生物背景学生的《生物信息学》课程教学思考与探索

2014-09-18廖明帜

教育教学论坛 2014年36期

关键词：生物信息学信息学生物学

廖明帜

（西北农林科技大学，陕西杨凌 712100）

生物背景学生的《生物信息学》课程教学思考与探索

廖明帜

（西北农林科技大学，陕西杨凌 712100）

生物信息学（Bioinformatics）是一门新兴的生命科学前沿热点学科，它主要借助数学思想、计算机实现对生物大数据进行储存、检索和分析，提取隐藏在生物大数据背后的有效信息。本文阐述了生物信息学的发展背景以及学科定位，分析了生物学背景的学生学习该课程时所遇到的主要问题以及解决办法。文章还深入探讨了本课程内容的合理安排与设计，为在生物技术专业及其他生物学背景的大学生中讲好本门课程奠定了基础。

生物信息学；生物技术；教学改革

一、生物信息学课程的教学背景

生物信息学（Bioinformafics）是一门集数学、计算机科学以及生物学等多学科交叉而形成的新兴热点学科，实质就是利用信息科学与技术解决生物学问题。它的内涵目前包含了分子生物大数据的获取、加工、存储、分配、分析、解释等在内的所有方面。依据分子生物大数据的类型不同，生物信息学的数据对象分布在基因组、转录组、蛋白质组等不同水平层次的数据以及跨层次的转录调控、转录后调控和表观遗传修饰等纵向连接。依据学科任务的不同，生物信息学一方面要组织好生物大数据的储存和获取，一方面要开发优良的算法和工具软件对生物大数据教学分析，同时还要利用这些生物大数据和工具来产生新的生物学认识，为下游的湿实验生物学家提供理论依据和指导。近年来，随着高通量生物大数据检测技术，如基因芯片技术、高通量测序技术等的发展，生物信息学已经在生物、医学、药物开发、环境保护以及农业应用等众多领域普及推广了起来。大量的生物数据急迫地需要处理，相应地产生了对生物信息专门人才的广泛需求。

因此，《生物信息学》课程也快速地在各院校大学生教学中开展了起来，甚至在局部高校产生了生物信息学本科专业。然而在实际的教学中也伴随着种种问题，影响了该课程的教学效果。本文现就近年来在生物背景的学生中所开展的生物信息学的教学实践浅谈一点体会，对其存在的问题和对策作一论述。

二、生物信息学课程教学改革

（一）教学内容特点

生物信息学属于多学科交叉学科，需要在分子生物学、遗传学、高等数学以及计算机编程等的课程基础上进行讲授。不同学科基础以及不同来源的生物数据反映在教学内容上，生物信息学的一个特点就是信息量大。它囊括了概率统计、计算机语言、人工智能和机器学习、生物数据库介绍、序列比对、分子进化分析、基因组序列分析、基因注释与功能分类、基因表达谱分析、蛋白质表达与结构分析、生物分子网络以及计算表观遗传学等众多的内容模块。

从历史发展角度看，这些内容以基因组测序为主体，生物信息学的发展可以划分为3个阶段：前基因组时代、基因组时代以及后基因组时代（又称为功能基因组时代）。以人类基因组计划的完成为时间节点标记，目前的生物信息学已经进入到了功能基因组学时代。因此，体现在当前的生物信息学教学内容上的另外一个特点就是“新”。

（二）教材的选择

生物信息学教学内容的以上特征要求在教材的选择上更需要全面衡量考虑。由于对生物信息学知识的大量需求，目前教材市场上的相关书籍也琳琅满目，选择余地较大。我们推荐的教材是科学出版社2010年第二版的Instant Notes Bioinformatics，由T.Charlie Hodgman等人编写[1]。这本书的教学内容以基因组的生物信息学分析为主体，兼顾概率统计、机器学习、代谢组学等数理基础知识和后续功能基因组分析。其中尤以序列比对、打分矩阵、系统发育树的构建分析为核心内容。这种课程设置把庞大的生物信息学体系缩小集中在了序列分析部分，这样既便于学生系统充分地掌握生物信息学知识，又兼顾了学科的发展基础和趋势。

另外，本教材为英文教材，这适应了生物信息学快速发展的要求，让学生近距离地体验到学科前沿气息。为了扩大学生的知识渠道来源，我在教学中推荐了几种不同类型的参考书籍。其中，David W.Mount编写的《Bioinformatics Sequenceand GenomeAnalysis》和本校陶士珩教授主编的《生物信息学》，在教学内容以及体系上均和本教材较为相近[2，3]。乔纳森.佩夫斯纳著，孙之荣主译的《生物信息学与功能基因组学》则更侧重功能基因组学的内容[4]。李霞主编的《生物信息学》在内容全面、丰富的同时，也较为侧重功能基因组学的内容，同时还强调在医药卫生领域的应用和研究热点[5]。

