多媒体计算机连接到互联网，极大地提高了教学效果。但在实际教学中发现，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，就可以解决上述问题。在教学中采用启发式教学，可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，能够发现知识、理解知识并掌握知识。

3 采用讲、练做一体化的教学模式，注重学生实践能力的培养

生物信息学课堂教学应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，改变传统的以教师为中心、以教材和讲授为中心的教学方式。根据教学内容和学生的认知规律，应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、综合的发展。

通常可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可采取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，可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。

4 优化生物信息学实验教学内容，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。教师可以通过网上论坛、聊天室和及时通讯工具QQ、MSN等对学生的实验进行指导，与其讨论问题等。网络环境下的生物信息学实验教学不仅能提高学生的学习兴趣，给学生的学习和师生的互动带来极大的方便，提高教师的工作效率，而且可以及时了解掌握学生的学习情况，有利于教师不断调整教学方案，达到更好的教学效果。

5 生物信息学采用无纸化考试，加强实践能力考核

生物信息学主要是学习利用互联网、计算机和应用软件进行生物信息分析的基本理论和基本方法。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可尝试引入实践技能考试，通过上机实践操作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，不仅可考查学生对基本知识和基本原理的掌握，而且可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，可促进学生注重提高理论用于实践的综合能力，同时可更有效地提高学生计算机应用能力。学生成绩评定大部分是以学生的考试成绩为主，难以对学生的学习情况和学习过程作全面地评价。因此，除采用实践技能考试并将其作为学生成绩的主要部分外，还应加强对学生平时学习态度、学习能力、创新思维等方面的考查。

总之，生物信息学教学是网络环境下生物教学的全新内容。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，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，培养具有跨越生命科学、信息科学、数理科学等不同领域的“大科学”素质和意识的生物信息学人才。

参考文献:

生物信息学分析方法例7

【中图分类号】TP391

【文献标识码】A

【文章编号】1672—5158（2012）10-0078-01

一、生物信息数据库的现状及问题

在生物信息学的发展过程中，逐步建立起了大量基于网络的生物数据库，而且开发了众多检索工具，从而实现了生物信息数据的智能处理和综合分析。生物信息数据在具有增长迅猛、更新及时、种类繁多等特点的同时，更表现出高度的复杂性、多样性和不一致性。

随着生物信息数据量的激增以及数据处理能力的复杂程度不断提高，现有的生物信息数据库已经逐渐暴露出许多问题。三大核酸数据库依靠传统方式交换数据，无法及时反应出其他专用生物信息数据库的变化情况以及非核酸类数据信息。网上所提供的大部分数据分析工具采用面向问题的搜索方法，搜索效率随着问题规模的扩大而降低，并且无法智能地对数据中存在的未知知识进行发掘。为此，在后基因组时代，需要将数据仓库思想及智能数据挖掘技术运用到生物信息学领域中。

二、基于生物信息数据仓库的数据挖掘技术

（一）　生物信息数据库中的算法工具

在生物信息学中，基因比对是最常用和最经典的研究手段。在核酸序列或蛋白质序列之间进行两两比对，比较两个序列之间的相似区域和保守性位点，寻找二者的相似形、同源性，进而探寻可能的分子进化关系，揭示序列中蕴涵的结构、功能等信息。数据挖掘主要存在以下几种经典分析模式：关联模式分析、序列模式分析、分类分析、聚类分析，其中关联模式分析应用最为广泛。

（二）　OLAP和数据挖掘技术

传统的针对数据库的开发工具多为联机事物处理模式，它主要是面向具体的查询和统计，有着较为具体的应用目的。然而随着越来越多数据库的出现，数据量的迅猛增长，OLTP在数据资源的充分利用、为用户提供有效支持和帮助等方面，则显得力不从心。因此，基于数据仓库的联机分析处理以及数据挖掘引起了日益广泛的关注和应用。OLAP是一种自上而下、不断深入的分析工具。用户提出问题或假设，OLAP则负责从上而下深入地提取出关于该问题的详细信息，并以可视化的方式呈现给用户。DM是一种决策支持过程和挖掘性工具，它主要基于人工智能、机器学习、统计学等技术，高度自动化地对原始数据进行分析，发现隐藏在数据中的模式，做出归纳性和预测性的推理。

