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

篇1

關鍵詞： 生物信息學 案例教學法 實踐教學

1.生物信息學學科特點

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

2.案例教學法概述

案例教學法（Case-Based Learning），指在教師的指導下，根據教學目的，通過呈現案例材料，組織學生以團體和小組討論、角色扮演等方式對案例進行調查、閱讀、思考、分析、討論和交流等活動；經過分析討論，將課本中的理論與案例材料結合起來，并利用理論分析說明復雜的案例內容。案例教學法引導學生學習新的知識，加深對理論的認識，訓練學生運用所學知識分析和解決實際生物學問題[4]。

不同于傳統教學模式注重“知識的傳授”，案例教學法更注重“能力培養”。案例教學法不直接給學生提供解決案例問題的標準答案或者具體方法，而通過教師引導學生積極討論得出問題的解決方法，側重于理論應用，是一種“以學習者為中心的學習方法”。

案例教學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，使學生掌握相關理論課程的基本應用技能。案例教學還可以綜合其他教學方法，如以問題為基礎的教學法共同改善課堂教學效果[5]。

案例教學法基本環節包括：教師根據學科特點提出案例；引導學生辯論交流、提出解決方案；完成與解決案例；教師評價與總結[4]，[6]，[7]。案例教學過程中，首先教師把握整體教學進度，選用與本專業課程有關的案例，案例選擇要具體、易于學習和理解，能夠引起學生的興趣，調動學生學習主動性；其次，將案例分解，從子案例中提出問題，啟發學生思考，鼓勵學生對案例進行分析、討論甚至辯論，提出解決方法，逐步完成案例；最后，引導學生完成和解決案例，分析點評整個案例教學過程及結果[4]。

3.案例教學法應用于生物信息學本科教學的意義

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

另外，生物信息學是一門實用性較強的學科，大學本科階段開設生物信息學課程主要目的不是開發新的數據庫和發展新的生物數據分析方法，而是如何利用現有數據庫資源查找特定數據，并根據科研實踐需要分析整合數據資源，為后續科研奠定基礎，具有極強的實踐意義。要達到實踐目的，除了讓學生掌握生物信息學的基本理論和方法、數據庫和軟件的原理外，更重要的是讓學生親身實踐，在實踐中對所學理論進行驗證、對數據和軟件的使用加以熟悉[9]。但生物信息學涉及專業領域內容廣泛，學生不可能做到完全親身實踐，因此，案例教學法能替代親身實踐，吸取前人經驗，是理論聯系實踐的一個便捷通道，是培養學生解決實際問題能力的好方法[7]。

4.案例教學法在生物信息學本科教學中的應用

4.1 案例選擇

筆者針對生物信息學本科的教學大綱和知識體系，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]數據分析為例說明。

4.2 教學過程

4.2.1學生分組。根據學生專業、興趣分組，每組6人，統一采用同一案例。

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

4.2.3案例分解。將整個案例分為若干個子案例：①序列數據來源；②序列比對分析③計算遺傳距離；④分子系統發育重建；⑤蛋白質家族和基序與結構域分析；⑥蛋白質三級結構與結構分類分析。對每一個子案例完成的關鍵步驟提出問題，啟發學生思考，鼓勵學生對案例進行分析、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，對應于教學大綱中完整的知識體系。

4.2.4評價考核。引導學生完成案例，教師歸納學生在整個案例教學過程中出現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出來的創造性解決方案進行分享學習。采用PPT成果展示、提交每一個子案例生物信息分析結果和解釋報告，考查學生對案例設計的相關生物信息學理論知識和操作技能的掌握情況。

案例教學法作為一種具有啟發性和實踐性的教學方法，有效提高學生利用生物信息學工具獲取相關知識解決生物學問題的學習興趣和能力，增強教學效果。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學生的學習興趣又反映生物信息學教學大綱的知識體系內容、如何有效把握課堂討論的節奏和方向及與其他教學方法的融合，在今后教學工作中還需要不斷改進教學方法，優化教學模式，豐富教學案例庫，在實踐中不斷探索案例教學法在生物信息學本科教學中的適用性和有效性。

參考文獻：

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

[2]袁道軍，楊細燕.農學專業生物信息學概論本科教學實踐探討[J].安徽農業科學，2016，44（13）：304-305.

[3]李廣林.大數據背景下的生物信息學教學探索[J].教育教學論壇，2015，（29）：210-211.

[4]張林，柴惠.CM教學法和PBL教學法的結合應用研究――以醫學生物信息學為平臺[J].中國高等醫學教育，2012（8）：116-117.

[5]武亞軍，孫軼.中國情境下的哈佛案例教學法：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.案例教學法在計算機繪圖課程中的應用[J].山東工業技術，2016（1）：145-146.

[7]胡珊珊，劉興起.案例教學法在水文學教學中的應用[J].首都師范大學學報（自然科學版），2016，37（2）：93-95.

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

[9]郭艷芳，李金明.PBL教學法在醫學生物信息學實踐教學中的應用[J].基礎醫學教育，2011，13（11）：1007-1008.

篇2

關鍵詞： 生物信息學；高等數學；教學效果； 教學方法； 多媒體

生物信息學是綜合計算機科學、 信息技術和數學的理論和方法來研究生物學信息的交叉學科。數學作為生物信息學研究的基本工具， 已經成為生物信息學專業的必修課程。高等數學是大學數學的基礎課程， 通過高等數學的學習， 學生不僅可以掌握基本的數學概念， 公式及方法， 更可以提高自己的邏輯能力以及運用數學解決生物信息學問題的能力。因而高等數學教學效果的好壞， 直接影響到一個學校， 一門學科人才的培養， 進而會影響到我國的科技發展水平與現代化進程。筆者結合此領域教師們多年的教學實踐， 結合生物信息學的專業特點從課前、 課上、 課后三個方面闡述提高高等數學教學效果的幾點建議。

1做好充分的課前準備，有的放矢。

要想在有限的課堂時間內達到最好的教學效果，教師首先需要在課前認真備課， 尤其要注意重點內容的強調以及知識點的銜接， 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， 由于生物信息學是一門快速發展的交叉科學， 因此在授課的過程中教師應當將生物信息學的前沿發展動態與課程內容進行合理的融合， 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， 又要適當的加一些有趣的動畫。對于高等數學這樣一門相對枯燥的學科， 小小的動畫會讓學生的精神為之一振， 間接提高教學效果。同時要做到內容簡潔明了， 真正起到提綱挈領的作用。對于高等數學下冊來說， 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， 使學生清晰地了解一個抽象的數學概念是怎樣產生的。

2多方位開展課上教學實踐。

2.1 多媒體與板書結合

多媒體的出現為高等數學的教學帶來了極大方便。比如曲線與曲面積分的章節中， 很多問題都需要結合三維圖像來解答， 在黑板上畫立體圖形既浪費時間， 又很難畫得準確， 而利用多媒體則只需在課件中插入相應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， 那么學生就只是觀眾， 在觀看一道題怎么解答。而利用板書引導學生，在書寫每一步的時候讓學生思考下一步應該怎么做， 那么學生就是參與者了。定理或公式的推導也是同樣的道理。所以上課時要做到多媒體與板書的有機結合， 多媒體展示提綱和圖像， 板書書寫具體的解題和推導過程。

2.2 重視基礎知識的教學

要狠抓以基本概念、 基本理論、 基本方法為主的“ 三基” 教學。高等數學雖然看起來很難， 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知識， 才能理解數學的精髓， 才能熟練的運用這些知識來解決復雜的生物信息學問題。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， 學生就完全理解了。對于基本定理， 一定要在黑板上寫下詳細的推導過程， 讓學生了解怎樣從一些已有的知識推導出一個新的結論， 這樣學生就不是在死記硬背定理的內容， 而是真的學會了。對于基本方法， 則要讓學生反復練習， 熟能生巧， 多做練習還會提高學生的計算能力。

2.3 注重課堂練習

在課堂上要堅持" 教師是主導， 學生是主體" 的教學原則，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， 學生往往只是“ 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， 給學生一定的時間讓學生自己練習， 及時消化和掌握所學的知識， 并且要重視理論聯系實際， 將數學的知識應用到具體的生物信息學研究中去。比如， 介紹了矩陣的概念之后， 就可以向學生介紹基因芯片的制備、 基因表達譜的數據格式等內容， 將基因芯片檢測的全基因組范圍的基因表達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水平， 每一列代表在同一張芯片上所有基因的表達值， 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變化了。除了每堂課都要讓學生有一定的練習之外， 在每一章或者每一個大問題結束之后還要開設習題課。在習題課上， 教師首先要總結這一部分所學的重要知識點以及它們之間的聯系， 使學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容， 為開始新的篇章打好基礎。

2.4 建立和諧的師生關系

高等數學是一門相對較難的學科， 學生在學習起來比較吃力， 這樣就容易形成逆反心理， 因此建立和諧的師生關系是達到良好教學效果的必要條件。首先， 師生之間是平等的，聞道有先后， 術業有專攻而已。這就要求教師在上課的時候不要高高在上， 要多多與學生交流， 在每一個知識點過后及時詢問學生是否理解， 如果沒理解就再講一遍。課下也同樣要走入到學生中去， 及時解答他們的問題， 還可以跟學生談一些與課程無關的東西， 拉近與學生的距離。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的任務。

