导语：如何才能写好一篇生物信息学的研究方向，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
1.引言
生物信息学（bioinformatics）是一门新兴的交叉学科，生物学与医学、数学、计算机科学是其中三个主要组成部分。生物信息学作为跨越生命科学和信息科学两大热点领域的学科，拥有蓬勃的生命力。面对人类基因组计划所产生的庞大的分子生物学信息，生物信息学的重要性已越来越突出，它无疑将会为生命科学的研究带来革命性的变革。［1］［2］国内外对生物信息学的人才需求也在激增。
2.注重培养学生的学习兴趣
从培养学生的学习兴趣出发，在课堂教学过程中，充分利用丰富的网络资源，如图像、视频等。比如在介绍模式生物时，可以给出各种模式生物的图像；在介绍各种各样的生物数据库时，可以在课堂上现场上网登陆数据库，演示和介绍各个数据库的特点和使用方法等。研究生不同于本科生，本科生可能比较习惯于教师的灌输性教学，而研究生教学更加鼓励学生主动自觉地学习。这从“研究”一词的英文解释“re-search”――再（“re-”）探索（“search”）中也可以看出。教师在研究生学习过程中主要起引路的作用，而不可能手把手带着学生研究。生物信息学更是如此，它是一门新兴的交叉学科，很多理论和研究内容还不成熟，需要科学工作者不断地探索。因此，通过生动形象的启发式课堂教学，培养学生的学习兴趣，对学生以后的进一步研究有着重要的作用和意义。
3.注重培养学生的综合素质
在生物信息学的上课过程中安排几次学生的课堂报告。具体做法是：由教师或学生在国外重要期刊（如Bioinformatics）或会议上找与学生自身的研究方向比较相近的生物信息学方面的最新文献，然后几个学生一组共同针对某几篇文献进行阅读、理解，最后以报告的形式跟大家一起交流和讨论。在这个过程中，可以培养学生的如下几个方面的能力：
（1）搜寻资料的能力。现在网络非常发达，网络资源也非常丰富，如何从纷繁复杂的网络资源中找到自己所需的资料不是一件容易的事。学生可以通过学校购买的数据库进行查找适合自己的文献资料，也可以通过搜索引擎进行查找。通过这个过程，学生可以了解有哪些数据库可以利用，哪些网站资源比较丰富，以及选择什么关键词进行查找比较有效，等等。
（2）阅读外文文献的能力。学生在本科阶段一般没有读外文文献的习惯，而进入研究生学习阶段，为了了解和研究国际前沿领域，就必须阅读大量外文文献，毕竟国外的科技实力在很多方面还是处于领先位置的。给学生指定几篇优秀的外文文献进行阅读和理解，可以一定程度上锻炼学生阅读外文文献的能力。因为要想真正理解文献的内容，就必须对文献进行仔细认真的阅读和研究。
（3）团结协作的能力。每个课堂报告都是由几个学生共同参与完成的，在这过程中有组织协调和分工的问题，这需要大家共同努力，团结协作。团结协作在当今社会越来越被推崇，所以培养学生团结协作的能力对于他们以后进入社会很有帮助。从实际执行的情况看，效果还不错。比如有的学生数学基础好，他就负责理解文献中的公式和算法部分；有的学生计算机能力比较强，他就负责编程实现、课件制作等。
（4）口头表达的能力。课堂报告的最后陈述和讨论可以锻炼学生的口头表达能力。有的学生平时很少有作报告的机会，所以口头表达的能力得不到锻炼。本课程提供给学生一次口头表达能力锻炼的机会，让学生体会到如何组织报告内容、如何把自己理解的内容介绍给听众是比较有效的，是容易被大家理解和接受的。
4.理论与实践相结合，鼓励交叉性研究
5.结语
生物信息学课程教学的实践表明，学生经过这门课程的学习，学到了一定的内容，如对生物信息学这门课有了比较清楚的了解和认识、综合素质得到了一定的提高、找到了一些适合自己的研究切入点等。总的来说，教学效果不错，但还需要进一步探索，进一步完善。
参考文献：
［1］张阳德.生物信息学［M］.北京：科学出版社，2005：1-15.
［2］郝柏林，张淑誉.生物信息学手册［M］.上海：上海科学技术出版社，2002：1-10.
［3］许忠能.生物信息学［M］.北京：清华大学出版社，2008：8-17.
［4］曹骥，黎丹戎.浅谈医学生物信息学的教学模式［J］.广西医科大学学报，2007，（24）：122-123.
关键词：生物信息学；考试；网络
一、常规考试方法在生物信息学课程考试中存在的问题
二、新的考试方法的探索——网络考试系统的构建
为解决上述生物信息学课程考试中出现的问题，笔者构建了生物信息学网络考试系统，以便替代传统的考试方法（图1）。本考试系统具有以下特点：
第一，建立较大容量的试题库。试题库中题型包括选择题、判断题、简答题和操作题等四种题型，分别含有500、100、50和50道题。每套完整的试题满分为100分，其中设置为选择题50分（每题1分，共50小题）、判断题10分（每题1分，共10题）、简答题20分（每题5分，共4题）、操作题20分（每小题10分，共2题），每套试卷也可以根据考试需要重新设置每种题型的分值和题目数量。试题库题目主要以《基础生物信息学及其应用》和《简明生物信息学》等教材为依据。[6，7]题库中的题目考核内容涵盖教材的所有章节和主要知识点，其中的操作题目覆盖课程的重点教学内容。
第二，自动随机组卷。随机组题方式设置2种，一是全体参加考试的学生试卷中所有试题都相同，但每道题目的题号前后顺序有别；二是每位学生的试卷中不仅试题的题号顺序不同，而且试题也不完全相同。两种组题方式各有利弊，前者能保证每位学生的试卷难度系数完全相同，但只是学生的试卷中试题的顺序不同，题目依然还是相同的；后者则能保证彻底杜绝参加考试的学生通过互联网比对试题答案的可能，但由于每位学生的试题不同，因此可能导致不同的学生之间的试题难度系数存在一定的差异。两种不同的组题方式还有待在今后的教学实践中进行比较和科学选择。
第三，自动阅卷和人工阅卷方式相结合。阅卷方式中设置客观试题（包括选择题和判断题）自动阅卷和自动评分，主观题（包括简答题和操作题）采用在计算机上人工阅卷。同时也留有全部设置为人工阅卷的后台操作系统。
科学、合理、公正的考试，对课程教学可以起积极促进作用，激发学生学习的积极性，培养学生的创新能力，有利于学生个性的发展；反之，则不仅不利于教学，而且会挫伤学生学习的积极性和自尊心，阻碍学生创造力和个性的发展。笔者构建的网络自动组题的生物信息学考试系统能较好地实现生物信息学课程的客观公正的考试，在客观上彻底杜绝考试作弊现象的发生，达到科学检测学生对生物信息学课程基础知识和操作能力掌握的情况，客观公正地评价学生的考试成绩和课程成绩。
[1]戴凌燕，姜述君，高亚梅.《生物信息学》课程教学方法探索与实践[J].生物信息学，2009，7（4）：311-313，319.
[2]张纪阳，刘伟，谢红卫.生物信息学课程研究性教学的实践与思考[J].高等教育研究学报，2011，34（4）：51-53，57.
[3]向太和.我国现有《生物信息学》教材和网络资源的分析[J].杭州师范学院学报（自然科学版），2006，5（6）：495-498.
[4]赵晴.考试方法改革的研究与实践[J].中山大学学报论丛，2001，21（1）：144-146.
[5]高艳阳，张峰.高校考试方法改革研究综述[J].理工高教研究，2003，22（6）：100-101.
[6]蒋彦，王小行，曹毅，等.基础生物信息学及其应用[M].北京：清华大学出版社，2003.
[7]钟扬，张亮，赵琼.简明生物信息学[M].北京：高等教育出版社，2001.