（三）　基于生物信息数据仓库的数据挖掘技术

实现数据挖掘的前提条件是必须具有海量数据，而这恰恰是数据仓库的基本特点之一，二者紧密结合可以有效解决大量应用中出现的问题。在生物信息学领域，使用数据挖掘技术可以大幅提高研究人员的工作效率，改变原有的预测法；数据挖掘算法还可以结合生物信息专业领域的公式算法，根据研究人员的设想，对数据进行全面高效的分析。

基于数据挖掘等技术发展起来的智能决策技术具备了在生物信息学领域中大展身手的天赋，特别是基于海量数据的数据挖掘和开采技术更具有广泛的需求和应用背景。另一方面，目前生物信息学的研究方法和发展情况，已经形成了较为完善的智能决策系统，成为数据仓库和数据开采较为成功的应用案例。另外，现有各种生物信息应用分析软件从一定程度上讲，已经反映并且实现了数据仓库及数据挖掘的思想和技术。

三、实现生物信息异地多源数据库的综合利用

（一）　建立基于Web的生物信息数据仓库

基于现有的生物信息数据库，运用数据仓库思想，利用OLAP和数据挖掘技术，建立生物信息数据仓库，是一种不需要大幅增加硬件设备以及物理装置的前提下，实现基于Web平台的生物信息集成与处理平台的可行方案。设计一个基于Web的生物信息数据仓库，其主要结构由五部分组成：外部数据源；基于Web的数据调度、传输；数据的变形整合；元数据规则、元数据管理；基于Web的综合管理平台。

DWBW以DDBJ／EMBI／GeneBank作为主要数据源，同时以其他主要的生物信息数据库作为整个数据仓库的基本数据源。通过分析数据库结构和数据结构类型，建立DWBW的元数据规则。这样，基于上述各种数据库就可以建立起一个基于Web的虚拟数据仓库，由于不存在一个物理上位于某地的存储中心来保存这些数据，用户面对的只是基于网络的分布式虚拟的数据仓库。其模型、算法的运行由专用的分析工具服务器来完成，而对于数据的调用和整理都是在源数据库上进行的，根据不同用户提交问题的不同，具体分析过程则由分配服务器交给服务器去完成分析，只是最终将结果返回请求分类服务器，显示给用户。

DWBW将通过统一的基于Web的页面与用户进行交互，在后台则主要由请求分类服务器、Web服务器及专用分析工具服务器共同完成对问题的提交和分析，实现对数据仓库元数据规则的理解，然后根据分类的结果，与相关分析工具进行匹配，将问题提交到相应的分析工具服务器进行处理。处理完成后返回给请求分类服务器，进而返回给提交问题的用户。

（二）　DWBW的关键技术

生物信息学元数据的抽取。数据的整理和抽取，是开发所有数据仓库时所遇到的最难解决也是最具挑战性的问题之一。将不同时期生成的大量历史数据中的数据结构、字段的定义以及对象之间的关系等一系列的描述信息整理出来，并制定一套通用可行的规范，本身就是一个工作量巨大、难度极高的问题。因此，数据仓库元数据的抽取整理，成为建立DWBW的关键问题。数据抽取、清洗、转换和装载过程与一般数据仓库建立过程中的数据整理不完全相同，其数据具有规范性强，存储结构相对简单，转换、装载容易等特点。

虚拟生物信息数据仓库的建立。虚拟生物信息数据仓库实现对生物信息平台相关数据的组织和集成，并且将不同主题的数据对象分别存储到各个数据集市中，同时还将建立起部分有价值数据的在线OLAP数据库。虚拟数据仓库采用中间件充当数据中心，提供信息的访问接口，对存贮在不同数据源的生物信息数据进行存取操作。由于虚拟生物信息数据仓库一般不是针对实时数据进行分析统计，所以对于时间效率的要求不如一般查询统计那么高，这就确保了开发处于不同物理位置数据源的虚拟DWBW具有可行性。同时，对于一般性的查询比对等基本操作，不会影响其工作效率和准确性。

生物信息学分析方法例8

一． 序列比对

序列比对其意义是从核酸、氨基酸的层次来比较两个或两个以上符号序列的相似性或不相似性，进而推测其结构功能及进化上的联系。研究序列相似性的目的是通过相似的序列得到相似的结构或功能，也可以通过序列的相似性判别序列之间的同源性，推测序列之间的进化关系。序列比对是生物信息学的基础，非常重要。

