医学院校计算系统生物学课程教学的探讨

顾云燕

摘 要：计算系统生物学是一门新兴的学科，是生物信息学专业本科生的主干专业课程。计算系统生物学是在细胞、组织、器官和生物体整体水平上研究结构和功能各异的生物分子及其相互作用，并通过计算生物学来定量阐明和预测生物功能、表型和行为的学科。本文就计算系统生物学教学内容、教学方法和教学模式等方面进行探讨，并结合医学院校的特点，讨论计算系统生物学课程的讲授过程中的注意点，以提高教学质量，提高学生理论与实践联系的能力。

关键词：计算系统生物学 教学 医学院校 课程

中图分类号：R228 文献标识码：A 文章编号：1674-098X（2017）10（a）-0252-02

生命系统高度复杂，成千上万的基因相互作用，形成复杂的调控网络，继而完成特定的生物学过程。传统生物学实验从单个基因角度出发，探索生命现象或者疾病致病机制，忽略了系统中各个层面的交互、支持、整合等作用，限制了生物学研究的发展。随着高通量测序技术的发展，海量组学数据（基因组、转录组、蛋白质组、表观组、互作组等）的涌现，以及生物信息整合分析技术的开发，计算系统生物学应运而生[1]。计算系统生物学是生物信息专业本科生基础课程。自哈尔滨医科大学2003年开设生物信息专业以来，计算系统生物学一直是该专业学生的主干课程，经过多年的理论与实践教学，笔者将探讨该课程相关内容和教学方法，以期提高教学质量。

1 计算系统生物学课程简介

计算系统生物学是一门新学科，以生物信息学为基础，以计算为工具，从系统的角度解决生物学和医学问题。计算系统生物学研究流程首先是实验数据的获得，其次是利用计算生物学建立生物模型。科学家把计算系统生物学分为“湿”的实验部分（实验室内的研究）和“干”的实验部分（计算机模拟和理论分析）。“干”和“湿”实验的完美整合才是真正的计算系统生物学[2]。计算系统生物学的核心是整合，包括三方面：将系统内不同性质的构成要素（基因、mRNA、蛋白质、生物小分子等）整合在一起进行研究；从基因到细胞、到组织、到个体的各个层次的整合；研究思路和方法的整合（水平型和垂直型整合）。计算系统生物学与其他学科密切相关，如生物信息学、分子生物学、数学、计算机[3]。计算系统生物学不仅仅渗透到医药领域，也已经广泛应用到能源领域，工业生产、畜牧农林业等等。

2 教学现状

计算系统生物学课程总学时数目是60学时，包括42学时理论学时和18学时实验学时。一般开设在本科三年级。该课程授课教师质量优，是从生物信息学方向毕业的博士，具有生物背景和数学背景，常年从事复杂疾病的系统生物学方面的研究。由于该课程在医学院校开设，必然需要一些具备计算机和算法良好基础的优秀教师参与授课，这样才能使得该课程具有良好的师资结构，保证好的授课效果。目前，据不完全统计，全国有30余家生物信息学专业开设计算系统生物学课程。不同背景的院校开设该课程，侧重点各有不同。工科院校侧重算法的开发和模型的建立。医学院校侧重生物学问题和疾病机制的探索。

3 教学內容

目前没有规范的、成熟的中文计算系统生物学课程教材，均是授课教师编写的讲义。授课教师根据专业背景、专业人才培养定位，紧跟专业前沿研究内容，制定教学大纲和教学计划，包括理论课和实验课。教学大纲包括理论课每一个学时的授课内容（掌握和熟悉的内容）、教学基本要求、教学重点和难点。实验课需要明确实验名称、实验内容、实验目的和要求、实验程序、结果分析等。计算系统生物学的实验制定以理论为基础，将理论应用于时间，旨在提高学生动手操作能力。