3 通過課后的練習鞏固高等數學課上所學的知識

根據艾賓浩斯遺忘曲線， 如果只是上課記住了， 課下就不再復習，那么所掌握的內容就會迅速遺忘。所以， 適量的課后作業是非常必要的， 幾道習題幾十分鐘就可以起到鞏固知識的作用。同時， 教師也可以根據自身的科研方向， 設計一些小的科研課題， 鼓勵和引導學生進行思考， 如何利用學到的高等數學知識去解決實際的生物信息學問題。此外， 教師對n后作業的批改同樣重要， 通過對每一份作業的仔細批閱， 找出學生犯錯的共性和個性問題， 在下堂課著重講解， 那么學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生給予表揚和鼓勵。

高等數學作為生物信息學專業的必修基礎課， 其教學效果的好壞直接影響到生物信息學人才的培養以及學科的建設， 而要提高高等數學的教學效果， 就要做到課前認真備課，課上利用多媒體與板書結合的教學手段， 重視基礎內容的教學與練習， 同時活躍課堂氣氛， 保持和諧的師生關系， 并在課后布置適量的課后作業。

參考文獻：

[1] 張紅梅.提高高等數學教學效果的幾點見解.赤子，2009，4：45

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

篇3

關鍵詞：基因調控網絡；自組織圖聚類；機器學習

中圖分類號：TP274文獻標識碼：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

基因調控網絡是計算機科學、數學、信息學向分子生物學滲透形成的交叉點，是運用生物信息學的方法和技術通過數據采集、分析、建模、模擬和推斷等手段研究復雜的基因網絡關系。作為一種系統的、定量的研究方法建立在包括分子生物學，非線性數學和程序算法設計等知識等基礎上，運用生物信息學的方法和技術通過數據采集、分析、建模、模擬和推斷等手段，整合已有的實驗數據和知識，構建生物基因調控網絡，從整體的層次，了解細胞的功能；從整體的角度，闡述基因參與的生物調控過程，在全基因組水平上以系統的、全局的觀點研究生命現象及其本質，是后基因組時代研究的重要內容。

1 基因調控網絡概念

基因調控網絡本質上是一個連續而復雜的動態系統，即復雜的動力系統網絡。

1.1 基因調控網絡的定義

生物體任何細胞的遺傳信息、基因都是同樣的，但同一個基因在不同組織、不同細胞中的表現并不一樣。一個基因的表達既影響其它的基因，又受其它基因的影響，基因之間相互促進、相互抑制，在特定的細胞內和時間下綜合環境等因素這樣的大環境中呈現活化狀態，構成一個復雜的基因調控網絡。

1.2 基因調控網絡的特性:

基因調控網絡是連續的多層次動力系統模型，具有穩定姓、層次性、復雜性、動態性等。

1.2.1 復雜性

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

1.2.2 層次性

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

1.2.3 動態性

生物過程是動態的，用來理解生物過程意義的基因調控網絡自然就動態存在。基因調控網絡是隨著生物過程的動態發生而具有動態的特性，不同條件、不同時間的基因調控網絡是不同的。

1.2.4 穩定性

基因調控網絡的穩定性體現在生物體緩解突變的影響方面，功能上無關基因之間的相互作用可以抵抗系統突變；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定性。

1.2.5 功能模塊性

基因調控相關的生物功能主要是通過網絡模塊來實現的，有適當尺度下的動力學特征和生物學功能解釋的模塊是由多個motif 構成的，實現相同功能的基因或蛋白質存在拓撲結構上是相關的。

1.3 基因調控網絡研究的目的

通過對基因調控網絡的研究，識別和推斷基因網絡的結構、特性和調控關系，認識復雜的分子調控過程，理解支配基因表達和功能的基本規則，揭示基因表達過程中的信息傳輸規律，清楚整體的框架下研究基因的功能。

2 基因調控網絡研究內容

基因調控網絡的研究是假設兩個基因列譜相似，則這兩個基因協作調控，并可能功能相近，有同樣表達模式的基因可能有同樣的表達過程。基因調控網絡主要在三個水平上進行：DNA水平、轉錄水平、翻譯水平。DNA水平主要是研究基因在空間上的關系影響基因的表達；轉錄水平主要研究代謝或者是信號轉導過程決定轉錄因子濃度的調控過程；翻譯水平主要研究蛋白質翻譯后修飾，從而影響基因產物的活性和種類的過程。基因轉錄調控信息隱藏在基因組序列中，基因表達數據代表基因轉錄調控的結果，是轉錄調控信息的實際體現。

基因調控網絡試圖從DNA微陣列等海量數據中推斷基因之間的調控關系，對某一物種或組織中全部基因的表達關系進行整體性研究。采用帶有反饋回路的基因網絡，首先是按照同步或反同步表達，以及表達強度的變化，系統地識別各基因的特點，再用聚類的方法將各基因歸類，在此基礎上構建基因調控網絡，分析相關控制參數．利用其本身或調節位點或拓撲結構進行不同的研究。

3 基因調控網絡研究數據分析方法

篇4

【摘要】理論免疫學用數學的方法來研究和解決免疫學問題，以及對免疫學相關的數學方法進行理論研究的一門科學。隨著高通量方法和基因組數據的出現，理論免疫學從受體交聯和免疫原理、Jerne的相互作用網絡和自我選擇等經典建模方法開始向信息學、空間擴展模型、免疫遺傳學和免疫信息學、進化免疫學、分子生物信息學和表遺傳學、高通量研究方法和免疫組學等方面轉變。

【關鍵詞】免疫學, 理論；數學模型；生物數學

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[1]（Theoretical Immunology）是指用數學的方法來研究和解決免疫學問題，以及對免疫學相關的數學方法進行理論研究的一門科學。理論免疫學是免疫學與數學交叉的邊緣學科，也稱數學免疫學（Mathematical Immunology），是生物數學的一個分支。由于免疫現象復雜，從免疫學中提出的數學問題往往也十分復雜，需要進行大量計算工作，因此從近年興起的復雜系統研究的角度來講[2]，理論免疫學也稱復雜免疫學（Complex Immunology）。理論免疫學的任務就是揭示免疫系統運行的規律和機制，及其病理機制。數學模型（Mathematical Models）和數據分析是理論免疫學的主要方法，計算機是研究和解決理論免疫學問題的重要工具。

雖然從上個世紀中期，數學模型已經開始應用于免疫學，但傳統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]。這些傳統模型以少數成份（一種受體和一種抗原，或兩個T細胞群之間等）參與的簡單動力學為主要研究內容。直到2000年，人們才開始對免疫學的復雜性進行數學建模。隨著高通量方法（High Throughput Methods）和基因組數據（Genomic Data）的出現，理論免疫學開始轉向信息學（Informatics）方面[5]。與分子免疫學的生物信息學（Bioinformatics）分析一樣，當前免疫學研究中與復雜性有關的主要研究目標大多集中在高通量測量計劃和系統免疫學（System Immunology）或免疫組學（Immunomics）計劃。在數學模型水平上，分析方法也從以微分方程為主的簡單系統轉向廣泛應用Monte Carlo模擬（Monte Carlo simulations）。這種向更多分子和更多計算的轉變態勢與復雜系統涉及的所有研究領域出現的轉變極為相似。同時，理論免疫學中另一個重要轉變是，人們關注焦點從對外源性的適應性免疫系統的轉向更多考慮固有免疫系統的平衡。

1理論免疫學經典模型

免疫學是生物學的一個領域，很早就認識到了數學建模和數學分析方法的作用。早在上個世紀60年代和70年代，數學模型已經應用于免疫學的不同領域，例如：抗原-受體的相互作用、T和B細胞群動力學、疫苗接種、生發中心動力學、病毒動力學和免疫系統對病毒的清除[6]等。現在的許多免疫學原理和觀點都是數學模型的結果。

1.1 受體交聯和免疫原理

受體交聯[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。這個原理根據的事實是，低價抗原不能激活B細胞，而高價抗原（即抗原擁有多個重復基序）即使在抗原密度非常低（3-4目）的情況下也能夠激活B細胞。Sulzer和Perelson[10-13]據此發展了這個理論和數學模型并提出，抗原能夠聚集B細胞受體，從而激活B細胞。這個結論是B細胞免疫的基礎之一。

盡管數學模型對免疫學發展的貢獻的例子還有很多，但是免疫網絡（Immunological Networks）的概念和自我選擇（Self-Non Self Selection）問題占有相當重要的地位。