生物信息学教学模式探索任务引领生物信息学是用数理和信息科学的观点、理论和方法研究生命现象、组织和分析呈现指数增长的生物医学数据的一门学科，它是生物医学、数学、信息科学以及计算机科学等诸多学科的崭新交叉学科。生物信息学几乎是今后所有生物（医药）研究开发所必需的工具。
一、生物信息学的课程特点
诺贝尔奖获得者W.Gilbert1991年提出了这样一个观点：传统生物学解决问题的方式是实验的，而现在，基于全部基因都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的，是一个科学家先从理论推测出发设定研究目标，然后再回到实验中去追踪或验证这些理论假设。而生物信息学研究正是从英特网上源源不断地采集数据，进行分析、归类与重组，发现新线索、新现象和新规律，用以指导实验工作设计，是一条既快又省的研究路线。它对于找寻一个研究项目的突破口是非常重要的，选定合适的研究出发点，可避免许多不必要的重复，最大程度节约研究资源，使研究成果最大化。鉴于该门技术对生物科学的理论、实践要求以及对信息技术掌握的要求，生物信息学课程与其他课程的教学有很大不同。
3.课程教学实践性强，同时涉及生物技术专业实践和计算机应用技术的实践，这需要教师在授课过程中根据学生的学习规律合理安排实践项目，发挥好这两种技术的协同作用。
二、生物信息学课程教学模式探索
1.教学目标与其所培养学生的核心技能
在课程目标的设定过程中，应牢记高校对文化的传承的功能，要使学生了解生物信息学发展的历程。在生物信息学学科发展过程中所涌现出来的著名学者，众所周知的震撼人心、启迪心灵的奇闻秩事，能使学生对这门课程产生浓厚的兴趣，甚至更深刻地领会这门课程的含义。
增强学生使用生物信息处理软件的能力，是生物信息学课程教学的重要目标。在世界各地，科学家每天都要通过序列比对软件进行成千上万次的序列比对。学生需要通过课程的学习熟练掌握各种生物信息处理软件，有时还有必要进行一些简单程序的设计，进而掌握发现新线索、查找新规律的工具。例如，目前，借助于生物信息手段的蛋白质预测是提供蛋白质结构及功能信息的重要方法，对这种预测方法的学习将使学生更多更快地了解蛋白质的信息，加深对生物技术科学的理解和运用。除了生物数据库和生物软件使用学习外，还要着重体现生物学文献调研和阅读、论文撰写等基本能力的训练，如EndNote文献管理软件的使用。
2.教学内容选择和教学顺序的组织
生物信息学的课程教学内容的选择，要紧随生物信息学的发展方向，涵盖最前沿知识和最先进技术领域。与此同时，教学内容的选择还应充分考虑学生基础和对该门课程的需求。生物信息学选课学生通常有两类，一类是具有较为扎实的生物学基础的学生，他们学习目的非常明确，其学习重点在于提高对生物信息实验所得结果的分析解释和验证能力。另一类是生物学基础相对较弱的学生，这些学生主要是为了了解生物信息学发展前沿、掌握检索能力以及初步的分析技能，对分析、处理、预测结果的验证涉及不多。无论哪种学生，都比较欠缺信息技术方面的知识，因此，这类知识在前面部分介绍。而后面部分则随学生的类型有所改变，我们根据授课学生的分类选择不同的授课内容和授课重点，尝试据此来划分教学组织的各个阶段，在每个教学节点精心设置任务（如表1所示）。
与其他课程的教学一样，生物信息学课程的教学需遵守学生对知识的掌握规律，其内容的选择与安排应按照循序渐进的原则。从第一阶段到第二阶段，教学内容“由易到难”。随着教学过程的深入，课程内容更侧重于对生物信息学某一专业领域的引导，此时授课教师的指导更加重要，这类领域往往与开课院系专业的优势研究领域和导师研究方向相结合。
3.课程教学方法的改革
生物信息学是一门涉及知识面深刻而广泛，学生独立自学的难度很大的交叉科学。依据建构主义教学理论的特点，这类难度大、技术性和实践性强的课程要特别重视以学生为教学主体的教学方法，应尝试从任务引领入手，将生物信息学的一些重要学习内容逐步展现出来。
学生在每个节点都非常清晰地知道下个节点的主题，并在完成教师的任务过程中，构建局部知识框架，形成自己的见解。教师需在课堂上和课堂以外及时掌握学生对各个节点知识的掌握情况，找到学生的最近发展区，针对重点、难点解惑，提高教学效果。这样可以使选择的教学任务吸引学生、引领学科前沿，还能在教学过程与学生的互动中有效地实现教学相长。
4.重视切合课程设计的教材编写
生物信息学不同于其他学科，其很多内容和知识节点更新很快，很多最新成果必须教师根据生物信息学发展前沿及时整理和总结，其教学内容设置着重于保证教学内容的先进性和前沿性。教材的更新和修订周期较短，几乎每学期均需要重新修订。
2001年，教育部在[2001]4号文件中明确要求直属高校的“本科教育要创造条件使用英语等外语进行公共课和专业课教学”，在信息技术、生物科学、管理、金融、法律等专业力争在3年内使外语讲授的课程达到所开课程的5%～10%，尤其强调了生物科学更要先行一步。现实情况也使英文自编教材的编写刻不容缓，现在，绝大部分前沿生物数据信息（最主要的核酸和蛋白质）数据库均为全英文操作界面，操作者只有熟练掌握生物信息学英文术语才能自如地使用该系统，才能更有效的进行生物信息学的学习和研究工作。在英文自编教材编写时，理论部分的参考书我们精心应选定了具有非常严谨理论体系和反应了最前沿生物信息技术的《BIOINFORMATICS：Databases，Tools，andAlgorithms》。编写时需要特别注意应依据教学设计来设定来序化任务，突出不同教学阶段的教学重点，使学生学习过程是个循序渐进的过程。我校采用的自编教材根据教学阶段共设置五个引领任务：
（1）Pubmed检索profilin基因研究进展；
（2）家蚕profilin基因结构分析与PCR扩增引物的设计；
（3）家蚕profilin基因同源序列的获取与进化树的构建；
（4）家蚕profilin蛋白二级和三级结构的模拟；
（5）家蚕profilin蛋白理化性质和功能位点的分析.
5.合理配置网络资源和多媒体教学资源
首先，学会利用互联网、计算机、数据库和应用软件进行生物信息分析的基本方法和技能本身就是生物信息学教学重点。以往普通的多媒体教室已难以提供一个交互式的网络化、信息化的教学环境，如果想上好生物信息学这门课程，网络资源和多媒体教学资源的应用，将贯穿于整个生物信息学课程（从任务下发及申领、任务控制及执行、任务完成结果检验与反馈）的整个教与学的过程。而我们通过极域电子教室和学校4A网络教学平台结合，较好的实现了生物信息学交互式的网络化、信息化的教学环境。
课前，教师通过网络平台将任务教学内容、任务序列、工具等传递给学生，学生通过登陆互联网络，利用网络资源和软件尝试完成预习任务。此处可以设置学情反馈点，教师通过网络论坛等形式掌握学生预习情况。授课过程中，教师利用教师机客户端的文件分发系统将任务教学内容、任务序列、工具等发送到学生桌面，再通过广播教学多媒体技术为学生形象的讲解任务内容以及完成方法。每位学生在教师的监督下在互联网上执行任务。教师在监控学生完成任务过程中，不断的得到学生任务进程的反馈，对于任务中学生出现共性问题，利用网络、广播教学或演示等形式及时解决。课下，学生同样可通过学校4A网络教学平台将任务报告、作业、问题和意见等反馈给教师，教师在平台上批改任务报告后将成绩和评语发送给学生，让学生及时了解自己的学习情况，师生还可以通过平台中的网络论坛进行问题讨论等。网络环境下的生物信息学任务引领式教学，不仅能提高学生的学习兴趣，还能创造更为有效的师生互动信息教学环境。
三、结束语
[1]张林，柴惠.现代教学手段在生物信息学教学中的应用[J].新课程研究，2011，219（4）：156-158.
[2]柴惠，赵虹，张婷.高等院校生物信息学双语教学课程建设之我见[J].中国高等医学教育，2010，（4）：83-84.
[3]Gilbert，W.Towardsaparadigmshiftinbiology[J].Nature，1991，（349）：99.
[4]刘伟，张纪阳.“生物信息学”课程中研讨式教学实践[J].中国电力教育，2012，（23）：60-61.
[5]范丙友，贾小平，胥华伟.生物信息学课程教学改革与探索[J].大学教育，2013，（16）：61-62.
