導(dǎo)語：如何才能寫好一篇生物信息學(xué)的定義，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞： 生物信息學(xué) 案例教學(xué)法 實踐教學(xué)

1.生物信息學(xué)學(xué)科特點

生物信息學(xué)是當(dāng)今生命科學(xué)的重大前沿領(lǐng)域之一，是一門交叉學(xué)科，包含生命過程中各種信息的獲取、加工、存儲、分配、分析、解釋等在內(nèi)的所有方面，綜合運用數(shù)學(xué)、計算機科學(xué)和生物學(xué)等方法與技術(shù)，闡明和理解大量數(shù)據(jù)包含的生物學(xué)意義[1]。隨著20世紀(jì)80年代人類基因組計劃的實施，生物信息學(xué)蓬勃發(fā)展，并滲透到生物學(xué)研究的各個領(lǐng)域。掌握生物信息學(xué)相關(guān)技術(shù)及分析能力已成為生物專業(yè)本科畢業(yè)生的必要要求[2]。因此，做好生物信息學(xué)教學(xué)工作對提高生物信息學(xué)研究水平具有重要的理論和實踐意義[3]。然而由于學(xué)科的綜合性和學(xué)科本身的迅猛發(fā)展，生物信息學(xué)課程教學(xué)仍然處于探索階段，目前還沒有成熟的生物信息學(xué)教學(xué)模式，各高校尚處于摸索探討階段。

2.案例教學(xué)法概述

案例教學(xué)法（Case-Based Learning），指在教師的指導(dǎo)下，根據(jù)教學(xué)目的，通過呈現(xiàn)案例材料，組織學(xué)生以團體和小組討論、角色扮演等方式對案例進行調(diào)查、閱讀、思考、分析、討論和交流等活動；經(jīng)過分析討論，將課本中的理論與案例材料結(jié)合起來，并利用理論分析說明復(fù)雜的案例內(nèi)容。案例教學(xué)法引導(dǎo)學(xué)生學(xué)習(xí)新的知識，加深對理論的認(rèn)識，訓(xùn)練學(xué)生運用所學(xué)知識分析和解決實際生物學(xué)問題[4]。

不同于傳統(tǒng)教學(xué)模式注重“知識的傳授”，案例教學(xué)法更注重“能力培養(yǎng)”。案例教學(xué)法不直接給學(xué)生提供解決案例問題的標(biāo)準(zhǔn)答案或者具體方法，而通過教師引導(dǎo)學(xué)生積極討論得出問題的解決方法，側(cè)重于理論應(yīng)用，是一種“以學(xué)習(xí)者為中心的學(xué)習(xí)方法”。

案例教學(xué)可劃分為講解定義型、綜合分析型和操作技能型三種類型。（1）講解定義型，引入案例，對基本概念和原理進行講解；（2）綜合分析型，提出問題，學(xué)生通過討論給出解決案例問題的方案或者對已有方案進行評價；（3）操作技能型，引入案例，使學(xué)生掌握相關(guān)理論課程的基本應(yīng)用技能。案例教學(xué)還可以綜合其他教學(xué)方法，如以問題為基礎(chǔ)的教學(xué)法共同改善課堂教學(xué)效果[5]。

案例教學(xué)法基本環(huán)節(jié)包括：教師根據(jù)學(xué)科特點提出案例；引導(dǎo)學(xué)生辯論交流、提出解決方案；完成與解決案例；教師評價與總結(jié)[4]，[6]，[7]。案例教學(xué)過程中，首先教師把握整體教學(xué)進度，選用與本專業(yè)課程有關(guān)的案例，案例選擇要具體、易于學(xué)習(xí)和理解，能夠引起學(xué)生的興趣，調(diào)動學(xué)生學(xué)習(xí)主動性；其次，將案例分解，從子案例中提出問題，啟發(fā)學(xué)生思考，鼓勵學(xué)生對案例進行分析、討論甚至辯論，提出解決方法，逐步完成案例；最后，引導(dǎo)學(xué)生完成和解決案例，分析點評整個案例教學(xué)過程及結(jié)果[4]。

3.案例教學(xué)法應(yīng)用于生物信息學(xué)本科教學(xué)的意義

生物信息學(xué)課堂講授以介紹生物信息學(xué)的相關(guān)算法、原理、方法為主，這也是教學(xué)的重點和難點。傳統(tǒng)“知識傳授”型講課方式容易讓學(xué)生覺得枯燥乏味、晦澀難懂，產(chǎn)生畏懼心理[8]。運用案例教學(xué)法，能夠幫助學(xué)生更深入理解算法的思想，真正掌握解決問題的思路，培養(yǎng)科學(xué)的思維能力。

另外，生物信息學(xué)是一門實用性較強的學(xué)科，大學(xué)本科階段開設(shè)生物信息學(xué)課程主要目的不是開發(fā)新的數(shù)據(jù)庫和發(fā)展新的生物數(shù)據(jù)分析方法，而是如何利用現(xiàn)有數(shù)據(jù)庫資源查找特定數(shù)據(jù)，并根據(jù)科研實踐需要分析整合數(shù)據(jù)資源，為后續(xù)科研奠定基礎(chǔ)，具有極強的實踐意義。要達(dá)到實踐目的，除了讓學(xué)生掌握生物信息學(xué)的基本理論和方法、數(shù)據(jù)庫和軟件的原理外，更重要的是讓學(xué)生親身實踐，在實踐中對所學(xué)理論進行驗證、對數(shù)據(jù)和軟件的使用加以熟悉[9]。但生物信息學(xué)涉及專業(yè)領(lǐng)域內(nèi)容廣泛，學(xué)生不可能做到完全親身實踐，因此，案例教學(xué)法能替代親身實踐，吸取前人經(jīng)驗，是理論聯(lián)系實踐的一個便捷通道，是培養(yǎng)學(xué)生解決實際問題能力的好方法[7]。

4.案例教學(xué)法在生物信息學(xué)本科教學(xué)中的應(yīng)用

4.1 案例選擇

筆者針對生物信息學(xué)本科的教學(xué)大綱和知識體系，以及多年從事昆蟲線粒體基因組分析的科研工作情況，精心選擇了一系列分析案例，其中以鱗翅目灰蝶科線粒體基因組[10]數(shù)據(jù)分析為例說明。

4.2 教學(xué)過程

4.2.1學(xué)生分組。根據(jù)學(xué)生專業(yè)、興趣分組，每組6人，統(tǒng)一采用同一案例。

4.2.2案例背景介紹。讓學(xué)生了解該論文的目的、操作過程及意義。學(xué)生查找相關(guān)文獻資料，歸納總結(jié)知識背景。

4.2.3案例分解。將整個案例分為若干個子案例：①序列數(shù)據(jù)來源；②序列比對分析③計算遺傳距離；④分子系統(tǒng)發(fā)育重建；⑤蛋白質(zhì)家族和基序與結(jié)構(gòu)域分析；⑥蛋白質(zhì)三級結(jié)構(gòu)與結(jié)構(gòu)分類分析。對每一個子案例完成的關(guān)鍵步驟提出問題，啟發(fā)學(xué)生思考，鼓勵學(xué)生對案例進行分析、討論甚至辯論，提出解決方法，逐步完成案例。每個子案例的順利完成都需要特定的生物信息知識作為基礎(chǔ)，對應(yīng)于教學(xué)大綱中完整的知識體系。

4.2.4評價考核。引導(dǎo)學(xué)生完成案例，教師歸納學(xué)生在整個案例教學(xué)過程中出現(xiàn)的普遍性問題并進一步講解，對于個別小組在解決案例過程中展現(xiàn)出來的創(chuàng)造性解決方案進行分享學(xué)習(xí)。采用PPT成果展示、提交每一個子案例生物信息分析結(jié)果和解釋報告，考查學(xué)生對案例設(shè)計的相關(guān)生物信息學(xué)理論知識和操作技能的掌握情況。

案例教學(xué)法作為一種具有啟發(fā)性和實踐性的教學(xué)方法，有效提高學(xué)生利用生物信息學(xué)工具獲取相關(guān)知識解決生物學(xué)問題的學(xué)習(xí)興趣和能力，增強教學(xué)效果。然而實踐過程中還存在一些問題，例如：如何選擇合適的案例既能激發(fā)學(xué)生的學(xué)習(xí)興趣又反映生物信息學(xué)教學(xué)大綱的知識體系內(nèi)容、如何有效把握課堂討論的節(jié)奏和方向及與其他教學(xué)方法的融合，在今后教學(xué)工作中還需要不斷改進教學(xué)方法，優(yōu)化教學(xué)模式，豐富教學(xué)案例庫，在實踐中不斷探索案例教學(xué)法在生物信息學(xué)本科教學(xué)中的適用性和有效性。

參考文獻：

[1]石生林，韓艷君，劉彥群等.非專業(yè)研究生生物信息學(xué)課程教學(xué)中存在的問題及對策[J].生物信息學(xué)，2009，7（2）：125-127.

[2]袁道軍，楊細(xì)燕.農(nóng)學(xué)專業(yè)生物信息學(xué)概論本科教學(xué)實踐探討[J].安徽農(nóng)業(yè)科學(xué)，2016，44（13）：304-305.

[3]李廣林.大數(shù)據(jù)背景下的生物信息學(xué)教學(xué)探索[J].教育教學(xué)論壇，2015，（29）：210-211.

[4]張林，柴惠.CM教學(xué)法和PBL教學(xué)法的結(jié)合應(yīng)用研究――以醫(yī)學(xué)生物信息學(xué)為平臺[J].中國高等醫(yī)學(xué)教育，2012（8）：116-117.

[5]武亞軍，孫軼.中國情境下的哈佛案例教學(xué)法：多案例比較研究[J].管理案例研究與評論，2010，3（1）：12-25.

[6]吳東，王福成，孫暢等.案例教學(xué)法在計算機繪圖課程中的應(yīng)用[J].山東工業(yè)技術(shù)，2016（1）：145-146.

[7]胡珊珊，劉興起.案例教學(xué)法在水文學(xué)教學(xué)中的應(yīng)用[J].首都師范大學(xué)學(xué)報（自然科學(xué)版），2016，37（2）：93-95.

[8]高亞梅，韓毅強.《生物信息學(xué)》本科教學(xué)初探[J].生物信息學(xué)，2007，5（1）：46-48.

[9]郭艷芳，李金明.PBL教學(xué)法在醫(yī)學(xué)生物信息學(xué)實踐教學(xué)中的應(yīng)用[J].基礎(chǔ)醫(yī)學(xué)教育，2011，13（11）：1007-1008.

篇2

關(guān)鍵詞： 生物信息學(xué)；高等數(shù)學(xué)；教學(xué)效果； 教學(xué)方法； 多媒體

生物信息學(xué)是綜合計算機科學(xué)、 信息技術(shù)和數(shù)學(xué)的理論和方法來研究生物學(xué)信息的交叉學(xué)科。數(shù)學(xué)作為生物信息學(xué)研究的基本工具， 已經(jīng)成為生物信息學(xué)專業(yè)的必修課程。高等數(shù)學(xué)是大學(xué)數(shù)學(xué)的基礎(chǔ)課程， 通過高等數(shù)學(xué)的學(xué)習(xí)， 學(xué)生不僅可以掌握基本的數(shù)學(xué)概念， 公式及方法， 更可以提高自己的邏輯能力以及運用數(shù)學(xué)解決生物信息學(xué)問題的能力。因而高等數(shù)學(xué)教學(xué)效果的好壞， 直接影響到一個學(xué)校， 一門學(xué)科人才的培養(yǎng)， 進而會影響到我國的科技發(fā)展水平與現(xiàn)代化進程。筆者結(jié)合此領(lǐng)域教師們多年的教學(xué)實踐， 結(jié)合生物信息學(xué)的專業(yè)特點從課前、 課上、 課后三個方面闡述提高高等數(shù)學(xué)教學(xué)效果的幾點建議。

1做好充分的課前準(zhǔn)備，有的放矢。

要想在有限的課堂時間內(nèi)達(dá)到最好的教學(xué)效果，教師首先需要在課前認(rèn)真?zhèn)湔n， 尤其要注意重點內(nèi)容的強調(diào)以及知識點的銜接， 使得一次課成為一部完整的電影， 而不是多個場景的組合。同時， 由于生物信息學(xué)是一門快速發(fā)展的交叉科學(xué)， 因此在授課的過程中教師應(yīng)當(dāng)將生物信息學(xué)的前沿發(fā)展動態(tài)與課程內(nèi)容進行合理的融合， 這就需要教師在課前閱讀大量的科研文獻， 做到教學(xué)科研一體化。此外， 還要精心制作課件， 好的課件不僅要字體大小適中， 背景美觀而不雜亂， 又要適當(dāng)?shù)募右恍┯腥さ膭赢嫛τ诟叩葦?shù)學(xué)這樣一門相對枯燥的學(xué)科， 小小的動畫會讓學(xué)生的精神為之一振， 間接提高教學(xué)效果。同時要做到內(nèi)容簡潔明了， 真正起到提綱挈領(lǐng)的作用。對于高等數(shù)學(xué)下冊來說， 課件的制作尤為重要。比如， 第一型曲面積分概念的引入， 不僅需要有準(zhǔn)確的三維圖像， 而且引入概念的過程也要提綱式地逐條列出， 使學(xué)生清晰地了解一個抽象的數(shù)學(xué)概念是怎樣產(chǎn)生的。

2多方位開展課上教學(xué)實踐。

2.1 多媒體與板書結(jié)合

多媒體的出現(xiàn)為高等數(shù)學(xué)的教學(xué)帶來了極大方便。比如曲線與曲面積分的章節(jié)中， 很多問題都需要結(jié)合三維圖像來解答， 在黑板上畫立體圖形既浪費時間， 又很難畫得準(zhǔn)確， 而利用多媒體則只需在課件中插入相應(yīng)的三維圖像就可以了。還有一些冗長的概念或公式， 用多媒體展示一目了然， 省時省力。多媒體雖然為教學(xué)帶來了諸多方便， 但它并不能完全代替板書。比如， 具體的解題過程如果只寫在課件上， 那么學(xué)生就只是觀眾， 在觀看一道題怎么解答。而利用板書引導(dǎo)學(xué)生，在書寫每一步的時候讓學(xué)生思考下一步應(yīng)該怎么做， 那么學(xué)生就是參與者了。定理或公式的推導(dǎo)也是同樣的道理。所以上課時要做到多媒體與板書的有機結(jié)合， 多媒體展示提綱和圖像， 板書書寫具體的解題和推導(dǎo)過程。

2.2 重視基礎(chǔ)知識的教學(xué)

要狠抓以基本概念、 基本理論、 基本方法為主的“ 三基” 教學(xué)。高等數(shù)學(xué)雖然看起來很難， 但它實際上是由很多基本概念和理論方法交織而成的。只有牢固地掌握基礎(chǔ)知識， 才能理解數(shù)學(xué)的精髓， 才能熟練的運用這些知識來解決復(fù)雜的生物信息學(xué)問題。對于基本概念， 要用盡可能通俗的， 形象的語言或直觀的圖像來解釋， 必要的時候也可以用實物演示。比如， 莫比烏斯帶的定義是單側(cè)曲面， 這個概念用語言很難形容， 但如果用一張紙條演示一下， 學(xué)生就完全理解了。對于基本定理， 一定要在黑板上寫下詳細(xì)的推導(dǎo)過程， 讓學(xué)生了解怎樣從一些已有的知識推導(dǎo)出一個新的結(jié)論， 這樣學(xué)生就不是在死記硬背定理的內(nèi)容， 而是真的學(xué)會了。對于基本方法， 則要讓學(xué)生反復(fù)練習(xí)， 熟能生巧， 多做練習(xí)還會提高學(xué)生的計算能力。

2.3 注重課堂練習(xí)

在課堂上要堅持" 教師是主導(dǎo)， 學(xué)生是主體" 的教學(xué)原則，要做到精講多練、 勤練。每堂課都可能會講多個知識點， 多種類型題， 如果一味的填鴨式教學(xué)， 學(xué)生往往只是“ 懂了” ， 而不是“ 會了” 。所以在每一道類型題講完之后， 要立刻找一道相似的題目， 給學(xué)生一定的時間讓學(xué)生自己練習(xí)， 及時消化和掌握所學(xué)的知識， 并且要重視理論聯(lián)系實際， 將數(shù)學(xué)的知識應(yīng)用到具體的生物信息學(xué)研究中去。比如， 介紹了矩陣的概念之后， 就可以向?qū)W生介紹基因芯片的制備、 基因表達(dá)譜的數(shù)據(jù)格式等內(nèi)容， 將基因芯片檢測的全基因組范圍的基因表達(dá)信息用矩陣表示出來了， 矩陣的每一行代表一個基因在所有芯片實驗中的表達(dá)水平， 每一列代表在同一張芯片上所有基因的表達(dá)值， 這樣從一個矩陣就可以觀察到不同條件下每一個基因的表達(dá)變化了。除了每堂課都要讓學(xué)生有一定的練習(xí)之外， 在每一章或者每一個大問題結(jié)束之后還要開設(shè)習(xí)題課。在習(xí)題課上， 教師首先要總結(jié)這一部分所學(xué)的重要知識點以及它們之間的聯(lián)系， 使學(xué)生在思維中形成一個完整有機的知識體系， 整體的把握知識框架， 這比掌握零散的知識點更有效。其次， 對本部分每一種重點的類型題都找一兩道類似的題目講解， 使學(xué)生在記憶開始模糊的時候重新回憶起來， 從而牢固地掌握本部分內(nèi)容， 為開始新的篇章打好基礎(chǔ)。

2.4 建立和諧的師生關(guān)系

高等數(shù)學(xué)是一門相對較難的學(xué)科， 學(xué)生在學(xué)習(xí)起來比較吃力， 這樣就容易形成逆反心理， 因此建立和諧的師生關(guān)系是達(dá)到良好教學(xué)效果的必要條件。首先， 師生之間是平等的，聞道有先后， 術(shù)業(yè)有專攻而已。這就要求教師在上課的時候不要高高在上， 要多多與學(xué)生交流， 在每一個知識點過后及時詢問學(xué)生是否理解， 如果沒理解就再講一遍。課下也同樣要走入到學(xué)生中去， 及時解答他們的問題， 還可以跟學(xué)生談一些與課程無關(guān)的東西， 拉近與學(xué)生的距離。只有切身體驗到他們的感受和需求才能更好的完成教與學(xué)的任務(wù)。

3 通過課后的練習(xí)鞏固高等數(shù)學(xué)課上所學(xué)的知識

根據(jù)艾賓浩斯遺忘曲線， 如果只是上課記住了， 課下就不再復(fù)習(xí)，那么所掌握的內(nèi)容就會迅速遺忘。所以， 適量的課后作業(yè)是非常必要的， 幾道習(xí)題幾十分鐘就可以起到鞏固知識的作用。同時， 教師也可以根據(jù)自身的科研方向， 設(shè)計一些小的科研課題， 鼓勵和引導(dǎo)學(xué)生進行思考， 如何利用學(xué)到的高等數(shù)學(xué)知識去解決實際的生物信息學(xué)問題。此外， 教師對n后作業(yè)的批改同樣重要， 通過對每一份作業(yè)的仔細(xì)批閱， 找出學(xué)生犯錯的共性和個性問題， 在下堂課著重講解， 那么學(xué)生再遇到類似問題時就不會犯同樣的錯誤了。同時還要對做的好的學(xué)生給予表揚和鼓勵。

高等數(shù)學(xué)作為生物信息學(xué)專業(yè)的必修基礎(chǔ)課， 其教學(xué)效果的好壞直接影響到生物信息學(xué)人才的培養(yǎng)以及學(xué)科的建設(shè)， 而要提高高等數(shù)學(xué)的教學(xué)效果， 就要做到課前認(rèn)真?zhèn)湔n，課上利用多媒體與板書結(jié)合的教學(xué)手段， 重視基礎(chǔ)內(nèi)容的教學(xué)與練習(xí)， 同時活躍課堂氣氛， 保持和諧的師生關(guān)系， 并在課后布置適量的課后作業(yè)。

參考文獻：

[1] 張紅梅.提高高等數(shù)學(xué)教學(xué)效果的幾點見解.赤子，2009，4：45

[2] 孫嘯，陸祖宏，謝建明.生物信息學(xué)基礎(chǔ).第1版.北京： 清華大學(xué)出版社，2005.286-287.

