前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇生物信息學(xué)的前景范文，相信會(huì)為您的寫作帶來(lái)幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

生物信息學(xué)的前景范文第1篇

關(guān)鍵詞：?jiǎn)栴}教學(xué) 創(chuàng)新環(huán)境 培養(yǎng) 物理思想

中圖分類號(hào)： G633.7 文獻(xiàn)標(biāo)識(shí)碼： C 文章編號(hào)：1672-1578（2014）6-0163-01

當(dāng)今開社會(huì)對(duì)具有創(chuàng)新精神的人才最需要，也是教育事業(yè)改革與發(fā)展的需要。新課程標(biāo)準(zhǔn)在培養(yǎng)學(xué)生的創(chuàng)新和實(shí)踐動(dòng)手能力方面提出了更高的要求。作為站在教育第一線的教師，培養(yǎng)學(xué)生的創(chuàng)新素質(zhì)，不僅是義不容辭的責(zé)任，更是教育工作的重心。如何在物理教學(xué)中培養(yǎng)學(xué)生的創(chuàng)新能力是每一個(gè)物理教師都要深思的問(wèn)題，下面是筆者在物理教學(xué)中的一些探討。

1 在教學(xué)中要把“問(wèn)題解決”放在首位

在物理教學(xué)中就是以問(wèn)題為載體，在發(fā)現(xiàn)問(wèn)題、處理問(wèn)題的形式達(dá)到對(duì)客觀世界和數(shù)量關(guān)系本質(zhì)、認(rèn)識(shí)過(guò)程。問(wèn)題解決能力的發(fā)展，是虛心、好奇和探索的態(tài)度，是進(jìn)行試驗(yàn)和猜測(cè)的意向，因此“問(wèn)題解決”是教學(xué)對(duì)培養(yǎng)學(xué)生的創(chuàng)新意識(shí)有著非常重要的意義。問(wèn)題解決從根本上說(shuō)是一種創(chuàng)造性的活動(dòng)。就物理教學(xué)而言，“問(wèn)題解決”就是創(chuàng)造性地應(yīng)用物理解決問(wèn)題的學(xué)習(xí)過(guò)程。解決問(wèn)題的關(guān)鍵是提出問(wèn)題，隨著問(wèn)題的不斷提出，人的思維才有可能逐漸地深入。

創(chuàng)新精神來(lái)自于對(duì)問(wèn)題的質(zhì)疑，只有善于發(fā)現(xiàn)問(wèn)題和指出問(wèn)題的人才能產(chǎn)生創(chuàng)造的沖動(dòng)，才能有所創(chuàng)新。

2 尋找適合培養(yǎng)學(xué)生創(chuàng)新精神的環(huán)境

學(xué)生的創(chuàng)新精神也稱創(chuàng)新意識(shí)，是學(xué)生在創(chuàng)新活動(dòng)中具有的比較穩(wěn)定的、積極的多種心理品質(zhì)的綜合。其中包括對(duì)創(chuàng)新活動(dòng)的前景、目標(biāo)的信心，對(duì)問(wèn)題的發(fā)現(xiàn)和提出的敏銳性，對(duì)創(chuàng)新活動(dòng)的熱情和投入，對(duì)克服各種困難的毅力和不斷探索、勇往直前的精神。所以，教師在物理教學(xué)中，首先應(yīng)關(guān)注的是學(xué)生，教師應(yīng)改變自己的角色定位，由知識(shí)的傳遞者轉(zhuǎn)化為促進(jìn)者，由居高臨下的權(quán)威者轉(zhuǎn)化為學(xué)生學(xué)習(xí)的參與者、合作者和引導(dǎo)者，努力創(chuàng)造一個(gè)民主的教學(xué)氛圍，師生可以平等地研討，自由地交流。

3 讓學(xué)生成為教學(xué)活動(dòng)的主體

物理活動(dòng)中以學(xué)生為主體，是學(xué)生創(chuàng)造能力得以培養(yǎng)的重要所在。教師在教學(xué)活動(dòng)中應(yīng)充分尊重學(xué)生的探究本能和個(gè)性特點(diǎn)，要改變傳統(tǒng)的“填鴨式”教學(xué)方式。把思維空間留給學(xué)生，把思考時(shí)間還給學(xué)生，把學(xué)習(xí)的主動(dòng)權(quán)交給學(xué)生，讓學(xué)生感悟、體驗(yàn)、內(nèi)化知識(shí)，讓學(xué)生綜合運(yùn)用已有物理知識(shí)及各學(xué)科的知識(shí)，探索和發(fā)現(xiàn)問(wèn)題，自主分析和解決問(wèn)題?？傊?，要讓學(xué)生變厭學(xué)為樂(lè)學(xué)，由樂(lè)學(xué)到愛(ài)學(xué)、會(huì)學(xué)、善學(xué)。教師的作用是引導(dǎo)、幫助、促進(jìn)和調(diào)控。教學(xué)是教與學(xué)交往、互助，在這個(gè)過(guò)程中教師與學(xué)生促進(jìn)彼此的思考，交流彼此的情感、體驗(yàn)與觀點(diǎn)，豐富教學(xué)內(nèi)容，求得新的發(fā)現(xiàn)，鍛煉創(chuàng)新能力，實(shí)現(xiàn)教與學(xué)的共同發(fā)展。在教學(xué)中還要充分利用現(xiàn)代教育技術(shù)，更多的發(fā)揮學(xué)生的主體作用。

4 在教學(xué)中引導(dǎo)學(xué)生合作與交流

物理教學(xué)要體現(xiàn)合作與交流，合作學(xué)習(xí)是一種行之有效的方法。如今的學(xué)生喜歡推陳出新、標(biāo)新立異。學(xué)生在親身體驗(yàn)、探索與合作交流中認(rèn)識(shí)物理，理解和掌握基本的物理知識(shí)、技能和方法，解決問(wèn)題。學(xué)生喜歡在合作交流、與人分享的氛圍中傾聽(tīng)、質(zhì)疑、說(shuō)服、推廣而直至感到豁然開朗。學(xué)生在合作交流中加強(qiáng)了發(fā)散思維、橫縱思維的鍛煉。這是物理學(xué)習(xí)一個(gè)新境界，這種“氛圍”的形成會(huì)在很大程度上改變物理教學(xué)的面貌，改變物理學(xué)習(xí)的過(guò)程和結(jié)果，有利于培養(yǎng)學(xué)生的合作精神，有利于創(chuàng)新精神和創(chuàng)新思維的提高。

5 關(guān)注學(xué)生對(duì)物理思想方法的學(xué)習(xí)

中國(guó)教育有一個(gè)弱點(diǎn)，就是太關(guān)注知識(shí)的灌輸，從而忽視科學(xué)精神的培養(yǎng)和科學(xué)方法的形成，這不利于學(xué)生創(chuàng)造能力的發(fā)展。中學(xué)物理蘊(yùn)涵著豐富多彩的物理思想方法。物理教育的最終目標(biāo)是要培養(yǎng)學(xué)生的物理意識(shí)、物理觀念和物理能力，物理思想方法是物理活動(dòng)創(chuàng)造性綱領(lǐng)方法，只有從物理思想方法的教度來(lái)認(rèn)識(shí)物理問(wèn)題，才能把握思維活動(dòng)的方向和全過(guò)程。