【关键词】云计算生物信息学
下一代测序技术的应用产生了大量的测序数据，这对生物学特别是生物信息学在数据的存储、管理和搜索等方面带来了新的挑战。一直以来计算机存储和处理数据能力的增长速度都快于生物数据的增长速度，但2003年后，由于测序技术的发展使得测序成本大幅度下降，产生了大量的生物数据，计算机的存储和计算能力逐渐无法满足大数据的需求。这促进了云计算的运用和发展，它使得用户可以根据需求租用硬件设备和软件，避免了对硬件设备的大量资金投入和管理投入。
1云计算定义
“云”是一个通过虚拟技术把云端计算机或是服务器连接在一起的服务网络。存储和分析数据都由“云”端的服务器或是计算机完成。中国云计算专家刘鹏给出如下定义：“云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使用户能够按需获取计算力、存储空间和信息服务。”
按照资源的共享水平，云计算的服务模式分为三种，基础架构即服务（Infrastructureasaservice），平台即服务（Platformasaservice）和软件即服务（Softwareasaservice）。
IaaS（Infrastructureasaservice）Service：基础架构即服务。它整合了基础设施如虚拟主机、存储设备、网络设备等资源成为一个服务平台提供给用户使用。IaaS位于网络的底层，向用户提供按需分配、按需付费的计算设备和存储设备。
PaaS（Platformasaservice）提供服务平台，用户掌控运作应用程序的环境，可以在平台上应用，测试和开发软件。
SaaS（Softwareasaservice）即在服务平台上提供软件供用户使用，用户只使用软件，不掌握操作系统、硬件等网络基础架构。用户不必自己安装软件，只需要浏览器连接到公共的服务平台即可。供应商会按照用户的要求安装所需的软件，并负责软件的升级和维护。
云计算的主要优点：
（2）按需租用计算资源可以让用户支付更少的费用。在云计算平台上，用户在最初时可以租用少量的机器，以后随着需求的增加或减少相应的增加或减少租用的机器。用户所付的费用就是实际租用机器的费用。
2云计算在生物信息中的应用
我们把云计算在生物信息学中的应用按IaaS，PaaS和SaaS三个方面分别介绍。
2.1IaaS
用户租用云计算上的虚拟主机可以自己控制计算、存储等硬件设备，建立需要的计算环境。并且大量的生物信息学工具可以打包为虚拟镜像用于租用的云计算的虚拟主机上，可以很方便的进行多种数据分析。如CloVR提供的一个包含预配置和自动的生物信息学流程的虚拟主机，可以运行在本地的计算机上也可以运行在云计算平台上。这个虚拟机以Ubuntu和BioLinux为基础，安装了GridEngine和Hadoop作为作业调度，Ergatis作为工作流系统，还有很多开源的生物信息学软件，如BLAST、16SrRNA等。用户也可以开发自己的软件运行在虚拟机上。Bioconductor是一个开源的关于R语言的生物信息学库，提供了一系列的软件包用于微阵列数据分析。用户可以下载Bioconductor提供的镜像安装到租用的云计算平台上。
2.2PaaS
GalaxyCloudman和Eoulsan可以看做PaaS。Galaxy整合了一系列的简单易用的工具，提供一个简易的网页用来分析数据。GalaxyCloudman把Galaxy的软件工具打包成一个镜像，可以在AWS（AmazonWebService）上应用。用户可以将其他安装在Galaxy平台上的软件安装到自己的云计算平台上，甚至可以在GalaxyCloudman上定义插件。通过添加额外的工具，可以扩展默认函数并测试和使用。从这个意义上说，GalaxyCloudman可以看做PaaS。
Eoulsan整合了很多下一代基因数据分析工具，如BWA，Bowtie，SOAP2，GSNAP，edgeR，和DEdeq于一个框架内，同时，它也支持用户自己开发的插件用于数据分析。
2.3SaaS
短序列（读段）匹配是指将测序得到短序列匹配到参考基因组上，这是许多测序数据分析的第一步，如SNP识别和基因表达谱分析。CloudBurst，CloudAligner，SEAL和Crossbow都是应用于云计算基于MapReduce的软件，可以匹配数以百万计的序列。Schatz用”seed-and-extend”算法开发的CloudBurst可以确定错误匹配的数目。CloudBurst模仿了RMAP的算法，但速度提高了30倍。但是CloudBurst不支持fastq文件，并且不能处理重亚硫酸盐测序和（双）末端测序产生的数据。CloudAligner弥补了这个缺点，并且比CloudBurst快35%到80%。SEAL整合了BWA，在序列匹配时可以去除重复的序列，这对SNP识别和以后分析很有用。应用MapReduce的Crossbow整合了Bowtie和SOAPsnp，可以在几个小时内匹配数以十亿计的序列。
差异表达分析可以用来寻找不同样本中表达有明显差别的基因，而RNA测序（RNA-seq）用来量化样本中的基因表达水平。Myrna是一个云计算平台上计算大规模RNA测序的软件。它整合了序列匹配、归一化、聚类分析和统计模型，直接输出不同样本的基因表达水平和不同表达水平的基因。然而，Myrna最大的缺陷是不能正确地将短序列匹配到外显子拼接位点上。但FX弥补了这个缺点。FX用改进的匹配函数分析RNA数据，以RPKM或是BPKM的格式输出不同基因的表达水平。
3云计算面临的问题
云计算提供了强大的计算能力，但云计算自身的特点也使它的发展面临了一些困难和制约。云计算在生物信息学上的应用尚处于初期阶段，尽管已经出现了一定数量的生物信息学工具，但仍有很多的分析无法完成，很多的工具还需升级或者开发。云计算上数据的隐私性和安全性也是用户需要考虑的方面。特别是一些生物数据涉及到病人的隐私，但很多国家还没有保护这种数据隐私的法律。云计算服务提供商需要制定一些规则来保护用户的数据。
4对应用云计算的建议
对于将要使用云计算的用户，需要考虑以下三个方面：数据规模、安全隐私和费用。
数据规模及安全隐私：首先要考虑你的数据规模是否超过了本地计算机的处理能力。现在本地的个人电脑可以处理数千兆的数据，服务器一次可以处理数百G的数据。如果用户熟悉并行计算的技术，可以处理数TB的数据。但如果你的数据更大并且不精通并行计算，本地计算机和服务器就很难处理了，就可以考虑云计算。用户如果要向云计算平台上传输数据，需要考虑数据的安全性和隐私性。比如涉及病人的隐私是否会泄露，云计算服务提供商是否可以保证数据的安全等。
目前，云计算和生物信息学都处在快速发展当中，云计算在生物信息学中的应用也越来越广泛和深入。特别是生物数据的大规模增涨，生物学家必须从大量的数据当中分辨出有用的信息。这就需要强大的存储能力和计算分析能力，云计算可以很好的解决这个问题。云计算和生物信息学的结合将极大的促进生物学的发展。
参考文献
[1]刘鹏主编.云计算（第二版）[M].北京：电子工业出版社，2011（05）.
[2]SchatzMC，CloudBurst：HighlysensitivereadmappingwithMapReduce，Bioinformatics
25（11）：1363-1369，2009.
[3]NguyenT，ShiW，RudenD，CloudAligner：Afastandfull-featuredmapreducebasedtool.forsequencemapping，BMCResNotes4：171，2011.
[4]HongD，RhieA，ParkSS，LeeJ，JuYS，KimS，YuSB，BleazardT，ParkHS，RheeH，ChongH，YangKS，LeeYS，KimIH，LeeJS，KimJI，SeoJS，FX：AnRNA-seqanalysistoolonthecloud，Bioinformatics28（5）：721-723，2012.