1.2 Jerne的相互作用網絡

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

1.3 自我選擇

調節性網絡實際上是理論免疫學中自我選擇這個大課題的一部分。假設表達自身反應性受體的淋巴細胞被機體清除（陰性選擇）。大多數陰性選擇可能是由于中樞性耐受（Central Tolerance）所導致的（T細胞在胸腺，人和小鼠的B細胞在骨髓）。陰性選擇機制失敗可導致自身免疫性疾病。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雜系統，盡管僅通過檢測免疫系統的成分，人們是無法接近問題的實質，但是他們的嘗試拓寬了我們的視野。直到今天，關于獲得和打破（自身免疫性疾病）耐受的途徑，也沒有一個公認的解釋。

2理論免疫學的現代模型

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

2.1 Immsim、Simmune和其它復雜模型

免疫學中，最大膽的嘗試可能就是建立一個免疫系統的系統模型。第一個建立這樣模型的嘗試是上世紀80年代由IBM公司Philip Seiden開發的IMMSIM模型[28-31]。其設計的主要目的是為了在計算機上進行免疫應答試驗。IMMSIM采用了克隆選擇原理的基本觀點，認為免疫細胞和免疫分子獨立地識別抗原，免疫細胞被競爭地選擇，以產生更好的識別抗原的克隆種類。IMMSIM模型的基礎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包括了適應性免疫系統的所有主要成份：CD4和CD8 T細胞、B細胞及其相應的受體，MHC Ⅰ類和Ⅱ類分子和一些細胞因子。但是IMMSIM模型仍然是對免疫系統的粗略描述。因此，人們在此基礎上又進行了其它的開發。

第一個較有影響的是由Martin. Meier-Schellersheim開發的Simmune[35-36]。這個系統嘗試建立一個足夠寬廣和復雜的平臺，從而能夠對免疫學的任意實際過程進行模擬。它不僅是一個特殊模型，更是一個建模技術或語言。

還有應用了Monte Carlo模擬[37-38]或稱免疫模擬（Immunosi m）、狀態圖[39]（State-Charts）等多種數學模型，試圖涵蓋免疫系統所有可能細節并建立動力學模型。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的完全模擬，并以此來研究細胞選擇[40]。這些綜合模擬的優勢在于他們涵蓋了當前免疫學的所有細節。但是這些模型也有缺點，他們過于復雜，因此對于所觀察到的動力學變化，我們無法充分理解其原因及模型對參數變化的敏感性。

2.2 空間擴展模型

從分子水平上講，免疫學復雜系統分析的最大進展是細胞內分子定位[41]（Molecule Localization）測量技術。免疫突觸（Synapses）的發現就是利用了該技術。人們建立了多個細胞膜動力學模型，用來解釋突觸的形成以及突觸的分子動力學。細胞膜動力學模型也應用于B細胞。這些模型中，有的是假設一個固定的細胞膜在二維晶格上（2D Lattice），有的假設一個自由漂浮的細胞膜[42-44]。另一個研究方向的是受體動力學，以及受體與其它細胞膜成份，比如Src家族激酶和脂筏[45]（Lipid Rafts），之間的相互作用。目前此領域的所有模型都是以廣泛的數值模擬（Numerical Simulation）為基礎的。

空間擴展模擬的另一個領域是生發中心動力學的模擬。經典模型主要采用ODEs來描述一或兩個總體的均勻動力學[46]（Homogenous Dynamics），而現代模擬主要應用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 免疫遺傳學和免疫信息學

不同基因組的排列和不同等位基因的序列使免疫遺傳（Immunogenetic）數據庫得到了全面的發展[50-51]。免疫遺傳數據庫IMGT儲存了多個物種的T和B細胞受體基因序列（B細胞H鏈和T細胞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（包括經典和非經典的）。另外，IMGT數據庫還包括了大量的淋巴細胞受體重排序列。

這樣龐大的數據庫是伴隨著免疫信息學（Immunoinfor matics）工具的大量發展而建立的。其中包括用于junction分析[52]、免疫基因對準（Immunogene Alignment）以及系統發育的工具[53-55]。所有這些工具的基礎都是將生物信息學理念應用于免疫學。免疫遺傳數據庫日漸顯現的重要性表明，免疫學建模逐漸向基因化方向轉變。

2.4 進化免疫學

與B細胞重排受體多重序列的測量一樣，多細胞生物中免疫基因的不斷積累，使免疫系統發育學（Immuno-Phylogenetics）得以快速發展。目前研究的主要焦點是適應性免疫系統的起源。適應性免疫是免疫系統的一部分，通過隨機基因重組以適應新病原體。很明顯，在軟骨魚類（Cartilaginous Fish）分化之前，適應性免疫最早出現于有腭脊椎動物（Jawed Vertebrates）。然而，這樣一個復雜系統起源的來源還不清楚。T細胞受體結構域（Receptor Domain）和B細胞受體結構域之間的相似性、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）在重排過程中的關鍵作用及其物理性相鄰（Physical Proximity），使許多研究者認為，淋巴細胞受體重排的起源是轉座子（Transposon）橫向轉移到原始免疫受體（Primeval Immune Receptor）中。這個領域中使用的主要工具是系統發育分析（Phylogeny Analysis）及其相關的所有數學模型[56]。

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

2.5分子生物信息學和表遺傳學

在分子生物信息學（Molecular Bioinformatics）和表遺傳學（Epigenetics）的研究過程中[59]，隨著分子信息研究水平不斷提高，在免疫學中應用模型水平的精細程度也不斷提高。免疫學的一個特殊方面是需要將信號轉導（Signal Transduction）與基因重排結合起來建模。現已建立了不同條件下的B和T細胞內的基因重排過程和淋巴細胞信息轉導的模型[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

免疫學是典型的、以免疫假說和免疫原理為基礎的研究領域。免疫學是最晚轉向以數據為基礎的、目前已在其它生物學領域中應用的高通量方法。近5年，在這一領域已取得了很大的進展。這些進展是依靠來自生物學其它領域的經典基因表達的自適應和定位技術[62][63]，以及針對免疫學的新技術的發展取得的。免疫學領域主要依靠實驗手段，但實驗所取得的結果卻是應當屬于理論免疫學的范疇，并且與復雜科學密切相關。

在基因重排過程中應用熒光原位雜交技術[64]（FISH techniques）來定位基因是一個令人興奮的、對免疫學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。

另一個對免疫系統來說具有針對性的工具是抗原芯片（Antigen Chips）的發展。這些芯片可同時測量B細胞對成百上千種抗原的應答，并提供整個免疫系統的系統表達[65]。在這類分析中使用的主要數學工具是聚類方法（Clustering Methods）。

2.7 免疫組學

目前，在理論免疫學中，最璀璨的研究領域可能就是新產生的免疫組學。這個年輕的學科已經擁有了自己的雜志《immunomic research》(省略)。免疫組學的主要目標是全方位地研究免疫系統[66][67]。這個領域采用實驗與理論相結合的工具。免疫組學目前正在研究的項目有：全部T細胞抗原決定基檢測；全B細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的所有基因位點的檢測。這個新生領域的成果還有限，但是在不到10年內，免疫學建模將會從基于預定假設（Predefined Hypotheses）的理論問題研究轉向對免疫系統受體和靶目標充分認識的、具有針對性的建模。

當前，理論免疫尚處于探索和發展階段，許多方法和理論還很不完善，它的應用雖然取得某些成功，但仍是低水平、粗略，甚至是勉強的。許多更復雜的免疫學問題至今未能找到相應的數學方法進行研究，還有一些免疫核心問題還存在爭議。這就需要未來的醫學工作者具備更多的數學知識，對免疫學和數學都有更深入的了解，這樣才有可能讓免疫學研究更多地借助數學的威力，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: 科學出版社, 53-129.

[3] 馬知恩. 種群生態學的數學建模與研究. 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. 北京: 科學出版社, 2009: 77-177.

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

[6] 陸征一, 周義倉. 北京: 科學出版社, 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(metabonomics)是繼基因組學、轉錄組學和蛋白質組學之后新近發展起來的一門學科，是系統生物學的重要組成部分。代謝組學主要研究生物對外源性物質所引起的病理生理反應，以及對遺傳變異的應答和內源性代謝物的動態變化，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事件關聯起來，以監測活細胞中化學變化。基因組學和蛋白質組學分別從基因和蛋白質層面探尋生命的活動，而實際上細胞內許多生命活動是與代謝物相關的，是受代謝物調控的。基因與蛋白質的表達緊密相連，而代謝物則更多地反映了細胞所處的環境，這又與細胞的營養狀態、藥物以及其它外界因素的影響密切相關。因此，有學者認為，基因組學和蛋白質組學能夠說明可能發生的事件，而代謝組學則反映確實已經發生了的事情[1]。　代謝組學強調把人體作為一個完整的系統來研究，通過測定人體各種體液內代謝物的組成變化來認識和反映人體代謝網絡在疾病和藥物作用下的變化規律。這對于揭示復雜性疾病的機理和藥物的代謝模式具有獨特的優勢，與中醫學的整體觀、系統觀和辨證論治思維非常吻合，也與中醫重視從人與自然、人與社會和人體內在的普遍聯系和動態變化去分析、認識把握疾病發生、發展、變化的客觀規律的認識一致。因此，專家認為，人類基因組計劃第一次使西方醫學擺脫了還原論的束縛，在繼續強調分析的同時，更加重視分析和綜合的統一。人類基因組計劃和隨后發展的各種“組學”技術把生物學研究帶入了系統科學的時代。組學的出現不是對個別基因或個別蛋白、代謝物的研究，而是對一個細胞或對整個生命體的基因以及它所編碼的蛋白質和代謝產物的研究。物理學、化學、計算機科學、信息科學、工程科學現在都已極大地融合到生命科學的研究之中，重視生命科學的復雜性和整體性研究已成為21世紀生命科學的發展趨勢；甚至有專家認為，中西醫藥學在各自的發展中逐步整合，形成創新醫藥學體系的歷史機遇正悄然來臨。