篇3

關(guān)鍵詞：基因調(diào)控網(wǎng)絡(luò)；自組織圖聚類；機器學(xué)習(xí)

中圖分類號：TP274文獻標(biāo)識碼：A文章編號：1009-3044(2008)15-20ppp-

The Research Content And Data Analysis Methods On the Gene Regulatory Networks

GUO Zhi-long1,2,JI Zhao-hua1,3,TU Hua-wei1,LIANG Yan-chun1

(1.College of Computer Science and Technology,Jilin University,Changchun 130012,China;2.Dalian Huaxin Software Corporation,DaLian 116000,China; 3.Inner Mongolia Xing'an Vocational and Technical College,Wulanhaote 137400,China)

Abstract:Gene regulatory networks,which reveals the complex phenomena of life from the view of the complex interactions of genes,is very important to understand the functional genomics for researchers.The article focuses on the research content and data analysis methods about gene regulatory networks.

Key words:gene regulatory networks;Self-organizing Map;machine learning

基因調(diào)控網(wǎng)絡(luò)是計算機科學(xué)、數(shù)學(xué)、信息學(xué)向分子生物學(xué)滲透形成的交叉點，是運用生物信息學(xué)的方法和技術(shù)通過數(shù)據(jù)采集、分析、建模、模擬和推斷等手段研究復(fù)雜的基因網(wǎng)絡(luò)關(guān)系。作為一種系統(tǒng)的、定量的研究方法建立在包括分子生物學(xué)，非線性數(shù)學(xué)和程序算法設(shè)計等知識等基礎(chǔ)上，運用生物信息學(xué)的方法和技術(shù)通過數(shù)據(jù)采集、分析、建模、模擬和推斷等手段，整合已有的實驗數(shù)據(jù)和知識，構(gòu)建生物基因調(diào)控網(wǎng)絡(luò)，從整體的層次，了解細(xì)胞的功能；從整體的角度，闡述基因參與的生物調(diào)控過程，在全基因組水平上以系統(tǒng)的、全局的觀點研究生命現(xiàn)象及其本質(zhì)，是后基因組時代研究的重要內(nèi)容。

1 基因調(diào)控網(wǎng)絡(luò)概念

基因調(diào)控網(wǎng)絡(luò)本質(zhì)上是一個連續(xù)而復(fù)雜的動態(tài)系統(tǒng)，即復(fù)雜的動力系統(tǒng)網(wǎng)絡(luò)。

1.1 基因調(diào)控網(wǎng)絡(luò)的定義

生物體任何細(xì)胞的遺傳信息、基因都是同樣的，但同一個基因在不同組織、不同細(xì)胞中的表現(xiàn)并不一樣。一個基因的表達(dá)既影響其它的基因，又受其它基因的影響，基因之間相互促進、相互抑制，在特定的細(xì)胞內(nèi)和時間下綜合環(huán)境等因素這樣的大環(huán)境中呈現(xiàn)活化狀態(tài)，構(gòu)成一個復(fù)雜的基因調(diào)控網(wǎng)絡(luò)。

1.2 基因調(diào)控網(wǎng)絡(luò)的特性:

基因調(diào)控網(wǎng)絡(luò)是連續(xù)的多層次動力系統(tǒng)模型，具有穩(wěn)定姓、層次性、復(fù)雜性、動態(tài)性等。

1.2.1 復(fù)雜性

生物具有大量的基因，諸多基因組成各個模塊，不同的基因網(wǎng)絡(luò)模塊可以在不同層次上發(fā)生相互作用，同一個基因可能參與各種不同的分子機理，使得基因網(wǎng)絡(luò)有著高度的復(fù)雜性。

1.2.2 層次性

基因調(diào)控網(wǎng)絡(luò)具有一定層次結(jié)構(gòu)，按照調(diào)控元件、motif、模塊和整個網(wǎng)絡(luò)的四層結(jié)構(gòu)，將各個節(jié)點有規(guī)律的來接在一起。調(diào)控元件分為順式(cis-)和反式(trans-)兩種類型, 分別表示受調(diào)控基因的結(jié)合位點DNA 序列和結(jié)合在該序列上對基因起激活或者抑制作用的轉(zhuǎn)錄因子。Motif 和模塊都是由基因集合構(gòu)成的調(diào)控模式, 是分析網(wǎng)絡(luò)局部特征和網(wǎng)絡(luò)構(gòu)成以及研究調(diào)控機理的重要結(jié)構(gòu)。

1.2.3 動態(tài)性

生物過程是動態(tài)的，用來理解生物過程意義的基因調(diào)控網(wǎng)絡(luò)自然就動態(tài)存在。基因調(diào)控網(wǎng)絡(luò)是隨著生物過程的動態(tài)發(fā)生而具有動態(tài)的特性，不同條件、不同時間的基因調(diào)控網(wǎng)絡(luò)是不同的。

1.2.4 穩(wěn)定性

基因調(diào)控網(wǎng)絡(luò)的穩(wěn)定性體現(xiàn)在生物體緩解突變的影響方面，功能上無關(guān)基因之間的相互作用可以抵抗系統(tǒng)突變；一個基因在突變中喪失的功能，有另外一個或更多具有相似功能的基因所補償，以減弱該突變對表型造成的影響，保持生物進化中的穩(wěn)定性。

1.2.5 功能模塊性

基因調(diào)控相關(guān)的生物功能主要是通過網(wǎng)絡(luò)模塊來實現(xiàn)的，有適當(dāng)尺度下的動力學(xué)特征和生物學(xué)功能解釋的模塊是由多個motif 構(gòu)成的，實現(xiàn)相同功能的基因或蛋白質(zhì)存在拓?fù)浣Y(jié)構(gòu)上是相關(guān)的。

1.3 基因調(diào)控網(wǎng)絡(luò)研究的目的

通過對基因調(diào)控網(wǎng)絡(luò)的研究，識別和推斷基因網(wǎng)絡(luò)的結(jié)構(gòu)、特性和調(diào)控關(guān)系，認(rèn)識復(fù)雜的分子調(diào)控過程，理解支配基因表達(dá)和功能的基本規(guī)則，揭示基因表達(dá)過程中的信息傳輸規(guī)律，清楚整體的框架下研究基因的功能。

2 基因調(diào)控網(wǎng)絡(luò)研究內(nèi)容

基因調(diào)控網(wǎng)絡(luò)的研究是假設(shè)兩個基因列譜相似，則這兩個基因協(xié)作調(diào)控，并可能功能相近，有同樣表達(dá)模式的基因可能有同樣的表達(dá)過程。基因調(diào)控網(wǎng)絡(luò)主要在三個水平上進行：DNA水平、轉(zhuǎn)錄水平、翻譯水平。DNA水平主要是研究基因在空間上的關(guān)系影響基因的表達(dá)；轉(zhuǎn)錄水平主要研究代謝或者是信號轉(zhuǎn)導(dǎo)過程決定轉(zhuǎn)錄因子濃度的調(diào)控過程；翻譯水平主要研究蛋白質(zhì)翻譯后修飾，從而影響基因產(chǎn)物的活性和種類的過程。基因轉(zhuǎn)錄調(diào)控信息隱藏在基因組序列中，基因表達(dá)數(shù)據(jù)代表基因轉(zhuǎn)錄調(diào)控的結(jié)果，是轉(zhuǎn)錄調(diào)控信息的實際體現(xiàn)。

基因調(diào)控網(wǎng)絡(luò)試圖從DNA微陣列等海量數(shù)據(jù)中推斷基因之間的調(diào)控關(guān)系，對某一物種或組織中全部基因的表達(dá)關(guān)系進行整體性研究。采用帶有反饋回路的基因網(wǎng)絡(luò)，首先是按照同步或反同步表達(dá)，以及表達(dá)強度的變化，系統(tǒng)地識別各基因的特點，再用聚類的方法將各基因歸類，在此基礎(chǔ)上構(gòu)建基因調(diào)控網(wǎng)絡(luò)，分析相關(guān)控制參數(shù)．利用其本身或調(diào)節(jié)位點或拓?fù)浣Y(jié)構(gòu)進行不同的研究。

3 基因調(diào)控網(wǎng)絡(luò)研究數(shù)據(jù)分析方法

篇4

【摘要】理論免疫學(xué)用數(shù)學(xué)的方法來研究和解決免疫學(xué)問題，以及對免疫學(xué)相關(guān)的數(shù)學(xué)方法進行理論研究的一門科學(xué)。隨著高通量方法和基因組數(shù)據(jù)的出現(xiàn)，理論免疫學(xué)從受體交聯(lián)和免疫原理、Jerne的相互作用網(wǎng)絡(luò)和自我選擇等經(jīng)典建模方法開始向信息學(xué)、空間擴展模型、免疫遺傳學(xué)和免疫信息學(xué)、進化免疫學(xué)、分子生物信息學(xué)和表遺傳學(xué)、高通量研究方法和免疫組學(xué)等方面轉(zhuǎn)變。

【關(guān)鍵詞】免疫學(xué), 理論；數(shù)學(xué)模型；生物數(shù)學(xué)

Advances of theoretical immunology

JIN Yan

（Basic medical college, Liaoning Universtity of Traditional Chinese Medicine, LIAONING Shenyang, 110032,）

【Abstracts】Theoretical immunology is to develop mathematical methods that help to investigate the immunological problems, and to study the mathematical theory on immunology. With the advent of high-throughput methods and genomic data, immunological modeling of theoretical immunology shifted from receptor cross linking, Jerne interaction networks and self-non self selection, toward the informatics, spatially extended models, immunogenetics and immunoinformatics, evolutionary immunology, innate immunity and epigenetics, high-throughput research methods and Immunomics. Immunology, Theoretical; Mathematical Models; biomathematics

理論免疫學(xué)[1]（Theoretical Immunology）是指用數(shù)學(xué)的方法來研究和解決免疫學(xué)問題，以及對免疫學(xué)相關(guān)的數(shù)學(xué)方法進行理論研究的一門科學(xué)。理論免疫學(xué)是免疫學(xué)與數(shù)學(xué)交叉的邊緣學(xué)科，也稱數(shù)學(xué)免疫學(xué)（Mathematical Immunology），是生物數(shù)學(xué)的一個分支。由于免疫現(xiàn)象復(fù)雜，從免疫學(xué)中提出的數(shù)學(xué)問題往往也十分復(fù)雜，需要進行大量計算工作，因此從近年興起的復(fù)雜系統(tǒng)研究的角度來講[2]，理論免疫學(xué)也稱復(fù)雜免疫學(xué)（Complex Immunology）。理論免疫學(xué)的任務(wù)就是揭示免疫系統(tǒng)運行的規(guī)律和機制，及其病理機制。數(shù)學(xué)模型（Mathematical Models）和數(shù)據(jù)分析是理論免疫學(xué)的主要方法，計算機是研究和解決理論免疫學(xué)問題的重要工具。

雖然從上個世紀(jì)中期，數(shù)學(xué)模型已經(jīng)開始應(yīng)用于免疫學(xué)，但傳統(tǒng)的模型大部分是基于微分方程[3]、差分模型和元胞自動機（Cellular Automata）[4]。這些傳統(tǒng)模型以少數(shù)成份（一種受體和一種抗原，或兩個T細(xì)胞群之間等）參與的簡單動力學(xué)為主要研究內(nèi)容。直到2000年，人們才開始對免疫學(xué)的復(fù)雜性進行數(shù)學(xué)建模。隨著高通量方法（High Throughput Methods）和基因組數(shù)據(jù)（Genomic Data）的出現(xiàn)，理論免疫學(xué)開始轉(zhuǎn)向信息學(xué)（Informatics）方面[5]。與分子免疫學(xué)的生物信息學(xué)（Bioinformatics）分析一樣，當(dāng)前免疫學(xué)研究中與復(fù)雜性有關(guān)的主要研究目標(biāo)大多集中在高通量測量計劃和系統(tǒng)免疫學(xué)（System Immunology）或免疫組學(xué)（Immunomics）計劃。在數(shù)學(xué)模型水平上，分析方法也從以微分方程為主的簡單系統(tǒng)轉(zhuǎn)向廣泛應(yīng)用Monte Carlo模擬（Monte Carlo simulations）。這種向更多分子和更多計算的轉(zhuǎn)變態(tài)勢與復(fù)雜系統(tǒng)涉及的所有研究領(lǐng)域出現(xiàn)的轉(zhuǎn)變極為相似。同時，理論免疫學(xué)中另一個重要轉(zhuǎn)變是，人們關(guān)注焦點從對外源性的適應(yīng)性免疫系統(tǒng)的轉(zhuǎn)向更多考慮固有免疫系統(tǒng)的平衡。

1理論免疫學(xué)經(jīng)典模型

免疫學(xué)是生物學(xué)的一個領(lǐng)域，很早就認(rèn)識到了數(shù)學(xué)建模和數(shù)學(xué)分析方法的作用。早在上個世紀(jì)60年代和70年代，數(shù)學(xué)模型已經(jīng)應(yīng)用于免疫學(xué)的不同領(lǐng)域，例如：抗原-受體的相互作用、T和B細(xì)胞群動力學(xué)、疫苗接種、生發(fā)中心動力學(xué)、病毒動力學(xué)和免疫系統(tǒng)對病毒的清除[6]等。現(xiàn)在的許多免疫學(xué)原理和觀點都是數(shù)學(xué)模型的結(jié)果。

1.1 受體交聯(lián)和免疫原理

受體交聯(lián)[7-9]（Receptor Cross Linking）和免疫原理（Immunon Theory）是由Alan Perelson提出、Carla Wofsy作了進一步分析。這個原理根據(jù)的事實是，低價抗原不能激活B細(xì)胞，而高價抗原（即抗原擁有多個重復(fù)基序）即使在抗原密度非常低（3-4目）的情況下也能夠激活B細(xì)胞。Sulzer和Perelson[10-13]據(jù)此發(fā)展了這個理論和數(shù)學(xué)模型并提出，抗原能夠聚集B細(xì)胞受體，從而激活B細(xì)胞。這個結(jié)論是B細(xì)胞免疫的基礎(chǔ)之一。

盡管數(shù)學(xué)模型對免疫學(xué)發(fā)展的貢獻的例子還有很多，但是免疫網(wǎng)絡(luò)（Immunological Networks）的概念和自我選擇（Self-Non Self Selection）問題占有相當(dāng)重要的地位。

1.2 Jerne的相互作用網(wǎng)絡(luò)

假設(shè)受體庫（Receptor Repertoire）是滿的，即受體庫中每一個分子都有其相對應(yīng)的受體，并且這些受體可以特異性地與其它受體相互作用。Jerne據(jù)此提出免疫調(diào)節(jié)網(wǎng)絡(luò)[14]（Regulatory Immune Networks）的存在。抗原激活的淋巴細(xì)胞可產(chǎn)生新受體，這些受體對于其它淋巴細(xì)胞來說是抗原，等等，以此類推。這個網(wǎng)絡(luò)的概念對理論學(xué)家來說很有吸引力，特別是在提出神經(jīng)網(wǎng)絡(luò)（Neural Networks）中的認(rèn)知行為（Cognitive Behavior）概念之后，提出了更多的免疫網(wǎng)絡(luò)模型[15][16]。有人用元胞自動機和布爾網(wǎng)絡(luò)（Boolean networks）建立大尺度行為（Large Scale Behavior）模型，有人用常微分方程（ODEs）來建立自身調(diào)節(jié)網(wǎng)絡(luò)模型（Local Regulatory Networks）。隨著時間的推移，人們對Jerne網(wǎng)絡(luò)學(xué)說逐漸失去了興趣，其主要原因是Jerne網(wǎng)絡(luò)學(xué)說的理論模型和實際的實驗證據(jù)沒有很好的相關(guān)性。

1.3 自我選擇

調(diào)節(jié)性網(wǎng)絡(luò)實際上是理論免疫學(xué)中自我選擇這個大課題的一部分。假設(shè)表達(dá)自身反應(yīng)性受體的淋巴細(xì)胞被機體清除（陰性選擇）。大多數(shù)陰性選擇可能是由于中樞性耐受（Central Tolerance）所導(dǎo)致的（T細(xì)胞在胸腺，人和小鼠的B細(xì)胞在骨髓）。陰性選擇機制失敗可導(dǎo)致自身免疫性疾病。人們通過多種途徑對自我選擇展開研究。有人從分子的角度和基于特殊的選擇機制來研究，而有人則建立了更為復(fù)雜的模型，例如Polly Matzinger的危險模型[17][18]（Danger Model）和Irun Cohen的侏儒模型[19-27]（Homunculus Model）。這些模型都是想反映真實的復(fù)雜系統(tǒng)，盡管僅通過檢測免疫系統(tǒng)的成分，人們是無法接近問題的實質(zhì)，但是他們的嘗試拓寬了我們的視野。直到今天，關(guān)于獲得和打破（自身免疫性疾病）耐受的途徑，也沒有一個公認(rèn)的解釋。

2理論免疫學(xué)的現(xiàn)代模型

理論免疫學(xué)的模型和問題現(xiàn)在正逐漸向分子理論免疫學(xué)方向發(fā)展。這種理論方向的演變與大量基因組全序列的檢測、分子生物學(xué)工具的巨大進展、高通量測量技術(shù)的發(fā)展、空間分布（Spatial Distribution）作用的測量和建模能力的發(fā)展等實驗技術(shù)的發(fā)展是分不開的。同時，計算機處理能力和建模技術(shù)的發(fā)展也是影響現(xiàn)論免疫學(xué)的重要因素。

2.1 Immsim、Simmune和其它復(fù)雜模型

免疫學(xué)中，最大膽的嘗試可能就是建立一個免疫系統(tǒng)的系統(tǒng)模型。第一個建立這樣模型的嘗試是上世紀(jì)80年代由IBM公司Philip Seiden開發(fā)的IMMSIM模型[28-31]。其設(shè)計的主要目的是為了在計算機上進行免疫應(yīng)答試驗。IMMSIM采用了克隆選擇原理的基本觀點，認(rèn)為免疫細(xì)胞和免疫分子獨立地識別抗原，免疫細(xì)胞被競爭地選擇，以產(chǎn)生更好的識別抗原的克隆種類。IMMSIM模型的基礎(chǔ)是空間擴展的元胞自動機，它用位串（或比特流，Bitstrings）代表受體、抗原和MHC分子的可變性。到目前為止，抗原和受體多樣性的位串表示方法已被許多其他研究者[32,33,34]所采用。IMMSIM包括了適應(yīng)性免疫系統(tǒng)的所有主要成份：CD4和CD8 T細(xì)胞、B細(xì)胞及其相應(yīng)的受體，MHC Ⅰ類和Ⅱ類分子和一些細(xì)胞因子。但是IMMSIM模型仍然是對免疫系統(tǒng)的粗略描述。因此，人們在此基礎(chǔ)上又進行了其它的開發(fā)。