作者简介
李渊（1985-），男，河南省延津县人。硕士研究生学历。现为苏州大学系统生物学研究中心助理实验师。主要研究方向为实验技术。
【关键词】免疫学,理论；数学模型；生物数学
Advancesoftheoreticalimmunology
JINYan
（Basicmedicalcollege,LiaoningUniverstityofTraditionalChineseMedicine,LIAONINGShenyang,110032,）
【Abstracts】Theoreticalimmunologyistodevelopmathematicalmethodsthathelptoinvestigatetheimmunologicalproblems,andtostudythemathematicaltheoryonimmunology.Withtheadventofhigh-throughputmethodsandgenomicdata,immunologicalmodelingoftheoreticalimmunologyshiftedfromreceptorcrosslinking,Jerneinteractionnetworksandself-nonselfselection,towardtheinformatics,spatiallyextendedmodels,immunogeneticsandimmunoinformatics,evolutionaryimmunology,innateimmunityandepigenetics,high-throughputresearchmethodsandImmunomics.Immunology,Theoretical;MathematicalModels;biomathematics
1理论免疫学经典模型
免疫学是生物学的一个领域，很早就认识到了数学建模和数学分析方法的作用。早在上个世纪60年代和70年代，数学模型已经应用于免疫学的不同领域，例如：抗原-受体的相互作用、T和B细胞群动力学、疫苗接种、生发中心动力学、病毒动力学和免疫系统对病毒的清除[6]等。现在的许多免疫学原理和观点都是数学模型的结果。
1.1受体交联和免疫原理
受体交联[7-9]（ReceptorCrossLinking）和免疫原理（ImmunonTheory）是由AlanPerelson提出、CarlaWofsy作了进一步分析。这个原理根据的事实是，低价抗原不能激活B细胞，而高价抗原（即抗原拥有多个重复基序）即使在抗原密度非常低（3-4目）的情况下也能够激活B细胞。Sulzer和Perelson[10-13]据此发展了这个理论和数学模型并提出，抗原能够聚集B细胞受体，从而激活B细胞。这个结论是B细胞免疫的基础之一。
尽管数学模型对免疫学发展的贡献的例子还有很多，但是免疫网络（ImmunologicalNetworks）的概念和自我选择（Self-NonSelfSelection）问题占有相当重要的地位。
1.2Jerne的相互作用网络
1.3自我选择
调节性网络实际上是理论免疫学中自我选择这个大课题的一部分。假设表达自身反应性受体的淋巴细胞被机体清除（阴性选择）。大多数阴性选择可能是由于中枢性耐受（CentralTolerance）所导致的（T细胞在胸腺，人和小鼠的B细胞在骨髓）。阴性选择机制失败可导致自身免疫性疾病。人们通过多种途径对自我选择展开研究。有人从分子的角度和基于特殊的选择机制来研究，而有人则建立了更为复杂的模型，例如PollyMatzinger的危险模型[17][18]（DangerModel）和IrunCohen的侏儒模型[19-27]（HomunculusModel）。这些模型都是想反映真实的复杂系统，尽管仅通过检测免疫系统的成分，人们是无法接近问题的实质，但是他们的尝试拓宽了我们的视野。直到今天，关于获得和打破（自身免疫性疾病）耐受的途径，也没有一个公认的解释。
2理论免疫学的现代模型
理论免疫学的模型和问题现在正逐渐向分子理论免疫学方向发展。这种理论方向的演变与大量基因组全序列的检测、分子生物学工具的巨大进展、高通量测量技术的发展、空间分布（SpatialDistribution）作用的测量和建模能力的发展等实验技术的发展是分不开的。同时，计算机处理能力和建模技术的发展也是影响现论免疫学的重要因素。
2.1Immsim、Simmune和其它复杂模型
免疫学中，最大胆的尝试可能就是建立一个免疫系统的系统模型。第一个建立这样模型的尝试是上世纪80年代由IBM公司PhilipSeiden开发的IMMSIM模型[28-31]。其设计的主要目的是为了在计算机上进行免疫应答试验。IMMSIM采用了克隆选择原理的基本观点，认为免疫细胞和免疫分子独立地识别抗原，免疫细胞被竞争地选择，以产生更好的识别抗原的克隆种类。IMMSIM模型的基础是空间扩展的元胞自动机，它用位串（或比特流，Bitstrings）代表受体、抗原和MHC分子的可变性。到目前为止，抗原和受体多样性的位串表示方法已被许多其他研究者[32,33,34]所采用。IMMSIM包括了适应性免疫系统的所有主要成份：CD4和CD8T细胞、B细胞及其相应的受体，MHCⅠ类和Ⅱ类分子和一些细胞因子。但是IMMSIM模型仍然是对免疫系统的粗略描述。因此，人们在此基础上又进行了其它的开发。
第一个较有影响的是由Martin.Meier-Schellersheim开发的Simmune[35-36]。这个系统尝试建立一个足够宽广和复杂的平台，从而能够对免疫学的任意实际过程进行模拟。它不仅是一个特殊模型，更是一个建模技术或语言。
还有应用了MonteCarlo模拟[37-38]或称免疫模拟（Immunosim）、状态图[39]（State-Charts）等多种数学模型，试图涵盖免疫系统所有可能细节并建立动力学模型。在这个方向上，最有影响的是SolEforni的模型。此模型尝试提供胸腺空间扩展动力学的完全模拟，并以此来研究细胞选择[40]。这些综合模拟的优势在于他们涵盖了当前免疫学的所有细节。但是这些模型也有缺点，他们过于复杂，因此对于所观察到的动力学变化，我们无法充分理解其原因及模型对参数变化的敏感性。
2.2空间扩展模型
从分子水平上讲，免疫学复杂系统分析的最大进展是细胞内分子定位[41]（MoleculeLocalization）测量技术。免疫突触（Synapses）的发现就是利用了该技术。人们建立了多个细胞膜动力学模型，用来解释突触的形成以及突触的分子动力学。细胞膜动力学模型也应用于B细胞。这些模型中，有的是假设一个固定的细胞膜在二维晶格上（2DLattice），有的假设一个自由漂浮的细胞膜[42-44]。另一个研究方向的是受体动力学，以及受体与其它细胞膜成份，比如Src家族激酶和脂筏[45]（LipidRafts），之间的相互作用。目前此领域的所有模型都是以广泛的数值模拟（NumericalSimulation）为基础的。
空间扩展模拟的另一个领域是生发中心动力学的模拟。经典模型主要采用ODEs来描述一或两个总体的均匀动力学[46]（HomogenousDynamics），而现代模拟主要应用MonteCarlo模拟[47-49]来研究多空间扩展或者均匀总体之间的相互作用，但是也有一些是采用ODEs。
2.3免疫遗传学和免疫信息学
不同基因组的排列和不同等位基因的序列使免疫遗传（Immunogenetic）数据库得到了全面的发展[50-51]。免疫遗传数据库IMGT储存了多个物种的T和B细胞受体基因序列（B细胞H链和T细胞β/δ链的V、D和J基因，L链/α链/γ链的V和J基因）。该库也包括了最新的MHC分子的基因序列（包括经典和非经典的）。另外，IMGT数据库还包括了大量的淋巴细胞受体重排序列。
这样庞大的数据库是伴随着免疫信息学（Immunoinformatics）工具的大量发展而建立的。其中包括用于junction分析[52]、免疫基因对准（ImmunogeneAlignment）以及系统发育的工具[53-55]。所有这些工具的基础都是将生物信息学理念应用于免疫学。免疫遗传数据库日渐显现的重要性表明，免疫学建模逐渐向基因化方向转变。
2.4进化免疫学
另一个系统发育概念和方法的应用是B细胞的体超变异[57]（SomaticHyperMutations，SHM）分析。在生发中心反应过程中，通过活化诱导胞嘧啶脱氨酶（Activation-InducedCytidineDeaminase，AID），B细胞的受体基因发生超变异。随着克隆性增殖，B细胞受体基因平均每分裂一次就发生一次超变异，导致突变克隆的产生。这些克隆表现为微进化（Micro-Evolution），可以很容易地在实验室中研究。对B细胞系统发育树（Phylogenetic）以及它们与其它因素关系的分析，比如老化和自身免疫疾病，也已开始研究[58]。
2.5分子生物信息学和表遗传学
在分子生物信息学（MolecularBioinformatics）和表遗传学（Epigenetics）的研究过程中[59]，随着分子信息研究水平不断提高，在免疫学中应用模型水平的精细程度也不断提高。免疫学的一个特殊方面是需要将信号转导（SignalTransduction）与基因重排结合起来建模。现已建立了不同条件下的B和T细胞内的基因重排过程和淋巴细胞信息转导的模型[60-61]。从分子角度来讲，另一个重要的分子建模是在抗原提呈给T细胞之前，对抗原处理过程的分析。
2.6高通量研究方法
在基因重排过程中应用荧光原位杂交技术[64]（FISHtechniques）来定位基因是一个令人兴奋的、对免疫学来说更具有针对性的研究进展。这些测量手段使我们在研究基因重排过程中，能够确定受体不同部分之间的相互作用。
另一个对免疫系统来说具有针对性的工具是抗原芯片（AntigenChips）的发展。这些芯片可同时测量B细胞对成百上千种抗原的应答，并提供整个免疫系统的系统表达[65]。在这类分析中使用的主要数学工具是聚类方法（ClusteringMethods）。
2.7免疫组学
当前，理论免疫尚处于探索和发展阶段，许多方法和理论还很不完善，它的应用虽然取得某些成功，但仍是低水平、粗略，甚至是勉强的。许多更复杂的免疫学问题至今未能找到相应的数学方法进行研究，还有一些免疫核心问题还存在争议。这就需要未来的医学工作者具备更多的数学知识，对免疫学和数学都有更深入的了解，这样才有可能让免疫学研究更多地借助数学的威力，进入更高的境界。
[1]漆安慎,杜婵英.免疫的非线性模型.上海:上海科技教育出版社,1998:iv.