1 代謝組學技術

代謝組學主要研究的是作為各種代謝路徑的底物和產物的小分子代謝物(MW

1.1 核磁共振技術

在代謝組學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的原子核在核外磁場作用下，吸收射頻輻射而產生能級躍遷的譜學技術。該技術于20世紀70年代初開始應用于生物醫學的研究并得到迅速發展。利用高分辨率NMR技術對完整器官或組織細胞內許多微量代謝組分進行檢測，可得到相應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意義，可以了解生物體代謝的規律，得出科學的結論。NMR方法具有無損傷性，不會破壞樣品的結構和性質，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選擇實驗條件；可以進行實時和動態的檢測；可設計多種編輯手段，實驗方法靈活多樣，滿足了代謝組學對盡可能多的化合物進行檢測的目標。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的，所測樣品中的每一個氫原子在圖譜中都有其相關的譜峰，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物中的復雜成分。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。對這種特質性進行區分、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)”，觀察特定干預的動態系統中，找出機體代謝變化的規律。隨著NMR技術的發展，以前用于固體的魔角旋轉(MAS)技術被移植到液體領域，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，人們可以得到完整的組織樣品高分辨譜圖，擴展了代謝組學研究的樣品范圍，同時可以更全面地對一個系統進行深入的研究[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域，并對所有區域進行積分，然后將積分值歸一化后輸出。在得到了這些數據之后，就可以利用模式識別(patten recognition，PR)方法來處理和分析這些數據，得出有價值的生物學信息。在代謝組學的研究中，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即主成分(principal component，PC)上，利用這些主成分來描述數據集內部結構，實際上也起著數據降維的作用。主成分是由原始變量按一定的權重經線性組合而成的新變量，這些變量具有以下性質：①任意兩個主成分之間都是正交的；②第1個主成分包含了數據集的絕大部分方差，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據集所包含的生物化學變化。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產生的代謝組數據庫進行比較，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志物。處于相似病理生理狀態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，一些環境因素和性別、飲食等因素都會影響分析結果，故需要采用濾噪技術，如正交信號校正(orthogonal signal correction)，同時采用更為復雜的分析方法，如偏最小二乘法、判別分析(PLS-DA)和人工神經網絡。用這類方法可以建立復雜的數學模型，對未知樣本進行預測分析。NMR技術在代謝組學中的應用越來越廣泛，但儀器價格及維護費用昂貴限制了該技術的進一步普及。

1.2 質譜技術

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

NMR技術與MS技術相比，各有其優缺點，需要在研究中靈活選用。總體而言，NMR技術應用的更為廣泛。此外，根據代謝組學的研究需要，還常用于其他的一些分析技術，如GC、HPLC、高效毛細管電泳(HPCE)等，它們往往與NMR或MS技術聯用，進一步增加其靈敏性。

2 代謝組學技術與中醫證候的研究

辨證論治是中醫藥理論的核心。其實質是根據個體心身特點及其當時的疾病反應狀態而有針對性地進行個體化的治療和預防，從而達到最佳治療效果。中醫的“證”是論治的起點和核心。“證”是指在疾病的發生、發展過程中，一組具有內在聯系的、能夠反映疾病過程在某一階段的病理病機，是機體對體內外各種環境變化和致病因素作出反應的一種功能狀態，其外候表現為一組有相互關聯的癥狀和體征群。辨證施治既不同于對癥治療，也不同于西醫的辨病治療。由于每一個證候都有其外象(外候)與內涵，外候是望、聞、問、切四診所獲得的信息整理而得，很難量化，即使用流行病學方法加以演繹，依靠專家的經驗打分，最多亦只是半定量，很大程度上依賴于醫生的診療水平。由于辨證是由外揣內，在具體運用上受到醫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”的內涵研究。采用代謝組學技術，通過對某一病證相關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物質的代謝途徑和代謝狀況；同時，代謝組學還有助于疾病的生物標記物的發現而達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物的響應進行分析，即代謝物組的分析，其準確性依賴于儀器的性能，可以提高診治的科學化、定量化，避免了人為因素的誤診。

成都中醫藥大學王米渠教授用基因芯片的方法研究中醫寒證患者，發現寒證的基因表達譜有顯著差異，在59條差異表達基因中，絕大多數與代謝(能量代謝、蛋白質代謝等)有關，說明寒證患者的代謝網絡有別于常人。上海交通大學藥學院實驗室采用代謝組學研究發現腎陽虛模型動物的代謝網絡明顯偏離正常組動物，而用溫陽中藥干預后，模型動物的代謝譜回歸至正常范圍，呈現網絡修復的結果[4]。

本課題組以慢性束縛方法制作應激大鼠模型，運用動物行為學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NMR數據采集與分析發現：①正常組與模型組之間存在代謝產物譜的顯著差異，也就是說正常組與以慢性束縛方法制作應激大鼠肝郁脾虛證模型組之間有著代謝產物的不同。②模型組隨著造模時間長短的不同，其代謝產物有所變化。③中醫證候之間可能存在著非常明顯的代謝產物的不同，這種不同是基于不同證候存在著不同物質代謝或其代謝網路的改變。中醫證候的生物學基礎也可能從代謝組學研究中找出特異的標志性代謝產物，用生物信息學方法分析生物標志物的功能，來確定“證相關代謝譜群”。基于這些研究，我們提出中醫證候的定義：證是機體對體內外各種環境變化和致病因素作出反應的一種功能狀態，其外候表現為一組有相互關聯的癥狀和體征群，其本質是機體失衡而致的代謝或其網路的改變。

3 中醫證候代謝組學研究的方法

中醫證候代謝組學研究技術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物譜分析，得到各自的代謝產物譜，找出特異的標志性代謝產物，用生物信息學方法分析生物標志物的功能，以確定“證相關代謝譜群”。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性的研究。值得注意的是，現已證明動物體的內源性代謝產物與生理條件下的各種變化有關，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，代謝組也可發生種類及數量的差別。因此，建立生理條件下對代謝譜的正確認識，是研究各種病理條件或刺激干預的前提。

代謝組學正處于快速發展的階段，日益成為研究的熱點。高通量、高分辨率的分析技術與生物信息學相整合，從生物代謝層面進行研究，提供了了解生物體的獨特視角。代謝組學研究側重于尋找相關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是今后努力的方向。代謝組學最終是要將研究的觸角涉及每一個代謝組分，研究其共性、特性及規律。在分析手段方面，各種技術都各有所長，怎樣進行優勢互補，使得各種分析技術的數據能統一、交叉驗證也是一個亟待解決的問題。而且代謝狀態變化之迅速，影響因素之多，都給個體化研究帶來很大的困難。如何將代謝組學技術和方法與傳統的中醫學理論結合起來，并遵循循證醫學的原則開展中醫藥的理論與臨床研究將是未來中醫方證研究的重點。

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

[3] 陳慧梅.代謝組學及其研究方法和應用[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.代謝組學在中醫藥復雜理論體系研究中的應用[J].中國中藥雜志，2006，31(8)：621－624.

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

[6] 徐洪雁，趙 歆，陳家旭，等.慢性束縛應激大鼠海馬CA1區L-ENK的變化及逍遙散的調節作用[J].世界科學技術－中醫藥現代化，2005，7(5)：18－22.

[7] 陳家旭，楊建新，趙 歆，等.慢性束縛應激大鼠下丘腦-內啡肽變化及中藥復方對其的影響[J].中國醫藥學報，2004，19(2)：83－85.