第一個較有影響的是由Martin. Meier-Schellersheim開發(fā)的Simmune[35-36]。這個系統(tǒng)嘗試建立一個足夠?qū)拸V和復(fù)雜的平臺，從而能夠?qū)γ庖邔W(xué)的任意實際過程進行模擬。它不僅是一個特殊模型，更是一個建模技術(shù)或語言。

還有應(yīng)用了Monte Carlo模擬[37-38]或稱免疫模擬（Immunosi m）、狀態(tài)圖[39]（State-Charts）等多種數(shù)學(xué)模型，試圖涵蓋免疫系統(tǒng)所有可能細(xì)節(jié)并建立動力學(xué)模型。在這個方向上，最有影響的是Sol Eforni的模型。此模型嘗試提供胸腺空間擴展動力學(xué)的完全模擬，并以此來研究細(xì)胞選擇[40]。這些綜合模擬的優(yōu)勢在于他們涵蓋了當(dāng)前免疫學(xué)的所有細(xì)節(jié)。但是這些模型也有缺點，他們過于復(fù)雜，因此對于所觀察到的動力學(xué)變化，我們無法充分理解其原因及模型對參數(shù)變化的敏感性。

2.2 空間擴展模型

從分子水平上講，免疫學(xué)復(fù)雜系統(tǒng)分析的最大進展是細(xì)胞內(nèi)分子定位[41]（Molecule Localization）測量技術(shù)。免疫突觸（Synapses）的發(fā)現(xiàn)就是利用了該技術(shù)。人們建立了多個細(xì)胞膜動力學(xué)模型，用來解釋突觸的形成以及突觸的分子動力學(xué)。細(xì)胞膜動力學(xué)模型也應(yīng)用于B細(xì)胞。這些模型中，有的是假設(shè)一個固定的細(xì)胞膜在二維晶格上（2D Lattice），有的假設(shè)一個自由漂浮的細(xì)胞膜[42-44]。另一個研究方向的是受體動力學(xué)，以及受體與其它細(xì)胞膜成份，比如Src家族激酶和脂筏[45]（Lipid Rafts），之間的相互作用。目前此領(lǐng)域的所有模型都是以廣泛的數(shù)值模擬（Numerical Simulation）為基礎(chǔ)的。

空間擴展模擬的另一個領(lǐng)域是生發(fā)中心動力學(xué)的模擬。經(jīng)典模型主要采用ODEs來描述一或兩個總體的均勻動力學(xué)[46]（Homogenous Dynamics），而現(xiàn)代模擬主要應(yīng)用Monte Carlo模擬[47-49]來研究多空間擴展或者均勻總體之間的相互作用，但是也有一些是采用ODEs。

2.3 免疫遺傳學(xué)和免疫信息學(xué)

不同基因組的排列和不同等位基因的序列使免疫遺傳（Immunogenetic）數(shù)據(jù)庫得到了全面的發(fā)展[50-51]。免疫遺傳數(shù)據(jù)庫IMGT儲存了多個物種的T和B細(xì)胞受體基因序列（B細(xì)胞H鏈和T細(xì)胞β/δ鏈的V、D和J基因，L鏈/α鏈/γ鏈的V和J基因）。該庫也包括了最新的MHC分子的基因序列（包括經(jīng)典和非經(jīng)典的）。另外，IMGT數(shù)據(jù)庫還包括了大量的淋巴細(xì)胞受體重排序列。

這樣龐大的數(shù)據(jù)庫是伴隨著免疫信息學(xué)（Immunoinfor matics）工具的大量發(fā)展而建立的。其中包括用于junction分析[52]、免疫基因?qū)?zhǔn)（Immunogene Alignment）以及系統(tǒng)發(fā)育的工具[53-55]。所有這些工具的基礎(chǔ)都是將生物信息學(xué)理念應(yīng)用于免疫學(xué)。免疫遺傳數(shù)據(jù)庫日漸顯現(xiàn)的重要性表明，免疫學(xué)建模逐漸向基因化方向轉(zhuǎn)變。

2.4 進化免疫學(xué)

與B細(xì)胞重排受體多重序列的測量一樣，多細(xì)胞生物中免疫基因的不斷積累，使免疫系統(tǒng)發(fā)育學(xué)（Immuno-Phylogenetics）得以快速發(fā)展。目前研究的主要焦點是適應(yīng)性免疫系統(tǒng)的起源。適應(yīng)性免疫是免疫系統(tǒng)的一部分，通過隨機基因重組以適應(yīng)新病原體。很明顯，在軟骨魚類（Cartilaginous Fish）分化之前，適應(yīng)性免疫最早出現(xiàn)于有腭脊椎動物（Jawed Vertebrates）。然而，這樣一個復(fù)雜系統(tǒng)起源的來源還不清楚。T細(xì)胞受體結(jié)構(gòu)域（Receptor Domain）和B細(xì)胞受體結(jié)構(gòu)域之間的相似性、RAG1和RAG2分子（RAG1和RAG2可起到隨機連接基因的作用，又稱重組激活基因）在重排過程中的關(guān)鍵作用及其物理性相鄰（Physical Proximity），使許多研究者認(rèn)為，淋巴細(xì)胞受體重排的起源是轉(zhuǎn)座子（Transposon）橫向轉(zhuǎn)移到原始免疫受體（Primeval Immune Receptor）中。這個領(lǐng)域中使用的主要工具是系統(tǒng)發(fā)育分析（Phylogeny Analysis）及其相關(guān)的所有數(shù)學(xué)模型[56]。

另一個系統(tǒng)發(fā)育概念和方法的應(yīng)用是B細(xì)胞的體超變異[57]（Somatic Hyper Mutations，SHM）分析。在生發(fā)中心反應(yīng)過程中，通過活化誘導(dǎo)胞嘧啶脫氨酶（Activation-Induced Cytidine Deaminase，AID），B細(xì)胞的受體基因發(fā)生超變異。隨著克隆性增殖，B細(xì)胞受體基因平均每分裂一次就發(fā)生一次超變異，導(dǎo)致突變克隆的產(chǎn)生。這些克隆表現(xiàn)為微進化（Micro-Evolution），可以很容易地在實驗室中研究。對B細(xì)胞系統(tǒng)發(fā)育樹（Phylogenetic）以及它們與其它因素關(guān)系的分析，比如老化和自身免疫疾病，也已開始研究[58]。

2.5分子生物信息學(xué)和表遺傳學(xué)

在分子生物信息學(xué)（Molecular Bioinformatics）和表遺傳學(xué)（Epigenetics）的研究過程中[59]，隨著分子信息研究水平不斷提高，在免疫學(xué)中應(yīng)用模型水平的精細(xì)程度也不斷提高。免疫學(xué)的一個特殊方面是需要將信號轉(zhuǎn)導(dǎo)（Signal Transduction）與基因重排結(jié)合起來建模。現(xiàn)已建立了不同條件下的B和T細(xì)胞內(nèi)的基因重排過程和淋巴細(xì)胞信息轉(zhuǎn)導(dǎo)的模型[60-61]。從分子角度來講，另一個重要的分子建模是在抗原提呈給T細(xì)胞之前，對抗原處理過程的分析。

2.6高通量研究方法

免疫學(xué)是典型的、以免疫假說和免疫原理為基礎(chǔ)的研究領(lǐng)域。免疫學(xué)是最晚轉(zhuǎn)向以數(shù)據(jù)為基礎(chǔ)的、目前已在其它生物學(xué)領(lǐng)域中應(yīng)用的高通量方法。近5年，在這一領(lǐng)域已取得了很大的進展。這些進展是依靠來自生物學(xué)其它領(lǐng)域的經(jīng)典基因表達(dá)的自適應(yīng)和定位技術(shù)[62][63]，以及針對免疫學(xué)的新技術(shù)的發(fā)展取得的。免疫學(xué)領(lǐng)域主要依靠實驗手段，但實驗所取得的結(jié)果卻是應(yīng)當(dāng)屬于理論免疫學(xué)的范疇，并且與復(fù)雜科學(xué)密切相關(guān)。

在基因重排過程中應(yīng)用熒光原位雜交技術(shù)[64]（FISH techniques）來定位基因是一個令人興奮的、對免疫學(xué)來說更具有針對性的研究進展。這些測量手段使我們在研究基因重排過程中，能夠確定受體不同部分之間的相互作用。

另一個對免疫系統(tǒng)來說具有針對性的工具是抗原芯片（Antigen Chips）的發(fā)展。這些芯片可同時測量B細(xì)胞對成百上千種抗原的應(yīng)答，并提供整個免疫系統(tǒng)的系統(tǒng)表達(dá)[65]。在這類分析中使用的主要數(shù)學(xué)工具是聚類方法（Clustering Methods）。

2.7 免疫組學(xué)

目前，在理論免疫學(xué)中，最璀璨的研究領(lǐng)域可能就是新產(chǎn)生的免疫組學(xué)。這個年輕的學(xué)科已經(jīng)擁有了自己的雜志《immunomic research》(省略)。免疫組學(xué)的主要目標(biāo)是全方位地研究免疫系統(tǒng)[66][67]。這個領(lǐng)域采用實驗與理論相結(jié)合的工具。免疫組學(xué)目前正在研究的項目有：全部T細(xì)胞抗原決定基檢測；全B細(xì)胞抗體庫的定義及其在不同情況下的變化方式；自身免疫性疾病相關(guān)的所有基因位點的檢測。這個新生領(lǐng)域的成果還有限，但是在不到10年內(nèi)，免疫學(xué)建模將會從基于預(yù)定假設(shè)（Predefined Hypotheses）的理論問題研究轉(zhuǎn)向?qū)γ庖呦到y(tǒng)受體和靶目標(biāo)充分認(rèn)識的、具有針對性的建模。

當(dāng)前，理論免疫尚處于探索和發(fā)展階段，許多方法和理論還很不完善，它的應(yīng)用雖然取得某些成功，但仍是低水平、粗略，甚至是勉強的。許多更復(fù)雜的免疫學(xué)問題至今未能找到相應(yīng)的數(shù)學(xué)方法進行研究，還有一些免疫核心問題還存在爭議。這就需要未來的醫(yī)學(xué)工作者具備更多的數(shù)學(xué)知識，對免疫學(xué)和數(shù)學(xué)都有更深入的了解，這樣才有可能讓免疫學(xué)研究更多地借助數(shù)學(xué)的威力，進入更高的境界。

參考文獻

[1] 漆安慎, 杜嬋英. 免疫的非線性模型. 上海: 上海科技教育出版社, 1998:iv.

[2] Raina S. Robeva, James R. Kirkwood, Robin L. Davies, et. al. An Invitation to Biomathematics. 北京: 科學(xué)出版社, 53-129.

[3] 馬知恩. 種群生態(tài)學(xué)的數(shù)學(xué)建模與研究. 安徽: 安徽教育出版社, 1996: 5-40.

[4] 陳蘭蓀, 孟新柱, 焦建軍. 生物動力學(xué). 北京: 科學(xué)出版社, 2009: 77-177.

[5] 李濤. 計算機免疫學(xué). 北京: 電子工業(yè)出版社, 2004: 147-203.

[6] 陸征一, 周義倉. 北京: 科學(xué)出版社, 2004: 58-73.

[7] A. S. Perelson and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71.

[8] A. S. Peielson. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands heaiing two chemically distinct functional groups. Math. Biosci. 1980, 49:87.

[9] A. S. Perelsoii. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: descriptioii by ligand states. Math. Biosci. 1981, 53:1.

[10] Perelson, A. S., and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71110.

[11] Perelson, A. S. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands bearing two chemically distinct functional groups. Math. Biosci. 1980, 49:87110.

[12] Perelson, A. S. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: description by ligand states. Math. Biosci. 1981, 53:139.

[13] Perelson, A. S. Some mathematical models of receptor clustering by multivalent ligands. In Cell Surface Dynamics: Concepts and Models. A. S. Perelson, C. DeLisi, and F. W. Wiegel, editors. Marcel Dekker, New York. 1984, 223276.

[14] N. K. Jerne. Towards a network theory of the immune system. Ann. Immunol. (Inst. Pasteur), 1974(125C), 373-389.

[15] Coutinho A. "The network theory: 21 years later". Scand. J. Immunol. 1995, 42 (1): 38.

[16] Campelo F, Guimares FG, Igarashi H, Ramírez JA, Noguchi S. "A Modified Immune Network Algorithm for Multimodal Electromagnetic Problems". IEEE Trans. Magnetics2006,42 (4): 11111114.

[17] Polly Matzinger and Galadriel Mirkwood. In a fully H-2 incompatible chimera, T cells of donor origin can respond to minor histocompatibility antigens in association with either donor or host H-2 type. Journal of Experimental Medicine, 1978(148): 84-92. [18] Matzinger P. The danger model: a renewed sense of self. Science 2002; 296: 3015.

[19] Cohen IR, Young DB. "Autoimmunity, microbial immunity and the immunological homunculus." Immunol Today 1991; 12(4):105-10.

[20] Cohen IR. "The immunological homunculus and autoimmune disease," in Molecular Autoimmunity, ed. Talal N., Academic Press, USA 1991, pp.438-453.

[21] Cohen IR. "The cognitive paradigm and the immunological homunculus." Immunol Today 1992; 13(12):490-4.

[22] Cohen IR. "The meaning of the immunological homunculus." Isr J Med Sci 1993; 29(2-3):173-4.

[23] Cohen IR. "Kadishman’s Tree, Escher’s Angels, and the Immunological Homunculus," in Autoimmunity: Physiology and Disease, eds. Coutinho A, Kazatchkine MD. Wiley-Liss, Inc.1994 pp.7-18.

[24] Cohen IR. "Peptide therapy for Type I diabetes: the immunological homunculus and the rationale for vaccination." Diabetologia 2002 Oct;45(10):1468-74.

[25] Gonzalez G, Montero E, Leon K, Cohen IR, Lage A. "Autoimmunization to epidermal growth factor, a component of the immunological homunculus." Autoimmun Rev. 2002 Feb;1(1-2):89-95.

[26] Cohen IR. "Immune system computation and the immunological homunculus." MoDELS 2006, in O. Niestrasz et al. (Eds). Springer-Verlag, Berlin, pp. 499-512, 2006.

[27] Cohen IR. (2007) "Biomarkers, self-antigens and the immunological homunculus." J. Autoimmun., 2007 Dec;29(4):246-9.

[28] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: A Discrete Models of Cellular/Humoral Responses. ACRI 2000: 117-125.

[29] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: IMMSIM, a flexible model for in machina experiments on immune system responses. Future Generation Comp. Syst. 2002, 18(7): 961-972

[30] Stefania Bandini, Franco Celada, Sara Manzoni, Roberto Puzone, Giuseppe Vizzari: Modelling the Immune System with Situated Agents. WIRN/NAIS 2005: 231-243.

[31] Stefania Bandini, Franco Celada, Sara Manzoni, Giuseppe Vizzari: Modelling the immune system: the case of situated cellular agents. Natural Computing 2007, 6(1): 19-32.

[32] De Boer, R.J. and A.S. Perelson (1994) T cell repertoires and competitive exclusion. J. theor. Biol. 169, 375-390.

[33] Perelson, A. S.1989. Immune network theory. Immunological Reviews 110, 5-36.

[34] Sulzer, B., De Boer, R.J. and A.S. Perelson (1996) Crosslinking reconsidered. I Binding and crosslinking fields and the cellular response. Biophys. J. 70, 1154-1168.

[35] Meier-Schellersheim M, et al. Key role of local regulation in chemosensing revealed by a new molecular interaction-based modeling method. PLoS Comput Biol. 2006;2(7):e82.

[36] M. Meier-Schellersheim, G. Mack. SIMMUNE, a tool for simulating and analyzing immune system behavior. 1999 cs.MA/9903017.

[37] Meyer-Hermann M. A mathematical model for the germinal center morphology and affinity maturation. J Theor Biol 2002;216:273300.

[38] Kleinstein SH, Singh JP. Why are there so few key mutant clones? The influence of stochastic selection and blocking on affinity maturation in the germinal center. Int Immunol 2003;15:871884.

[39] Efroni S, Harel D, Cohen IR. Toward rigorous comprehension of biological complexity: modeling, execution, and visualization of thymic T-cell maturation. Genome Res 2003;13:24852497.

[40] Efroni, E., Harel, D. & Cohen, I. R. 2003 Towards rigorous comprehension of biological complexity: modelling, execution and visualization of Thymic T cell maturation. Genome Res. 13, 24852497.

[41] Alexandros Pertsinidis, Yunxiang Zhang, Steven Chu. Subnanometre single-molecule localization, registration and distance measurements. Nature, 2010 466(7), 647651

[42] Nudelman G, Louzoun Y. The role of lipid rafts in cell surface BCR antigen binding dynamics. EMBC 2004. Conference Proceedings, 26th Annual International Conference of the Engineering in Medicine and Biology Society.

[43] Nudelman G, Louzoun Y. Cell surface dynamics: the balance between diffusion, aggregation and endocytosis. Syst Biol (Stevenage) 2006;153:3442.

[44] Chakraborty A. How and why does the immunological synapse form? Physical chemistry meets cell biology. Sci STKE 2002;2002:PE10.

[45] Li QJ, et al. CD4 enhances T cell sensitivity to antigen by coordinating Lck accumulation at the immunological synapse. Nat Immunol 2004;5:791799.

[46] Kesmir C, De Boer RJ. A mathematical model on germinal center kinetics and termination. J Immunol 1999;163:24632469.

[47] Kleinstein SH, Singh JP. Toward quantitative simulation of germinal center dynamics: biological and modeling insights from experimental validation. J Theor Biol 2001;211:253275.

[48] Meyer-Hermann M, Beyer T. Conclusions from two model concepts on germinal center dynamics and morphology. Dev Immunol 2002;9:203214.

[49] Meyer-Hermann ME, Maini PK. Cutting edge: back to ‘‘one-way’’ germinal centers. J Immunol 2005;174:24892493.

[50] Lefranc MP. Nomenclature of the human immunoglobulin kappa (IGK) genes. Exp Clin Immunogenet 2001;18:161174.

[51] Bromley SK, et al. The immunological synapse. Annu Rev Immunol 2001;19: 375396.

[52] Monod MY, Giudicelli V, Chaume D, Lefranc MP. IMGT/JunctionAnalysis: the first tool for the analysis of the immunoglobulin and T cell receptor complex V-J and V-D-J JUNCTIONs. Bioinformatics 2004; 20(Suppl.):I379I385.

[53] Ruiz M, Pallares N, Contet V, Barbi V, Lefranc MP. The human immunoglobulin heavy diversity (IGHD) and joining (IGHJ) segments. Exp Clin Immunogenet 1999;16:173184.

[54] Ruiz M, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 2000;28:219221.

[55] Lefranc MP, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 1999;27:209212.

[56] Mehr AJ, Ardakani MJ, Hedayati M, Shahraz S, Mehr EJ, Zali MR. Age-specific seroprevalence of hepatitis A infection among children visited in pediatric hospitals of Tehran, Iran. Eur J Epidemiol 2004;19:275278.