[2]RainaS.Robeva,JamesR.Kirkwood,RobinL.Davies,et.al.AnInvitationtoBiomathematics.北京:科学出版社,53-129.
[3]马知恩.种群生态学的数学建模与研究.安徽:安徽教育出版社,1996:5-40.
[4]陈兰荪,孟新柱,焦建军.生物动力学.北京:科学出版社,2009:77-177.
[5]李涛.计算机免疫学.北京:电子工业出版社,2004:147-203.
[6]陆征一,周义仓.北京:科学出版社,2004:58-73.
[7]A.S.PerelsonandC.DeLisi.Receptorclusteringonacellsurface.I.Theoryofreceptorcross-linkingbyligandsbearingtwochemicallyidenticalfunctionalgroups.Math.Biosci.1980,48:71.
[8]A.S.Peielson.Receptorclusteringonacellsurface.II.Theoryofreceptorcross-linkingbyligandsheaiingtwochemicallydistinctfunctionalgroups.Math.Biosci.1980,49:87.
[9]A.S.Perelsoii.Receptorclusteringonacellsurface.III.Theoryofreceptorcross-linkingbymultivalentligands:descriptioiibyligandstates.Math.Biosci.1981,53:1.
[10]Perelson,A.S.,andC.DeLisi.Receptorclusteringonacellsurface.I.Theoryofreceptorcross-linkingbyligandsbearingtwochemicallyidenticalfunctionalgroups.Math.Biosci.1980,48:71110.
[11]Perelson,A.S.Receptorclusteringonacellsurface.II.Theoryofreceptorcross-linkingbyligandsbearingtwochemicallydistinctfunctionalgroups.Math.Biosci.1980,49:87110.
[12]Perelson,A.S.Receptorclusteringonacellsurface.III.Theoryofreceptorcross-linkingbymultivalentligands:descriptionbyligandstates.Math.Biosci.1981,53:139.
[13]Perelson,A.S.Somemathematicalmodelsofreceptorclusteringbymultivalentligands.InCellSurfaceDynamics:ConceptsandModels.A.S.Perelson,C.DeLisi,andF.W.Wiegel,editors.MarcelDekker,NewYork.1984,223276.
[14]N.K.Jerne.Towardsanetworktheoryoftheimmunesystem.Ann.Immunol.(Inst.Pasteur),1974(125C),373-389.
[15]CoutinhoA."Thenetworktheory:21yearslater".Scand.J.Immunol.1995,42(1):38.
[16]CampeloF,GuimaresFG,IgarashiH,RamírezJA,NoguchiS."AModifiedImmuneNetworkAlgorithmforMultimodalElectromagneticProblems".IEEETrans.Magnetics2006,42(4):11111114.
[17]PollyMatzingerandGaladrielMirkwood.InafullyH-2incompatiblechimera,TcellsofdonororigincanrespondtominorhistocompatibilityantigensinassociationwitheitherdonororhostH-2type.JournalofExperimentalMedicine,1978(148):84-92.[18]MatzingerP.Thedangermodel:arenewedsenseofself.Science2002;296:3015.
[19]CohenIR,YoungDB."Autoimmunity,microbialimmunityandtheimmunologicalhomunculus."ImmunolToday1991;12(4):105-10.
[20]CohenIR."Theimmunologicalhomunculusandautoimmunedisease,"inMolecularAutoimmunity,ed.TalalN.,AcademicPress,USA1991,pp.438-453.
[21]CohenIR."Thecognitiveparadigmandtheimmunologicalhomunculus."ImmunolToday1992;13(12):490-4.
[22]CohenIR."Themeaningoftheimmunologicalhomunculus."IsrJMedSci1993;29(2-3):173-4.
[23]CohenIR."Kadishman’sTree,Escher’sAngels,andtheImmunologicalHomunculus,"inAutoimmunity:PhysiologyandDisease,eds.CoutinhoA,KazatchkineMD.Wiley-Liss,Inc.1994pp.7-18.
[24]CohenIR."PeptidetherapyforTypeIdiabetes:theimmunologicalhomunculusandtherationaleforvaccination."Diabetologia2002Oct;45(10):1468-74.
[25]GonzalezG,MonteroE,LeonK,CohenIR,LageA."Autoimmunizationtoepidermalgrowthfactor,acomponentoftheimmunologicalhomunculus."AutoimmunRev.2002Feb;1(1-2):89-95.
[26]CohenIR."Immunesystemcomputationandtheimmunologicalhomunculus."MoDELS2006,inO.Niestraszetal.(Eds).Springer-Verlag,Berlin,pp.499-512,2006.
[27]CohenIR.(2007)"Biomarkers,self-antigensandtheimmunologicalhomunculus."J.Autoimmun.,2007Dec;29(4):246-9.
[28]RobertoPuzone,B.Kohler,P.Seiden,FrancoCelada:ADiscreteModelsofCellular/HumoralResponses.ACRI2000:117-125.
[29]RobertoPuzone,B.Kohler,P.Seiden,FrancoCelada:IMMSIM,aflexiblemodelforinmachinaexperimentsonimmunesystemresponses.FutureGenerationComp.Syst.2002,18(7):961-972
[30]StefaniaBandini,FrancoCelada,SaraManzoni,RobertoPuzone,GiuseppeVizzari:ModellingtheImmuneSystemwithSituatedAgents.WIRN/NAIS2005:231-243.
[31]StefaniaBandini,FrancoCelada,SaraManzoni,GiuseppeVizzari:Modellingtheimmunesystem:thecaseofsituatedcellularagents.NaturalComputing2007,6(1):19-32.
[32]DeBoer,R.J.andA.S.Perelson(1994)Tcellrepertoiresandcompetitiveexclusion.J.theor.Biol.169,375-390.
[33]Perelson,A.S.1989.Immunenetworktheory.ImmunologicalReviews110,5-36.
[34]Sulzer,B.,DeBoer,R.J.andA.S.Perelson(1996)Crosslinkingreconsidered.IBindingandcrosslinkingfieldsandthecellularresponse.Biophys.J.70,1154-1168.
[35]Meier-SchellersheimM,etal.Keyroleoflocalregulationinchemosensingrevealedbyanewmolecularinteraction-basedmodelingmethod.PLoSComputBiol.2006;2(7):e82.
[36]M.Meier-Schellersheim,G.Mack.SIMMUNE,atoolforsimulatingandanalyzingimmunesystembehavior.1999cs.MA/9903017.
[37]Meyer-HermannM.Amathematicalmodelforthegerminalcentermorphologyandaffinitymaturation.JTheorBiol2002;216:273300.
[38]KleinsteinSH,SinghJP.WhyaretheresofewkeymutantclonesTheinfluenceofstochasticselectionandblockingonaffinitymaturationinthegerminalcenter.IntImmunol2003;15:871884.
[39]EfroniS,HarelD,CohenIR.Towardrigorouscomprehensionofbiologicalcomplexity:modeling,execution,andvisualizationofthymicT-cellmaturation.GenomeRes2003;13:24852497.
[40]Efroni,E.,Harel,D.&Cohen,I.R.2003Towardsrigorouscomprehensionofbiologicalcomplexity:modelling,executionandvisualizationofThymicTcellmaturation.GenomeRes.13,24852497.
[41]AlexandrosPertsinidis,YunxiangZhang,StevenChu.Subnanometresingle-moleculelocalization,registrationanddistancemeasurements.Nature,2010466(7),647651
[42]NudelmanG,LouzounY.TheroleoflipidraftsincellsurfaceBCRantigenbindingdynamics.EMBC2004.ConferenceProceedings,26thAnnualInternationalConferenceoftheEngineeringinMedicineandBiologySociety.