6 對(duì)學(xué)生要加強(qiáng)物理應(yīng)用能力的訓(xùn)練

學(xué)生學(xué)習(xí)物理的目的就是為了用，訓(xùn)導(dǎo)學(xué)生運(yùn)用物理知識(shí)解決實(shí)際問(wèn)題的能力是物理教育最重要的目標(biāo)。一直以來(lái)，物理教育是以概念和物理基本原理，以及例習(xí)題的純形式物理的模式展現(xiàn)在學(xué)生面前，對(duì)物理高度抽象、高度嚴(yán)謹(jǐn)?shù)目菰镄问匠霈F(xiàn)，與實(shí)際生活脫離較遠(yuǎn)。長(zhǎng)久以往，學(xué)生就會(huì)自覺(jué)應(yīng)用物理，不斷創(chuàng)新就會(huì)深入人心，成為學(xué)生學(xué)習(xí)、生活一種需要，成為其實(shí)現(xiàn)人生價(jià)值的重要手段，逐漸形成觀念，形成意識(shí)。這種觀念和意識(shí)的形成，將使學(xué)生受益終身，它能使學(xué)生自覺(jué)地用“物理的眼光”去看待問(wèn)題，用“物理的頭腦”去創(chuàng)造性地解決問(wèn)題。

7 加強(qiáng)對(duì)學(xué)生在學(xué)習(xí)中非智力因素的培養(yǎng)

生物信息學(xué)的前景范文第2篇

關(guān)鍵詞：新課程;高中生物;現(xiàn)狀;原因

隨著新課改的實(shí)施，我深刻地感受到新課改給高中教學(xué)帶來(lái)前所未有的影響，為實(shí)行新課改取得的諸多成果而感到欣慰，同時(shí)也為我們的一些做法而感到困惑和迷?！，F(xiàn)結(jié)合高中生物教學(xué)，就新課程背景下高中生物教學(xué)開展中存在的問(wèn)題及原因做簡(jiǎn)要的淺析。

問(wèn)題一：教師的教學(xué)理念與新課改的要求還存在較大差距。就我而言，由于多年從事生物教學(xué)，課堂教學(xué)求規(guī)范，求穩(wěn)怕亂，怕學(xué)生討論無(wú)效或討論時(shí)間過(guò)長(zhǎng)影響教學(xué)時(shí)間及教學(xué)效果，在教學(xué)中仍然以教師的引導(dǎo)啟發(fā)為主，給學(xué)生自主學(xué)習(xí)，探究合作的范圍，時(shí)間相對(duì)不足，很大程度上限制了學(xué)生主體地位的體現(xiàn)。就自己所聽(tīng)的課而言，絕大多數(shù)老師課堂教學(xué)的絕大部分時(shí)間都是講授，與課程改革的“教者主導(dǎo)，學(xué)生主體”相違背。

原因分析：關(guān)鍵是絕大多數(shù)老師受傳統(tǒng)教育模式的影響，教師的新課程理念欠缺，該放手時(shí)不放手，一味地包辦代替，久而久之，致使學(xué)生缺乏自學(xué)及探究的主動(dòng)性和積極性，也難以摸索到自學(xué)及探究的方法和規(guī)律，不僅影響單科教學(xué)，很大程度上也影響了各科新課程教學(xué)的順利開展和推進(jìn)，甚至影響學(xué)生分析推理，與人合作等能力的發(fā)展。其次，高中生物教學(xué)相對(duì)來(lái)說(shuō)教學(xué)時(shí)間緊與教學(xué)任務(wù)重，課堂容量大之間存在矛盾，迫于教學(xué)任務(wù)的壓力，部分教師通過(guò)直接傳授知識(shí)來(lái)保證教學(xué)任務(wù)的如期完成，忽視學(xué)生的全面發(fā)展和主體地位的凸顯。

問(wèn)題二：選修課程的開設(shè)還未真正實(shí)現(xiàn)自主選擇。由于絕大多數(shù)學(xué)校高中生物從高二開始開設(shè)，所學(xué)教材包括三本必修，一本選修，原則上選修由學(xué)生根據(jù)自己的學(xué)習(xí)能力及興趣愛(ài)好從選修一和選修三中任選一本，但在征求學(xué)生意見(jiàn)時(shí)，學(xué)生比較迷茫，選課的功利性較強(qiáng)，都希望老師根據(jù)高考為他們選上一本。由于選修一全為實(shí)驗(yàn)，上課難度大，我們就只對(duì)全體學(xué)生開設(shè)了選修三。今年參加蘭州及銀川高考研討會(huì)，與會(huì)的專家認(rèn)為學(xué)習(xí)選修一比學(xué)習(xí)選修三既能減少新課學(xué)習(xí)量又能節(jié)省一輪復(fù)習(xí)的時(shí)間，更有利于高考，而實(shí)驗(yàn)可以通過(guò)觀看實(shí)驗(yàn)視頻，設(shè)置問(wèn)題探究等途徑達(dá)成教學(xué)目標(biāo)。在今年的遠(yuǎn)程培訓(xùn)時(shí)，與其他縣校老師交流，幾乎與我們一樣都只上選修三，可見(jiàn)選修課程的開設(shè)普遍存在局限性。

原因分析：一是我們?nèi)鄙俳?jīng)驗(yàn)，只憑感性分析，且高考功利性較強(qiáng);二是某些學(xué)校怕選課亂，教師怕上課難，影響正常的班級(jí)教學(xué)，故統(tǒng)一選課;三是我們對(duì)教學(xué)手段的選擇過(guò)于依賴基礎(chǔ)設(shè)施（實(shí)驗(yàn)條件），忽視多媒體在現(xiàn)代生物教學(xué)別是實(shí)驗(yàn)教學(xué)中的輔助作用;四是教師選修課的開設(shè)缺乏全面認(rèn)識(shí)，對(duì)學(xué)生選課缺乏系統(tǒng)性指導(dǎo)。

問(wèn)題三：課堂自主學(xué)習(xí)合作探究的效率低下。在教學(xué)中按照新課改要求，我們積極地設(shè)計(jì)了各種自主學(xué)習(xí)合作探究的環(huán)節(jié)和內(nèi)容，但由于設(shè)計(jì)不當(dāng)，學(xué)生個(gè)體之間的差異性以及方法欠缺，自主學(xué)習(xí)的差異性較大，致使某些內(nèi)容自學(xué)后仍然需要教師組織梳理。還有合作探究中某些學(xué)生自卑心理嚴(yán)重，始終被動(dòng)聽(tīng)取別人的觀點(diǎn)，從不發(fā)表意見(jiàn)及看法，致使小組內(nèi)不和諧，而這部分學(xué)生學(xué)習(xí)的興趣越來(lái)越低，甚至更加自卑。另外，從自己所聽(tīng)的課來(lái)看，絕大多數(shù)老師積極開展自主學(xué)習(xí)及合作探究，而普通班普遍自主學(xué)習(xí)被動(dòng)，合作探究只是個(gè)別學(xué)生的高談闊論，效果較差。

原因分析：一是學(xué)生習(xí)慣于被動(dòng)聽(tīng)取及接受，缺乏主動(dòng)學(xué)習(xí)及探究的意識(shí);二是教師限于課堂時(shí)間與教學(xué)任務(wù)之間的矛盾，不能給予學(xué)生充足的自主學(xué)習(xí)及探究時(shí)間;三是部分教師對(duì)自主學(xué)習(xí)及合作探究的目標(biāo)設(shè)計(jì)不夠明確，或過(guò)于簡(jiǎn)單或過(guò)難，致使自主學(xué)習(xí)及合作探究的針對(duì)性不強(qiáng);四是學(xué)生缺乏自主學(xué)習(xí)的方法及合作探究技巧，習(xí)慣養(yǎng)成還需要指導(dǎo)及強(qiáng)化;五是教師的組織引領(lǐng)不夠科學(xué)，對(duì)小組合作探究的分工不夠明確。