[57] Kleinstein SH, Louzoun Y, Shlomchik MJ. Estimating hypermutation rates from clonal tree data. J Immunol 2003;171:46394649.

[58] Eason DD, Cannon JP, Haire RN, Rast JP, Ostrovd DA, Litman GW. Mechanisms of antigen receptor evolution. Semin Immunol 2004;16:215226.

[59] Gay NJ, Gangloff M, Weber AN. Toll-like receptors as molecular switches. Nat Rev Immunol 2006;6:693698.

[60] Mehr R. Modeling the meta-dynamics of lymphocyte repertoires. Arch Immunol Ther Exp (Warsz) 2001;49:111120.

[61] Mehr R, Edelman H, Sehgal D, Mage R. Analysis of mutational lineage trees from sites of primary and secondary Ig gene diversification in rabbits and chickens. J Immunol 2004;172:47904796.

[62] Argyropoulos C, et al. Mining microarray data to identify transcription factors expressed in naive resting but not activated T lymphocytes. Genes Immun 2004;5: 1625.

[63] Choi YL, et al. DNA microarray analysis of natural killer cell-type lymphoproliferative disease of granular lymphocytes with purified CD3-CD56? fractions. Leukemia 2004;18:556565.

[64] Singh N, Bergman Y, Cedar H, Chess A. Biallelic germline transcription at the kappa immunoglobulin locus. J Exp Med 2003; 197:743750.

[65] Quintana FJ, Hagedorn PH, Elizur G, Merbl Y, Domany E, Cohen IR. Functional immunomics: microarray analysis of IgG autoantibody repertoires predicts the future response of mice to induced diabetes. Proc Natl Acad Sci USA 2004;101(Suppl.): 1461514621.

[66] Lauwerys BR, Wakeland EK. Genetics of lupus nephritis. Lupus 2005;14:212.

篇5

代謝組學(xué)(metabonomics)是繼基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)之后新近發(fā)展起來的一門學(xué)科，是系統(tǒng)生物學(xué)的重要組成部分。代謝組學(xué)主要研究生物對外源性物質(zhì)所引起的病理生理反應(yīng)，以及對遺傳變異的應(yīng)答和內(nèi)源性代謝物的動態(tài)變化，它通過對生物體液和組織中隨時間改變的代謝物進行檢測、確定、定量和分類，將這些代謝信息與病理生理過程中生物學(xué)事件關(guān)聯(lián)起來，以監(jiān)測活細(xì)胞中化學(xué)變化。基因組學(xué)和蛋白質(zhì)組學(xué)分別從基因和蛋白質(zhì)層面探尋生命的活動，而實際上細(xì)胞內(nèi)許多生命活動是與代謝物相關(guān)的，是受代謝物調(diào)控的。基因與蛋白質(zhì)的表達(dá)緊密相連，而代謝物則更多地反映了細(xì)胞所處的環(huán)境，這又與細(xì)胞的營養(yǎng)狀態(tài)、藥物以及其它外界因素的影響密切相關(guān)。因此，有學(xué)者認(rèn)為，基因組學(xué)和蛋白質(zhì)組學(xué)能夠說明可能發(fā)生的事件，而代謝組學(xué)則反映確實已經(jīng)發(fā)生了的事情[1]。　代謝組學(xué)強調(diào)把人體作為一個完整的系統(tǒng)來研究，通過測定人體各種體液內(nèi)代謝物的組成變化來認(rèn)識和反映人體代謝網(wǎng)絡(luò)在疾病和藥物作用下的變化規(guī)律。這對于揭示復(fù)雜性疾病的機理和藥物的代謝模式具有獨特的優(yōu)勢，與中醫(yī)學(xué)的整體觀、系統(tǒng)觀和辨證論治思維非常吻合，也與中醫(yī)重視從人與自然、人與社會和人體內(nèi)在的普遍聯(lián)系和動態(tài)變化去分析、認(rèn)識把握疾病發(fā)生、發(fā)展、變化的客觀規(guī)律的認(rèn)識一致。因此，專家認(rèn)為，人類基因組計劃第一次使西方醫(yī)學(xué)擺脫了還原論的束縛，在繼續(xù)強調(diào)分析的同時，更加重視分析和綜合的統(tǒng)一。人類基因組計劃和隨后發(fā)展的各種“組學(xué)”技術(shù)把生物學(xué)研究帶入了系統(tǒng)科學(xué)的時代。組學(xué)的出現(xiàn)不是對個別基因或個別蛋白、代謝物的研究，而是對一個細(xì)胞或?qū)φ麄€生命體的基因以及它所編碼的蛋白質(zhì)和代謝產(chǎn)物的研究。物理學(xué)、化學(xué)、計算機科學(xué)、信息科學(xué)、工程科學(xué)現(xiàn)在都已極大地融合到生命科學(xué)的研究之中，重視生命科學(xué)的復(fù)雜性和整體性研究已成為21世紀(jì)生命科學(xué)的發(fā)展趨勢；甚至有專家認(rèn)為，中西醫(yī)藥學(xué)在各自的發(fā)展中逐步整合，形成創(chuàng)新醫(yī)藥學(xué)體系的歷史機遇正悄然來臨。

1 代謝組學(xué)技術(shù)

代謝組學(xué)主要研究的是作為各種代謝路徑的底物和產(chǎn)物的小分子代謝物(MW

1.1 核磁共振技術(shù)

在代謝組學(xué)的研究中最常見的分析工具是NMR，主要是氫譜(1H NMR)、碳譜(13C NMR)及磷譜(31P NMR)三種，特別是1H NMR。NMR是一種基于具有自旋性質(zhì)的原子核在核外磁場作用下，吸收射頻輻射而產(chǎn)生能級躍遷的譜學(xué)技術(shù)。該技術(shù)于20世紀(jì)70年代初開始應(yīng)用于生物醫(yī)學(xué)的研究并得到迅速發(fā)展。利用高分辨率NMR技術(shù)對完整器官或組織細(xì)胞內(nèi)許多微量代謝組分進行檢測，可得到相應(yīng)的生物體代謝物信息，研究這些組分的NMR圖譜，綜合分析這些信息所反映的生物學(xué)意義，可以了解生物體代謝的規(guī)律，得出科學(xué)的結(jié)論。NMR方法具有無損傷性，不會破壞樣品的結(jié)構(gòu)和性質(zhì)，可在接近生理條件下進行實驗，可在一定的溫度和緩沖液范圍內(nèi)選擇實驗條件；可以進行實時和動態(tài)的檢測；可設(shè)計多種編輯手段，實驗方法靈活多樣，滿足了代謝組學(xué)對盡可能多的化合物進行檢測的目標(biāo)。NMR還有一個重要的特點，就是沒有偏向性，對所有化合物的靈敏度是一樣的。1H NMR譜峰與樣品中各化合物的氫原子是一一對應(yīng)的，所測樣品中的每一個氫原子在圖譜中都有其相關(guān)的譜峰，圖譜中信號的相對強弱反映樣品中各組分的相對含量。因此，NMR方法很適合研究代謝產(chǎn)物中的復(fù)雜成分。從一維高分辨1H NMR圖可得到代謝物成分圖譜，即代謝指紋圖譜。對這種特質(zhì)性進行區(qū)分、鑒定，被稱為“代謝指紋分析(metabolic fingerprint analysis)”，幫助找出機體代謝的共性與個性。對某一代謝物或組合隨時間變化的情況鑒定描述稱之為“代謝輪廓分析(metabolic profiling analysis)”，觀察特定干預(yù)的動態(tài)系統(tǒng)中，找出機體代謝變化的規(guī)律。隨著NMR技術(shù)的發(fā)展，以前用于固體的魔角旋轉(zhuǎn)(MAS)技術(shù)被移植到液體領(lǐng)域，使得人們可以研究以前難以用液體NMR 研究的樣品，如器官組織樣品。利用MAS技術(shù)，人們可以得到完整的組織樣品高分辨譜圖，擴展了代謝組學(xué)研究的樣品范圍，同時可以更全面地對一個系統(tǒng)進行深入的研究[2]。

在得到1H NMR譜圖之后，通常以δ0.04為單位，將譜圖劃分成若干區(qū)域，并對所有區(qū)域進行積分，然后將積分值歸一化后輸出。在得到了這些數(shù)據(jù)之后，就可以利用模式識別(patten recognition，PR)方法來處理和分析這些數(shù)據(jù)，得出有價值的生物學(xué)信息。在代謝組學(xué)的研究中，最簡單常用也是比較有效的模式識別方法是主成分分析法(principal component analysis，PCA)。PCA的特點是將分散在一組變量上的信息集中到某幾個綜合指標(biāo)即主成分(principal component，PC)上，利用這些主成分來描述數(shù)據(jù)集內(nèi)部結(jié)構(gòu)，實際上也起著數(shù)據(jù)降維的作用。主成分是由原始變量按一定的權(quán)重經(jīng)線性組合而成的新變量，這些變量具有以下性質(zhì)：①任意兩個主成分之間都是正交的；②第1個主成分包含了數(shù)據(jù)集的絕大部分方差，第2個主成分則次之，依次類推。這樣，由前2個或3個主成分作圖，就能夠很好地反映數(shù)據(jù)集所包含的生物化學(xué)變化。這樣的主成分圖能夠直觀地描述藥物作用到器官之后，或者基因改變之后生物體內(nèi)的代謝模式的變化。每一個樣本在主成分圖上的位置純粹由它的代謝反應(yīng)所決定。在這種比較簡單的方法中，將從受試動物得到的樣本與NMR產(chǎn)生的代謝組數(shù)據(jù)庫進行比較，就可以確定它在主成分圖上的位置，從而確定其機制，并有可能找到生物標(biāo)志物。處于相似病理生理狀態(tài)的動物得到的樣本通常具有相似的組分，因此，在主成分圖中也處于相似的位置。另外，一些環(huán)境因素和性別、飲食等因素都會影響分析結(jié)果，故需要采用濾噪技術(shù)，如正交信號校正(orthogonal signal correction)，同時采用更為復(fù)雜的分析方法，如偏最小二乘法、判別分析(PLS-DA)和人工神經(jīng)網(wǎng)絡(luò)。用這類方法可以建立復(fù)雜的數(shù)學(xué)模型，對未知樣本進行預(yù)測分析。NMR技術(shù)在代謝組學(xué)中的應(yīng)用越來越廣泛，但儀器價格及維護費用昂貴限制了該技術(shù)的進一步普及。

1.2 質(zhì)譜技術(shù)

質(zhì)譜(MS)技術(shù)是將離子化的原子、分子或是分子碎片按質(zhì)量或是質(zhì)荷比(m/e)大小順序排列成圖譜，并在此基礎(chǔ)上，進行各種無機物、有機物的定性或定量分析。新的離子化技術(shù)則使質(zhì)譜技術(shù)的靈敏度和準(zhǔn)確度均有很大程度的提高。將預(yù)處理的體液或是組織，加至質(zhì)譜儀，經(jīng)歷汽化、離子化、加速分離及檢測分析后即可得出相應(yīng)代謝產(chǎn)物或是代謝組的圖譜。圖譜中每個峰值對應(yīng)著相應(yīng)的分子量，結(jié)合進一步的檢測分析可以部分鑒定出化學(xué)成分以及半定量關(guān)系。不同組別的質(zhì)譜圖存在差異，加以區(qū)別、鑒定，亦有助于研究代謝的變化規(guī)律及標(biāo)志性代謝產(chǎn)物[3]。

NMR技術(shù)與MS技術(shù)相比，各有其優(yōu)缺點，需要在研究中靈活選用。總體而言，NMR技術(shù)應(yīng)用的更為廣泛。此外，根據(jù)代謝組學(xué)的研究需要，還常用于其他的一些分析技術(shù)，如GC、HPLC、高效毛細(xì)管電泳(HPCE)等，它們往往與NMR或MS技術(shù)聯(lián)用，進一步增加其靈敏性。

2 代謝組學(xué)技術(shù)與中醫(yī)證候的研究

辨證論治是中醫(yī)藥理論的核心。其實質(zhì)是根據(jù)個體心身特點及其當(dāng)時的疾病反應(yīng)狀態(tài)而有針對性地進行個體化的治療和預(yù)防，從而達(dá)到最佳治療效果。中醫(yī)的“證”是論治的起點和核心。“證”是指在疾病的發(fā)生、發(fā)展過程中，一組具有內(nèi)在聯(lián)系的、能夠反映疾病過程在某一階段的病理病機，是機體對體內(nèi)外各種環(huán)境變化和致病因素作出反應(yīng)的一種功能狀態(tài)，其外候表現(xiàn)為一組有相互關(guān)聯(lián)的癥狀和體征群。辨證施治既不同于對癥治療，也不同于西醫(yī)的辨病治療。由于每一個證候都有其外象(外候)與內(nèi)涵，外候是望、聞、問、切四診所獲得的信息整理而得，很難量化，即使用流行病學(xué)方法加以演繹，依靠專家的經(jīng)驗打分，最多亦只是半定量，很大程度上依賴于醫(yī)生的診療水平。由于辨證是由外揣內(nèi)，在具體運用上受到醫(yī)患雙方主觀因素的影響，難以客觀化和量化，所以必須通過“證”的內(nèi)涵研究。采用代謝組學(xué)技術(shù)，通過對某一病證相關(guān)特定組分的共性加以分析、判斷，能夠幫助人們更好地理解病變過程及機體內(nèi)物質(zhì)的代謝途徑和代謝狀況；同時，代謝組學(xué)還有助于疾病的生物標(biāo)記物的發(fā)現(xiàn)而達(dá)到輔助臨床診斷的目的。它能夠通過檢測不同時間患者的尿液或血液，對這些由疾病引起的代謝產(chǎn)物的響應(yīng)進行分析，即代謝物組的分析，其準(zhǔn)確性依賴于儀器的性能，可以提高診治的科學(xué)化、定量化，避免了人為因素的誤診。

成都中醫(yī)藥大學(xué)王米渠教授用基因芯片的方法研究中醫(yī)寒證患者，發(fā)現(xiàn)寒證的基因表達(dá)譜有顯著差異，在59條差異表達(dá)基因中，絕大多數(shù)與代謝(能量代謝、蛋白質(zhì)代謝等)有關(guān)，說明寒證患者的代謝網(wǎng)絡(luò)有別于常人。上海交通大學(xué)藥學(xué)院實驗室采用代謝組學(xué)研究發(fā)現(xiàn)腎陽虛模型動物的代謝網(wǎng)絡(luò)明顯偏離正常組動物，而用溫陽中藥干預(yù)后，模型動物的代謝譜回歸至正常范圍，呈現(xiàn)網(wǎng)絡(luò)修復(fù)的結(jié)果[4]。

本課題組以慢性束縛方法制作應(yīng)激大鼠模型，運用動物行為學(xué)評定和以方測證等方法確定該模型為肝郁脾虛證候模型[5-10]。經(jīng)NMR數(shù)據(jù)采集與分析發(fā)現(xiàn)：①正常組與模型組之間存在代謝產(chǎn)物譜的顯著差異，也就是說正常組與以慢性束縛方法制作應(yīng)激大鼠肝郁脾虛證模型組之間有著代謝產(chǎn)物的不同。②模型組隨著造模時間長短的不同，其代謝產(chǎn)物有所變化。③中醫(yī)證候之間可能存在著非常明顯的代謝產(chǎn)物的不同，這種不同是基于不同證候存在著不同物質(zhì)代謝或其代謝網(wǎng)路的改變。中醫(yī)證候的生物學(xué)基礎(chǔ)也可能從代謝組學(xué)研究中找出特異的標(biāo)志性代謝產(chǎn)物，用生物信息學(xué)方法分析生物標(biāo)志物的功能，來確定“證相關(guān)代謝譜群”。基于這些研究，我們提出中醫(yī)證候的定義：證是機體對體內(nèi)外各種環(huán)境變化和致病因素作出反應(yīng)的一種功能狀態(tài)，其外候表現(xiàn)為一組有相互關(guān)聯(lián)的癥狀和體征群，其本質(zhì)是機體失衡而致的代謝或其網(wǎng)路的改變。

3 中醫(yī)證候代謝組學(xué)研究的方法

中醫(yī)證候代謝組學(xué)研究技術(shù)是通過采集證候樣本或模型動物的血漿、尿樣品并進行代謝產(chǎn)物譜分析，得到各自的代謝產(chǎn)物譜，找出特異的標(biāo)志性代謝產(chǎn)物，用生物信息學(xué)方法分析生物標(biāo)志物的功能，以確定“證相關(guān)代謝譜群”。也可以用方證反證的方式驗證方藥的作用機理和進行方證相關(guān)性的研究。值得注意的是，現(xiàn)已證明動物體的內(nèi)源性代謝產(chǎn)物與生理條件下的各種變化有關(guān)，如性別、年齡、個體間的健康狀況、遺傳差異性、外源因素晝夜節(jié)律更替、飲食、溫度、覺醒等刺激，甚至周圍氣候不同、菌群的改變，代謝組也可發(fā)生種類及數(shù)量的差別。因此，建立生理條件下對代謝譜的正確認(rèn)識，是研究各種病理條件或刺激干預(yù)的前提。

代謝組學(xué)正處于快速發(fā)展的階段，日益成為研究的熱點。高通量、高分辨率的分析技術(shù)與生物信息學(xué)相整合，從生物代謝層面進行研究，提供了了解生物體的獨特視角。代謝組學(xué)研究側(cè)重于尋找相關(guān)特定組分的共性并加以分析、判斷，使診斷、治療力求個體化，如何把握個體及小樣本群體的特質(zhì)是今后努力的方向。代謝組學(xué)最終是要將研究的觸角涉及每一個代謝組分，研究其共性、特性及規(guī)律。在分析手段方面，各種技術(shù)都各有所長，怎樣進行優(yōu)勢互補，使得各種分析技術(shù)的數(shù)據(jù)能統(tǒng)一、交叉驗證也是一個亟待解決的問題。而且代謝狀態(tài)變化之迅速，影響因素之多，都給個體化研究帶來很大的困難。如何將代謝組學(xué)技術(shù)和方法與傳統(tǒng)的中醫(yī)學(xué)理論結(jié)合起來，并遵循循證醫(yī)學(xué)的原則開展中醫(yī)藥的理論與臨床研究將是未來中醫(yī)方證研究的重點。

參考文獻

[1] Gennan JB，Bauman DE，Burrrin DG，et al.Metabolomics in the opening decade of the 21st century：building the roads to inpidualized health[J].J Nutn，2004，134(10)：2729.

[2] 劉昌孝.代謝組學(xué)的發(fā)展與藥物研究開發(fā)[J].天津藥學(xué)，2005，17(2)：1－6.

[3] 陳慧梅.代謝組學(xué)及其研究方法和應(yīng)用[J].腎臟病與透析腎移植雜志， 2005，14(1)：59－63.

[4] 賈 偉，蔣 健，劉 平，等.代謝組學(xué)在中醫(yī)藥復(fù)雜理論體系研究中的應(yīng)用[J].中國中藥雜志，2006，31(8)：621－624.

[5] 陳家旭，李 偉，趙 歆，等.慢性束縛應(yīng)激大鼠海馬腦啡肽mRNA和前強啡肽mRNA表達(dá)及中藥復(fù)方的影響[J].中國應(yīng)用生理學(xué)雜志，2005，21(2)：121－125.