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

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

篇6

作者簡介：賈云杰（1982―），新鄉醫學院圖書館助理館員；劉林霞（1980―），新鄉醫學院圖書館館員；浮肖肖（1984―），新鄉醫學院圖書館助理館員。

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

循證醫學是臨床醫學與現代信息學、衛生統計學、流行病學相結合的典范，其核心思想是任何臨床醫療決策的制定都應以最新的系統評價結果為科學依據，而不能單憑醫生的臨床經驗或依據少量相關文獻信息來決定病人的診治方案。循證醫學主要方法是檢索關于某種疾病診療方案的隨機對照實驗，運用現代信息學、衛生統計學、流行病學方法對實驗結果進行嚴格的系統評價或分析（Meta―analysis），得出評價結果，為臨床研究和醫療決策提供可靠又準確的科學證據。臨床醫務人員要依據循證醫學決定診療決策，需要醫學圖書館員利用圖書館豐富的信息資源、嫻熟的檢索技術和科學的統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品，從而更好地幫助醫生獲得最佳的醫學證據。因此，循證醫學研究應該一種多學科相互融合、相互協作的跨學科科研模式，在這種研究模式下，高校圖書館的情報服務機構為臨床醫生提供的循證醫學情報信息服務，就必須適應循證醫學這種新興學科的特點，所需的情報資源必須經過多學科人員協同式的信息挖掘、信息整合，才能為醫生提供有價值的循證醫學信息服務。

1 國內循證醫學情報服務的現狀

“國外循證醫學環境下醫學院校圖書館的信息服務開展較早，目前已形成一定的模式。我國對于循證醫學信息服務發展模式的探討尚處于初步階段，發展機制還不健全，亟須在循證醫學實踐中逐步完善”[2]。

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

醫學圖書館及情報信息服務機構充分認識和掌握循證醫學的三個階段模式，有利于在循證過程中深入了解循證醫學中存在的信息轉化障礙，從而有針對性地開展相關信息服務，促進循證醫學中系統評價的順利進行。但由于在循證醫學研究中涉及醫學信息技能、臨床信息技能、預防醫學與公共衛生、生物信息學及衛生統計學等多個學科領域，因此，為循證醫學提供信息服務就需要具有較高信息技術素養，交流溝通能力，以及多學科縱深背景的復合型知識人才。但作為一個學科館員或者情報人員往往達不到多學科知識的要求，這就需要按照以上幾個方面的需要創立協同化科研情報服務團隊，從團隊的學科建設、服務模式、服務途徑等幾個方面來創新現有的情報信息服務策略，從而為國內醫學圖書館、信息服務機構組建循證醫學協同化情報服務團隊及創新信息服務的新模式提供參考。

2 組建協同化循證醫學服務團隊及完善相關信息資源

2.1 組建協同化循證醫學服務團隊

當前很多高校圖書館情報機構的人才結構配備不合理、信息資源保障體系不完善、服務行為不規范、服務模式缺乏新意、信息服務內容不深入、服務范圍狹窄等[4]，這些誤區容易導致圖書館的服務成為形象工程，影響高校圖書館的長遠發展。因此，對組建協同化循證醫學服務團隊、完善相關數據庫信息資源系統進行研究，并根據發現的問題提出相應的解決對策，具有重要的科學意義和實際指導作用。

2.1.1 有針對性地引進高素質人才。①選擇具有圖書館情報學專業知識，專業技能強，業務素質高的人才。②根據高校的學科優勢或者學科特色選擇對口學科背景深，熟悉相關專業發展動態、發展前沿的人才。③選擇既有一定的醫學背景，又熟練圖書館情報專業知識和技能，可塑性強的復合型人才，為臨床醫生提供針對性的循證醫學信息服務。

2.1.2 加強對現有人才的開發，提升其綜合水平。在現有情報人員潛能開發方面，高校情報服務機構在人才、資金、技術等有限的條件下，必須不斷加強現有人才的開發，提升其綜合水平。①從現有的人員中選拔既有一定的醫學背景又有圖書情報專業知識和技能的情報人員進行開發和培養，強化信息服務職業素養教育；加強對館員工作中的主動性、個性化、增值意識的培養；提升情報服務質量的業務培訓，包括知識發現、知識挖掘、數掘融合、推送技術、智能搜索等能力的培訓，為用戶提供所急需的、個性化的、深層次的循證醫學信息等。②情報服務機構應為情報人員提供相關學科知識學習的機會，加深其對相關學科的了解，特別是醫學、生物信息學、衛生統計學等，能熟練地運用計算機分析數據，并樹立他們終生學習的理念，確保情報人員的知識和能力不落伍，能及時掌握科研發展動態，從而更好地為臨床醫生提供相關的循證醫學信息服務。

2.2 循證醫學相關信息資源的建設

圍繞協同化循證醫學服務團隊，調查統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學科研團隊信息需求為前提，建設具有特色的數據庫信息資源，他是開展面向循證醫學協同化情報服務的基礎。筆者認為高校圖書館在建設本校特色數據庫資源體系時勿追求“ 大而全”，而是從學校或者附屬醫院的優勢學科，以及重點學科，相關協同化循證醫學服務團隊的信息需求等方面，要以“協調匹配、彰顯特色、成本節約、合理配置”為原則[5]，構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據庫、網絡資源的整合，建立一個集所有或大部分數據資源的網絡化平臺、檢索界面，方便科研人員熟悉、利用數據庫資源[6]。[HJ1.25mm]

3 創新循證醫學信息服務的新模式

3.1 組建協同化循證醫學服務團隊

醫學情報服務機構組建成協同化循證醫學服務團隊，完善相關數據庫信息資源建設以后，利用資源、技術和人才優勢，積極開展情報信息服務，建立循證醫學情報信息匯集與分析平臺與機制，運用信息推送技術為循證醫學科研提供定題服務，共建共享信息資源，及時全面地傳遞、交流發展態勢，為科研團隊和科研人員提供一個共同交流、學習、合作和制定計劃的平臺。

3.2 為循證醫學科研團隊提供個性化情報信息

情報服務人員通過與臨床醫生的溝通與交流，全面客觀地分析醫生的循證醫學信息需求，通過相關信息情報收集、挖掘、知識發現等技術，對所收集情報信息資源進行篩選、統計分析和系統評價，為循證醫學科研團隊提供必要的、個性化的情報信息。通過交流反饋，持續跟蹤醫生的信息需求，定期向醫生提供最新動態的循證醫學實踐信息和醫學信息分析評價等，為循證醫學發展提供多方位的循證服務支撐。

3.3 為循證醫學科研工作者提供必要的知識服務

情報服務人員利用信息資源和信息技術優勢，應快速、準確地為循證醫學科研工作的各階段，提供必要的知識服務。從循證醫學科研項目的定題、實施、系統評價以及科研成果的應用，為循證醫學科研團隊提供可持續的、有針對性的情報信息服務。

篇7

“知識管理”的概念來自企業界，目前比較權威的定義認為知識管理是對知識、知識創造過程和知識的應用進行規劃和管理的活動。知識管理專業網站的創始人YogeshMalhotra認為：“知識管理是當企業面對日益增長的非連續性的環境變化時，針對組織的適應性、組織的生存和競爭能力等重要方面的一種迎合性措施。本質上，它包含了組織的發展進程，并尋求將信息技術所提供的對數據和信息的處理能力，以及人的發明能力這兩方面進行有機的結合。”美國學者卡爾•弗拉保羅認為[1]:“知識管理就是運用集體的智慧提高應變和創新能力”。我國學者烏家培認為：“知識管理是信息管理發展的新階段，要求把信息與信息、信息與活動、信息與人連結起來，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新，以贏得競爭優勢。”雖然學術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、以創新為目標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：是應用集體的智慧提高應變和創新的能力[2]。其本質在于把信息與信息、信息與人、信息與過程聯系起來，不僅對信息的收集、存儲、整理與傳遞進行系統、嚴密的組織管理，更進一步把握知識間的相互關系，創造一種隱性知識與顯性知識互動的機制與平臺，從而創造出新的知識去滿足社會發展的需要。

2高校醫學圖書館知識管理的必要性

2.1醫學模式轉變和用戶需求的變化對知識管理的需求

現代醫學模式從生物—醫學模式轉變為生物—社會—心理模式，從而把醫學引向更廣泛、更深入、更復雜的研究層次。現代醫學模式的出現，使醫學用戶與圖書館的關系顯得更為密切，醫學用戶除了必須掌握自己的專業知識外,還要學習哲學、醫學心理學、醫學倫理學、社會行為學等“人文科學”，如果沒有掌握相關的基礎知識，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，醫學科學的發展在改變醫學模式的同時，還涌現出諸如醫學信息學、生物信息學、循證醫學等新興學科，因此充分認識了自然科學與社會科學之間相互交叉、相互滲透的發展趨向，醫學用戶在疾病控制、臨床、科研工作中，引發對醫學知識、社會學知識的更多的需求，也更多地依賴圖書館學習科學知識，以提高綜合素質。

2.2知識經濟環境及信息技術革新要求圖書館實施知識管理

近20年來現代信息技術的快速發展，計算機的應用，網絡技術的普及，從根本上動搖了醫學圖書館傳統的管理模式和服務方式，但是醫學圖書館管理思想停留在信息管理的階段。對知識資本構成的全面性認識不足，強調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化為更大的生產力、競爭力和新價值。醫學圖書館的持續發展必須引進先進的管理模式，實現醫學圖書館的現代管理。

3高校醫學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、存儲和應用，并使其充分發揮作用的過程。主要體現在以下三個方面：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掘，即強調人是知識管理的核心，圖書館要建立一種創新、交流、學習和應用知識的環境與激勵機制，培養知識型館員，建立人才庫；三是用知識管理的理念指導圖書館服務，充分發揮服務的價值和知識的價值，走知識服務之路[3]。