問(wèn)題四：教師對(duì)教材的整體把握及駕馭教材的能力還有待于提高。反思將近兩年的新課改教學(xué)及兩年來(lái)所聽(tīng)的課堂教學(xué)，整體感覺(jué)是：我們只是盡量地完成了每課時(shí)的教學(xué)任務(wù)，盡最大努力實(shí)施了“教教材”，還未實(shí)現(xiàn)真正的“用教材教”的轉(zhuǎn)變。同時(shí)，教學(xué)中普遍缺乏全局意識(shí)及整體意識(shí)，甚至對(duì)教學(xué)的重難點(diǎn)把握不到位，要么按部就班只完成教材內(nèi)容，要么又一味拓展拔高，甚至有些老師對(duì)教材中但凡涉及內(nèi)容，特別是諸多的思考與討論都一味追求標(biāo)準(zhǔn)答案，并未真正理解教材編排的目的：旨在提升學(xué)生的分析推理評(píng)價(jià)判斷能力的目標(biāo)及情感目標(biāo)。再如，課后“拓展提升”內(nèi)容，教材編排是針對(duì)學(xué)有余力的學(xué)生，而且這些問(wèn)題答案本身具有開放性，但我們?cè)S多老師還是從一而終，很辛苦，但效果相當(dāng)差。

原因分析：一是部分老師還未深入系統(tǒng)地研究新課程編排體系及編排目的，盲目教學(xué)，致使重難點(diǎn)不突出，甚至本末倒置;二是由于部分學(xué)校未給教師盡早配備成套的教材及教學(xué)用書，特別是六本教材（一般是上完一本再發(fā)下一本），致使教師對(duì)六本教材的聯(lián)系及整體框架不了解、不熟悉，將后繼章節(jié)涉及的內(nèi)容利用大量時(shí)間去補(bǔ)充強(qiáng)調(diào)，無(wú)形中提高了教學(xué)難度。三是從教多年的老師定勢(shì)思維嚴(yán)重，將現(xiàn)教材講得較淺的內(nèi)容，依據(jù)舊教材深挖拓展，而忽視新課程標(biāo)準(zhǔn)及考綱的要求，無(wú)疑增加了學(xué)習(xí)量;四是由于首次迎戰(zhàn)高考，教師對(duì)新考綱及命題要求缺乏系統(tǒng)的研究及學(xué)習(xí)，對(duì)新高考還缺乏經(jīng)驗(yàn)及策略，對(duì)新高考試題研究不足，致使教學(xué)求全攀高。

以上是我對(duì)高中生物新課程實(shí)施中存在問(wèn)題的一些粗淺反思，有反思才會(huì)有進(jìn)步，有認(rèn)識(shí)才會(huì)有提高，今天存在的問(wèn)題就是我們今后努力的方向。轉(zhuǎn)變觀念，加強(qiáng)教研教改，不斷學(xué)習(xí)是我們盡快適應(yīng)新課改的必經(jīng)之路，揚(yáng)長(zhǎng)避短是教師專業(yè)發(fā)展的核心，愿我們隨新課改的步伐一起成長(zhǎng)壯大。

參考文獻(xiàn)：

生物信息學(xué)的前景范文第3篇

關(guān)鍵詞： 生物信息學(xué) 農(nóng)業(yè)研究領(lǐng)域 應(yīng)用

“生物信息學(xué)”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國(guó)田納西州gatlinburg召開的“生物學(xué)中的信息理論”討論會(huì)上首次被提出的［1］，由美國(guó)學(xué)者lim在1991年發(fā)表的文章中首次使用。生物信息學(xué)自產(chǎn)生以來(lái)，大致經(jīng)歷了前基因組時(shí)代、基因組時(shí)代和后基因組時(shí)代三個(gè)發(fā)展階段［2］。2003年4月14日，美國(guó)人類基因組研究項(xiàng)目首席科學(xué)家collins f博士在華盛頓隆重宣布人類基因組計(jì)劃（human genome project，hgp）的所有目標(biāo)全部實(shí)現(xiàn)［3］。這標(biāo)志著后基因組時(shí)代（post genome era，pge）的來(lái)臨，是生命科學(xué)史中又一個(gè)里程碑。生物信息學(xué)作為21世紀(jì)生物技術(shù)的核心，已經(jīng)成為現(xiàn)代生命科學(xué)研究中重要的組成部分。研究基因、蛋白質(zhì)和生命，其研究成果必將深刻地影響農(nóng)業(yè)。本文重點(diǎn)闡述生物信息學(xué)在農(nóng)業(yè)模式植物、種質(zhì)資源優(yōu)化、農(nóng)藥的設(shè)計(jì)開發(fā)、作物遺傳育種、生態(tài)環(huán)境改善等方面的最新研究進(jìn)展。

1.生物信息學(xué)在農(nóng)業(yè)模式植物研究領(lǐng)域中的應(yīng)用

1997年5月美國(guó)啟動(dòng)國(guó)家植物基因組計(jì)劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經(jīng)濟(jì)價(jià)值的關(guān)鍵植物的基因圖譜。國(guó)家植物基因組計(jì)劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來(lái)，通過(guò)各國(guó)科學(xué)家的通力合作，植物基因組研究取得了重大進(jìn)展，擬南芥、水稻等模式植物已完成了全基因組測(cè)序。人們可以使用生物信息學(xué)的方法系統(tǒng)地研究這些重要農(nóng)作物的基因表達(dá)、蛋白質(zhì)互作、蛋白質(zhì)和核酸的定位、代謝物及其調(diào)節(jié)網(wǎng)絡(luò)等，從而從分子水平上了解細(xì)胞的結(jié)構(gòu)和功能［5］。目前已經(jīng)建立的農(nóng)作物生物信息學(xué)數(shù)據(jù)庫(kù)研究平臺(tái)有植物轉(zhuǎn)錄本（ta）集合數(shù)據(jù)庫(kù)tigr、植物核酸序列數(shù)據(jù)庫(kù)plantgdb、研究玉米遺傳學(xué)和基因組學(xué)的mazegdb數(shù)據(jù)庫(kù)、研究草類和水稻的gramene數(shù)據(jù)庫(kù)、研究馬鈴薯的pomamo數(shù)據(jù)庫(kù)，等等。

2.生物信息學(xué)在種質(zhì)資源保存研究領(lǐng)域中的應(yīng)用

種質(zhì)資源是農(nóng)業(yè)生產(chǎn)的重要資源，它包括許多農(nóng)藝性狀（如抗病、產(chǎn)量、品質(zhì)、環(huán)境適應(yīng)性基因等）的等位基因。植物種質(zhì)資源庫(kù)是指以植物種質(zhì)資源為保護(hù)對(duì)象的保存設(shè)施。至1996年，全世界已建成了1300余座植物種質(zhì)資源庫(kù)，在我國(guó)也已建成30多座作物種質(zhì)資源庫(kù)。種質(zhì)入庫(kù)保存類型也從單一的種子形式，發(fā)展到營(yíng)養(yǎng)器官、細(xì)胞和組織，甚至dna片段等多種形式。保護(hù)的物種也從有性繁殖植物擴(kuò)展到無(wú)性繁殖植物及頑拗型種子植物等［6］。近年來(lái)，人們?cè)絹?lái)越多地應(yīng)用各種分子標(biāo)記來(lái)鑒定種質(zhì)資源。例如微衛(wèi)星、aflp、ssap、rbip和snp等。由于對(duì)種質(zhì)資源進(jìn)行分子標(biāo)記產(chǎn)生了大量的數(shù)據(jù)，因此需要建立生物信息學(xué)數(shù)據(jù)庫(kù)和采用分析工具來(lái)實(shí)現(xiàn)對(duì)這些數(shù)據(jù)的查詢、統(tǒng)計(jì)和計(jì)算機(jī)分析等［7］。