[6] 徐洪雁，趙 歆，陳家旭，等.慢性束縛應(yīng)激大鼠海馬CA1區(qū)L-ENK的變化及逍遙散的調(diào)節(jié)作用[J].世界科學(xué)技術(shù)－中醫(yī)藥現(xiàn)代化，2005，7(5)：18－22.

[7] 陳家旭，楊建新，趙 歆，等.慢性束縛應(yīng)激大鼠下丘腦-內(nèi)啡肽變化及中藥復(fù)方對其的影響[J].中國醫(yī)藥學(xué)報，2004，19(2)：83－85.

[8] 陳家旭，唐已婷.逍遙散對慢性束縛應(yīng)激模型大鼠相關(guān)腦區(qū)CRF基因表達(dá)的影響[J].中國應(yīng)用生理學(xué)雜志，2004，20(1)：71－74.

[9] 陳家旭，李 偉，趙 歆，等.三種中藥復(fù)方對慢性束縛應(yīng)激大鼠行為及皮層和海馬NT3的影響[J].北京中醫(yī)藥大學(xué)學(xué)報，2004，27(2)：19－23.

篇6

作者簡介：賈云杰（1982―），新鄉(xiāng)醫(yī)學(xué)院圖書館助理館員；劉林霞（1980―），新鄉(xiāng)醫(yī)學(xué)院圖書館館員；浮肖肖（1984―），新鄉(xiāng)醫(yī)學(xué)院圖書館助理館員。

循證醫(yī)學(xué) （ Evidence-based medicine，EBM），又稱實證醫(yī)學(xué)，是遵循臨床研究證據(jù)的醫(yī)學(xué)實踐過程和理念。著名臨床流行病學(xué)家Sacket D 教授將 EBM 定義為“慎重、準(zhǔn)確和明智地應(yīng)用所能獲得的最好研究依據(jù)來確定病人的治療措施”[1]。

循證醫(yī)學(xué)是臨床醫(yī)學(xué)與現(xiàn)代信息學(xué)、衛(wèi)生統(tǒng)計學(xué)、流行病學(xué)相結(jié)合的典范，其核心思想是任何臨床醫(yī)療決策的制定都應(yīng)以最新的系統(tǒng)評價結(jié)果為科學(xué)依據(jù)，而不能單憑醫(yī)生的臨床經(jīng)驗或依據(jù)少量相關(guān)文獻信息來決定病人的診治方案。循證醫(yī)學(xué)主要方法是檢索關(guān)于某種疾病診療方案的隨機對照實驗，運用現(xiàn)代信息學(xué)、衛(wèi)生統(tǒng)計學(xué)、流行病學(xué)方法對實驗結(jié)果進行嚴(yán)格的系統(tǒng)評價或分析（Meta―analysis），得出評價結(jié)果，為臨床研究和醫(yī)療決策提供可靠又準(zhǔn)確的科學(xué)證據(jù)。臨床醫(yī)務(wù)人員要依據(jù)循證醫(yī)學(xué)決定診療決策，需要醫(yī)學(xué)圖書館員利用圖書館豐富的信息資源、嫻熟的檢索技術(shù)和科學(xué)的統(tǒng)計方法對文獻信息進行辨別和評判，篩選確切的文獻，并對其進行加工、分析和凝練，形成更高層次的信息產(chǎn)品，從而更好地幫助醫(yī)生獲得最佳的醫(yī)學(xué)證據(jù)。因此，循證醫(yī)學(xué)研究應(yīng)該一種多學(xué)科相互融合、相互協(xié)作的跨學(xué)科科研模式，在這種研究模式下，高校圖書館的情報服務(wù)機構(gòu)為臨床醫(yī)生提供的循證醫(yī)學(xué)情報信息服務(wù)，就必須適應(yīng)循證醫(yī)學(xué)這種新興學(xué)科的特點，所需的情報資源必須經(jīng)過多學(xué)科人員協(xié)同式的信息挖掘、信息整合，才能為醫(yī)生提供有價值的循證醫(yī)學(xué)信息服務(wù)。

1 國內(nèi)循證醫(yī)學(xué)情報服務(wù)的現(xiàn)狀

“國外循證醫(yī)學(xué)環(huán)境下醫(yī)學(xué)院校圖書館的信息服務(wù)開展較早，目前已形成一定的模式。我國對于循證醫(yī)學(xué)信息服務(wù)發(fā)展模式的探討尚處于初步階段，發(fā)展機制還不健全，亟須在循證醫(yī)學(xué)實踐中逐步完善”[2]。

我國循證醫(yī)學(xué)起步較晚，但發(fā)展很快。1999年，我國在華西醫(yī)科大學(xué)成立了中國循證醫(yī)學(xué)（Cochrane）中心，并加入了國際循證醫(yī)學(xué)（Cochrane）協(xié)作網(wǎng)，這些舉措使循證醫(yī)學(xué)得到了更多的關(guān)注，極大地促進了我國循證醫(yī)學(xué)領(lǐng)域的發(fā)展。循證醫(yī)學(xué)研究有自己固有的模式：“以建立循證醫(yī)學(xué)臨床證據(jù)咨詢中心為服務(wù)基礎(chǔ)，以部分中心成員進入病房主動參與臨床實踐為輔助于段。服務(wù)過程分為；獲取問題、查詢證據(jù)、服務(wù)質(zhì)量評價等三個階段，通過服務(wù)質(zhì)量評價階段，中心成員既可以跟蹤所提供證據(jù)在臨床實踐中的有用性，也可以根據(jù)反饋對臨床情報服務(wù)工作進行調(diào)整和改進”[3]。在循證醫(yī)學(xué)信息服務(wù)過程中需要建立良好的溝通機制，主要體現(xiàn)在臨床證據(jù)的檢索、評價和提供整個過程，最終滿足醫(yī)師的臨床需要。

醫(yī)學(xué)圖書館及情報信息服務(wù)機構(gòu)充分認(rèn)識和掌握循證醫(yī)學(xué)的三個階段模式，有利于在循證過程中深入了解循證醫(yī)學(xué)中存在的信息轉(zhuǎn)化障礙，從而有針對性地開展相關(guān)信息服務(wù)，促進循證醫(yī)學(xué)中系統(tǒng)評價的順利進行。但由于在循證醫(yī)學(xué)研究中涉及醫(yī)學(xué)信息技能、臨床信息技能、預(yù)防醫(yī)學(xué)與公共衛(wèi)生、生物信息學(xué)及衛(wèi)生統(tǒng)計學(xué)等多個學(xué)科領(lǐng)域，因此，為循證醫(yī)學(xué)提供信息服務(wù)就需要具有較高信息技術(shù)素養(yǎng)，交流溝通能力，以及多學(xué)科縱深背景的復(fù)合型知識人才。但作為一個學(xué)科館員或者情報人員往往達(dá)不到多學(xué)科知識的要求，這就需要按照以上幾個方面的需要創(chuàng)立協(xié)同化科研情報服務(wù)團隊，從團隊的學(xué)科建設(shè)、服務(wù)模式、服務(wù)途徑等幾個方面來創(chuàng)新現(xiàn)有的情報信息服務(wù)策略，從而為國內(nèi)醫(yī)學(xué)圖書館、信息服務(wù)機構(gòu)組建循證醫(yī)學(xué)協(xié)同化情報服務(wù)團隊及創(chuàng)新信息服務(wù)的新模式提供參考。

2 組建協(xié)同化循證醫(yī)學(xué)服務(wù)團隊及完善相關(guān)信息資源

2.1 組建協(xié)同化循證醫(yī)學(xué)服務(wù)團隊

當(dāng)前很多高校圖書館情報機構(gòu)的人才結(jié)構(gòu)配備不合理、信息資源保障體系不完善、服務(wù)行為不規(guī)范、服務(wù)模式缺乏新意、信息服務(wù)內(nèi)容不深入、服務(wù)范圍狹窄等[4]，這些誤區(qū)容易導(dǎo)致圖書館的服務(wù)成為形象工程，影響高校圖書館的長遠(yuǎn)發(fā)展。因此，對組建協(xié)同化循證醫(yī)學(xué)服務(wù)團隊、完善相關(guān)數(shù)據(jù)庫信息資源系統(tǒng)進行研究，并根據(jù)發(fā)現(xiàn)的問題提出相應(yīng)的解決對策，具有重要的科學(xué)意義和實際指導(dǎo)作用。

2.1.1 有針對性地引進高素質(zhì)人才。①選擇具有圖書館情報學(xué)專業(yè)知識，專業(yè)技能強，業(yè)務(wù)素質(zhì)高的人才。②根據(jù)高校的學(xué)科優(yōu)勢或者學(xué)科特色選擇對口學(xué)科背景深，熟悉相關(guān)專業(yè)發(fā)展動態(tài)、發(fā)展前沿的人才。③選擇既有一定的醫(yī)學(xué)背景，又熟練圖書館情報專業(yè)知識和技能，可塑性強的復(fù)合型人才，為臨床醫(yī)生提供針對性的循證醫(yī)學(xué)信息服務(wù)。

2.1.2 加強對現(xiàn)有人才的開發(fā)，提升其綜合水平。在現(xiàn)有情報人員潛能開發(fā)方面，高校情報服務(wù)機構(gòu)在人才、資金、技術(shù)等有限的條件下，必須不斷加強現(xiàn)有人才的開發(fā)，提升其綜合水平。①從現(xiàn)有的人員中選拔既有一定的醫(yī)學(xué)背景又有圖書情報專業(yè)知識和技能的情報人員進行開發(fā)和培養(yǎng)，強化信息服務(wù)職業(yè)素養(yǎng)教育；加強對館員工作中的主動性、個性化、增值意識的培養(yǎng)；提升情報服務(wù)質(zhì)量的業(yè)務(wù)培訓(xùn)，包括知識發(fā)現(xiàn)、知識挖掘、數(shù)掘融合、推送技術(shù)、智能搜索等能力的培訓(xùn)，為用戶提供所急需的、個性化的、深層次的循證醫(yī)學(xué)信息等。②情報服務(wù)機構(gòu)應(yīng)為情報人員提供相關(guān)學(xué)科知識學(xué)習(xí)的機會，加深其對相關(guān)學(xué)科的了解，特別是醫(yī)學(xué)、生物信息學(xué)、衛(wèi)生統(tǒng)計學(xué)等，能熟練地運用計算機分析數(shù)據(jù)，并樹立他們終生學(xué)習(xí)的理念，確保情報人員的知識和能力不落伍，能及時掌握科研發(fā)展動態(tài)，從而更好地為臨床醫(yī)生提供相關(guān)的循證醫(yī)學(xué)信息服務(wù)。

2.2 循證醫(yī)學(xué)相關(guān)信息資源的建設(shè)

圍繞協(xié)同化循證醫(yī)學(xué)服務(wù)團隊，調(diào)查統(tǒng)計不同科研團隊的特色信息資源需求，以最大限度地滿足各個循證醫(yī)學(xué)科研團隊信息需求為前提，建設(shè)具有特色的數(shù)據(jù)庫信息資源，他是開展面向循證醫(yī)學(xué)協(xié)同化情報服務(wù)的基礎(chǔ)。筆者認(rèn)為高校圖書館在建設(shè)本校特色數(shù)據(jù)庫資源體系時勿追求“ 大而全”，而是從學(xué)校或者附屬醫(yī)院的優(yōu)勢學(xué)科，以及重點學(xué)科，相關(guān)協(xié)同化循證醫(yī)學(xué)服務(wù)團隊的信息需求等方面，要以“協(xié)調(diào)匹配、彰顯特色、成本節(jié)約、合理配置”為原則[5]，構(gòu)建有自己特色的文獻信息資源體系。同時，要盡可能地加強對數(shù)據(jù)庫、網(wǎng)絡(luò)資源的整合，建立一個集所有或大部分?jǐn)?shù)據(jù)資源的網(wǎng)絡(luò)化平臺、檢索界面，方便科研人員熟悉、利用數(shù)據(jù)庫資源[6]。[HJ1.25mm]

3 創(chuàng)新循證醫(yī)學(xué)信息服務(wù)的新模式

3.1 組建協(xié)同化循證醫(yī)學(xué)服務(wù)團隊

醫(yī)學(xué)情報服務(wù)機構(gòu)組建成協(xié)同化循證醫(yī)學(xué)服務(wù)團隊，完善相關(guān)數(shù)據(jù)庫信息資源建設(shè)以后，利用資源、技術(shù)和人才優(yōu)勢，積極開展情報信息服務(wù)，建立循證醫(yī)學(xué)情報信息匯集與分析平臺與機制，運用信息推送技術(shù)為循證醫(yī)學(xué)科研提供定題服務(wù)，共建共享信息資源，及時全面地傳遞、交流發(fā)展態(tài)勢，為科研團隊和科研人員提供一個共同交流、學(xué)習(xí)、合作和制定計劃的平臺。

3.2 為循證醫(yī)學(xué)科研團隊提供個性化情報信息

情報服務(wù)人員通過與臨床醫(yī)生的溝通與交流，全面客觀地分析醫(yī)生的循證醫(yī)學(xué)信息需求，通過相關(guān)信息情報收集、挖掘、知識發(fā)現(xiàn)等技術(shù)，對所收集情報信息資源進行篩選、統(tǒng)計分析和系統(tǒng)評價，為循證醫(yī)學(xué)科研團隊提供必要的、個性化的情報信息。通過交流反饋，持續(xù)跟蹤醫(yī)生的信息需求，定期向醫(yī)生提供最新動態(tài)的循證醫(yī)學(xué)實踐信息和醫(yī)學(xué)信息分析評價等，為循證醫(yī)學(xué)發(fā)展提供多方位的循證服務(wù)支撐。

3.3 為循證醫(yī)學(xué)科研工作者提供必要的知識服務(wù)

情報服務(wù)人員利用信息資源和信息技術(shù)優(yōu)勢，應(yīng)快速、準(zhǔn)確地為循證醫(yī)學(xué)科研工作的各階段，提供必要的知識服務(wù)。從循證醫(yī)學(xué)科研項目的定題、實施、系統(tǒng)評價以及科研成果的應(yīng)用，為循證醫(yī)學(xué)科研團隊提供可持續(xù)的、有針對性的情報信息服務(wù)。

篇7

“知識管理”的概念來自企業(yè)界，目前比較權(quán)威的定義認(rèn)為知識管理是對知識、知識創(chuàng)造過程和知識的應(yīng)用進行規(guī)劃和管理的活動。知識管理專業(yè)網(wǎng)站的創(chuàng)始人YogeshMalhotra認(rèn)為：“知識管理是當(dāng)企業(yè)面對日益增長的非連續(xù)性的環(huán)境變化時，針對組織的適應(yīng)性、組織的生存和競爭能力等重要方面的一種迎合性措施。本質(zhì)上，它包含了組織的發(fā)展進程，并尋求將信息技術(shù)所提供的對數(shù)據(jù)和信息的處理能力，以及人的發(fā)明能力這兩方面進行有機的結(jié)合。”美國學(xué)者卡爾•弗拉保羅認(rèn)為[1]:“知識管理就是運用集體的智慧提高應(yīng)變和創(chuàng)新能力”。我國學(xué)者烏家培認(rèn)為：“知識管理是信息管理發(fā)展的新階段，要求把信息與信息、信息與活動、信息與人連結(jié)起來，在人際交流的互動過程中，通過信息與知識的共享，運用群體的智慧進行創(chuàng)新，以贏得競爭優(yōu)勢。”雖然學(xué)術(shù)界對知識管理眾說紛紜，但是知識管理以人為中心、以信息為基礎(chǔ)、以創(chuàng)新為目標(biāo)的基本觀點卻是不容置疑的。知識管理的含義可簡單理解為：是應(yīng)用集體的智慧提高應(yīng)變和創(chuàng)新的能力[2]。其本質(zhì)在于把信息與信息、信息與人、信息與過程聯(lián)系起來，不僅對信息的收集、存儲、整理與傳遞進行系統(tǒng)、嚴(yán)密的組織管理，更進一步把握知識間的相互關(guān)系，創(chuàng)造一種隱性知識與顯性知識互動的機制與平臺，從而創(chuàng)造出新的知識去滿足社會發(fā)展的需要。

2高校醫(yī)學(xué)圖書館知識管理的必要性

2.1醫(yī)學(xué)模式轉(zhuǎn)變和用戶需求的變化對知識管理的需求

現(xiàn)代醫(yī)學(xué)模式從生物—醫(yī)學(xué)模式轉(zhuǎn)變?yōu)樯铩鐣睦砟Ｊ剑瑥亩厌t(yī)學(xué)引向更廣泛、更深入、更復(fù)雜的研究層次。現(xiàn)代醫(yī)學(xué)模式的出現(xiàn)，使醫(yī)學(xué)用戶與圖書館的關(guān)系顯得更為密切，醫(yī)學(xué)用戶除了必須掌握自己的專業(yè)知識外,還要學(xué)習(xí)哲學(xué)、醫(yī)學(xué)心理學(xué)、醫(yī)學(xué)倫理學(xué)、社會行為學(xué)等“人文科學(xué)”，如果沒有掌握相關(guān)的基礎(chǔ)知識，對患者的社會心理背景難以有深刻的理解，以致影響對患者的正確處理，醫(yī)學(xué)科學(xué)的發(fā)展在改變醫(yī)學(xué)模式的同時，還涌現(xiàn)出諸如醫(yī)學(xué)信息學(xué)、生物信息學(xué)、循證醫(yī)學(xué)等新興學(xué)科，因此充分認(rèn)識了自然科學(xué)與社會科學(xué)之間相互交叉、相互滲透的發(fā)展趨向，醫(yī)學(xué)用戶在疾病控制、臨床、科研工作中，引發(fā)對醫(yī)學(xué)知識、社會學(xué)知識的更多的需求，也更多地依賴圖書館學(xué)習(xí)科學(xué)知識，以提高綜合素質(zhì)。

2.2知識經(jīng)濟環(huán)境及信息技術(shù)革新要求圖書館實施知識管理

近20年來現(xiàn)代信息技術(shù)的快速發(fā)展，計算機的應(yīng)用，網(wǎng)絡(luò)技術(shù)的普及，從根本上動搖了醫(yī)學(xué)圖書館傳統(tǒng)的管理模式和服務(wù)方式，但是醫(yī)學(xué)圖書館管理思想停留在信息管理的階段。對知識資本構(gòu)成的全面性認(rèn)識不足，強調(diào)的只是對顯性知識的管理，而對人力資源隱性知識的重視不夠。知識管理是一種全新的管理理念和管理模式，它致力于將智力資本轉(zhuǎn)化為更大的生產(chǎn)力、競爭力和新價值。醫(yī)學(xué)圖書館的持續(xù)發(fā)展必須引進先進的管理模式，實現(xiàn)醫(yī)學(xué)圖書館的現(xiàn)代管理。

3高校醫(yī)學(xué)圖書館知識管理的實施策略

3.1引進知識管理模式

圖書館知識管理就是對顯性知識和隱性知識的搜集、整理、存儲和應(yīng)用，并使其充分發(fā)揮作用的過程。主要體現(xiàn)在以下三個方面：一是對顯性知識的序化，即對顯性知識加以序化組織，以便建立知識庫，供讀者使用；二是對隱性知識的發(fā)掘，即強調(diào)人是知識管理的核心，圖書館要建立一種創(chuàng)新、交流、學(xué)習(xí)和應(yīng)用知識的環(huán)境與激勵機制，培養(yǎng)知識型館員，建立人才庫；三是用知識管理的理念指導(dǎo)圖書館服務(wù)，充分發(fā)揮服務(wù)的價值和知識的價值，走知識服務(wù)之路[3]。