序列比对中最基础的是双序列比对，双序列比较又分为全局序列比较和局部序列比较，这两种比较均可用动态程序设计方法有效解决。在实际应用中，某些在生物学上有重要意义的相似性不是仅仅分析单条序列，只能通过将多个序列对比排列起来才能识别。比如当面对许多不同生物但蛋白质功能相似时，我们可能想知道序列的哪些部分是相似的，哪些部分是不同的，进而分析蛋白质的结构和功能。为获得这些信息，我们需要对这些序列进行多序列比对。多重序列比对算法有动态规划算法、星形比对算法、树形比对算法、遗传算法、模拟退火算法、隐马尔可夫模型等，这些算法都可以通过计算机得以解决。

二． 数据库搜索

随着人类基因组计划的实施，实验数据急剧增加，数据的标准化和检验成为信息处理的第一步工作，并在此基础上建立数据库，存储和管理基因组信息。这就需要借助计算机存储大量的生物学实验数据，通过对这些数据按一定功能分类整理，形成了数以百计的生物信息数据库，并要求有高效的程序对这些数据库进行查询，以此来满足生物学工作者的需要。数据库包括一级数据库和二级数据库，一级数据库直接来源于实验获得的原始数据，只经过简单的归类整理和注释；二级数据库是对基本数据进行分析、提炼加工后提取的有用信息。

分子生物学的三大核心数据库是GenBank核酸序列数据库，SWISS-PROT蛋白质序列数据库和PDB生物大分子结构数据库，这三大数据库为全世界分子生物学和医学研究人员了解生物分子信息的组织和结构，破译基因组信息提供了必要的支撑。但是用传统的手工分析方法来处理数据显然已经无法跟上新时代的步伐，对于大量的实验结果必须利用计算机进行自动分析，以此来寻找数据之间存在的密切关系，并且用来解决实际中的问题。

三． 基因组序列分析

基因组学研究的首要目标是获得人的整套遗传密码，要得到人的全部遗传密码就要把人的基因组打碎，测完每个小的序列后再把它们重新拼接起来。所以目前生物信息学的大量工作是针对基因组DNA序列的，建立快速而又准确的DNA序列分析方法对研究基因的结构和功能有非常重要的意义。对于基因组序列，人们比较关心的是从序列中找到基因及其表达调控信息，比如对于未知基因，我们就可以通过把它与已知的基因序列进行比较，从而了解该基因相关的生理功能或者提供疾病发病机理的信息，从而为研发新药或对疾病的治疗提供一定的依据，使我们更全面地了解基因的结构，认识基因的功能。因此，如何让计算机有效地管理和运行海量的数据也是一个重要问题。

四． 蛋白质结构预测

蛋白质是组成生物体的基本物质，几乎一切生命活动都要通过蛋白质的结构与功能体现出来，因此分析处理蛋白质数据也是相当重要的，蛋白质的生物功能由蛋白质的结构所决定，因此根据蛋白质序列预测蛋白质结构是很重要的问题，这就需要分析大量的数据，从中找出蛋白质序列和结构之间存在的关系与规律。

蛋白质结构预测分为二级结构预测和空间结构预测，在二级结构预测方面主要有以下几种不同的方法：①基于统计信息；②基于物理化学性质；③基于序列模式；④基于多层神经网络；⑤基于图论；⑥基于多元统计；⑦基于机器学习的专家规则；⑧最邻近算法。目前大多数二级结构预测的算法都是由序列比对算法BLAST、FASTA、CLUSTALW产生的经过比对的序列进行二级结构预测。虽然二级结构的预测方法其准确率已经可以达到80%以上，但二级结构预测的准确性还有待提高。

在实际进行蛋白质二级结构预测时，往往会把结构实验结果、序列比对结果、蛋白质结构预测结果，还有各种预测方法结合起来，比较常用的是同时使用多个软件进行预测，把各个软件预测结果分析后得出比较接近实际的蛋白质二级结构。将序列比对与二级结构预测相结合也是一种常见的综合分析方法。