3.生物信息學(xué)在農(nóng)藥設(shè)計(jì)開發(fā)研究領(lǐng)域中的應(yīng)用

傳統(tǒng)的藥物研制主要是從大量的天然產(chǎn)物、合成化合物，以及礦物中進(jìn)行篩選，得到一個(gè)可供臨床使用的藥物要耗費(fèi)大量的時(shí)間與金錢。生物信息學(xué)在藥物研發(fā)中的意義在于找到病理過(guò)程中關(guān)鍵性的分子靶標(biāo)、闡明其結(jié)構(gòu)和功能關(guān)系，從而指導(dǎo)設(shè)計(jì)能激活或阻斷生物大分子發(fā)揮其生物功能的治療性藥物，使藥物研發(fā)之路從過(guò)去的偶然和盲目中找到正確的研發(fā)方向。生物信息學(xué)為藥物研發(fā)提供了新的手段［8，9］，導(dǎo)致了藥物研發(fā)模式的改變［10］。目前，生物信息學(xué)促進(jìn)農(nóng)藥研制已有許多成功的例子。itzstein等設(shè)計(jì)出兩種具有與唾液酸酶結(jié)合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結(jié)合活性的250倍［11］。目前，這兩種新藥已經(jīng)進(jìn)入臨床試驗(yàn)階段。tang sy等學(xué)者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經(jīng)設(shè)計(jì)出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設(shè)計(jì)合成了十多類數(shù)百個(gè)除草化合物，經(jīng)生物活性測(cè)定，部分化合物的活性已超過(guò)商品化光合作用抑制劑的水平［14］。

現(xiàn)代農(nóng)藥的研發(fā)已離不開生物信息技術(shù)的參與，隨著生物信息學(xué)技術(shù)的進(jìn)一步完善和發(fā)展，將會(huì)大大降低藥物研發(fā)的成本，提高研發(fā)的質(zhì)量和效率。

4.生物學(xué)信息學(xué)在作物遺傳育種研究領(lǐng)域中的應(yīng)用

隨著主要農(nóng)作物遺傳圖譜精確度的提高，以及特定性狀相關(guān)分子基礎(chǔ)的進(jìn)一步闡明，人們可以利用生物信息學(xué)的方法，先從模式生物

中尋找可能的相關(guān)基因，然后在作物中找到相應(yīng)的基因及其位點(diǎn)。農(nóng)作物的遺傳學(xué)和分子生物學(xué)的研究積累了大量的基因序列、分子標(biāo)記、圖譜和功能方面的數(shù)據(jù)，可通過(guò)建立生物信息學(xué)數(shù)據(jù)庫(kù)來(lái)整合這些數(shù)據(jù)，從而比較和分析來(lái)自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎(chǔ)上，育種學(xué)家就可以應(yīng)用計(jì)算機(jī)模型來(lái)提出預(yù)測(cè)假設(shè)，從多種復(fù)雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標(biāo)記中篩選到理想的組合，從而培育出新的優(yōu)良農(nóng)作物品種。

5.生物信息學(xué)在生態(tài)環(huán)境平衡研究領(lǐng)域中的應(yīng)用

在生態(tài)系統(tǒng)中，基因流從根本上影響能量流和物質(zhì)流的循環(huán)和運(yùn)轉(zhuǎn)，是生態(tài)平衡穩(wěn)定的根本因素。生物信息學(xué)在環(huán)境領(lǐng)域主要應(yīng)用在控制環(huán)境污染方面，主要通過(guò)數(shù)學(xué)與計(jì)算機(jī)的運(yùn)用構(gòu)建遺傳工程特效菌株，以降解目標(biāo)基因及其目標(biāo)污染物為切入點(diǎn)，通過(guò)降解污染物的分子遺傳物質(zhì)核酸 dna，以及生物大分子蛋白質(zhì)酶，達(dá)到催化目標(biāo)污染物的降解，從而維護(hù)空氣［16］、水源、土地等生態(tài)環(huán)境的安全。

美國(guó)農(nóng)業(yè)研究中心（ars） 的農(nóng)藥特性信息數(shù)據(jù)庫(kù)（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們?cè)诃h(huán)境中轉(zhuǎn)運(yùn)和降解途徑的16種最重要的物化特性。日本豐橋技術(shù)大學(xué)（toyohashi university of technology） 多環(huán)芳烴危險(xiǎn)性有機(jī)污染物的物化特性、色譜、紫外光譜的譜線圖。美國(guó)環(huán)保局綜合風(fēng)險(xiǎn)信息系統(tǒng)數(shù)據(jù)庫(kù)（iris） 涉及 600種化學(xué)污染物，列出了污染物的毒性與風(fēng)險(xiǎn)評(píng)價(jià)參數(shù)，以及分子遺傳毒性參數(shù)［17］。除此之外，生物信息學(xué)在生物防治［18］中也起到了重要的作用。網(wǎng)絡(luò)的普及，情報(bào)、信息等學(xué)科的資源共享，勢(shì)必會(huì)創(chuàng)造出一個(gè)環(huán)境微生物技術(shù)信息的高速發(fā)展趨勢(shì)。

6.生物信息學(xué)在食品安全研究領(lǐng)域中的應(yīng)用

食品在加工制作和存儲(chǔ)過(guò)程中各種細(xì)菌數(shù)量發(fā)生變化，傳統(tǒng)檢測(cè)方法是進(jìn)行生化鑒定，但所需時(shí)間較長(zhǎng)，不能滿足檢驗(yàn)檢疫部門的要求，運(yùn)用生物信息學(xué)方法獲得各種致病菌的核酸序列，并對(duì)這些序列進(jìn)行比對(duì)，篩選出用于檢測(cè)的引物和探針，進(jìn)而運(yùn)用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重?zé)晒舛縫cr等技術(shù)，可快速準(zhǔn)確地檢測(cè)出細(xì)菌及病毒。此外，對(duì)電阻抗、放射測(cè)量、elisa法、生物傳感器、基因芯片等［21-25］技術(shù)也是未來(lái)食品病毒檢測(cè)的發(fā)展方向。

轉(zhuǎn)基因食品檢測(cè)是通過(guò)設(shè)計(jì)特異性的引物對(duì)食品樣品的dna提取物進(jìn)行擴(kuò)增，從而判斷樣品中是否含有外源性基因片段［26］。通過(guò)對(duì)轉(zhuǎn)基因農(nóng)產(chǎn)品數(shù)據(jù)庫(kù)信息的及時(shí)更新，可準(zhǔn)確了解各國(guó)新出現(xiàn)和新批準(zhǔn)的轉(zhuǎn)基因農(nóng)產(chǎn)品，便于查找其插入的外源基因片段，以便及時(shí)對(duì)檢驗(yàn)方法進(jìn)行修改。目前由于某些通過(guò)食品傳播的病毒具有變異特性，以及檢測(cè)方法的不完善等因素影響，生物信息學(xué)在食品領(lǐng)域的應(yīng)用還比較有限，但隨著食品安全檢測(cè)數(shù)據(jù)庫(kù)的不斷完善，相信相關(guān)的生物信息學(xué)技術(shù)將在食品領(lǐng)域發(fā)揮越來(lái)越重要的作用。

 　生物信息學(xué)廣泛用于農(nóng)業(yè)科學(xué)研究的各個(gè)領(lǐng)域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報(bào)部門，以及信息中介服務(wù)機(jī)構(gòu)提供相關(guān)服務(wù)，通過(guò)出版物、信息共享平臺(tái)、數(shù)字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國(guó)生物信息學(xué)發(fā)展還很不均衡，與國(guó)際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學(xué)能夠更好地為我國(guó)農(nóng)業(yè)持續(xù)健康發(fā)展發(fā)揮作用。

參考文獻(xiàn)：

［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.