3.2構建醫學知識庫

知識庫不同于數據庫和信息庫，知識庫中既儲存結構化的內容又儲存非結構化的內容。構建知識庫并使其發揮作用，是知識管理的基礎。醫學圖書館內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協作網，MEDLINE，OVID全文期刊數據庫，《中國生物醫學文獻數據庫》(CBMdisc)、《中國生物醫學期刊數據庫》（CMCC）,《中國學術期刊(光盤版)全文數據庫》，《萬方數據資源系統》，《中國科學引文數據庫》等等。因特網上有大量的醫學資源，除了基礎醫學、生物醫學和分子生物學資源外，還包括臨床醫學資源，都可作為外部知識庫的構建基礎。

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過整理、分析、綜合的信息資料，并為讀者提供信息咨詢服務，作為知識的管理者，圖書館員要轉變觀念，變被動服務為主動服務。圖書館不僅僅是一個服務部門，也是一個研究部門，圖書館職業不僅是一個服務性的職業，也是一個研究性的職業。今天的醫學圖書館員不再是守門員，而應該是醫學信息專家，要集衛生專業知識、情報專業知識、英語、計算機和網絡技能于一體的復合型人材，真正起到知識導航員的作用。重視館員的職業培訓和終身教育，提高科技水平、獲取知識和創新知識的能力，引導發揮館員的智慧潛能。

3.4注意發揮高校醫學圖書館的優勢和特色

高等醫學院校最主要的“產品”是培養各類型醫學人才。高校圖書館在這個培養和訓練人才的過程中，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的學術信息資源的同時，還擁有可以適時更新的動態信息源，這是高校圖書館有別于其他信息服務機構之處。并且由于各高校的歷史和專業特色的不同,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其擁有的靜態資源和動態資源的完美結合,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,從而達到服務效益的最大化,并由此建立起一個具有強大創新力兼具獨特性的組織系統。

篇8

關鍵詞：高等農業院校；創新型人才

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

國務院頒布的“國家中長期教育改革和發展規劃綱要”中強調要通過人才培養改革試點，探索各級各類教育創新人才的培養途徑，創造有利于創新人才脫穎而出的外部環境，爭取將我國建設成為一個創新型國家。青島農業大學生命科學學院于2010年在全校范圍內首個建立創新人才培養實驗班（以下簡稱“創新班”），以此作為試點，從人才培養理念、培養目標、選拔方案、運行管理、課程體系、教學模式、教學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，為創新型人才的培養提供寬松、有利的環境，以期對全校本科創新人才的培養起到很好的推動和示范作用。

一、從人才培養理念正確理解什么是“創新人才”

目前，教育界對“創新人才”的定義存在不同的認識。我們認為，“創新人才”應具有善于思考，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：大多數情況下，創新人才并不是在大學階段，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新人才的培養創造條件，引導、培養、教育學生具有善于思考，勇于提出問題和解決問題的能力，以期學生在日后的實踐鍛煉中最終成為本專業領域的創新型人才。

二、科學定位，確定創新人才培養目標

專業定位和人才培養目標應充分考慮社會實際需求與學科特色，不應該盲目效仿其他綜合性大學的培養模式，導致人才培養難以適應地方經濟發展的需求。根據高等教育人才培養目標定位劃分，高校培養人才包括三種類型，即學術型人才、應用型人才和實用型人才。地方高校教育要辦出特色，必須走應用型創新人才培養之路。作為省屬農業高校，青島農業大學堅持“教育與農業生產實踐相結合”的辦學思想，2013年成為山東省首批應用型人才培養特色名校建設單位。創新班的人才培養定位是：主要從事與農業生物科學相關的理論研究、新技術開發工作，掌握較系統的生物學基礎知識、基礎理論和基本技能，具備一定的人文社會科學的知識與素養，具有較強的創新能力和實驗、實踐能力。

三、加大宣傳力度和采取動態管理機制

2010-2013年實行大類招生期間，學院對剛進入大學校園的新生及其家長進行創新教育宣傳，讓學生對創新班的設立有一個正確的認識。面向全校本科生公布創新實驗班的招生條件，學生自愿提出申請，根據學生大學一年級的綜合成績和面試的結果，采用雙向選擇的方式擇優錄取。創新班成員的管理采取動態管理機制，在每一新學年之初，根據上一年學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人數加入創新班。

四、建設具有創新意識的教師隊伍

教師是學生專業學習的引導者，引導大學生去探究、學習，學會分析問題和解決問題，掌握正確的學習方法，因此，學生創新能力的培養的前提是教師自身必須擁有創新的教育理念。目前很多教師延續傳統的教學方法，只重視知識的講授，而忽視了對學生學習的引導，這種一味的“填鴨式”教學，使得學生被動地接受專業知識，結果導致學生創新意識淡薄。針對這個問題，學校、學院出資鼓勵教師去其他高等學校進修學習，學習其他學校先進的教學理念，在教學過程中，通過啟發的方式引導學生思考和解決問題。另外，以教研室為單位，安排教學經驗豐富的教師結對幫扶青年教師，尤其是那些從未涉及課堂教學實習的非師范類院校畢業的教師，從專業課教學、實習實踐等方面給予指導和培訓，加快青年教師成長的步伐。

五、課程體系和課程結構的整合與優化

調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，以及其他學科的教學內容，減少了必修課在學分鐘的比重。減少大班上課的比重，增加了小班上課的比重。

六、改革教學模式和教學內容

人才培養實行“3+0.5+0.5”教學模式，即3年系統理論學習、半年校內實習和半年企業實習，注重提高學生的實踐能力。學生在掌握系統專業知識的同時，還應關注教學內容的前沿性、交叉性和啟發性，加強不同學科之間的交叉融合。近些年來，計算機專業與生物學專業的結合，出現了生物信息學專業，生物學的發展進入了大數據時代。針對這種新的變化，學院及時進行課程結構的整合和優化，開設了生物信息學、基因與蛋白質組學數據分析等課程，結合計算機上機實踐環節，有效激發了學生對生物大數據的學習。通過學科交叉融合的方式，將選修課由改革之前的12門課拓展到29門課，擴大了學生對選修課的選擇余地，滿足了學生個性化學習的選擇需要。

七、改進教學方法，將傳統的教師課堂式的教學模式改為在網絡互動教學平臺下的自主學習模式

將教育環境由封閉式變為開放式，引導學生通過自主學習，積極發現問題，然后將問題帶到課堂上，教師與學生討論式互動，教師引導學生從獨特的角度發現問題，提出疑問，主動積極地解決問題，鼓勵同學對現成的結論和傳統的觀點敢于提出大膽的質疑，減少單純的知識傳授環節。這種教學組織形式的改變將學生單純的知識記憶學習變為探索知識、發現問題、思考問題和解決問題的良性循環過程。

八、改革學生評價體系，適當增加平時分占總評分的比重

學生的總評分由考勤成績、平時成績和期末成績三部分組成。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、網絡教學平臺問答環節以及平時學生在本門課學習過程中的綜合表現，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環節

實踐教育是培養學生創新能力不可缺少的重要環節。生物學是實驗和實踐性學科，通過實踐環節，可以使學生將理論課中學習的知識與工農業生產相結合，是實現知識和能力統一的有效環節。為此，學院建立了“課堂―課外”、“校內―校外”和“科學―人文”多元實踐教學模式，構建“基礎―專業―綜合―創新”四層次的實踐教育體系和“創新教育―實驗實習―團隊活動―生產實踐/社會實踐―技能訓練―學術交流―研究創新”七環節的運行機制。在實驗實踐方面，減少了驗證性實驗的比重，增加了綜合性和設計性實驗的比重。在實踐環節中為學生創新意識、創新思維和創新能力的培養提供了有利的環境條件。這幾年，學院增加了在實踐教學相關配套設施的投入，如：建立了植物標本室、動物標本室、食藥用真菌標本室和組織細胞培養室。依托導師制和教師科研團隊，充分利用省級重點學科、省級重點實驗室和省級高校重點實驗室平臺，確保學生個性發展需求，以教師現有的科研項目為載體，學生自主選題，自主開展創新科學研究，培養創新能力。另外，引導和鼓勵教師參加社會技術服務項目，教師評職稱要求有在本專業領域的生產企業鍛煉至少三個月的經歷。從生產、科研第一線聘用總經理、企業主管等專業人員作為兼職教師為學生授課。此外，還在山東省內以及青島市周邊城鎮，與相關行業、企業通過資源共享、優勢互補的原則聯合建立科研、實習實踐基地，有效增加了校外實踐教學基地的數量。

十、采取激勵措施，提高學生和教師的積極性

為了鼓勵學生進入實驗班學習。學院采取了以下激勵措施，提高學生和教師的積極性。

1.實驗班堅持以人為本、追求卓越的培養理念，集中優質辦學資源，充分尊重學生的個性發展，實行全程導師制，即學生進入創新班后，根據自己的學習興趣和本學院的教師科研研究方向，選擇本學院的教師作為自己的專業指導老師，教師負責學生的科研實踐、課程論文和畢業論文的安排和指導工作。而普通班學生是從三年級實行“導師制”。