蛋白质二级结构指蛋白质多肽链本身的折叠和盘绕的方式。二级结构主要有α-螺旋、β-折叠、β-转角等几种形式，它们是构成蛋白质高级结构的基本要素，常见的二级结构有α-螺旋和β-折叠。三级结构是在二级结构的基础上进一步盘绕，折叠形成的。研究蛋白质空间结构的目标是为了了解蛋白质与三维结构的关系，预测蛋白质的二级结构预测只是预测蛋白质三维形状的第一步，蛋白质折叠问题是非常复杂的，这就导致了蛋白质的空间结构预测的复杂性。蛋白质三维结构预测方法有：同源模型化方法、线索化方法和从头预测的方法但是无论用哪一种方法，结果都是预测，采用不同的算法，可能产生不同的结果，因此还需要研究新的理论计算方法来预测蛋白质的三维结构。

图4.1 蛋白质结构

目前，已知蛋白质序列数据库中的数据量远远超过结构数据库中的数据量，并且这种差距会随着DNA序列分析技术和基因识别方法的进步越来越大，人们希望产生蛋白质结构的进度能够跟上产生蛋白质序列的速度，这就需要对蛋白质结构预测发展新的理论分析方法，目前还没有一个算法能够很好地预测出一个蛋白的三维结构形状，蛋白质的结构预测被认为是当代计算机科学要解决的最重要的问题之一，因此蛋白质结构预测的算法在分子生物学中显得尤为重要。

五．结束语

现如今计算机的发展已渗透到各个领域，生物学中的大量实验数据的处理和理论分析也需要有相应的计算机程序来完成，因此随着现代科技的发展，生物技术与计算机信息技术的融合已成为大势所趋。生物学研究过程中产生的海量数据需要强有力的数据处理分析工具，这样计算机科学技术就成为了生物科学家的必然选择，虽然人们已经利用计算机技术解决了很多生物学上的难题，但是如何利用计算机更好地处理生物学中的数据仍是一个长期而又复杂的课题。

参考文献：

1. 孙啸，陆祖宏，谢建明.生物信息学基础[M].清华大学出版社，2005.

2. 张阳德.生物信息学.科学出版社[M],2004.

3. Dan E.Krane & Michael L.Raymer，孙啸，陆祖宏，谢建明译.生物信息学概论[M],2004.

生物信息学分析方法例9

    《企业物流管理》课程的实践教学体系构建

    《企业物流管理》课程实践教学体系的构建应该与物流类专业的定位和培养目标相一致,以培养学生的实践能力为目的,以系统、全面和可行性为原则[4]。在结合我院《企业物流管理》优秀课程项目建设过程中已开展的实践教学试点工作取得的经验和借鉴其他兄弟院校成功的实践教学成果的基础上,考虑我系现有的教学资源和师资配备,设计出满足该课程教学要求的实践教学体系如图1所示。此实践教学体系包括了该课程的4大类实践教学项目和每类实践教学项目对应的实践教学内容。下面详细分析该课程体系的实践教学项目与内容、教学方法与流程。

    1《企业物流管理》课程实践教学项目与内容

    1.1实验类项目与内容配合《企业物流管理》课程的理论教学环节进行形式多样的实验教学项目的设计,内容主要包括企业物流管理流程设计实验、单设施重心法选址系统的设计与实现实验、库存控制基本原理实验和生产物流的时间组织实验等。这些实验类项目可提高学生参与实践教学的自主性能动性和创造性,达到培养学生创新意识和创新能力的目标[4]。关于前三个实验项目的教学目标、所用到的实验技术工具可详见相关文献[4,8]。下面以生产物流时间组织实验项目的实验目的、实验所用到的技术工具和实验内容的分析为例进行说明。生产物流时间组织实验的教学目标主要有:①掌握生产物流时间组织的三种典型移动方式的特点;②掌握不同移动方式下生产周期的计算公式,并能结合实际问题进行求解,能绘制加工示意图;③掌握含运输时间的生产物流时间组织的生产周期公式的推导;④掌握生产物流时间组织系统的算法流程,能够设计生产物流时间组织系统,该系统不仅能计算生产周期,而且能精确绘制加工和搬运甘特图。生产物流时间组织实验所用到的技术工具包括:①系统开发平台:MicrosoftWindowsXP;②开发工具:VisualBasic6.0;③程序算法流程图设计工具、加工与搬运示意图绘制工具:MicrosoftVisio2003;④报告撰写工具:MicrosoftWord2003。生产物流时间组织实验所要完成的内容包括:①结合相关文献的研究成果,在给出一定的假设条件下,让学生推导含运输时间的生产过程时间组织生产周期的计算公式;②利用相应的计算公式和图形绘制工具,完成实验背景资料中生产周期问题的计算;③分析生产过程时间组织系统的功能模块,系统的算法流程,并完成系统的设计(要求开发的系统界面友好、数据有效性验证符合规范要求),用②中计算出的结果数据验证程序的正确性;④利用开发的程序,绘制背景资料中可行方案的加工与搬运图形,并借助该图形分析最少的搬运次数。