［2］鄭國(guó)清，張瑞玲.生物信息學(xué)的形成與發(fā)展［j］.河南農(nóng)業(yè)科學(xué)，2002，（11）：4-7.

［3］駱建新，鄭崛村，馬用信等.人類基因組計(jì)劃與后基因組時(shí)代.中國(guó)生物工程雜志，2003，23，（11）：87-94.

［4］曹學(xué)軍.基因研究的又一壯舉——美國(guó)國(guó)家植物基因組計(jì)劃［j］.國(guó)外科技動(dòng)態(tài)，2001，1：24-25.

［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.

［6］盧新雄.植物種質(zhì)資源庫(kù)的設(shè)計(jì)與建設(shè)要求［j］.植物學(xué)通報(bào)，2006，23，（1）：119-125.

［7］guy d，noel

e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.

［8］鄭衍，王非.藥物生物信息學(xué)，化學(xué)化工出版社，2004.1：214-215.

［9］俞慶森，邱建衛(wèi)，胡艾希.藥物設(shè)計(jì).化學(xué)化工出版社，2005.1：160-164.

［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.

［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.

［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.

［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.

［14］楊華錚，劉華銀，鄒小毛等.計(jì)算機(jī)輔助設(shè)計(jì)與合成除草劑的研究［j］.計(jì)算機(jī)與應(yīng)用化學(xué)，1999，16，（5）：400.

［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.

［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監(jiān)測(cè)分析［j］.微生物學(xué)雜志，2008，28，（4）：93-97.

［17］程樹培，嚴(yán)峻，郝春博等.環(huán)境生物技術(shù)信息學(xué)進(jìn)展［j］.環(huán)境污染治理技術(shù)與設(shè)備，2002，3，（11）：92-94.

［18］史應(yīng)武，婁愷，李春.植物內(nèi)生菌在生物防治中的應(yīng)用［j］.微生物學(xué)雜志，2009，29，（6）：61-64.

［19］趙玉玲，張?zhí)焐?，張巧艷.pcr 法快速檢測(cè)肉食品污染沙門菌的實(shí)驗(yàn)研究［j］.微生物學(xué)雜志，2010，30，（3）：103-105.

［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測(cè)4種主要致腹瀉性大腸埃希菌［j］.微生物學(xué)雜志，2010，30，（3） ：25-29.

［21］索標(biāo)，汪月霞，艾志錄.食源性致病菌多重分子生物學(xué)檢測(cè)技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：71-75

［22］朱曉娥，袁耿彪.基因芯片技術(shù)在基因突變?cè)\斷中的應(yīng)用及其前景［j］.重慶醫(yī)學(xué)，2010，（22）：3128-3131.

［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態(tài)學(xué)研究方法［j］.微生物學(xué)雜志，2009，29，（4）：79-83.

［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測(cè)技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2009，29，（5）：67-72.

［25］蘇晨曦，潘迎捷，趙勇等.疏水網(wǎng)格濾膜技術(shù)檢測(cè)食源性致病菌的研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：76-81.

生物信息學(xué)的前景范文第4篇

概率分布（probabilitydistribution）是醫(yī)學(xué)統(tǒng)計(jì)學(xué)中多種統(tǒng)計(jì)分析方法的理論基礎(chǔ)。授課內(nèi)容一般包括：二項(xiàng)分布、Possion分布、正態(tài)分布、t分布、F分布等。

借助概率分布常?？梢詭椭覀兞私馍笜?biāo)的特征、醫(yī)學(xué)現(xiàn)象的發(fā)生規(guī)律等等。例如，臨床檢驗(yàn)中計(jì)量實(shí)驗(yàn)室指標(biāo)的參考值范圍就是依據(jù)正態(tài)分布和t分布的原理計(jì)算得到；許多醫(yī)學(xué)試驗(yàn)的“陽(yáng)性”結(jié)果服從二項(xiàng)分布，因此它被廣泛用于化學(xué)毒性的生物鑒定、樣本中某疾病陽(yáng)性率的區(qū)間估計(jì)等；而一定人群中諸如遺傳缺陷、癌癥等發(fā)病率很低的非傳染性疾病患病數(shù)或死亡數(shù)的分布，單位面積（或容積）內(nèi)細(xì)菌數(shù)的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對(duì)上述現(xiàn)象進(jìn)行研究。

在生物信息學(xué)中概率分布也有一定應(yīng)用。例如，Poisson分布可以用于基因（蛋白質(zhì)）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質(zhì)（或DNA）數(shù)據(jù)與公開數(shù)據(jù)庫(kù)進(jìn)行相似性序列比對(duì)。對(duì)于序列a和b，BLAST發(fā)現(xiàn)的高得分匹配區(qū)稱為HSPs。而HSP得分超過(guò)閾值t的概率P(H(a,b)>t)可以依據(jù)Poisson分布的性質(zhì)計(jì)算得到。

二、假設(shè)檢驗(yàn)

假設(shè)檢驗(yàn)（hypothesis）是醫(yī)學(xué)統(tǒng)計(jì)學(xué)中統(tǒng)計(jì)推斷部分的重要內(nèi)容。假設(shè)檢驗(yàn)根據(jù)反證法和小概率原理，首先依據(jù)資料性質(zhì)和所需解決的問(wèn)題，建立檢驗(yàn)假設(shè)；在假設(shè)該檢驗(yàn)假設(shè)成立的前提下，采用適當(dāng)?shù)臋z驗(yàn)方法，根據(jù)樣本算得相應(yīng)的檢驗(yàn)統(tǒng)計(jì)量；最后，依據(jù)概率分布的特點(diǎn)和算得的檢驗(yàn)統(tǒng)計(jì)量的大小來(lái)判斷是否支持所建立的檢驗(yàn)假設(shè)，進(jìn)而推斷總體上該假設(shè)是否成立。其基本方法包括：u檢驗(yàn)、t檢驗(yàn)、方差分析（ANOVA）和非參數(shù)檢驗(yàn)方法。

假設(shè)檢驗(yàn)為醫(yī)學(xué)研究提供了一種很好的由樣本推斷總體的方法。例如，隨機(jī)抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數(shù)）與該年齡段兒童應(yīng)有的標(biāo)準(zhǔn)平均身高（總體均數(shù)）做u檢驗(yàn)，其檢驗(yàn)結(jié)果可以幫助我們推斷出該市該年齡段兒童身高是否與標(biāo)準(zhǔn)身高一致，為了解該市該年齡段兒童的生長(zhǎng)發(fā)育水平提供參考。又如，醫(yī)學(xué)中常?？梢圆捎胻檢驗(yàn)、秩和檢驗(yàn)比較兩種藥物的療效有無(wú)差別；用2檢驗(yàn)比較不同治療方法的有效率是否相同等等。

這些假設(shè)檢驗(yàn)的方法在生物實(shí)驗(yàn)資料的分析前期應(yīng)用較多，但由于研究目的和資料性質(zhì)不同，一般會(huì)對(duì)某些方法進(jìn)行適當(dāng)調(diào)整和結(jié)合。

例如，基于基因芯片實(shí)驗(yàn)數(shù)據(jù)尋找差異表達(dá)基因的問(wèn)題?；蛐酒╣enechip）是近年來(lái)實(shí)驗(yàn)分子生物學(xué)的技術(shù)突破之一，它允許研究者在一次實(shí)驗(yàn)中獲得成千上萬(wàn)條基因在設(shè)定實(shí)驗(yàn)條件下的表達(dá)數(shù)據(jù)。為了從這海量的數(shù)據(jù)中尋找有意義的信息，在對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行分析的過(guò)程中，找到那些在若干實(shí)驗(yàn)組中表達(dá)水平有明顯差異的基因是比較基礎(chǔ)和前期的方法。這些基因常常被稱為“差異表達(dá)基因”，或者“顯著性基因”。如果將不同實(shí)驗(yàn)條件下某條基因表達(dá)水平的重復(fù)測(cè)量數(shù)據(jù)看作一個(gè)樣本，尋找差異表達(dá)基因的問(wèn)題其實(shí)就可以采用假設(shè)檢驗(yàn)方法加以解決。