[43]NudelmanG,LouzounY.Cellsurfacedynamics:thebalancebetweendiffusion,aggregationandendocytosis.SystBiol(Stevenage)2006;153:3442.
[44]ChakrabortyA.HowandwhydoestheimmunologicalsynapseformPhysicalchemistrymeetscellbiology.SciSTKE2002;2002:PE10.
[45]LiQJ,etal.CD4enhancesTcellsensitivitytoantigenbycoordinatingLckaccumulationattheimmunologicalsynapse.NatImmunol2004;5:791799.
[46]KesmirC,DeBoerRJ.Amathematicalmodelongerminalcenterkineticsandtermination.JImmunol1999;163:24632469.
[47]KleinsteinSH,SinghJP.Towardquantitativesimulationofgerminalcenterdynamics:biologicalandmodelinginsightsfromexperimentalvalidation.JTheorBiol2001;211:253275.
[48]Meyer-HermannM,BeyerT.Conclusionsfromtwomodelconceptsongerminalcenterdynamicsandmorphology.DevImmunol2002;9:203214.
[49]Meyer-HermannME,MainiPK.Cuttingedge:backto‘‘one-way’’germinalcenters.JImmunol2005;174:24892493.
[50]LefrancMP.Nomenclatureofthehumanimmunoglobulinkappa(IGK)genes.ExpClinImmunogenet2001;18:161174.
[51]BromleySK,etal.Theimmunologicalsynapse.AnnuRevImmunol2001;19:375396.
[52]MonodMY,GiudicelliV,ChaumeD,LefrancMP.IMGT/JunctionAnalysis:thefirsttoolfortheanalysisoftheimmunoglobulinandTcellreceptorcomplexV-JandV-D-JJUNCTIONs.Bioinformatics2004;20(Suppl.):I379I385.
[53]RuizM,PallaresN,ContetV,BarbiV,LefrancMP.Thehumanimmunoglobulinheavydiversity(IGHD)andjoining(IGHJ)segments.ExpClinImmunogenet1999;16:173184.
[54]RuizM,etal.IMGT,theinternationalImMunoGeneTicsdatabase.NucleicAcidsRes2000;28:219221.
[55]LefrancMP,etal.IMGT,theinternationalImMunoGeneTicsdatabase.NucleicAcidsRes1999;27:209212.
[56]MehrAJ,ArdakaniMJ,HedayatiM,ShahrazS,MehrEJ,ZaliMR.Age-specificseroprevalenceofhepatitisAinfectionamongchildrenvisitedinpediatrichospitalsofTehran,Iran.EurJEpidemiol2004;19:275278.
[57]KleinsteinSH,LouzounY,ShlomchikMJ.Estimatinghypermutationratesfromclonaltreedata.JImmunol2003;171:46394649.
[58]EasonDD,CannonJP,HaireRN,RastJP,OstrovdDA,LitmanGW.Mechanismsofantigenreceptorevolution.SeminImmunol2004;16:215226.
[59]GayNJ,GangloffM,WeberAN.Toll-likereceptorsasmolecularswitches.NatRevImmunol2006;6:693698.
[60]MehrR.Modelingthemeta-dynamicsoflymphocyterepertoires.ArchImmunolTherExp(Warsz)2001;49:111120.
[61]MehrR,EdelmanH,SehgalD,MageR.AnalysisofmutationallineagetreesfromsitesofprimaryandsecondaryIggenediversificationinrabbitsandchickens.JImmunol2004;172:47904796.
[62]ArgyropoulosC,etal.MiningmicroarraydatatoidentifytranscriptionfactorsexpressedinnaiverestingbutnotactivatedTlymphocytes.GenesImmun2004;5:1625.
[63]ChoiYL,etal.DNAmicroarrayanalysisofnaturalkillercell-typelymphoproliferativediseaseofgranularlymphocyteswithpurifiedCD3-CD56fractions.Leukemia2004;18:556565.
[64]SinghN,BergmanY,CedarH,ChessA.Biallelicgermlinetranscriptionatthekappaimmunoglobulinlocus.JExpMed2003;197:743750.
[65]QuintanaFJ,HagedornPH,ElizurG,MerblY,DomanyE,CohenIR.Functionalimmunomics:microarrayanalysisofIgGautoantibodyrepertoirespredictsthefutureresponseofmicetoinduceddiabetes.ProcNatlAcadSciUSA2004;101(Suppl.):1461514621.
[66]LauwerysBR,WakelandEK.Geneticsoflupusnephritis.Lupus2005;14:212.
关键词:多学科联合;毕业设计;人才培养
随着现代科学技术和社会经济文化的发展,人类社会许多重大问题的解决越来越取决于多学科的协同攻关。同时,科学技术以高度综合为主要特征加速发展,形成了大量新兴交叉学科、边缘学科的出现,原有学科间的界限正在不断淡化。这就在客观上要求高等院校必须以培养具有多学科交叉能力的复合型人才为教学目标[1]。
近年来,计算机科学与技术在其他领域中的渗透作用越来越大。作为一门相对独立的学科,它正在逐渐演变成为其他学科提供服务的学科,跨学科性特点尤为明显。计算机专业的毕业生仅仅掌握本专业知识,在择业上已经没有明显的优势。跨专业、跨学科培养高层次人才,既是学科发展的内在规律,也是社会、经济进步的必然要求。因此,倡导跨学科、跨专业培养高层次人才的教学模式有着重要的现实意义。
1现状与需求
“多学科交叉人才培养”的思想在国外已经出现了很多年,积累了丰富的实践经验,取得了很好的效果。麻省理工学院在20世纪中叶后大力发展交叉学科,实力不断增强,跻身世界一流大学之列。斯坦福大学一直主张以跨学科领域的“大学院”打破学科和专业壁垒,开展在深度与广度上都具有引领高等教育发展方向作用的“多学科教学与研究”行动。为支持跨学科研究,杜克大学专门制定了《跨越边界:九十年代的跨学科规划》(CrossingBoundaries:InterdisciplinaryPlanningfortheNineties),并为此建立了新的管理机构和资金机制,为杜克大学成为美国国内和国际上都名列前茅的综合性研究型大学和国际性大学奠定了基础[2]。日本在1973年首度创建以交叉学科教育和研究为特色之一的国立筑波大学。1998年,通过《二十一世纪的大学与今后的改革对策》决议后,日本文部省出台了一系列促进和加强大学研究功能的政策措施,如跨学科的“大讲座制”、流动性科研组织等,为日本高校的迅速发展创造了动力[3]。
而在我国,20世纪80年代时,著名科学家钱三强就提出了学术发展即将进入“交叉科学的新时代”观点。20多年间,“多学科交叉人才培养”的思想在国内进行了许多实践。在本科教育中,学生可以在力所能及的情况下辅修第二专业,跨专业选读感兴趣的课程等;在研究生教育中,许多高校也已经对跨学科培养进行了探索,如在一级学科中开展导师跨学科招生和学生跨学科交叉培养,扩大选修课的范围,允许研究生在其他院系听课甚至参加科研课题等,取得了一定成效[4]。但也存在一些问题,如学生辅修第二专业时,如果要拿到第二专业的毕业证书,就要完成相当数量的第二专业课程学习,导致本专业基础不很扎实;又比如跨专业选读感兴趣的课程,学生完全按照自己的兴趣任意选择,没有一个系统性方向[5]。这些都导致一些学生学习了很多方向,但都是“博”而“不精”。而且大多数交叉新学科或领域仍然举步维艰,交叉科学研究机制和支撑体系处于缺位和滞后状态。
在这样的大背景下,各高校对于如何更好地培养多学科交叉人才的探索也一直没有停止过。作为一所已有百年历史的教学研究型综合性大学,华南农业大学也把跨学科、跨专业培养复合型人才作为教学改革的一个重要方向,不断进行尝试,取得了一定的效果。
2“多学科联合毕业设计”教学模式
2.1改革思路
“多学科联合毕业设计”以毕业设计为基础,建立一套完整的、便于操作的多学科联合培养方案,并在实践中不断完善。整个思路与工作流程如图2所示。
其次,根据掌握的情况,有方向性地将非计算机专业和计算计专业的学生组成课题小组,课题组除学习本专业必修的基础理论、专业知识外,还要有目的、有计划、有针对性地在校内、校外选修非专业课程,以授课、讲座、研讨、知识共享等为手段,强调同小组不同专业学生之间的学术联系和交流,促进联系和知识共享。
2.2具体实施
以计算机专业、生物专业、数学专业学生联合毕业设计为例,具体实施进度如表1所示。
(3)总结阶段。对跨学科跨专业联合毕业设计模式进行分析和总结。
3改革反思
3.1需要解决的关键问题[6]
(1)如何协调计算机专业和其他专业老师共同制定联合毕业设计的研究方向或题目。
(2)如何根据已有的研究方向选定联合毕业设计的计算机专业和其他专业的学生。
(3)如何为每一个课题小组的学生设定具体的学习和研究计划。
(4)如何协调课题小组成员间的关系,促进小组成员相互交流、互相学习,完成最终的毕业设计。
3.2解决问题的措施
3.3取得的成绩
(2)通过本次探索,我们得到一种新的培养多学科交叉人才的方法,为高等院校的教育创新实践提供一些基本方法。
(4)多学科的联合还催生了新的学科生长点,有利于探索新的学科方向。
(5)通过交叉合作,学生的群体意识、团队合作精神大大加强,组员之间相互促进,通力合作,这是毕业设计成功的基本保证。
(6)通过此项探索,我们改善了教师的知识结构,拓宽教师的知识面,为进行进一步教育改革和师资培养奠定基础。
(8)实现资源共享,提高实验室和实验设备的使用效率,推动实验室建设的改革。
4结语
毕业设计是对大学生所学知识成果的综合体现。作为多学科人才培养的一种手段,“多学科联合毕业设计”教学模式对研究毕业设计的新方法、新思路有很好的借鉴意义。
参考文献:
[1]孙玉萍.全球化时代高校的人才培养[J].长春工业大学学报:高教研究版,2002(03):4-5.