3.2構(gòu)建醫(yī)學(xué)知識庫

知識庫不同于數(shù)據(jù)庫和信息庫，知識庫中既儲存結(jié)構(gòu)化的內(nèi)容又儲存非結(jié)構(gòu)化的內(nèi)容。構(gòu)建知識庫并使其發(fā)揮作用，是知識管理的基礎(chǔ)。醫(yī)學(xué)圖書館內(nèi)部知識庫來源主要包括圖書館、檔案部門以文獻形式保存的知識和信息。可將其建成內(nèi)部顯性知識子庫，便于檢索和利用。外部知識庫來源主要有cochrance協(xié)作網(wǎng)，MEDLINE，OVID全文期刊數(shù)據(jù)庫，《中國生物醫(yī)學(xué)文獻數(shù)據(jù)庫》(CBMdisc)、《中國生物醫(yī)學(xué)期刊數(shù)據(jù)庫》（CMCC）,《中國學(xué)術(shù)期刊(光盤版)全文數(shù)據(jù)庫》，《萬方數(shù)據(jù)資源系統(tǒng)》，《中國科學(xué)引文數(shù)據(jù)庫》等等。因特網(wǎng)上有大量的醫(yī)學(xué)資源，除了基礎(chǔ)醫(yī)學(xué)、生物醫(yī)學(xué)和分子生物學(xué)資源外，還包括臨床醫(yī)學(xué)資源，都可作為外部知識庫的構(gòu)建基礎(chǔ)。

3.3加強人力資源管理

人力資源管理是知識管理的核心。圖書館員為讀者提供經(jīng)過整理、分析、綜合的信息資料，并為讀者提供信息咨詢服務(wù)，作為知識的管理者，圖書館員要轉(zhuǎn)變觀念，變被動服務(wù)為主動服務(wù)。圖書館不僅僅是一個服務(wù)部門，也是一個研究部門，圖書館職業(yè)不僅是一個服務(wù)性的職業(yè)，也是一個研究性的職業(yè)。今天的醫(yī)學(xué)圖書館員不再是守門員，而應(yīng)該是醫(yī)學(xué)信息專家，要集衛(wèi)生專業(yè)知識、情報專業(yè)知識、英語、計算機和網(wǎng)絡(luò)技能于一體的復(fù)合型人材，真正起到知識導(dǎo)航員的作用。重視館員的職業(yè)培訓(xùn)和終身教育，提高科技水平、獲取知識和創(chuàng)新知識的能力，引導(dǎo)發(fā)揮館員的智慧潛能。

3.4注意發(fā)揮高校醫(yī)學(xué)圖書館的優(yōu)勢和特色

高等醫(yī)學(xué)院校最主要的“產(chǎn)品”是培養(yǎng)各類型醫(yī)學(xué)人才。高校圖書館在這個培養(yǎng)和訓(xùn)練人才的過程中，扮演著提供信息和知識支持的重要角色。高校圖書館在擁有大量的各類型的靜態(tài)的學(xué)術(shù)信息資源的同時，還擁有可以適時更新的動態(tài)信息源，這是高校圖書館有別于其他信息服務(wù)機構(gòu)之處。并且由于各高校的歷史和專業(yè)特色的不同,各高校圖書館擁有的信息資源又有所不同,各具特色。高校圖書館進行知識管理的目的就是要實現(xiàn)其擁有的靜態(tài)資源和動態(tài)資源的完美結(jié)合,通過對兩者的深度挖掘,為信息用戶提供其所需的信息和知識服務(wù),從而達(dá)到服務(wù)效益的最大化,并由此建立起一個具有強大創(chuàng)新力兼具獨特性的組織系統(tǒng)。

篇8

關(guān)鍵詞：高等農(nóng)業(yè)院校；創(chuàng)新型人才

中圖分類號：G642.0 文獻標(biāo)志碼：A 文章編號：1674-9324（2015）33-0129-02

國務(wù)院頒布的“國家中長期教育改革和發(fā)展規(guī)劃綱要”中強調(diào)要通過人才培養(yǎng)改革試點，探索各級各類教育創(chuàng)新人才的培養(yǎng)途徑，創(chuàng)造有利于創(chuàng)新人才脫穎而出的外部環(huán)境，爭取將我國建設(shè)成為一個創(chuàng)新型國家。青島農(nóng)業(yè)大學(xué)生命科學(xué)學(xué)院于2010年在全校范圍內(nèi)首個建立創(chuàng)新人才培養(yǎng)實驗班（以下簡稱“創(chuàng)新班”），以此作為試點，從人才培養(yǎng)理念、培養(yǎng)目標(biāo)、選拔方案、運行管理、課程體系、教學(xué)模式、教學(xué)方法和評價方式幾個方面進行了大膽的探索和實踐，目的在于通過改革，為創(chuàng)新型人才的培養(yǎng)提供寬松、有利的環(huán)境，以期對全校本科創(chuàng)新人才的培養(yǎng)起到很好的推動和示范作用。

一、從人才培養(yǎng)理念正確理解什么是“創(chuàng)新人才”

目前，教育界對“創(chuàng)新人才”的定義存在不同的認(rèn)識。我們認(rèn)為，“創(chuàng)新人才”應(yīng)具有善于思考，勇于提出問題和解決問題這三個基本特性。而對于是否是通過獨立或者合作的方式來實現(xiàn)這三個基本特性，可以不做重點考量。此外，需要明確的是：大多數(shù)情況下，創(chuàng)新人才并不是在大學(xué)階段，甚至研究生教育階段的教育就能塑造成型。實際上，不同教育階段，包括高等教育階段，主要是從各個方面為創(chuàng)新人才的培養(yǎng)創(chuàng)造條件，引導(dǎo)、培養(yǎng)、教育學(xué)生具有善于思考，勇于提出問題和解決問題的能力，以期學(xué)生在日后的實踐鍛煉中最終成為本專業(yè)領(lǐng)域的創(chuàng)新型人才。

二、科學(xué)定位，確定創(chuàng)新人才培養(yǎng)目標(biāo)

專業(yè)定位和人才培養(yǎng)目標(biāo)應(yīng)充分考慮社會實際需求與學(xué)科特色，不應(yīng)該盲目效仿其他綜合性大學(xué)的培養(yǎng)模式，導(dǎo)致人才培養(yǎng)難以適應(yīng)地方經(jīng)濟發(fā)展的需求。根據(jù)高等教育人才培養(yǎng)目標(biāo)定位劃分，高校培養(yǎng)人才包括三種類型，即學(xué)術(shù)型人才、應(yīng)用型人才和實用型人才。地方高校教育要辦出特色，必須走應(yīng)用型創(chuàng)新人才培養(yǎng)之路。作為省屬農(nóng)業(yè)高校，青島農(nóng)業(yè)大學(xué)堅持“教育與農(nóng)業(yè)生產(chǎn)實踐相結(jié)合”的辦學(xué)思想，2013年成為山東省首批應(yīng)用型人才培養(yǎng)特色名校建設(shè)單位。創(chuàng)新班的人才培養(yǎng)定位是：主要從事與農(nóng)業(yè)生物科學(xué)相關(guān)的理論研究、新技術(shù)開發(fā)工作，掌握較系統(tǒng)的生物學(xué)基礎(chǔ)知識、基礎(chǔ)理論和基本技能，具備一定的人文社會科學(xué)的知識與素養(yǎng)，具有較強的創(chuàng)新能力和實驗、實踐能力。

三、加大宣傳力度和采取動態(tài)管理機制

2010-2013年實行大類招生期間，學(xué)院對剛進入大學(xué)校園的新生及其家長進行創(chuàng)新教育宣傳，讓學(xué)生對創(chuàng)新班的設(shè)立有一個正確的認(rèn)識。面向全校本科生公布創(chuàng)新實驗班的招生條件，學(xué)生自愿提出申請，根據(jù)學(xué)生大學(xué)一年級的綜合成績和面試的結(jié)果，采用雙向選擇的方式擇優(yōu)錄取。創(chuàng)新班成員的管理采取動態(tài)管理機制，在每一新學(xué)年之初，根據(jù)上一年學(xué)生的理論和實踐綜合測試情況進行5%～10%的末尾淘汰制，同時從普通班中補充相應(yīng)人數(shù)加入創(chuàng)新班。

四、建設(shè)具有創(chuàng)新意識的教師隊伍

教師是學(xué)生專業(yè)學(xué)習(xí)的引導(dǎo)者，引導(dǎo)大學(xué)生去探究、學(xué)習(xí)，學(xué)會分析問題和解決問題，掌握正確的學(xué)習(xí)方法，因此，學(xué)生創(chuàng)新能力的培養(yǎng)的前提是教師自身必須擁有創(chuàng)新的教育理念。目前很多教師延續(xù)傳統(tǒng)的教學(xué)方法，只重視知識的講授，而忽視了對學(xué)生學(xué)習(xí)的引導(dǎo)，這種一味的“填鴨式”教學(xué)，使得學(xué)生被動地接受專業(yè)知識，結(jié)果導(dǎo)致學(xué)生創(chuàng)新意識淡薄。針對這個問題，學(xué)校、學(xué)院出資鼓勵教師去其他高等學(xué)校進修學(xué)習(xí)，學(xué)習(xí)其他學(xué)校先進的教學(xué)理念，在教學(xué)過程中，通過啟發(fā)的方式引導(dǎo)學(xué)生思考和解決問題。另外，以教研室為單位，安排教學(xué)經(jīng)驗豐富的教師結(jié)對幫扶青年教師，尤其是那些從未涉及課堂教學(xué)實習(xí)的非師范類院校畢業(yè)的教師，從專業(yè)課教學(xué)、實習(xí)實踐等方面給予指導(dǎo)和培訓(xùn)，加快青年教師成長的步伐。

五、課程體系和課程結(jié)構(gòu)的整合與優(yōu)化

調(diào)整理論課與實踐課程的比重，增加了選修課和專題講座的比重，以及其他學(xué)科的教學(xué)內(nèi)容，減少了必修課在學(xué)分鐘的比重。減少大班上課的比重，增加了小班上課的比重。

六、改革教學(xué)模式和教學(xué)內(nèi)容

人才培養(yǎng)實行“3+0.5+0.5”教學(xué)模式，即3年系統(tǒng)理論學(xué)習(xí)、半年校內(nèi)實習(xí)和半年企業(yè)實習(xí)，注重提高學(xué)生的實踐能力。學(xué)生在掌握系統(tǒng)專業(yè)知識的同時，還應(yīng)關(guān)注教學(xué)內(nèi)容的前沿性、交叉性和啟發(fā)性，加強不同學(xué)科之間的交叉融合。近些年來，計算機專業(yè)與生物學(xué)專業(yè)的結(jié)合，出現(xiàn)了生物信息學(xué)專業(yè)，生物學(xué)的發(fā)展進入了大數(shù)據(jù)時代。針對這種新的變化，學(xué)院及時進行課程結(jié)構(gòu)的整合和優(yōu)化，開設(shè)了生物信息學(xué)、基因與蛋白質(zhì)組學(xué)數(shù)據(jù)分析等課程，結(jié)合計算機上機實踐環(huán)節(jié)，有效激發(fā)了學(xué)生對生物大數(shù)據(jù)的學(xué)習(xí)。通過學(xué)科交叉融合的方式，將選修課由改革之前的12門課拓展到29門課，擴大了學(xué)生對選修課的選擇余地，滿足了學(xué)生個性化學(xué)習(xí)的選擇需要。

七、改進教學(xué)方法，將傳統(tǒng)的教師課堂式的教學(xué)模式改為在網(wǎng)絡(luò)互動教學(xué)平臺下的自主學(xué)習(xí)模式

將教育環(huán)境由封閉式變?yōu)殚_放式，引導(dǎo)學(xué)生通過自主學(xué)習(xí)，積極發(fā)現(xiàn)問題，然后將問題帶到課堂上，教師與學(xué)生討論式互動，教師引導(dǎo)學(xué)生從獨特的角度發(fā)現(xiàn)問題，提出疑問，主動積極地解決問題，鼓勵同學(xué)對現(xiàn)成的結(jié)論和傳統(tǒng)的觀點敢于提出大膽的質(zhì)疑，減少單純的知識傳授環(huán)節(jié)。這種教學(xué)組織形式的改變將學(xué)生單純的知識記憶學(xué)習(xí)變?yōu)樘剿髦R、發(fā)現(xiàn)問題、思考問題和解決問題的良性循環(huán)過程。

八、改革學(xué)生評價體系，適當(dāng)增加平時分占總評分的比重

學(xué)生的總評分由考勤成績、平時成績和期末成績?nèi)糠纸M成。目前理論課的各部分所占的比例為10%、20%和70%，實驗課的各部分所占的比例分別往10%、30%和60%。可以考慮將考勤成績改為5%，平時成績提升至40%～45%，期末成績提降至50%～55%。通過上課問答、網(wǎng)絡(luò)教學(xué)平臺問答環(huán)節(jié)以及平時學(xué)生在本門課學(xué)習(xí)過程中的綜合表現(xiàn)，在總評成績上給予更多的肯定。

九、加強實踐教育，完善實驗和實踐教學(xué)環(huán)節(jié)

實踐教育是培養(yǎng)學(xué)生創(chuàng)新能力不可缺少的重要環(huán)節(jié)。生物學(xué)是實驗和實踐性學(xué)科，通過實踐環(huán)節(jié)，可以使學(xué)生將理論課中學(xué)習(xí)的知識與工農(nóng)業(yè)生產(chǎn)相結(jié)合，是實現(xiàn)知識和能力統(tǒng)一的有效環(huán)節(jié)。為此，學(xué)院建立了“課堂―課外”、“校內(nèi)―校外”和“科學(xué)―人文”多元實踐教學(xué)模式，構(gòu)建“基礎(chǔ)―專業(yè)―綜合―創(chuàng)新”四層次的實踐教育體系和“創(chuàng)新教育―實驗實習(xí)―團隊活動―生產(chǎn)實踐/社會實踐―技能訓(xùn)練―學(xué)術(shù)交流―研究創(chuàng)新”七環(huán)節(jié)的運行機制。在實驗實踐方面，減少了驗證性實驗的比重，增加了綜合性和設(shè)計性實驗的比重。在實踐環(huán)節(jié)中為學(xué)生創(chuàng)新意識、創(chuàng)新思維和創(chuàng)新能力的培養(yǎng)提供了有利的環(huán)境條件。這幾年，學(xué)院增加了在實踐教學(xué)相關(guān)配套設(shè)施的投入，如：建立了植物標(biāo)本室、動物標(biāo)本室、食藥用真菌標(biāo)本室和組織細(xì)胞培養(yǎng)室。依托導(dǎo)師制和教師科研團隊，充分利用省級重點學(xué)科、省級重點實驗室和省級高校重點實驗室平臺，確保學(xué)生個性發(fā)展需求，以教師現(xiàn)有的科研項目為載體，學(xué)生自主選題，自主開展創(chuàng)新科學(xué)研究，培養(yǎng)創(chuàng)新能力。另外，引導(dǎo)和鼓勵教師參加社會技術(shù)服務(wù)項目，教師評職稱要求有在本專業(yè)領(lǐng)域的生產(chǎn)企業(yè)鍛煉至少三個月的經(jīng)歷。從生產(chǎn)、科研第一線聘用總經(jīng)理、企業(yè)主管等專業(yè)人員作為兼職教師為學(xué)生授課。此外，還在山東省內(nèi)以及青島市周邊城鎮(zhèn)，與相關(guān)行業(yè)、企業(yè)通過資源共享、優(yōu)勢互補的原則聯(lián)合建立科研、實習(xí)實踐基地，有效增加了校外實踐教學(xué)基地的數(shù)量。

十、采取激勵措施，提高學(xué)生和教師的積極性

為了鼓勵學(xué)生進入實驗班學(xué)習(xí)。學(xué)院采取了以下激勵措施，提高學(xué)生和教師的積極性。

1.實驗班堅持以人為本、追求卓越的培養(yǎng)理念，集中優(yōu)質(zhì)辦學(xué)資源，充分尊重學(xué)生的個性發(fā)展，實行全程導(dǎo)師制，即學(xué)生進入創(chuàng)新班后，根據(jù)自己的學(xué)習(xí)興趣和本學(xué)院的教師科研研究方向，選擇本學(xué)院的教師作為自己的專業(yè)指導(dǎo)老師，教師負(fù)責(zé)學(xué)生的科研實踐、課程論文和畢業(yè)論文的安排和指導(dǎo)工作。而普通班學(xué)生是從三年級實行“導(dǎo)師制”。

2.學(xué)生申請國家級、校級大學(xué)生創(chuàng)新創(chuàng)業(yè)項目時，在名額指標(biāo)方面給予創(chuàng)新班政策上的傾斜，讓創(chuàng)新班學(xué)生有更多參加實踐項目鍛煉的機會。通過申報創(chuàng)新項目，使得學(xué)生有機會接觸科研項目，增強專業(yè)學(xué)習(xí)的積極性和主動性，這個過程不僅鍛煉了學(xué)生在項目申報中應(yīng)具備的文獻查詢和科技論文的寫作能力，更重要的是讓學(xué)生把實驗技能和理論知識有機地結(jié)合在一起。

3.在校際本科“交換生”學(xué)習(xí)交流方面，每年派出創(chuàng)新班的一部分學(xué)生到國內(nèi)“211”和“985”高校學(xué)習(xí)深造一年，讓他們有機會走出去看到外校的情況，回來后通過報告的形式與其他同學(xué)交流。目前青島農(nóng)業(yè)大學(xué)生命科學(xué)學(xué)院已經(jīng)與國內(nèi)四所“211”和“985”高校建立了長期“交換生”學(xué)習(xí)交流的聯(lián)系。

參考文獻：

篇9

關(guān)鍵詞：人工生命；人工智能；人造生命；物理主義

中圖分類號：N031 文獻標(biāo)識碼：A 文章編號：16711165(2011)02002104

一般認(rèn)為，“人工生命”、“人工智能”和“人造生命”是三個分別從計算機科學(xué)領(lǐng)域、智能研究和基因工程領(lǐng)域提出的概念。20世紀(jì)90年代未，中科院曾邦哲提出人工生物系統(tǒng)（artificial biosystem）的工程生物系統(tǒng)概念，用以整合計算機領(lǐng)域和遺傳工程領(lǐng)域的兩個概念。概念上的整合一方面體現(xiàn)了“人工生命”與“人造生命”兩者之間的承接性，另一方面也預(yù)示著“人工生命”發(fā)展與生物學(xué)理論發(fā)展之間的密切關(guān)聯(lián)。誠如“人工生命是具有自然生命現(xiàn)象的人造系統(tǒng)”[1]，那么進入微觀領(lǐng)域，生命規(guī)律的探索與對生命分子的操作使得“人工生命”具有了反身性。這種反身性恰恰體現(xiàn)了“人工生命”研究并不在于使人“非人化”［2］，使生命也成為技術(shù)的對象，而是包含了一定生命認(rèn)識的特殊生命活動。那么，剖析人類基因組計劃的推進過程，就可能找到“人工生命”概念演進背后內(nèi)在思想動因，從而為洞悉生命科學(xué)發(fā)展趨勢提供一條線索。