如果表達(dá)數(shù)據(jù)服從正態(tài)分布，可以采用t-檢驗(yàn)（或者方差分析）比較兩樣本（或多樣本）平均表達(dá)水平的差異。

但是，由于表達(dá)數(shù)據(jù)很難滿足正態(tài)性假定，目前常用的方法基于非參數(shù)檢驗(yàn)的思想，并對(duì)其進(jìn)行了改進(jìn)。該方法分為兩步：首先，選擇一個(gè)統(tǒng)計(jì)量對(duì)基因排秩，用秩代替表達(dá)值本身；其次，為排秩統(tǒng)計(jì)量選擇一個(gè)判別值，在其之上的值判定為差異顯著。常用的排秩統(tǒng)計(jì)量有：任一特定基因在重復(fù)序列中表達(dá)水平M值的均值；考慮到基因在不同序列上變異程度的統(tǒng)計(jì)量，其中，s是M的標(biāo)準(zhǔn)差；以及用經(jīng)驗(yàn)Bayes方法修正后的t-統(tǒng)計(jì)量：，修正值a由M的方差s2的均數(shù)和標(biāo)準(zhǔn)差估計(jì)得到。三、一些高級(jí)統(tǒng)計(jì)方法在基因研究中的應(yīng)用

（一）聚類分析

聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據(jù)聚類對(duì)象的某些性質(zhì)與特征，運(yùn)用統(tǒng)計(jì)分析的方法，將聚類對(duì)象比較相似或相近的歸并為同一類。使得各類內(nèi)的差異相對(duì)較小，類與類間的差異相對(duì)較大1。聚類分析作為一種探索性的統(tǒng)計(jì)分析方法，其基本內(nèi)容包括：相似性度量方法、系統(tǒng)聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。

聚類分析可以幫助我們解決醫(yī)學(xué)中諸如：人的體型分類，某種疾病從發(fā)生、發(fā)展到治愈不同階段的劃分，青少年生長(zhǎng)發(fā)育分期的確定等問(wèn)題。

近年來(lái)隨著基因表達(dá)譜數(shù)據(jù)的不斷積累，聚類分析已成為發(fā)掘基因信息的有效工具。在基因表達(dá)研究中，一項(xiàng)主要的任務(wù)是從基因表達(dá)數(shù)據(jù)中識(shí)別出基因的共同表達(dá)模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關(guān)聯(lián)性。這種探索完全未知的數(shù)據(jù)特征的方法就是聚類分析，生物信息學(xué)中又稱為無(wú)監(jiān)督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達(dá)數(shù)據(jù)對(duì)基因（樣本）進(jìn)行聚類，將具有相同表達(dá)模式的基因（樣本）聚為一類，根據(jù)聚類結(jié)果通過(guò)已知基因（樣本）的功能去認(rèn)識(shí)那些未知功能的基因。對(duì)于基因表達(dá)數(shù)據(jù)而言，系統(tǒng)聚類法易于使用、應(yīng)用廣泛，其結(jié)果——系統(tǒng)樹圖能提供一個(gè)可視化的數(shù)據(jù)結(jié)構(gòu)，直觀具體，便于理解。而在幾種相似性的計(jì)算方法中，平均聯(lián)接法(AverageLinkageClustering)一般能給出較為合理的聚類結(jié)果2。

（二）判別分析

判別分析（discriminantanalysis）是根據(jù)觀測(cè)到的某些指標(biāo)的數(shù)據(jù)對(duì)所研究的對(duì)象建立判別函數(shù)，并進(jìn)行分類的一種多元統(tǒng)計(jì)分析方法。它與聚類分析都是研究分類問(wèn)題，所不同的是判別分析是在已知分類的前提下，判定觀察對(duì)象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經(jīng)網(wǎng)絡(luò)（ANNs）和支持向量機(jī)（SVMs）。

判別分析常用于臨床輔助鑒別診斷，計(jì)量診斷學(xué)就是以判別分析為主要基礎(chǔ)迅速發(fā)展起來(lái)的一門科學(xué)。如臨床醫(yī)生根據(jù)患者的主訴、體征及檢查結(jié)果作出診斷；根據(jù)各種癥狀的嚴(yán)重程度預(yù)測(cè)病人的預(yù)后或進(jìn)行某些治療方法的療效評(píng)估；以及流行病學(xué)中某些疾病的早期預(yù)報(bào)，環(huán)境污染程度的堅(jiān)定及環(huán)保措施、勞保措施的效果評(píng)估等。

在生物信息學(xué)針對(duì)基因的研究工作中，由于借助了精確的生物實(shí)驗(yàn)，研究者通常能得到基因（樣本）的準(zhǔn)確分類，如，基因的功能類、樣本歸結(jié)于疾?。ㄕ＃顟B(tài)等等。當(dāng)利用了這些分類信息時(shí)，就可以采用判別分析的方法對(duì)基因進(jìn)行分類，生物信息學(xué)中又稱為有監(jiān)督的分析（SupervisedAnalysis）。例如，基因表達(dá)數(shù)據(jù)分析中，對(duì)于已經(jīng)過(guò)濾的基因，前三種方法的應(yīng)用較為簡(jiǎn)單。而支持向量機(jī)（SVMs）和人工神經(jīng)網(wǎng)絡(luò)（ANNs）是兩種較新，但很有應(yīng)用前景的方法。

（三）相關(guān)分析

相關(guān)分析（correlationanalysis）是醫(yī)學(xué)統(tǒng)計(jì)學(xué)中研究?jī)勺兞块g關(guān)系的重要方法。它借助相關(guān)系數(shù)來(lái)衡量?jī)勺兞恐g的關(guān)系是否存在、關(guān)系的強(qiáng)弱，以及相互影響的方向。其基本內(nèi)容包括：線性相關(guān)系數(shù)、秩相關(guān)系數(shù)、相關(guān)系數(shù)的檢驗(yàn)、典型相關(guān)分析等。

我們常?？梢越柚嚓P(guān)分析判斷研究者所感興趣的兩個(gè)醫(yī)學(xué)現(xiàn)象之間是否存在聯(lián)系。例如，采用秩相關(guān)分析我們發(fā)現(xiàn)某種食物中黃曲霉毒素相對(duì)含量與肝癌死亡率間存在正相關(guān)關(guān)系；采用線性相關(guān)方法發(fā)現(xiàn)中年女性體重與血壓之間具有非常密切的正相關(guān)關(guān)系等等。

生物信息學(xué)中可以利用相關(guān)分析建立基因調(diào)控網(wǎng)絡(luò)。如果將兩個(gè)不同的基因在不同實(shí)驗(yàn)條件下的表達(dá)看作是兩個(gè)變量，相關(guān)分析所研究的正是兩者之間的調(diào)控關(guān)系。如采用線性相關(guān)系數(shù)進(jìn)行兩基因關(guān)系的分析時(shí)，其大小反應(yīng)了基因調(diào)控關(guān)系的強(qiáng)弱，符號(hào)則反應(yīng)了兩基因是協(xié)同關(guān)系（相關(guān)系數(shù)為正），還是抑制關(guān)系（相關(guān)系數(shù)為負(fù)）。