[2]刘冬.英美部分高校交叉学科建设研究及借鉴[D].上海:上海交通大学高等教育研究所,2008:20-24.
[3]杨红霞.20世纪80、90年代加强独创性的日本大学科研[J].咸宁学院学报,2003(02):74-75.
[4]李明.大力开展基于创新教育的本科生科研活动[J].中国冶金教育,2008(03):5-6.
[5]刘彩红.我国研究型大学开展交叉学科研究的障碍及对策[J].内蒙古电大学刊,2009(01):80-81.
[6]钱佩忠.高校跨学科研究的组织和障碍分析[J].高等农业教育,2007(01):56-57.
ExplorationandPracticeinMultidisciplinaryofGraduationProject
CHENYan,XUDong-feng,CHANGShan
(CollegeofInformatics,SouthChinaAgriculturalUniversity,Guangzhou510642,China)
一、资助重点
项目须紧密结合*经济、社会和科技发展需求，对提高我国国际竞争力有重大意义的和具有重要应用前景。重点资助能够带动本市学科发展、有可能成为新的知识生长点、形成自主知识产权、提高产业竞争力的基础研究和应用基础研究。对前期获得资助的市科委基础研究重大重点项目完成情况好的，特别是取得突出阶段性成果，将给予连续支持。
二、主要研究方向及内容
（一）、农业科学
1、高效优质作物和水产新品种选育的基础研究
（二）、生物信息学和生物学
1、生物信息学理论方法的应用基础研究
2、重要蛋白质翻译、修饰、结构与功能及生物学特性的基础研究
（三）、人口与健康
1、重要自身免疫性疾病（系统性红斑狼疮、类风湿性关节炎）及过敏性哮喘防治的应用基础研究
2、重要传染病防治的应用基础研究
3、重要出生缺陷早期诊断及预防的基础研究
4、重要疾病（恶性血液病、血管疾病、退行性骨关节病）发病机制与防治的应用基础研究
5、重要致盲性眼病及耳鼻咽喉、口腔系统、皮肤等重要疾病发病机理及防治的应用基础研究
6、新型天然先导化合物的发现及结构与功能的研究
（四）数理科学
1.基于量子调控的自旋电子功能结构、矢量激光及光电子效应研究
2.灾害性天气动力学与可预报性理论的研究
3.两相流体输运、微纳系统流体传输机理与热辐射特性的研究
（五）化学科学
1.环境安全的含氟物质的分子设计与合成
2.C1化合物高效清洁活化的关键科学问题和应用基础研究
3.分子催化剂的组装及其在有机合成中的应用
4.典型水环境PPCPs持久性有毒污染物的环境过程、生物效应以及污染控制化学中的新原理\新方法研究
5.河岸带生态系统退化机制及水环境效应研究
(六)材料科学
1.结构-功能一体化复合材料的基础研究（重点支持无机、金属）
2.铁电、半导体多元合金等新型功能材料的设计制备与表征研究
3.光敏分子材料和原型器件的基础研究
4.生物医用材料的载体与控释/传递材料微观结构与调控机制研究
（七）信息科学
1.微电子低温复合封装材料及高密度相变存储器单元的制备与模拟
2.基于过程语义的Web计算研究
3.异构网络环境下的智能感知、信息处理与定位研究
（八）综合交叉及其他
1.基于*光源，面向生命科学研究的方法、技术的创新。重点研究具有动态、实时、无损、灵敏、高分辨等特征的生命科学检测、成像、分析方法；功能分子影像学的新理论和新方法研究
2．先进制造的科学基础。重点研究面向复杂产品创新设计的知识融合与应用；生物机电一体化系统的信号处理与解码理论的基础研究
（九）连续支持
对未列入上述指南，但同时符合下列条件：
1.07年1月1日以后按时通过结题验收的基础研究重点（重大）项目；
3.研究内容符合国家十一五中长期科技发展规划及*科技创新行动计划；
且该研究工作确有继续深入研究的必要，原项目负责人可以申报连续支持。
三、研究期限
项目进度要求：*年9月30日前完成各项研究任务。
四、申请方式
2、申报单位有较强的科研力量或有较强的研究依托单位，鼓励以产学研联合方式、国内联合方式和国内外联合方式申请，申报单位必须具有实施项目必需的研究开发设施及自有资金。
3、课题责任人年龄不限。鼓励通过课题培养优秀的中青年学术骨干。作为课题责任人和主要科研人员，不得同期参与承担的863、973、国家科技攻关和*市重大、重点科研项目数超过三项。
5、已申报今年市科委其它类别项目者应主动予以申明，未申明者按重复申报不予受理。
6、网上填报备注：
1）登陆“*科技”网，进入网上办事专栏；
2）点击《科研计划项目课题可行性方案》受理并进入申报页面：
-【继续填写】输入已申报的项目名称、依托单位、密码后继续该项目的填报。
关键词：计算机辅助药物设计；药物设计；原理；应用
进入21世纪，现代科学和计算机技术的运用，不断改进药物发现的技术和方法；化学信息学和生物信息学，信息处理和转换的根本变革，分子生物学、细胞生物学、免疫学、遗传学、生物化学、药物化学、结构化学、药理化学、药理学的发展和交叉渗透，特别是与计算机科学的融合，产生了把计算机的模拟技术应用于新药的研究和开发的新型方法-计算机辅助药物设计。
1在基于结构药物设计中的作用和意义
基于结构药物设计（SBDD）的基本出发点是针对药物作用靶点和药物分子的结构、功能及与药物作用方式，来设计作用专一、活性强、不良反应少的新药。计算机辅助药物设计将SBDD的思路以计算机方法加以实现，为药物设计提供了理论思维形象化的表达及强有力的基本工具和手段。
随着生物大分子结构测定和计算机技术的进步，SBDD得以快速发展，并且趋于定向化和合理化，减少了寻找新药的盲目性和偶然性，提高了药物设计的成功率，节省了新药开发工作的人力、物力和财力。
2计算机辅助药物设计原理
随着理论计算技术、X射线晶体学、核磁共振等结构生物学测定技术的逐渐成熟，已经可以获得研究对象的三维结构信息。药物、生物大分子以及药物-生物大分子复合物的三维结构能以实验方法测得，也能以理论计算方法得到，并可以通过计算机模拟。计算机辅助药物设计用分子模拟软件分析受体大分子结合部位的结构性质，如静电场、疏水场、氢键作用位点分布等信息。考查配体小分子的化学结构特征，寻找和设计合理的药物分子，识别得到分子形状和理化性质与受体作用位点相匹配的分子，设计和优化并测试这些分子的生物活性，从而确定具有生物活性的目标化合物。经过多次循环，最终发现新的先导物。
3利用计算机辅助药物设计原理进行虚拟筛选
4分子模拟（molecularmodeling）
利用计算机图形学进行分子模拟的技术称为计算机分子模拟，简称分子模拟。通过分子模拟，可以进行直观、可视化的药物设计；通过对分子形状和方位进行运动操作，可观察药物与靶点的相互作用，判断靶点分子可能的结合位点，还能对药物分子进行整修，提出改善药物的药效学和动力学性质的改良方案。
5计算机辅助药物设计的意义
6计算机辅助药物设计的思路
作为探索新药开发的高效研究方法和有效的技术手段，计算机辅助药物设计通过虚拟筛选与分子对接技术，揭示药物与机体靶标的作用机制，探索药物靶点的空间结构，最终目标是设计具有显著生物活性的药物分子。即所设计分子能选择性地与某一靶标结合，或者能同时对多个靶标进行预期的活性的调节作用。