一、“人工生命”階段：肯定物理主義

在人體細(xì)胞核內(nèi)，質(zhì)量只有0.0000005毫克，寬度僅為0.02微米的DNA包含著大約30億個堿基排列。科學(xué)家相信人類DNA序列是人類生命的決定因素，人類生命活動中發(fā)生一切事情都與這一序列息息相關(guān)。［3］除了特殊情況之外，DNA中含有的龐大信息能夠被一字不差地復(fù)制，然后傳給后代。要想獲得這些信息，就需要測定DNA序列的堿基序列，這也是人類基因組計劃的核心工作。那么，測序工作則成為“人工生命”的一個階段，對生命信息傳遞過程的模擬也就構(gòu)成了“人工生命”研究的起點。

基于人類全部24條染色體中3×109個堿基具有固定性的化學(xué)關(guān)系即A-T、G-C，于是DNA堿基序列的測定工作實際上可以被描述為科學(xué)家接受生命分子信號的過程。應(yīng)用申農(nóng)所建立的一般信息系統(tǒng)模型，在一定的指令下進行信號傳遞成為“人工生命”的最初目標(biāo)。強人工生命觀念將“生命系統(tǒng)的演化作為一個可以從任何特殊媒介物中抽象出來的過程”(John Von Neumann)。以搶占計算機存儲的方式，生命演化過程被計算機程序模擬出來。人們相信，如果生命遵循既定的程序，那么只要編寫好程序，生命就能進行準(zhǔn)確的信號傳遞，也就實現(xiàn)了“人工生命”。首先試圖為生命編寫程序的是生物學(xué)家林登邁爾。20世紀(jì)60年代中期，林登邁爾為紅海藻、青苔等植物的生長發(fā)育建立模型，提出了一種被稱為“L-系統(tǒng)”的形態(tài)發(fā)生系統(tǒng)，又被稱為“繁殖（發(fā)生）算法”。在編寫好的程序下，生命系統(tǒng)轉(zhuǎn)化為信號系統(tǒng)。生命信號模型以量化或模型化的方式來展示生命的屬性。這意味著：“如果具有馮•諾伊曼式的自我復(fù)制能力或繁殖的能力，那么這個實體就是有生命的。”［4］

馮•諾伊曼所證明的自我繁殖的生命信號系統(tǒng)應(yīng)和了人們對微觀生命分子世界的物理主義觀點，其實質(zhì)是將諸如細(xì)胞這樣一個具有新陳代謝功能的生命單元放在既定的關(guān)系下。盡管將生命活動視為一種生命信號傳遞顛覆了傳統(tǒng)的生命物質(zhì)實體論，卻仍然將生命置于某種固定關(guān)系下，意味著其也不可能跳出物理主義的決定論框架。一方面，“人工生命”研究進行了生命信號傳遞模，并在計算機領(lǐng)域中建立虛擬生命系統(tǒng)；另一方面，人們在質(zhì)疑申農(nóng)的一般信息模型的同時也開始質(zhì)疑“人工生命”。針對申農(nóng)的一般信息模型，有學(xué)者認(rèn)為：“申農(nóng)通訊信息系統(tǒng)模型具有兩方面的重大缺陷：一是該模型未能注意信息系統(tǒng)的一般反饋性機制；二是該模型描述的還僅僅是信息接收系統(tǒng)。”［5］可見，申農(nóng)的一般信息模型不具有反饋性機制或不能夠自創(chuàng)生。于是，這樣一種生命的信息論觀點，即“在生命運動之中物質(zhì)實體-載體是流動的，組織形式-信息才是穩(wěn)定保持的”［6］，表明“人工生命”所模擬的對象是在既定關(guān)系之下的生命信號的傳遞過程。

面對人類基因組計劃這樣巨大的基因工程項目，測定了組成人類DNA的約30億個堿基中85%的堿基序列只是完成了所謂工作草圖。獲得的基因草圖只是為給基因命名、分析基因創(chuàng)造了條件，需要進一步找到能夠提供信息的標(biāo)記基因，進行基因追蹤，但尋找基因的工作卻相當(dāng)復(fù)雜。一般信息模型不可能作為模擬這一活動的基礎(chǔ)。

二、“人工智能”階段：懷疑物理主義

一般認(rèn)為，人類共有5萬~10萬個基因，如果某個基因發(fā)生了變異或者產(chǎn)生缺陷，必然會引起機能上的障礙。根據(jù)變異的DNA標(biāo)記基因來確定另外一個基因的位置，這樣就可以將其位置制成詳細(xì)的地圖，通過檢查DNA序列來識別基因突變。學(xué)者們以DNA標(biāo)記為基礎(chǔ)的DNA基因圖譜尋找致病基因。在一階段，“人工生命”模擬的對象是尋找基因，而尋找基因的關(guān)鍵則體現(xiàn)為對信息的識別。人類基因組計劃在此階段的工作可以反映“人工智能”的研究。

盡管早在1956年，美國的麥卡錫就提出“人工智能”(artificial intelligence)概念，但直到20世紀(jì)80年代末，人們才將“人工智能”作為“人工生命”的一種形式。“人工智能”階段需要計算機能夠準(zhǔn)確識別信息。對于智能的研究涉及諸如意識（consciouness）、自我（self）、心靈（mind）、無意識（unconscious mind）等問題。對此，之前將生命作為信號系統(tǒng)的一般信息模型顯然無法發(fā)揮作用。面對信息的識別和反饋機制等一系列問題，人們試圖將信息學(xué)、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)各學(xué)科整合，并在計算機領(lǐng)域?qū)嵺`，甚至在機器人、經(jīng)濟政治決策、控制系統(tǒng)、仿真系統(tǒng)中應(yīng)用。然而，這種學(xué)科上的整合并沒有使人們找到合適的模型來取代之前的信號模型用以描述識別信息過程所具有的非線性特征。

對此，一部分學(xué)者試圖通過重新定義“人工智能”概念，區(qū)分出強“人工智能”和弱“人工智能”的方式來解決問題。弱“人工智能”用模擬識別信息后所表現(xiàn)出的行為來反推對信息的識別，也就是讓機器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。而強“人工智能”則將識別信息的功能強加于計算機，如約翰•羅杰斯•希爾勒（John Rogers Searle）就計算機和其他信息處理機器的工作形式提出“計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當(dāng)?shù)某绦颍嬎銠C本身就是有思維的”［7］。無論是強“人工智能”還是弱“人工智能”，都將“人工智能”劃分為四類：機器“像人一樣思考”、 “像人一樣行動”、“理性地思考”和“理性地行動”。但是，這兩種觀點都沒有進一步對任何一種類型進行模型化。這就表明盡管在觀念上人們已經(jīng)不再將生命系統(tǒng)作為信號系統(tǒng)，但其仍成為“人工生命”模擬的對象。

1999年，獲得了諾貝爾生理學(xué)或醫(yī)學(xué)獎的布洛貝爾創(chuàng)立了著名的“蛋白質(zhì)的命運”假說，即關(guān)于新生成的蛋白質(zhì)去向的“信號假說”。他認(rèn)為細(xì)胞內(nèi)存在某種信號，這種信號決定了新生成的蛋白質(zhì)的去向。這意味著每個蛋白質(zhì)都能夠獲得向某個地方移動的信息，就像郵編一樣，可以讓蛋白質(zhì)找到準(zhǔn)確位置。也就是說，由十幾個氨基酸組成的“信號肽”使得蛋白質(zhì)能夠識別信息，并在某種程度上具有了主動性。這種主動性與物理主義的決定論觀點發(fā)生了沖突。

弄清各種基因各自會生成何種蛋白質(zhì)成為需找基因的重要環(huán)節(jié)，因為如果知道了信號肽的基因，就可以知道周圍的基因是決定何種蛋白質(zhì)的基因。“信號肽”的發(fā)現(xiàn)大大推進了人類基因計劃，然而，“人工智能”研究中并沒有明確給出一個可以超越一般信息模型的新模型。

三、“人造生命”階段：突破物理主義

在識別了基因信息之后，就需要對基因突變作出解釋。人們已經(jīng)發(fā)現(xiàn)，致命的基因突變由于地域特征和環(huán)境不同，其結(jié)果也會各不相同。這就意味著，人們在對待人類基因時必須考慮環(huán)境的因素：一方面，環(huán)境可能使基因突變形成惡性基因，另一方面則也能促使發(fā)生有益的突變，從而形成更為適應(yīng)環(huán)境的基因整體。從后者來看，環(huán)境如何引發(fā)新基因整體的形成就成為對基因與環(huán)境之間關(guān)系所進行的解釋，這也就成為人類基因組計劃的后期工作，此階段的“人工生命”研究也將面臨更為深入的問題。

“對基因整體性的認(rèn)識大體有兩類。一類是在分子遺傳學(xué)堅信基因獨立性存在的前提下，根據(jù)不同功能種類的基因間的協(xié)同關(guān)系詮釋基因系統(tǒng)的整體存在。而今，這一方向已在原核生物領(lǐng)域取得輝煌的成果；另一類是在關(guān)注物種(種群)的發(fā)育和進化并結(jié)合分子生物學(xué)的基礎(chǔ)上，探究基因的整體存在，即基因集成、基因組織單元及其關(guān)系的研究。目前，這一方向已受到綜合進化論者及其他一些生物學(xué)者的高度重視。”［8］后者恰恰體現(xiàn)了環(huán)境對基因的作用。“人造生命”的提出則將這種作用的意義凸顯出來。從其他生命體中提取基因建立新染色體的操作，實際上就是將特定基因從已有的環(huán)境中分離開來，再將提取的基因染色體放入新的環(huán)境之中，即嵌入已經(jīng)被剔除了遺傳密碼的細(xì)胞中，這樣染色體在新環(huán)境中形成新的基因組織，控制這個細(xì)胞，發(fā)育變成新的生命體。2010年5月20日，美國私立科研機構(gòu)克雷格•文特爾研究所宣布：世界首例人造生命――完全由人造基因控制的單細(xì)胞細(xì)菌誕生，并將“人造生命”起名為“辛西婭”。這項具有里程碑意義的實驗表明：新的生命體可以在實驗室里“被創(chuàng)造”，而不是一定要通過“進化”來完成。“辛西婭”的產(chǎn)生在一定意義上證明了可以通過人工環(huán)境能夠?qū)崿F(xiàn)對基因的作用。

“人造生命”為“人工生命”提出了更深層次的問題。“人工生命”概念不同于傳統(tǒng)生命觀和科學(xué)觀。“傳統(tǒng)生物學(xué)用分析方法研究生命。通過分析，解剖現(xiàn)有生命的物種、生物體、器官、細(xì)胞、細(xì)胞器，即通過分析現(xiàn)有生命的最小部件來理解生命。人工生命用綜合方法研究生命，在人工系統(tǒng)中對簡單的零件進行組合，使其產(chǎn)生類同生命的行為，力圖在計算機或其他媒體中合成生命。”［9］“人造生命”則進一步模擬生命整體功能如何形成。這也改變了對生命的認(rèn)識，從“如吾所說的生命（lifeasweknowit）”轉(zhuǎn)變?yōu)椤叭缙渌艿纳╨ifeasitcouldbe）”［10］。生命作為各個功能疊加的物理主義觀念被打破，取而代之的是一種功能整體性觀念。

“人造生命”已有的成果在一定程度上揭示了環(huán)境對基因整體功能的作用機制，如果能夠找到體現(xiàn)這種機制的模型，就將推動生命科學(xué)的發(fā)展。事實上，人類基因組計劃都是建立在DNA分子序列的符號化前提下的。沒有這種符號操作，人們就不可能應(yīng)用計算機來獲得、識別并整合生命信息。而這一符號學(xué)思路恰恰應(yīng)和了美國著名的科學(xué)家、認(rèn)知心理學(xué)家、人工智能學(xué)家西蒙（Simon Blackurn）的理論。西蒙的“物理符號系統(tǒng)假設(shè)”進一步闡釋了這一思路。“物理符號系統(tǒng)假設(shè)”強調(diào)“所研究的對象是一個具體的物質(zhì)系統(tǒng)，如計算機的構(gòu)造系統(tǒng)、人的神經(jīng)系統(tǒng)、大腦的神經(jīng)元等。所謂符號就是模式，如任何一個模式，只要它能和其他模式相區(qū)別，他就是一個符號。”［11］“物理符號系統(tǒng)假設(shè)”從信息論模型進入了符號學(xué)模型。“人工生命”從對“生命表現(xiàn)出的行為的功能模擬”轉(zhuǎn)向?qū)Α吧鼉?nèi)在創(chuàng)造機制的功能模擬”。

這種符號學(xué)模型提示，在經(jīng)常變化的環(huán)境作用下，微觀生命分子形成了不同的功能整體，具有內(nèi)在的適應(yīng)性意義。人們在無法支配環(huán)境的情況下支配基因，就可能造成有害的影響。從“人工生命”、“人工智能”到“人造生命”的概念演進，可以得出承認(rèn)生命本身具有內(nèi)在意義，具有一定的主動性將成為未來生命科學(xué)理論發(fā)展的一種趨勢。

參考文獻：

［1］班曉娟.人工智能與人工生命[J].計算機工程與應(yīng)用，2002(15)：1-7.

［2］林德宏.評人的“非人化”――一種現(xiàn)代技術(shù)機械論[J].自然辯證法研究，1999(3)：23-27.

［3］孫嘯，陸祖宏，謝建明.生物信息學(xué)基礎(chǔ)[M].北京:清華大學(xué)出版社,2005:9.

［4］李建會.生命科學(xué)哲學(xué)[M].北京:北京師范大學(xué)出版社,2006:127.

［5］鄔.信息哲學(xué)――理論、體系、方法[M].北京:商務(wù)印書館,2005:75.

［6］沈驪天.生命信息與信息生命觀[J].系統(tǒng)辯證學(xué)學(xué)報，1998(4)：71-73.

［7］JOHN R. Minds, brains, and programs[J]. Behavioral and Brain Sciences, 1980, 3 (3): 417-457.

［8］董華，李恒靈.基因整體實在論[J].科學(xué)技術(shù)與辯證法，1997(6)：31-34.

［9］林德宏.科學(xué)思想史[M].南京:江蘇科學(xué)技術(shù)出版社,2004:326.

篇10

[關(guān)鍵詞]數(shù)值計算方法；融會式；教學(xué)理念；教學(xué)實踐

[中圖分類號]G642.0　[文獻標(biāo)識碼]A　[文章編號]1005－4634(2012)02－0053－04

0　引言

隨著計算機技術(shù)的飛速發(fā)展，數(shù)學(xué)學(xué)科的地位發(fā)生了巨大的變化，特別是在自然科學(xué)的許多分支中，有相當(dāng)多的研究問題走向定量化和數(shù)值化，從而出現(xiàn)了一系列與計算有關(guān)系的研究方向，如計算物理、計算力學(xué)、計算化學(xué)、計算地質(zhì)學(xué)、計算生物學(xué)、計算氣象學(xué)等。目前，科學(xué)計算、理論研究、科學(xué)實驗已經(jīng)成為當(dāng)今科學(xué)研究的三大方法，而科學(xué)計算由于具有研究成本低、周期短、風(fēng)險少等特點，因而受到廣泛的重視。數(shù)值計算方法，也稱“數(shù)值分析”或“計算方法”，是科學(xué)計算的重要基礎(chǔ)，也是理工科大學(xué)生和研究生的核心課程，國內(nèi)外綜合性大學(xué)無一例外均開設(shè)了本門課程。數(shù)值計算方法以采用計算機技術(shù)求解工程實踐中提煉出的數(shù)學(xué)問題為主線，既有數(shù)學(xué)課程理論上的抽象性和嚴(yán)謹(jǐn)性，又有解決實際問題的實用性和實踐性。自從教育部分別頒布高等教育“面向21世紀(jì)教學(xué)內(nèi)容和課程體系改革計劃”后，很多教學(xué)工作者積極探索數(shù)值計算方法教學(xué)的新模式，并投入到教學(xué)實踐之中。在教學(xué)觀念、教學(xué)內(nèi)容、教學(xué)方法、教學(xué)手段等方面出現(xiàn)了百家爭鳴的好局面，開展了多層面多方位的教學(xué)改革探索，展現(xiàn)了數(shù)值計算方法課程教學(xué)在理工科人才培養(yǎng)中的奠基性作用。

鑒于數(shù)值計算方法在理工科人才培養(yǎng)課程體系中的重要地位，通過問卷調(diào)查及統(tǒng)計分析，分別從教師和學(xué)生兩個角度剖析課程教學(xué)所面臨的主要問題，有針對性地提出數(shù)值計算的融會式教學(xué)理念，從課程體系、教學(xué)模式、教學(xué)內(nèi)容、教師隊伍等多個方面闡述該理念的內(nèi)涵，并結(jié)合國防科技大學(xué)自動化專業(yè)本科生《數(shù)值計算方法》課程教學(xué)任務(wù)開展教學(xué)實踐，檢驗融會式教學(xué)理念的實際效果，為21世紀(jì)數(shù)值計算方法教學(xué)改革提供新的思路和有益借鑒。

1　課程教學(xué)的問題分析

數(shù)值計算方法在理工科大學(xué)生及研究生培養(yǎng)的課程體系中具有顯著的橋梁性作用，一方面是對高等數(shù)學(xué)、線性代數(shù)、編程語言(或算法設(shè)計)等公共前緣課程的鞏固與擴展，另一方面也是力學(xué)、計算機科學(xué)、自動化、航空航天、土木工程、機械工程、經(jīng)濟管理等專業(yè)后續(xù)課程的基礎(chǔ)和工具。通過問卷調(diào)查統(tǒng)計分析，目前數(shù)值計算方法課程教學(xué)所面臨的主要困難可從教師和學(xué)生兩個方面加以總結(jié)。根據(jù)數(shù)值計算方法授課教師的反映，教學(xué)面臨的困難主要有以下幾個方面。

1)課程信息量大與教學(xué)時數(shù)少之間的矛盾。課程主要研究數(shù)值逼近與曲線擬合、線性方程組求解、非線性方程求根、數(shù)值積分與數(shù)值微分、常微分方程求解等問題的數(shù)值解法，教學(xué)內(nèi)容多，而培養(yǎng)方案又在壓縮教學(xué)課時，所以出現(xiàn)學(xué)時少、內(nèi)容多的矛盾。

2)課程覆蓋面廣與教師專業(yè)知識受限之間的矛盾。課程涉及的數(shù)值方法都有著典型的工程應(yīng)用背景，涉及的學(xué)科領(lǐng)域?qū)挿海瑥氖陆虒W(xué)的教師往往精通于有限的領(lǐng)域，如何充實提高自身素養(yǎng)適應(yīng)課程教學(xué)的要求是任課教師必須面對的問題。

3)實踐環(huán)節(jié)與相應(yīng)保障之間的矛盾。數(shù)值計算方法課程是理論與實踐結(jié)合的產(chǎn)物，實踐性是此課程有別于其它數(shù)學(xué)課程的一個基本特征。課程教學(xué)的實踐環(huán)節(jié)花費時間較多，可能與教學(xué)大綱要求的在一定時間需完成的教學(xué)任務(wù)有沖突。教師在研究情境設(shè)置的問題“難易度”的把握尺度上與學(xué)生的接受能力也有可能沖突。有些太困難的研究問題難免超出教學(xué)大綱的要求，給學(xué)生造成額外負(fù)擔(dān)。