四、意義

生物信息學(xué)不僅是醫(yī)學(xué)統(tǒng)計(jì)學(xué)的研究前沿，更是醫(yī)學(xué)研究由宏觀向微觀拓展的重要領(lǐng)域，其研究?jī)?nèi)容已逐漸為多數(shù)醫(yī)學(xué)院校的學(xué)員了解和熟悉。而如何對(duì)新技術(shù)產(chǎn)生的生物實(shí)驗(yàn)數(shù)據(jù)進(jìn)行準(zhǔn)確合理的分析，卻成為生物信息學(xué)研究的主要瓶頸之一。

在醫(yī)學(xué)統(tǒng)計(jì)學(xué)課堂教學(xué)中引入生物信息學(xué)實(shí)例，而不僅僅局限于常見(jiàn)的醫(yī)學(xué)、衛(wèi)生領(lǐng)域的例子，將難以理解的統(tǒng)計(jì)理論和方法與前沿的生物實(shí)例相結(jié)合，拓寬了學(xué)員的視野，提高了學(xué)員的學(xué)習(xí)興趣，更可以加深對(duì)所學(xué)知識(shí)的理解；與此同時(shí)，使學(xué)員掌握了生物實(shí)驗(yàn)數(shù)據(jù)的先進(jìn)分析方法，擴(kuò)大了學(xué)員的知識(shí)面，提高了他們今后開展醫(yī)學(xué)科研工作的能力。

生物信息學(xué)的前景范文第5篇

【關(guān)鍵詞】 蛋白質(zhì)組學(xué)；中醫(yī)證候；中醫(yī)診療；中醫(yī)藥現(xiàn)代化

隨著人類基因組序列的完成，人類已經(jīng)由基因組時(shí)代進(jìn)入后基因組時(shí)代?；驍?shù)量的有限性和基因結(jié)構(gòu)的相對(duì)穩(wěn)定性使基因組學(xué)研究成功邁入到功能基因組學(xué)研究。蛋白質(zhì)組學(xué)遂成為后基因時(shí)代的研究前沿和熱點(diǎn)領(lǐng)域。將蛋白質(zhì)組學(xué)引入中醫(yī)證候?qū)W研究，必將進(jìn)一步為證候分類、辯證標(biāo)準(zhǔn)的選擇和個(gè)體化等提供可靠的依據(jù)，對(duì)于發(fā)展中醫(yī)藥學(xué)，走中醫(yī)藥現(xiàn)代化之路具有深遠(yuǎn)的影響。本文綜述了蛋白質(zhì)組學(xué)研究的主要關(guān)鍵技術(shù)及其與中醫(yī)證候?qū)W研究的相關(guān)性。

1蛋白質(zhì)組及蛋白質(zhì)組學(xué)

1994年澳大利亞的Wilkin和Williams等第一次提出了蛋白質(zhì)組（Proteome）概念[1、2]，指由一個(gè)基因組，或一個(gè)細(xì)胞、組織所表達(dá)的全部蛋白質(zhì)。蛋白質(zhì)組學(xué)（Proteomics）以蛋白質(zhì)組為研究對(duì)象，分析細(xì)胞內(nèi)動(dòng)態(tài)變化的蛋白質(zhì)組組成成分、表達(dá)水平與修飾狀態(tài)，了解蛋白質(zhì)間相互作用與聯(lián)系，在整體水平上研究蛋白質(zhì)的組成與調(diào)控的活動(dòng)規(guī)律[3]。蛋白質(zhì)組研究是為了識(shí)別及鑒定一個(gè)細(xì)胞或組織所表達(dá)的全部蛋白質(zhì)以及它們的表達(dá)模式，是對(duì)基因組研究的重要補(bǔ)充，是生物體在蛋白質(zhì)水平上定量、動(dòng)態(tài)、整體性的研究[4]。蛋白質(zhì)組研究數(shù)據(jù)與基因組數(shù)據(jù)的整合，將在后基因組研究中發(fā)揮重要作用。

2蛋白質(zhì)組學(xué)研究技術(shù)

2.1雙向凝膠電泳技術(shù)

1975年，意大利生化學(xué)家O’Farrell在對(duì)大腸桿菌、老鼠及幾尼豬的蛋白質(zhì)研究中，發(fā)明了雙向電泳技術(shù)[5]（ISO-DLAT），具有高分辨率、快速、簡(jiǎn)便等優(yōu)點(diǎn)。雙向電泳技術(shù)是蛋白質(zhì)組學(xué)研究的核心技術(shù)之一，其原理是在相互垂直的方向上，它利用蛋白質(zhì)等電點(diǎn)和分子量的不同運(yùn)用等電聚焦和聚丙烯酰胺凝膠電泳把復(fù)雜的蛋白質(zhì)混合物在二維平面上分離。

2.2生物質(zhì)譜技術(shù)

1906年，Thomson發(fā)明了質(zhì)譜，在隨后的幾十年里，質(zhì)譜技術(shù)逐漸發(fā)展成為研究、分析和鑒定生物大分子的前沿方法[6]。質(zhì)譜技術(shù)的原理是先將樣品離子化，再根據(jù)不同離子間的荷質(zhì)比（m/z）差異來(lái)分離蛋白質(zhì)，并確定其分子量[7]。到20世紀(jì)80年代，因兩項(xiàng)軟電離質(zhì)譜技術(shù)―基質(zhì)輔助激光解析電離質(zhì)譜技術(shù)（MALDI）和電噴霧質(zhì)譜技術(shù)（ESI）的發(fā)明，使得質(zhì)譜技術(shù)取得了突破性進(jìn)展。這兩種質(zhì)譜技術(shù)具有高靈敏度、高通量和高質(zhì)量的檢測(cè)范圍等特點(diǎn)，使得在pmol（10-12）乃至fmol（10-15）的水平上準(zhǔn)確分析分子量高達(dá)幾萬(wàn)到幾十萬(wàn)的生物大分子成為可能[8]。

2.3 蛋白質(zhì)芯片

蛋白質(zhì)芯片是用于研究蛋白質(zhì)功能模式的一種鑒定方法[9]，是指在固相支持物（載體）表面固定大量蛋白探針（抗原、抗體,受體、配體、酶、底物等），形成高密度排列的蛋白質(zhì)點(diǎn)陣[10]，可以高通量地測(cè)定各種微量純化的蛋白質(zhì)的生物活性，以及蛋白質(zhì)與生物大分子之間的相互作用[18]。蛋白質(zhì)芯片具有快速、高效、微型化、自動(dòng)化、高通量的特點(diǎn)。

2.4生物信息學(xué)

生物信息學(xué)是在生命科學(xué)、計(jì)算機(jī)科學(xué)和應(yīng)用數(shù)學(xué)的基礎(chǔ)上逐步發(fā)展形成的一門新興交叉學(xué)科，運(yùn)用數(shù)學(xué)和計(jì)算機(jī)手段進(jìn)行巨量生物信息資源的收集、存儲(chǔ)、處理、搜索、利用、共享、分析與解析的科學(xué)[11]，它由數(shù)據(jù)庫(kù)、計(jì)算機(jī)網(wǎng)絡(luò)和應(yīng)用軟件3部分組成[12、13]。蛋白質(zhì)組信息學(xué)研究方法主要包括蛋白質(zhì)序列比較分析，蛋白質(zhì)結(jié)構(gòu)-功能的研究，點(diǎn)突變的設(shè)計(jì)及家族鑒定，蛋白質(zhì)空間結(jié)構(gòu)預(yù)測(cè)，建模和分子設(shè)計(jì)以及分析蛋白質(zhì)與蛋白質(zhì)相互作用的數(shù)據(jù)庫(kù)[14、15]。

3中醫(yī)證候?qū)W與蛋白質(zhì)組學(xué)