    1.2调查分析类项目与内容调查分析类项目与内容设计考虑的要点是强调学生能有效利用理论教学所学到的原理、方法和模型,突出学生在调查中自主参与、与人合作、创新能力的培养。调查分析类项目主要包括:某企业物流战略的调研与分析、供应商选择方法的应用与比较、某企业库存管理与控制情况调研与分析和某大型企业物流管理信息系统和物流信息技术的应用情况调研等。

    ①某企业物流战略的调研与分析。该项目的目的是让学生了解该企业物流战略的相关内容,并掌握该企业制定战略的相关过程。项目的内容是调研某企业的物流战略,并对该物流战略定位进行分析,提出改进的方案或建议。项目的要求包括:首先,将学生进行分组,每五人一组;各组成员自行联系,并调查当地的一家物流企业或者有物流战略的生产企业,分析目前该企业所处的产业环境以及采取的相应企业战略;针对企业发展的相关制约因素,分析该企业物流战略在企业战略中的层次和作用,并分析该物流战略定位的合理之处以及不太合理的地方,并提出本组认为合理的物流战略方案;针对本组的分析和设计结果,与企业管理人员沟通,听取他们对分析结果的建议,之后改进相应的方案,如此反复直至得到管理人员的认可为止。每个小组将上述调研、分析、改进物流战略的内容形成一个完整的分析报告。

    ②供应商选择方法的应用与比较。该项目的目的是让学生掌握供应商选择方法的实际应用,对于多因素的综合评价方法能利用Excel工具进行求解计算,并能对应用不同供应选择方法得到的优质供应商做出评价,分析不同方法应用的特点和场合。项目的内容是选择不同的供应商选择方法,完成最优供应商的选择,并分析不同方法选择出的供应商的差别,比较不同方法应用的特点和场合。项目要求包括:首先,将学生进行分组,每五人一组;各组成员查阅相关材料,选择一个综合多种因素供应商选择的案例,案例中生产企业选择供应商时考虑的基本指标至少要包括产品质量、产品价格、交货提前期3个基本因素,其他指标可能会涉及交货可靠性、技术水平、售后服务、地理位置等,同时案例中要有每个供应商对应指标的相关数据(或者在本地选择一家生产企业调研该企业在外购某种零件或部件时,选择供应商的评价指标,并获取各对应指标的实际数据);选择不同的供应商选择方法(其中至少要用采购成本比较法和TOPSIS方法,考虑实际情况可以再利用AHP和ANN方法),完成最优供应商的选择(在用多因素综合评价方法时,利用Excel软件完成求解);最后分析不同方法选择出的供应商的差别,比较不同方法应用的特点和场合。每个小组将上述分析、设计和对比的内容形成一个完整的报告。

    ③某企业库存管理与控制情况调研与分析。该项目的目的是让学生了解该企业库存管理与控制的基本情况,掌握其在库存管理与控制中采用的方法。项目的内容是选择当地一家小型生产企业,对该企业的库存管理与控制的基本情况进行调查,并选择两到三种物品,对其控制方法进行分析,包括订货量的确定、订货时间的确定、安全库存的确定等,同时利用所学知识和方法分析企业对这些物品的库存管理与控制是否合理。项目的要求包括:首先,学生以小组的方式开展调查工作,每五人一组;各组成员自行联系,并调查当地的一家小型生产企业,了解该企业的库存管理与控制的基本情况,并选择两到三种物品,对其控制方法进行分析;之后,利用所学知识和方法分析企业对这些物品的库存管理与控制是否合理。对于不合理的物资库存控制与管理方法,给出本组的改进建议;针对本组的分析结果和改进的设计方案,与企业管理人员沟通,听取他们对分析结果和方案设计的建议,之后做出适当的调整,如此反复直至得到管理人员的认可为止。每个小组将上述调研、分析、改进的内容形成一个完整的分析报告,对于涉及用EOQ模型或其他控制模型计算的内容,要有详细的计算过程和清晰的结果,做出规范的图和表。

生物信息学分析方法例10

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。