该书使用了彩印版，同时伴有光盘、习题集以及参考答案，目前在教材市场上较为受欢迎。最后，考虑到生物学背景的学生在计算机实际动手能力方面相对较为弱势，我在教学中还特别推荐了几本结合生物信息学与编程语言的书籍供同学们课后学习。这些教材包括：A.基于Perl语言的《Beginning Perl for Bioinformatics》、《Mastering Perl for Bioinformatics》；B.基于R语言的《R Programming for Bioinformatics》；C.基于Python语言的《Bioinformatics Programming Using Python》[6-9]。

（三）学时和考核方式的设定

生物信息学课程尽管面临学科发展的迫切需要，教学内容广泛而众多，但由于大学本科生的学时学分限制，目前我们的相关教学仅包括32学时的理论学时以及两周的生物信息学实习。为了弥补学时不足的限制，我们更突出强调了实际表现的考核方式。考核成绩中的平时成绩由30%上升到40%，包括平时表现、随堂测验以及课后作业等。

（四）存在的主要问题与解决办法

1.激发兴趣。由于所教授的学生为生物学背景，不少学生均对数学、计算机等数理课程较为恐惧，缺乏学习兴趣和韧性。这是本课程讲授过程中所面临的第一大问题。为此，我尝试了多种教学办法进行解决，取得了一定的效果。

（1）去除学生的恐惧心理。从心理学上讲，恐惧的形成源于过去失败经历的阴影以及对于未知事物的不确定性。因此，我在教学中注意突出生物学在生物信息学中的重要地位，以生物信息学领域的成功科学家为例，破除以往失败经历的阴影。同时，适当地浓缩教学内容，降低学生对未知事物不确定性的恐惧。

（2）激发学习生物信息学的热情。通过教学的互动，让学生在互动中消除对生物信息学的陌生感，熟悉生物信息学，激起学习的欲望。

（3）在学习中感受生物信息学发展的脉搏。通过介绍生物信息学的发展史，对比历史上类似的科学发展历程，让学生深刻地领悟到当前的生物信息学在学科史中的定位。

（4）在实践中感受生物信息学的魅力。比如，在进行系统发育树构建的讲授中，同学们可以看到由于数学算法的使用，原本枯燥无味的序列数据居然能够反映物种和基因的进化历程。通过教学中的改革实践，同学们的学习兴趣有了较大的提升。

2.夯实基础。生物学背景的学生另外一个特点是数理基础和计算机语言编程能力相对较为薄弱。在教学过程中，我首先注意引导学生扬长避短，充分发挥学生在生物学理解能力上的优势，避免进入基础性的数学算法纠缠中。同时，让学生认识到，作为一个交叉性的学科，生物信息学的上下游学科链较长，同学们可以根据自身条件选择进入不同的环节。比如，擅长基础性的算法工具软件开发的同学可以进入上游的理论环节，擅长生物学理解的同学可以使用这些工具进入下游的生物信息应用领域。第三，在课程设置上，着重加强生物信息学方向的数理基础课程，比如生物统计、Linux以及Perl语言等，改善生物技术专业的学生在生物信息学方向的薄弱环节。最后，向同学们强调，注意在学习的过程中提高学习能力才是根本。让同学们意识到，基础不是问题，只要提高了学习能力，持之以恒地去实践，均能学好本门课程。

3.紧跟前沿。生物信息学是一门前沿性很强的学科。为了既能提高学生的知识水平，又提高学生的学习能力，这就要求在教学中既要恰当地剪裁知识结构和体系，又要有提供充分的学习锻炼空间。为此，我们将课程设置为双语课程，这样做的好处是既不耽误知识的学习，又能适当地提高学生的适应能力，为学生在将来英文环境较普遍的生物信息学领域中的学习研究应用打下扎实基础。同时，为了更适应将来学生对生物信息的使用环境，同时也为了降低难度，我们的双语课程更侧重阅读、理解能力的提高，以避免简化为英语学习课，和普通的英文课程内容的重叠。另外，前沿性很强的生物信息学处处蕴藏着创新的机会，在教学过程中，我注意鼓励学生的创新意识。比如，学生在上课过程中的一些小想法，我鼓励其大胆投入，形成研究性论文。

4.注重实践性。生物信息学在教学中既要注重对学生思维方式的转变的教育，形成用生物信息学去看待生物大数据的思想，而不仅仅是解决某个具体生物学问题的“小工具”，又要求学生在课程学习中具备一定的实践能力。由于长久以来的教育体制和学习习惯的制约，同学们的学习重点仍然集中在知识的记忆、考试的应付上面，缺乏对实际动手能力的正确认识。这给生物信息学这门课程的教学，特别是实践教学带来了较大的压力。为此，我在教学中着重采用身边的典型案例教学法进行教学。比如，以往届学生由于其突出的实践能力最后促成了他毕业就业的成功为例，说明动手能力的重要性。贯穿在课程教学中，我对学生实验课程的理念是鼓励其独立自主地完成实验，尽量少干涉，允许其在实践中犯错误，在犯错中学习提高。经过思想观念的转变、实践中的反复雕琢提高，学生们的实践动手能力都得到了较好的提升。