中醫(yī)證候是指疾病發(fā)生和演變過(guò)程中某階段以及患者個(gè)體當(dāng)時(shí)所處特定內(nèi)、外環(huán)境本質(zhì)的反映，它以相應(yīng)的癥、舌、脈、形、色、神表現(xiàn)出來(lái)，能夠不同程度地揭示病因、病位、病性、邪正盛衰、病勢(shì)等病機(jī)內(nèi)容，為辨證論治提供依據(jù)。中醫(yī)的“證”是指疾病在演變過(guò)程中各種病理因素在體質(zhì)、自然環(huán)境、社會(huì)心理等因素和多種矛盾綜合作用于機(jī)體的整體反應(yīng)，是診察和思辨所得。而蛋白質(zhì)組學(xué)摒棄了經(jīng)典分子生物學(xué)研究個(gè)別基因的習(xí)慣，從蛋白質(zhì)組整體水平上闡述“一種基因組所表達(dá)的全套蛋白質(zhì)”，以建立對(duì)生命現(xiàn)象的整體認(rèn)識(shí)。這與中醫(yī)學(xué)的“整體觀”具有高度的一致性，且蛋白質(zhì)組學(xué)研究方法的整體性和系統(tǒng)性與中醫(yī)基礎(chǔ)理論的整體觀和系統(tǒng)性又極為相似[16]。因而，將蛋白質(zhì)組學(xué)應(yīng)用于中醫(yī)證候?qū)W研究，不僅能反映一系列癥狀的物質(zhì)背景，而且能進(jìn)一步了解不同蛋白組分的在證表現(xiàn)差異和激烈程度[17]，將是揭示證實(shí)質(zhì)的最有效手段[18]。

在證候理論指導(dǎo)下，運(yùn)用功能蛋白質(zhì)組學(xué)的方法，通過(guò)探討證候，特別是同病異證或異病同證的蛋白質(zhì)差異表達(dá)及翻譯后的修飾情況，揭示與某一證候形成相關(guān)的所有蛋白質(zhì)及其特征，在整體蛋白質(zhì)表達(dá)的水平上闡明證候的本質(zhì)，則可稱為證候蛋白質(zhì)組學(xué)[19]。這種將蛋白質(zhì)組學(xué)應(yīng)用于“證”的研究，能夠溝通“實(shí)體結(jié)構(gòu)”和“功能模擬”的橋梁，整體上比較不同疾病、同病異證之間的蛋白質(zhì)圖譜差異，探索蛋白質(zhì)表達(dá)圖譜與中醫(yī)分型的系統(tǒng)的、有規(guī)律的聯(lián)系。

4展望

運(yùn)用蛋白質(zhì)組學(xué)技術(shù)對(duì)中醫(yī)證候進(jìn)行研究，為尋找“證侯”的標(biāo)志蛋白質(zhì)，揭示中醫(yī)“證”理論中蘊(yùn)藏的科學(xué)內(nèi)涵，闡明中醫(yī)診療的分子機(jī)理，最終在分子生物學(xué)水平上解釋生理和病理奠定了基礎(chǔ)[20、21]。中醫(yī)證候是辨證論治的基礎(chǔ)和核心，依據(jù)蛋白質(zhì)組學(xué)的理論和技術(shù)來(lái)探索中醫(yī)學(xué)理論的基本內(nèi)涵、中醫(yī)證候蛋白質(zhì)組學(xué)以及從蛋白質(zhì)組學(xué)水平探索中藥藥效的機(jī)理，都可能成為中醫(yī)藥理論和治療研究的突破口。中醫(yī)學(xué)的發(fā)展與現(xiàn)代科學(xué)蛋白質(zhì)組學(xué)的交叉，一方面可使中醫(yī)學(xué)吸取新的思想，取得進(jìn)一步發(fā)展的動(dòng)力，另一方面又因其獨(dú)特的理論與視角，也可為蛋白質(zhì)組學(xué)乃至現(xiàn)代科學(xué)的研究與發(fā)展提供新的思路[19]。

參考文獻(xiàn)

[1]Wilkins M R, Sanchez J C, Gooley A A, et al. Progress with proteome projects: why all proteins expressed by a genome should be identified and how to do it[J]. Biotechnology and genetic engineering reviews, 1996, 13: 19 - 50.

[2]Wilkins,M.R.Government backs proteome proposal. Nature. 1995, 378:653.

[3]張樹軍，狄建軍，張國(guó)文，魏永春.蛋白質(zhì)組學(xué)研究方法.內(nèi)蒙古民族大學(xué)學(xué)報(bào)，2008，23（6）：647-649.

[4]熊偉.蛋白質(zhì)組雙向技術(shù)在生物醫(yī)學(xué)研究中的應(yīng)用進(jìn)展. 生命科學(xué)儀器. 2010, 8(2): 7-10.

[5]O’ Farrell P H. High resolution two-dimensional gel electrophoresis of proteins [J]. Biol Chem, 1975, 250 (10):4007-4021.

[6]Domon B, Aebersold R. Mass spectrometry and protein analysis[J]. Science, 2006, 312 （5771）: 212.

[7]Guo Y M, Shen S H, Jing Y X , et al. Plant proteomics in the post-genomics era. Acta Botanical Sinca. 2002, 44(6):631-641.

[8]阮松林，馬華升，王世恒等．植物蛋白質(zhì)組學(xué)研究進(jìn)展Ⅰ．蛋白質(zhì)組關(guān)鍵技術(shù).遺傳，2006，28（11）：1472-1486.

[9]Boguski M S, Mcintosh M W. Biomedical information for proteomics[J]. Nature, 2003, 422 (6928) : 233-237.

[10] 劉康棟，趙建龍. 蛋白質(zhì)芯片技術(shù)進(jìn)展. 中國(guó)生物工程. 2004, 24(12): 48-57.

[11]Baldi P, Brunak S. Bioinformatics: The Machine Learning Approach [M]. Cambridge, Mass. : MIT Press, 2001.

[12]Goodman N. Biological data becomes computer literate: new advances inbioinformatics.Curr Opin Biotechnol . 2002, 13(1): 68-71.

[13]陳銘.后基因組時(shí)代的生物信息學(xué)[J]. 生物信息學(xué)，2004,2（2）:29.

[14]陳永對(duì). 生物信息學(xué)在基因組和蛋白質(zhì)研究中的應(yīng)用. 中國(guó)臨床康復(fù). 2006, 10(41): 136-139.

[15]賀光，孫開來(lái). 生物信息學(xué)在蛋白質(zhì)研究中的應(yīng)用. 國(guó)外醫(yī)學(xué)遺傳學(xué)分冊(cè). 2002, 25(3): 156-158.

[16] 張焱，張慶榮. 蛋白質(zhì)組學(xué)與中醫(yī)證候研究的思考. 長(zhǎng)春中醫(yī)藥大學(xué)學(xué)報(bào). 2007, 23(5): 3-5.

[17] 孫曉偉，周蘇寧. 蛋白質(zhì)組學(xué)與中醫(yī)藥研究. 中西醫(yī)結(jié)合心腦血管病雜志. 2005, 3(11): 987-989.

[18] 余宗陽(yáng)，杜建. 蛋白質(zhì)組學(xué)與中醫(yī)證候?qū)嵸|(zhì)研究[J]. 中國(guó)中西醫(yī)結(jié)合雜志. 2004, 24(9): 844-846.

[19] 申定珠，李家邦，蔣榮鑫，凌江紅. 證候蛋白質(zhì)組學(xué)與中醫(yī)證候?qū)W相關(guān)性探討. 中國(guó)中西醫(yī)結(jié)合雜志. 2006, 26(4): 366-368.