根據(jù)學(xué)生反映的情況，課程學(xué)習(xí)面臨困難主要有：(1)學(xué)習(xí)興趣淹沒在冗長的公式推導(dǎo)和理論分析之中。課程涉及相當(dāng)多的理論推導(dǎo)，對于己經(jīng)復(fù)雜冗長的公式，還要進行理論分析，包括算法的收斂性、數(shù)值穩(wěn)定性、誤差分析以及好的時間復(fù)雜性和好的空間復(fù)雜性。這些方法幾乎都很復(fù)雜，公式冗長，推導(dǎo)繁瑣。過多地強調(diào)數(shù)學(xué)理論證明，大多數(shù)的學(xué)生覺得這門課很難，學(xué)得很枯燥，也感覺不到樂趣。(2)課程內(nèi)容及進度與學(xué)生個體差異的矛盾。伴隨著高校招生規(guī)模的擴大，學(xué)生的人數(shù)越來越多，生源的個體差異也越來越顯著，同樣的內(nèi)容設(shè)置和進度安排往往使得人數(shù)眾多、差異顯著的學(xué)生群體難以適應(yīng)，學(xué)習(xí)效果自然受到嚴(yán)重影響。(3)課程內(nèi)容難以體現(xiàn)貫通培養(yǎng)課程體系的橋梁性作用。無論是教材還是實際授課，緒論往往將數(shù)值計算方法定位為理工科大學(xué)生和研究生培養(yǎng)的核心基礎(chǔ)課程，但是主體內(nèi)容講授時由于課時有限，只能突出理論推導(dǎo)和算法設(shè)計，學(xué)生只能見到樹木，卻始終未能見到好奇的森林，嚴(yán)重的話會削弱學(xué)生的學(xué)習(xí)興趣和熱情。(4)實踐環(huán)節(jié)與基礎(chǔ)能力的矛盾。數(shù)值計算中的問題僅靠課堂教學(xué)、理論推導(dǎo)是很難講明白的，特別是各種算法的收斂性、穩(wěn)定性等問題。實踐環(huán)節(jié)是學(xué)生加深算法理解、學(xué)以致用的重要途徑。但是，課程實踐環(huán)節(jié)不可避免地涉及到程序編寫與調(diào)試，很多學(xué)生在編程語言或算法設(shè)計課程中基本功不夠扎實，從而對數(shù)值計算方法的實踐環(huán)節(jié)產(chǎn)生畏懼心理，導(dǎo)致課程實踐效果不佳。

2　融會式教學(xué)理念

針對數(shù)值計算方法課程教學(xué)的上述問題，教學(xué)工作者們主動思考、積極探索，不斷實踐新的教學(xué)理念或教學(xué)模式。在現(xiàn)有研究基礎(chǔ)之上，本文提出數(shù)值計算方法的融會式教學(xué)理念，重點探討如何培養(yǎng)學(xué)生的數(shù)值思維能力和計算求解能力，使他們通過課程的學(xué)習(xí)，構(gòu)建起所學(xué)專業(yè)課程體系的全貌，領(lǐng)悟課程的基礎(chǔ)性、開放性的重要特征，融會貫通數(shù)值計算的思想理解、算法設(shè)計和工程實踐，在碰到新問題時，不是生搬硬套書本公式，而是靈活運用掌握的數(shù)值思維方法去分析和求解。

融會式教學(xué)理念關(guān)鍵落實在“融會”二字上，它突破傳統(tǒng)的課程講授、課后作業(yè)、上機實踐、考核結(jié)課的授課過程，將其擴充為前緣深入先摸底、備課充實貼前沿、授課生動重啟發(fā)、習(xí)題思考多互動、實踐靈活循算法，授課講座齊并舉、考核全面現(xiàn)能力、試后逐一面點評的融會貫通的全過程。

1)前緣深入先摸底。開課之前深入選課學(xué)生群體之中進行交流溝通，了解大家對高等數(shù)學(xué)、線性代數(shù)、編程語言(或算法設(shè)計)等公共前緣課程的掌握隋況，獲取并分析選課學(xué)生在前緣課程的成績分布情況，特別留意個體的差異程度。比如，對于具有畏懼心理的學(xué)生，要及時發(fā)現(xiàn)，因材施教，可通過課堂簡單提問或者通過批改作業(yè)留下鼓勵性質(zhì)的評語，幫助其樹立自信心。

2)備課充實貼前沿。綜合考慮學(xué)生對前緣課程的掌握情況和培養(yǎng)計劃對課時的規(guī)定，合理選擇備課內(nèi)容，不求面面俱到、照本宣科，但求重點突

出、貼近前沿。每個章節(jié)精心設(shè)計問題導(dǎo)入環(huán)節(jié)，舉例須緊扣技術(shù)發(fā)展的前沿，避免書本上例子通行天下的現(xiàn)象，充分激發(fā)學(xué)生的學(xué)習(xí)熱情。比如，插值方法可結(jié)合風(fēng)洞試驗數(shù)據(jù)估算神舟飛船阻力系數(shù)的例子。

3)授課生動重啟發(fā)。授課過程中，可充分利用課程的實用性和實踐性，從工程實踐中凝煉科學(xué)問題，有針對性地啟發(fā)學(xué)生主動思考相應(yīng)的對策，再跟大師們的計算方法進行比較，分析優(yōu)劣，進而轉(zhuǎn)入算法的思想、流程和設(shè)計，剖析所學(xué)計算方法解決工程問題的實際效果及適用范圍。另外，還要注重多媒體和板書的有效結(jié)合。

4)習(xí)題思考多互動。合理安排習(xí)題課，精心準(zhǔn)備由易而難的例題，既注意問題的工程實踐性，也引導(dǎo)學(xué)生積極思考，結(jié)合前緣課程的了解情況，有針對性地讓學(xué)生參與分析和計算，采用分組討論的形式，充分尊重個體差異，盡量讓每位學(xué)生都有所獲益，有所提高。融會式教學(xué)在考試之前的復(fù)習(xí)課中，一方面梳理本門課程內(nèi)容之間的相互聯(lián)系，比如插值是數(shù)值微積分的基礎(chǔ)，樣條插值是線形方程組求解之追趕法的典型應(yīng)用等等。另一方面更要回顧課程與前緣課程的具體關(guān)系，比如多項式插值充分利用了線形代數(shù)中多項式空間基函數(shù)的概念，數(shù)值逼近多次引用范數(shù)的定義，而且要根據(jù)選課學(xué)生的專業(yè)分布，選取有典型意義的后續(xù)課程，比如自動化專業(yè)的控制系統(tǒng)原理、信息科學(xué)專業(yè)的信號與系統(tǒng)等等，講解課程所學(xué)方法將在專業(yè)后續(xù)課程中發(fā)揮重要的作用，同時也是大家學(xué)習(xí)這些后續(xù)課程的重要基礎(chǔ)。

5)實踐靈活循算法。課程教學(xué)的實踐環(huán)節(jié)非常重要，由于學(xué)時有限，必須充分利用。建議可分3次上機實踐。第一次可以考查編程能力，及時發(fā)現(xiàn)情況，及時總結(jié)原因，可組織一次集體答疑，為大家編制統(tǒng)一的接口函數(shù)，將數(shù)據(jù)結(jié)構(gòu)定義、數(shù)據(jù)讀入、結(jié)果顯示等公共環(huán)節(jié)提取出來統(tǒng)一處理，而引導(dǎo)學(xué)生把精力投入到算法思想的理解和算法流程的實現(xiàn)。第二次，直接提供基本程序框架，由學(xué)生填充算法流程的主體部分。第三次，則可當(dāng)作現(xiàn)場模擬上機考試，要求學(xué)生在規(guī)定時間內(nèi)提交算法程序和結(jié)果。實踐環(huán)節(jié)的合理運用對改善課程教學(xué)效果具有極其重要的作用，教師可適當(dāng)補充編程的基本技能和基本方法，編制易于理解易于運用的程序框架，以便于學(xué)生將有限精力投入到算法設(shè)計本身，而不是過多地消耗在輸入輸出等公共環(huán)節(jié)。特別是，需要關(guān)注對編程具有畏懼心理的學(xué)生，采取合適而又有效的措施，比如分組合作或者親手示范等手段，消除畏懼，激發(fā)興趣，以全面提高課程教學(xué)質(zhì)量。

6)授課講座齊并舉。考慮課程覆蓋面廣與教師專業(yè)知識受限之間的矛盾，并不能要求教師同時掌握多門專業(yè)知識，而是可以采用授課和講座相輔相成的方式，邀請其他專業(yè)的老師，根據(jù)他們從事科學(xué)研究過程中運用數(shù)值計算方法解決領(lǐng)域問題的具體體會，向?qū)W生講解數(shù)值計算方法的實際應(yīng)用流程和作用。比如，生物信息學(xué)中大量應(yīng)用最小二成、稀疏矩陣求逆等數(shù)值方法。講座往往較為輕松，占用課時少，學(xué)生易于接受，既可提高學(xué)習(xí)興趣，也可拓寬知識面，對課程的基礎(chǔ)性作用不言而喻，從而有效避免了授課教師“王婆賣瓜，自賣自夸”的尷尬。

7)考核全面現(xiàn)能力。課程考核要全面覆蓋授課內(nèi)容，合理制定試題難度，注重綜合能力的考查。課程考核重在數(shù)值計算方法基本思想的領(lǐng)悟和掌握程度，不苛求公式的背誦記憶，建議設(shè)置一定比例的推導(dǎo)題，比如給出數(shù)值積分的梯形公式，要求學(xué)生推導(dǎo)Simpson公式。

8)試后逐一面點評。不同于以往考試結(jié)課的慣例，融會式教學(xué)強調(diào)全過程的交流溝通，學(xué)生一般在考試之前集中復(fù)習(xí)，考試之后遺忘性衰減現(xiàn)象很普遍。為了鞏固教學(xué)效果，融會式教學(xué)注重考試之后，教師及時批改試卷，總結(jié)課程教學(xué)效果，與每一位學(xué)生進行當(dāng)面點評，分析丟分的具體原因，加深學(xué)生對所學(xué)方法的理解和應(yīng)用。

綜合起來，數(shù)值計算方法的融會式教學(xué)理念重在將授課過程、教學(xué)內(nèi)容、教學(xué)方法、教學(xué)手段、教師構(gòu)成、課程考核、試后講評等多個環(huán)節(jié)融會貫通。在教學(xué)內(nèi)容上，突出本門課程與前緣、后續(xù)課程的內(nèi)在聯(lián)系、相互關(guān)系及本質(zhì)特色，讓學(xué)生既見樹木，也見森林；在教學(xué)方法上，強調(diào)理論與實踐并重，緊扣專業(yè)特色，無論是課堂舉例，還是上機實踐，都結(jié)合授課對象的專業(yè)分布，從實際工程應(yīng)用提煉科學(xué)問題，將算法思想付諸問題求解，激發(fā)學(xué)生的學(xué)習(xí)積極性，加深數(shù)值方法的理解；在教學(xué)手段上，注重現(xiàn)代多媒體技術(shù)與板書的合理搭配，多媒體形象生動，結(jié)合插值、擬合、方程組迭代求解等數(shù)值方法的幾何意義、物理意義進行講解，節(jié)省時間提高課堂效率。板書節(jié)奏感強，容易引導(dǎo)學(xué)生積極思考，也便于開展師生互動，加深學(xué)生對算法思想的理解，提高學(xué)以致用的實踐能力；在授課過程上，更是體現(xiàn)“融會”的特征，從前緣課程摸底、個體差異關(guān)注，到跨專業(yè)邀請講座，再到試后當(dāng)面點評，直至后續(xù)課程的展望，都充分注重融會貫通的教學(xué)環(huán)節(jié)，最大程度上提高教學(xué)效果。

3　融會式教學(xué)實踐

與數(shù)值計算方法課程的實踐性相統(tǒng)一，融會式教學(xué)理念同樣需要教學(xué)實踐的不斷檢驗。筆者結(jié)合國防科技大學(xué)自動化專業(yè)本科生《數(shù)值計算方法》課程教學(xué)任務(wù)，遵循融會式教學(xué)理念，積極開展包括前緣深入先摸底、備課充實貼前沿、授課生動重啟發(fā)、習(xí)題思考多互動、實踐靈活循算法，授課講座齊并舉、考核全面現(xiàn)能力、試后逐一面點評等所有環(huán)節(jié)的教學(xué)實踐，檢驗融會式教學(xué)理念的效果。

筆者獨立主講了國防科技大學(xué)自動化專業(yè)本科生在大三秋季學(xué)期設(shè)置的32學(xué)時《數(shù)值計算方法》課程。結(jié)合課程的特點，全程采用融會式教學(xué)理念，采用“掌握思想、設(shè)計算法、上機實踐”等多種手段進行全方位教學(xué)。根據(jù)授課對象前緣課程的掌握情況，選取插值、擬合、數(shù)值微積分、線性方程組求解直接法、線性方程組求解迭代法、非線性方程求根、常微分方程數(shù)值解等作為主講內(nèi)容，課堂26個學(xué)時重點開展算法思想的講授和研討，實踐6個學(xué)時則重點考查學(xué)員設(shè)計算法、解決問題的綜合能力。

在學(xué)期開課之前深入授課對象所在的學(xué)員隊，與學(xué)員交流本科階段學(xué)習(xí)的體會與經(jīng)驗，了解大家對本課程前緣課程(高等數(shù)學(xué)、線性代數(shù)、C語言等)的掌握程度，對微積分、方程組求解、矩陣特征值等相關(guān)內(nèi)容進行復(fù)習(xí)鞏固，同時留意個體差異，及時發(fā)現(xiàn)自稱“逢數(shù)學(xué)課必掛”的具有畏懼心理的學(xué)生。

備課時，緊密結(jié)合科技發(fā)展前沿，比如從神舟飛天中根據(jù)風(fēng)洞數(shù)據(jù)估算阻力系數(shù)的實例引入插值方法，同樣由加速度計離散測量數(shù)據(jù)估算飛行速度的問題引出數(shù)值積分的問題；在課堂教學(xué)中，強調(diào)學(xué)員主動發(fā)現(xiàn)問題、積極參與課堂討論，在適當(dāng)?shù)囊龑?dǎo)中鼓勵學(xué)員自己得出結(jié)論，既提高學(xué)習(xí)興趣，也增強自信心。鑒于課程學(xué)時受限，全程作業(yè)逐本批改，在指定課時之外，采用集體答疑和第二課堂的自由形式，補充8個課時進行課外習(xí)題輔導(dǎo)，學(xué)生可以根據(jù)自身的學(xué)習(xí)情況自行決定是否參加，加深大家對數(shù)值算法的理解和求解過程的聯(lián)

系。考慮到教師自身專業(yè)知識有限，邀請生物信息學(xué)、基礎(chǔ)物理學(xué)的兩位跨專業(yè)教員分別開展公開講座，結(jié)合具體問題示范如何運用數(shù)值計算方法進行解決，加深印象，也激發(fā)熱情。

三次上機實踐按照知識點進行組織，一類算法的授課結(jié)束后立即進行編程實踐。第一次實踐內(nèi)容為插值和擬合，程序編制相對較為簡單，同時也考查學(xué)生編程能力的個體差異，及時分析情況，集中組織一次課外答疑，不是簡單地準(zhǔn)備好例程演示給大家而已，而是與學(xué)員一起現(xiàn)場編制程序，依據(jù)融會式教學(xué)理念，讓大家看到如何結(jié)合具體求解問題從無到有地編制程序的全過程，加深大家對算法從流程到代碼的演化過程，減輕大家對編程實踐的畏懼心理，提高動手實踐能力。第二次為數(shù)值積分的Romberg算法，為大家編制統(tǒng)一的接口函數(shù)，將數(shù)據(jù)結(jié)構(gòu)定義、數(shù)據(jù)讀入、結(jié)果顯示等公共環(huán)節(jié)提取出來統(tǒng)一處理，引導(dǎo)學(xué)生把精力投入到算法思想的理解和算法流程的實現(xiàn)。第三次為微分方程數(shù)值解Runge-Kutta算法，采用限時提交的方式，要求大家按照考核的標(biāo)準(zhǔn)完成二階、三階、四階算法的編程和精度比較。課程實踐環(huán)節(jié)逐次提高要求，讓學(xué)生在掌握數(shù)值計算方法相關(guān)算法的同時，也進一步提高編程能力，增強自信心，為后續(xù)課程學(xué)習(xí)奠定基礎(chǔ)。

課程考核既測驗學(xué)員對基本概念、基本原理的掌握程度，也測驗學(xué)員對課程整體的把握能力以及學(xué)以致用的實踐能力。考試之后，及時閱卷，并再次深入學(xué)員群體之中，進行逐一當(dāng)面點評，分為未能掌握、粗心大意、時間不夠等類型剖析丟分的原因，既是及時鞏固課程學(xué)習(xí)成果，也是鍛煉學(xué)生素質(zhì)、提高學(xué)習(xí)成績的重要途徑。

與傳統(tǒng)模式相比，融會式教學(xué)理念注重從實際工程應(yīng)用提煉科學(xué)問題，充分激發(fā)學(xué)生的學(xué)習(xí)興趣；強調(diào)課程的承上啟下的地位，讓學(xué)生既見樹木，也見森林，知曉專業(yè)培養(yǎng)的目標(biāo)與定位；注重數(shù)值計算方法的啟發(fā)和實踐并重，通過具體問題的編程實驗，既加深理解，也敢于實踐。在授課、答疑、批改作業(yè)、實驗、考試等諸多環(huán)節(jié)，學(xué)生們都充分認(rèn)可融會式教學(xué)理念。綜合這次融會式教學(xué)實踐的實際成效來看，學(xué)員們較好地掌握了插值、擬合、數(shù)值微積分、線性方程組求解、常微分方程數(shù)值解等數(shù)值計算方法的思想精髓，并能夠活學(xué)活用，解決實際問題。特別是，三次上機實踐，學(xué)員熱情逐次提高，主動尋找課外時間開展編程實踐，多次改進程序，修訂實驗報告，達(dá)到了非常好的算法實踐效果。

在本次融會式教學(xué)實踐中，學(xué)生都能夠帶著興趣與熱情投入到課程的學(xué)習(xí)中去，課堂積極思考、踴躍發(fā)言，敢于發(fā)表自己的見解；課后主動復(fù)習(xí)、認(rèn)真完成作業(yè)，特別是布置的幾次討論性質(zhì)的題目(如談?wù)剬φn程的印象、談?wù)剬Φǖ睦斫獾?鍛煉了學(xué)員的獨立思考能力和語言表達(dá)能力；上機實踐中能夠針對底子薄、能力差、鍛煉少的現(xiàn)狀，積極主動地進行反復(fù)練習(xí)，并相互請教，力爭得到最大程度的提升。其中，極個別學(xué)員存在基礎(chǔ)薄弱、前緣課程差、出現(xiàn)多門掛科等問題，自信心不強，甚至出現(xiàn)自暴自棄的現(xiàn)象，經(jīng)過多次引導(dǎo)與鼓勵，也能夠積極融入集體，認(rèn)真對待每次作業(yè)和實驗，得到了較好的平時成績，考試也能夠積極面對，最終也取得了令自己滿意的成績。

總體而言，《數(shù)值計算方法》課程采用融會式教學(xué)理念，取得了良好的教學(xué)效果，既提高了學(xué)生對數(shù)值計算方法思想精髓的理解水平和應(yīng)用能力，也培養(yǎng)了學(xué)生的主動學(xué)習(xí)、獨立思考等綜合素質(zhì)，為后續(xù)的學(xué)習(xí)深造打下基礎(chǔ)。

4　結(jié)束語