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

3.在校際本科“交換生”學習交流方面，每年派出創新班的一部分學生到國內“211”和“985”高校學習深造一年，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交流。目前青島農業大學生命科學學院已經與國內四所“211”和“985”高校建立了長期“交換生”學習交流的聯系。

參考文獻：

篇9

關鍵詞：人工生命；人工智能；人造生命；物理主義

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

一般認為，“人工生命”、“人工智能”和“人造生命”是三個分別從計算機科學領域、智能研究和基因工程領域提出的概念。20世紀90年代未，中科院曾邦哲提出人工生物系統（artificial biosystem）的工程生物系統概念，用以整合計算機領域和遺傳工程領域的兩個概念。概念上的整合一方面體現了“人工生命”與“人造生命”兩者之間的承接性，另一方面也預示著“人工生命”發展與生物學理論發展之間的密切關聯。誠如“人工生命是具有自然生命現象的人造系統”[1]，那么進入微觀領域，生命規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］，使生命也成為技術的對象，而是包含了一定生命認識的特殊生命活動。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”概念演進背后內在思想動因，從而為洞悉生命科學發展趨勢提供一條線索。

一、“人工生命”階段：肯定物理主義

在人體細胞核內，質量只有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，人類生命活動中發生一切事情都與這一序列息息相關。［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關系即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家接受生命分子信號的過程。應用申農所建立的一般信息系統模型，在一定的指令下進行信號傳遞成為“人工生命”的最初目標。強人工生命觀念將“生命系統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，生命就能進行準確的信號傳遞，也就實現了“人工生命”。首先試圖為生命編寫程序的是生物學家林登邁爾。20世紀60年代中期，林登邁爾為紅海藻、青苔等植物的生長發育建立模型，提出了一種被稱為“L-系統”的形態發生系統，又被稱為“繁殖（發生）算法”。在編寫好的程序下，生命系統轉化為信號系統。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應和了人們對微觀生命分子世界的物理主義觀點，其實質是將諸如細胞這樣一個具有新陳代謝功能的生命單元放在既定的關系下。盡管將生命活動視為一種生命信號傳遞顛覆了傳統的生命物質實體論，卻仍然將生命置于某種固定關系下，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，并在計算機領域中建立虛擬生命系統；另一方面，人們在質疑申農的一般信息模型的同時也開始質疑“人工生命”。針對申農的一般信息模型，有學者認為：“申農通訊信息系統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。”［5］可見，申農的一般信息模型不具有反饋性機制或不能夠自創生。于是，這樣一種生命的信息論觀點，即“在生命運動之中物質實體-載體是流動的，組織形式-信息才是穩定保持的”［6］，表明“人工生命”所模擬的對象是在既定關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、分析基因創造了條件，需要進一步找到能夠提供信息的標記基因，進行基因追蹤，但尋找基因的工作卻相當復雜。一般信息模型不可能作為模擬這一活動的基礎。

二、“人工智能”階段：懷疑物理主義

一般認為，人類共有5萬~10萬個基因，如果某個基因發生了變異或者產生缺陷，必然會引起機能上的障礙。根據變異的DNA標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的地圖，通過檢查DNA序列來識別基因突變。學者們以DNA標記為基礎的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，而尋找基因的關鍵則體現為對信息的識別。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的一般信息模型顯然無法發揮作用。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、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學各學科整合，并在計算機領域實踐，甚至在機器人、經濟政治決策、控制系統、仿真系統中應用。然而，這種學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，一部分學者試圖通過重新定義“人工智能”概念，區分出強“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，只要運行適當的程序，計算機本身就是有思維的”［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不再將生命系統作為信號系統，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或醫學獎的布洛貝爾創立了著名的“蛋白質的命運”假說，即關于新生成的蛋白質去向的“信號假說”。他認為細胞內存在某種信號，這種信號決定了新生成的蛋白質的去向。這意味著每個蛋白質都能夠獲得向某個地方移動的信息，就像郵編一樣，可以讓蛋白質找到準確位置。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生了沖突。

弄清各種基因各自會生成何種蛋白質成為需找基因的重要環節，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的基因。“信號肽”的發現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。人們已經發現，致命的基因突變由于地域特征和環境不同，其結果也會各不相同。這就意味著，人們在對待人類基因時必須考慮環境的因素：一方面，環境可能使基因突變形成惡性基因，另一方面則也能促使發生有益的突變，從而形成更為適應環境的基因整體。從后者來看，環境如何引發新基因整體的形成就成為對基因與環境之間關系所進行的解釋，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。

“對基因整體性的認識大體有兩類。一類是在分子遺傳學堅信基因獨立性存在的前提下，根據不同功能種類的基因間的協同關系詮釋基因系統的整體存在。而今，這一方向已在原核生物領域取得輝煌的成果；另一類是在關注物種(種群)的發育和進化并結合分子生物學的基礎上，探究基因的整體存在，即基因集成、基因組織單元及其關系的研究。目前，這一方向已受到綜合進化論者及其他一些生物學者的高度重視。”［8］后者恰恰體現了環境對基因的作用。“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境中分離開來，再將提取的基因染色體放入新的環境之中，即嵌入已經被剔除了遺傳密碼的細胞中，這樣染色體在新環境中形成新的基因組織，控制這個細胞，發育變成新的生命體。2010年5月20日，美國私立科研機構克雷格•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胞細菌誕生，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“被創造”，而不是一定要通過“進化”來完成。“辛西婭”的產生在一定意義上證明了可以通過人工環境能夠實現對基因的作用。

“人造生命”為“人工生命”提出了更深層次的問題。“人工生命”概念不同于傳統生命觀和科學觀。“傳統生物學用分析方法研究生命。通過分析，解剖現有生命的物種、生物體、器官、細胞、細胞器，即通過分析現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，在人工系統中對簡單的零件進行組合，使其產生類同生命的行為，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識，從“如吾所說的生命（lifeasweknowit）”轉變為“如其所能的生命（lifeasitcouldbe）”［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境對基因整體功能的作用機制，如果能夠找到體現這種機制的模型，就將推動生命科學的發展。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，人們就不可能應用計算機來獲得、識別并整合生命信息。而這一符號學思路恰恰應和了美國著名的科學家、認知心理學家、人工智能學家西蒙（Simon Blackurn）的理論。西蒙的“物理符號系統假設”進一步闡釋了這一思路。“物理符號系統假設”強調“所研究的對象是一個具體的物質系統，如計算機的構造系統、人的神經系統、大腦的神經元等。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別，他就是一個符號。”［11］“物理符號系統假設”從信息論模型進入了符號學模型。“人工生命”從對“生命表現出的行為的功能模擬”轉向對“生命內在創造機制的功能模擬”。

這種符號學模型提示，在經常變化的環境作用下，微觀生命分子形成了不同的功能整體，具有內在的適應性意義。人們在無法支配環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，可以得出承認生命本身具有內在意義，具有一定的主動性將成為未來生命科學理論發展的一種趨勢。

參考文獻：

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

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

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

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

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

［6］沈驪天.生命信息與信息生命觀[J].系統辯證學學報，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].科學技術與辯證法，1997(6)：31-34.

［9］林德宏.科學思想史[M].南京:江蘇科學技術出版社,2004:326.

篇10

[關鍵詞]數值計算方法；融會式；教學理念；教學實踐

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

0　引言

隨著計算機技術的飛速發展，數學學科的地位發生了巨大的變化，特別是在自然科學的許多分支中，有相當多的研究問題走向定量化和數值化，從而出現了一系列與計算有關系的研究方向，如計算物理、計算力學、計算化學、計算地質學、計算生物學、計算氣象學等。目前，科學計算、理論研究、科學實驗已經成為當今科學研究的三大方法，而科學計算由于具有研究成本低、周期短、風險少等特點，因而受到廣泛的重視。數值計算方法，也稱“數值分析”或“計算方法”，是科學計算的重要基礎，也是理工科大學生和研究生的核心課程，國內外綜合性大學無一例外均開設了本門課程。數值計算方法以采用計算機技術求解工程實踐中提煉出的數學問題為主線，既有數學課程理論上的抽象性和嚴謹性，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世紀教學內容和課程體系改革計劃”后，很多教學工作者積極探索數值計算方法教學的新模式，并投入到教學實踐之中。在教學觀念、教學內容、教學方法、教學手段等方面出現了百家爭鳴的好局面，開展了多層面多方位的教學改革探索，展現了數值計算方法課程教學在理工科人才培養中的奠基性作用。

鑒于數值計算方法在理工科人才培養課程體系中的重要地位，通過問卷調查及統計分析，分別從教師和學生兩個角度剖析課程教學所面臨的主要問題，有針對性地提出數值計算的融會式教學理念，從課程體系、教學模式、教學內容、教師隊伍等多個方面闡述該理念的內涵，并結合國防科技大學自動化專業本科生《數值計算方法》課程教學任務開展教學實踐，檢驗融會式教學理念的實際效果，為21世紀數值計算方法教學改革提供新的思路和有益借鑒。