7计算机辅助药物设计研究的方向
在虚拟筛选时，需要产生大量的候选分子，这个需求导致产生了“虚拟小分子生成”研究领域；受实验测定的限制，大量的受体结构信息需要利用计算机模拟的方法得到，这就催生了“大分子结构预测”研究领域；早期受体结构信息缺乏，但是围绕着同一受体或者疾病已经获得多个小分子活性信息，根据该活性信息是否为定量信息，分别发展出“定量的构效关系”和半定量的“药效团模型”两个研究领域；随着近年来受体结构信息逐渐增多，诞生了“分子对接”技术；与此同时，随着片断组织学及前面几个“计算机辅助药物设计”技术的成熟发展及改进，催生了“全新药物设计”技术；动态模拟（分子动力学/随机动力学/蒙特卡洛）是非常特殊的技术，尽管该方法不能直接判断出某分子是否为药物候选分子，但是在前面六个技术中需要都会用到该方法，特别是在含有大分子结构时，它是对整个分子体系进行优化使其达到某个“合理结构”状态不或缺的方法。
计算机辅助药物设计以其特有的高效便捷等特点，为药物设计提供新的思路和创新途径；为药物靶点的发现提供技术保障；也为先导化合物的优化和生物学验证提供了理论指导。通过药物设计软件可以从理论深度解释实验结果、验证实验数据的可靠性、得到实验无法得到的微观数据，并根据研究结论做出最佳决策，使药物发现更经济有效；增强对科学研究的深度，从而提高科研和论述水平；通过模拟计算、指导实验，避免实验的盲目性，从而节省实验经费的投入，并缩短研究周期。
[1]GisbertSchneider.药物分子设计[M].华东理工大学出版社，2012.
[2]朱瑞新.计算机辅助药物设计[M].大连理工大学出版社，2011.
[3]仇缀百.药物设计学（2版）[M].高等教育出版社，2008.
[4]高祖新.医药数理统计方法（4版）[M].人民卫生出版社，2007.
[5]李晓玲.医学信息检索与利用（4版）[M].复旦大学出版社，2009.
1．1医学信息学教学与医学实践需求脱节
1．2医学信息学学科发展不深入
2医学信息学范式研究是解困之举
随着全球化进程的加剧，医学信息学也将与其他学科更加相融，医学信息学的发展必将走向开放与合作，医学信息学学科发展问题将会成为一个国际性课题。因此我国医学信息学共同体利用范式理论作为研究手段，从国外学科研究成果和研究方法中汲取有益成分，使之为解决国内医学信息学的学科发展之瓶颈成为应然解困之举。
2．1范式研究有助于医学信息学学科的深化与拓展
2．2范式研究是医学信息学汲取外学科精华的典型尝试
3医学信息学学科范式内涵探微
3．1共同体
3．2世界观
3．3方法论
3．4理论成果
3．5范例
关键词：工科院校;生物医学工程专业;生物实践教学;教学改革
在生物医学工程专业的培养体系中，实践教学是培养大学生的创新意识、创新思维和创新精神、提高整体教学质量的根本保证和有效途径[3]。南京邮电大学生物医学工程专业是在学校原来的信号与信息处理等优势学科的支撑下发展起来的，因此在医学信号处理、医学图像处理、生物传感和生物信息学等领域积累了雄厚的师资和科研力量，上述领域的实践教学体系完善、教学平备。比较而言，学校在生物医学领域的教学和科研上相对薄弱，特别是在生物医学方面的实践教学有明显的不足，存在着师资力量缺乏、教学平台薄弱、课时有限等问题。针对上述问题，我们从师资队伍建设、资源优化配置、教学内容改革和教学方式更新等方面入手，对生物医学工程专业的生物学实践教学提出一系列改革措施，取得一定的效果。
一、生物学实践教学存在的问题
笔者在调研学生对解剖与生理课程兴趣、期望和要求时，有68.1%的同学表示对这门课程感兴趣或非常感兴趣（表1），并且有30%的同学希望能有动手实践的机会（表2）。但我校目前现有的师资力量、实验教学平台和课时设置都不能满足学生的这一要求，因此，必须采取有效的改进措施提高教学平水，满足学生的学习要求。
二、生物医学实验教学改进办法
2.完善实验教学条件。为了提高实验教学水平，同时为了满足学校科研项目发展的需要，我校已于近几年建设完成了生物医学实验室。实验室的建设目标是建立一个以生物技术为核心，结合医学诊断以及生物信息处理的多层次性和综合性实验基地，使学生系统化地学习和掌握全面的生命科学综合实验技能，以培养生物医学工程领域创新性人才，同时为生物医学工程专业的师生提供一个高水平的细胞、分子生物学实验研究平台，以加强不同学科间的合作交流，做出一流的科研工作。目前已建立了分子生物学、细胞生物学操作平台和蛋白结构测试和信息处理的表征平台。在此平台上，我们为学生设立了核酸分离和检测，核黄素、丙二醛和超氧化物歧化酶等生化指标测定等一系列的实验。让学生走进实验室，观看并亲自动手操作，极大激发了学生的对生物学课程的学习兴趣。
3.改革实验教学内容和方法。除了加强教师队伍和实验平台的建设，我们还通过多种教学方法和途径改革实验教学内容。针对生物类课程实验课时不足的问题，许多教师针对生物领域的热点方向开设了一系列的开放实验项目，通过开放性实验，让学生走进实验室和动物房，让学生跟着老师学习一些基本的生物学实验以及动物实验的操作技能和方法[7-9]。
同时学校还积极与南京大学、南京中医药大学、江苏省中医院等单位建立合作关系，带领学生参观实验室，让学生对生物医学各领域的实验室构成、具体运作有更直观的认识。通过在大学和医院等实习基地的参观和关系，让学生充分认识到生物医学工程专业的学习目的和专业知识的应用价值。
生物医学工程专业作为一门为生物学和医学服务的交叉学科，生物学实验课对生物医学知识的学习和理解掌握领域非常重要。针对我校生物医学工程专业的生物学实验教学中存在的问题，我们开展一系列的教学改革与实践，取得了很好的效果。极大地激发了学生的学习兴趣，调动了学生的参与热情，提高学生的实践能力，并且为学生今后的工作和科研奠定了坚实的基础。希望能在此基础上，继续完善现有的生物学实验教学体系和教学方法，从而更好地促进生物学实验课程建设和发展。
[1]章浩伟，秦翥，刘颖，等.创新实践模式在生物医学工程教学中的探索[J].实验室研究与探索，2013，32（4）：117-120.
[2]李天钢，马春排，李自毅，等.生物医学工程创新实验室建设和实践教学改革[J].实验室研究与探索，2008，27（7）：21-22，46.
[3]马春排，李天钢，李自毅，等.生物医学工程实践教学体系的建设[J].实验定研究与探索，2010，29（4）：103-105，122.
[4]李小慧，吴建盛.理工院校生物医学工程专业解剖生理学教学的思考[J].中国电力教育，2013，（10）：161-163.
[5]严振国，施雪筠.解剖生理学[M].2版.中国中医药出版社，2004.
[6]路宏朝，王杨科，陈文强，等.基于能力培养的人体解剖生理学实验教学改革[J].实验室科学，2011，11（3）：35-37，40.
[7]孙文彬.开放性创新实验教学改革与实践[J].实验室研究与探索，2006，25（2）：148-151.
[8]冯波，翁杰，黄楠，等.结合学科特点和自身优势建立生物医学工程本科专业实验教学体系[J].实验技术与管理，2006，23（10）：15-17.