4 教学模式

4.1 理论与实践结合

计算系统生物学课程依赖于专业基础课的内容，例如：组学的知识点、网络知识点、概率论、数理统计、计算机编程等。对于理论课，主要采用教师主导的传统讲授方法，运用PPT等多媒体授课，以弥补书本教材抽象、呆板的缺点。在授课课件中需要利用大量图片生动、形象地展示当前计算系统生物学研究领域的最新进展。收集或制作动画、视频教程在课堂上进行演示。从数据搜集、数据分析、数据综合、建立模型、干实验模拟、系统分析模型、提炼假设和预测，到最后的实验验证。这是一个经典的计算系统生物学分析流程。在理论知识的基础上，需要及时在实验课堂上进行实践。指导学生理解不同算法的基本原理，结合生物学问题，深入浅出地阐明计算系统生物学精髓。由于实验课课时有限，需要引导学生课后积极思考、探索有意思的生物问题，鼓励学生自己实践小课题，活学活用。鼓励学生自学，拓展知识面，积极关注最新科研动态，培养学生学习兴趣。

4.2 案例式授课

计算系统生物学课程的理论知识是枯燥的，计算系统生物学是一门多学科交叉的科学，涉及的知识面广而深。例如：计算系统生物学涉及到数学知识，如贪婪算法、图算法、组合模式匹配、聚类和树、隐马氏模型、随机化算法等[4]。又如，涉及广泛的生物学知识点，必须有分子生物学、生物化学、细胞生物学知识储备。如何提高学生学习的积极性，学会将不同的知识点融会贯通的运用起来，是一个关键问题。在授课过程中，针对不同的教学内容和教学目的，需要采取不同的教学方法。因此，采取案例式方法授课，可以收到很好的教学效果。例如：在肿瘤系统生物学这部分知识点授课时，以肺癌为例，整合突变、拷贝数、甲基化等多维度分子改变识别肺癌相关基因[5]。首先，学生需要了解肺癌这个疾病的背景知识，了解不同分子改变的内涵；其次，要获得肺癌患者的数据，需要到公共数据库，如The Cancer Genome Atlas等，搜集不同分子改变数据并进行处理；然后，根据一定的生物学假设，建立统计模型，应用到肺癌数据上；最后，进行癌基因的预测和验证。通过案例，引导学生思考，将不同的知识点进行融合利用，收到良好的教学效果。

4.3 科研教学一体化

计算系统生物学是一门新学科，知识处于不断更新中。教师在授课过程中需要引导学生学会检索文献、阅读前沿英文文献，重视学生的创新思维，提高学生学习的积极性。我院实行学业导师制，学生在大三年级进入各位老师研究的课题组。那么，在授课过程中，授课教师需要注重引导学生将理论知识应用到解决科研问题上，将科学研究和教学一体化，以科研促进教学，学以致用，让学生感受到学到的知识的用处。这样学生对课程内容会产生兴趣，兴趣是最好的老师，这将有助于学生创新思维的训练和科研时间能力的培养。

5 结语

总之，计算系统生物学教学目的是从大数据中挖掘有用的生物信息，并整合起来从整体上认识生物系统；用数学模型为生物系统建模，揭示生物机制和致病机制[6]。大数据时代下，精准医学的发展必然离不开计算系统生物学。通过该课程的授课，培养复合型的学生，提高学生的学习积极性、实践操作能力和解决实际问题的创新能力。同时，对我们任课教师也提出了更高的要求。授课教师需要不断提高自身素质，包括科研能力、教学水平等，积极和同专业的教师进行交流，不断地探索和完善计算系统生物学课程教学，培养具有跨越数理科学、生命科学、信息科学、医学等不同领域的优秀生物信息学人才。

参考文献

[1] 刁妍妍，蔡超钱，蒋华良，等.计算系统生物学：理论、方法及在药物研发中的应用[J].生命科学，2010（10）：1035-1042.

[2] 程妍，刘仲林.计算生物学一门充满活力的新兴交叉学科[J].科学学与科学技术管理，2006（3）：11-15.

[3] 高亚梅，韩毅强.《生物信息学》本科教学初探[J].生物信息学，2007（1）：46-48.

[4] 王兵，姚益平，邢飞.计算系统生物学中并行随机仿真方法研究进展[J].计算机工程与科学，2010，32（9）：134-139.

[5] 张百红，岳红云.肿瘤的系统生物学观点[J].中国肿瘤临床，2012（16）：1233-1235.

[6] 徐强，王长亮，李胜.系统生物学——生命科学的新领域[J].中国医药导报，2008，5（26）：20-22.endprint