1　課程教學的問題分析

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

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

2)課程覆蓋面廣與教師專業知識受限之間的矛盾。課程涉及的數值方法都有著典型的工程應用背景，涉及的學科領域寬泛，從事教學的教師往往精通于有限的領域，如何充實提高自身素養適應課程教學的要求是任課教師必須面對的問題。

3)實踐環節與相應保障之間的矛盾。數值計算方法課程是理論與實踐結合的產物，實踐性是此課程有別于其它數學課程的一個基本特征。課程教學的實踐環節花費時間較多，可能與教學大綱要求的在一定時間需完成的教學任務有沖突。教師在研究情境設置的問題“難易度”的把握尺度上與學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大綱的要求，給學生造成額外負擔。

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

2　融會式教學理念

針對數值計算方法課程教學的上述問題，教學工作者們主動思考、積極探索，不斷實踐新的教學理念或教學模式。在現有研究基礎之上，本文提出數值計算方法的融會式教學理念，重點探討如何培養學生的數值思維能力和計算求解能力，使他們通過課程的學習，構建起所學專業課程體系的全貌，領悟課程的基礎性、開放性的重要特征，融會貫通數值計算的思想理解、算法設計和工程實踐，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值思維方法去分析和求解。

融會式教學理念關鍵落實在“融會”二字上，它突破傳統的課程講授、課后作業、上機實踐、考核結課的授課過程，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、習題思考多互動、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生群體之中進行交流溝通，了解大家對高等數學、線性代數、編程語言(或算法設計)等公共前緣課程的掌握隋況，獲取并分析選課學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生，要及時發現，因材施教，可通過課堂簡單提問或者通過批改作業留下鼓勵性質的評語，幫助其樹立自信心。

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

出、貼近前沿。每個章節精心設計問題導入環節，舉例須緊扣技術發展的前沿，避免書本上例子通行天下的現象，充分激發學生的學習熱情。比如，插值方法可結合風洞試驗數據估算神舟飛船阻力系數的例子。

3)授課生動重啟發。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問題，有針對性地啟發學生主動思考相應的對策，再跟大師們的計算方法進行比較，分析優劣，進而轉入算法的思想、流程和設計，剖析所學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合。

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

5)實踐靈活循算法。課程教學的實踐環節非常重要，由于學時有限，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，及時發現情況，及時總結原因，可組織一次集體答疑，為大家編制統一的接口函數，將數據結構定義、數據讀入、結果顯示等公共環節提取出來統一處理，而引導學生把精力投入到算法思想的理解和算法流程的實現。第二次，直接提供基本程序框架，由學生填充算法流程的主體部分。第三次，則可當作現場模擬上機考試，要求學生在規定時間內提交算法程序和結果。實踐環節的合理運用對改善課程教學效果具有極其重要的作用，教師可適當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，以便于學生將有限精力投入到算法設計本身，而不是過多地消耗在輸入輸出等公共環節。特別是，需要關注對編程具有畏懼心理的學生，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，激發興趣，以全面提高課程教學質量。

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

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

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

綜合起來，數值計算方法的融會式教學理念重在將授課過程、教學內容、教學方法、教學手段、教師構成、課程考核、試后講評等多個環節融會貫通。在教學內容上，突出本門課程與前緣、后續課程的內在聯系、相互關系及本質特色，讓學生既見樹木，也見森林；在教學方法上，強調理論與實踐并重，緊扣專業特色，無論是課堂舉例，還是上機實踐，都結合授課對象的專業分布，從實際工程應用提煉科學問題，將算法思想付諸問題求解，激發學生的學習積極性，加深數值方法的理解；在教學手段上，注重現代多媒體技術與板書的合理搭配，多媒體形象生動，結合插值、擬合、方程組迭代求解等數值方法的幾何意義、物理意義進行講解，節省時間提高課堂效率。板書節奏感強，容易引導學生積極思考，也便于開展師生互動，加深學生對算法思想的理解，提高學以致用的實踐能力；在授課過程上，更是體現“融會”的特征，從前緣課程摸底、個體差異關注，到跨專業邀請講座，再到試后當面點評，直至后續課程的展望，都充分注重融會貫通的教學環節，最大程度上提高教學效果。

3　融會式教學實踐

與數值計算方法課程的實踐性相統一，融會式教學理念同樣需要教學實踐的不斷檢驗。筆者結合國防科技大學自動化專業本科生《數值計算方法》課程教學任務，遵循融會式教學理念，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、習題思考多互動、實踐靈活循算法，授課講座齊并舉、考核全面現能力、試后逐一面點評等所有環節的教學實踐，檢驗融會式教學理念的效果。

筆者獨立主講了國防科技大學自動化專業本科生在大三秋季學期設置的32學時《數值計算方法》課程。結合課程的特點，全程采用融會式教學理念，采用“掌握思想、設計算法、上機實踐”等多種手段進行全方位教學。根據授課對象前緣課程的掌握情況，選取插值、擬合、數值微積分、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、常微分方程數值解等作為主講內容，課堂26個學時重點開展算法思想的講授和研討，實踐6個學時則重點考查學員設計算法、解決問題的綜合能力。

在學期開課之前深入授課對象所在的學員隊，與學員交流本科階段學習的體會與經驗，了解大家對本課程前緣課程(高等數學、線性代數、C語言等)的掌握程度，對微積分、方程組求解、矩陣特征值等相關內容進行復習鞏固，同時留意個體差異，及時發現自稱“逢數學課必掛”的具有畏懼心理的學生。

備課時，緊密結合科技發展前沿，比如從神舟飛天中根據風洞數據估算阻力系數的實例引入插值方法，同樣由加速度計離散測量數據估算飛行速度的問題引出數值積分的問題；在課堂教學中，強調學員主動發現問題、積極參與課堂討論，在適當的引導中鼓勵學員自己得出結論，既提高學習興趣，也增強自信心。鑒于課程學時受限，全程作業逐本批改，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個課時進行課外習題輔導，學生可以根據自身的學習情況自行決定是否參加，加深大家對數值算法的理解和求解過程的聯

系。考慮到教師自身專業知識有限，邀請生物信息學、基礎物理學的兩位跨專業教員分別開展公開講座，結合具體問題示范如何運用數值計算方法進行解決，加深印象，也激發熱情。

三次上機實踐按照知識點進行組織，一類算法的授課結束后立即進行編程實踐。第一次實踐內容為插值和擬合，程序編制相對較為簡單，同時也考查學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，不是簡單地準備好例程演示給大家而已，而是與學員一起現場編制程序，依據融會式教學理念，讓大家看到如何結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。第二次為數值積分的Romberg算法，為大家編制統一的接口函數，將數據結構定義、數據讀入、結果顯示等公共環節提取出來統一處理，引導學生把精力投入到算法思想的理解和算法流程的實現。第三次為微分方程數值解Runge-Kutta算法，采用限時提交的方式，要求大家按照考核的標準完成二階、三階、四階算法的編程和精度比較。課程實踐環節逐次提高要求，讓學生在掌握數值計算方法相關算法的同時，也進一步提高編程能力，增強自信心，為后續課程學習奠定基礎。

課程考核既測驗學員對基本概念、基本原理的掌握程度，也測驗學員對課程整體的把握能力以及學以致用的實踐能力。考試之后，及時閱卷，并再次深入學員群體之中，進行逐一當面點評，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習成果，也是鍛煉學生素質、提高學習成績的重要途徑。

與傳統模式相比，融會式教學理念注重從實際工程應用提煉科學問題，充分激發學生的學習興趣；強調課程的承上啟下的地位，讓學生既見樹木，也見森林，知曉專業培養的目標與定位；注重數值計算方法的啟發和實踐并重，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、實驗、考試等諸多環節，學生們都充分認可融會式教學理念。綜合這次融會式教學實踐的實際成效來看，學員們較好地掌握了插值、擬合、數值微積分、線性方程組求解、常微分方程數值解等數值計算方法的思想精髓，并能夠活學活用，解決實際問題。特別是，三次上機實踐，學員熱情逐次提高，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，達到了非常好的算法實踐效果。

在本次融會式教學實踐中，學生都能夠帶著興趣與熱情投入到課程的學習中去，課堂積極思考、踴躍發言，敢于發表自己的見解；課后主動復習、認真完成作業，特別是布置的幾次討論性質的題目(如談談對課程的印象、談談對迭代法的理解等)鍛煉了學員的獨立思考能力和語言表達能力；上機實踐中能夠針對底子薄、能力差、鍛煉少的現狀，積極主動地進行反復練習，并相互請教，力爭得到最大程度的提升。其中，極個別學員存在基礎薄弱、前緣課程差、出現多門掛科等問題，自信心不強，甚至出現自暴自棄的現象，經過多次引導與鼓勵，也能夠積極融入集體，認真對待每次作業和實驗，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，《數值計算方法》課程采用融會式教學理念，取得了良好的教學效果，既提高了學生對數值計算方法思想精髓的理解水平和應用能力，也培養了學生的主動學習、獨立思考等綜合素質，為后續的學習深造打下基礎。

4　結束語