地方本科高校生物信息学课程教学探索与实践*

王顺才 王弋博，2 贾 贞 赵 强 石国玺，2

（1.天水师范学院 生物工程与技术学院，甘肃 天水 741000；2.甘肃省农业固体废弃物资源化利用重点实验室，甘肃 天水 741000）

生物信息学(bioinformatics)是由生物学、数学和计算机科学等多学科相互交融而形成的一门新兴学科,其实质是利用计算机技术分析和处理不同类型的生物分子数据,以发掘数据中蕴涵着的生物学意义[1-2]。早在20世纪50年代生物信息学开始孕育萌芽,60年代计算生物学与计算机科学相互联系起来,70年代出现了全局序列比对算法,80年代出现生物信息数据库及其序列搜索和分析工具,80年代末人类基因组计划(Human Genome Project,HGP)启动,90年代在HGP推动下生物信息学得以迅猛发展,20世纪末,基因组学、蛋白质组学、RNA组学、糖组学、代谢组学等相继蓬勃兴起[3]。

进入 21世纪,随着高通量测序(highthroughput sequencing)技术及计算机网络平台技术的飞速发展,测序成本不断降低,高通量测序数据以指数级方式急速增加。截至2018年8月,美国GenBank数据库中(版本228)已收录2.1×108个序列,碱基对总量达到2.8×1011数量级。2016年SRA数据库收录的测序数据总量为5.0×1015碱基对,至2018年10月其收录数据总量已超过2.1×1016碱基对[4]。 大量“组学”数据的产生,使人们能够从基因、蛋白质及代谢物等不同层次认识生物体中多个成分的功能[5]。当前,传统生物学已由分析单个或数个生物分子(如DNA、蛋白质)的时代跨越到同步分析大批量生物数据的时代,以数据挖掘与分析为主要研究内容的生物信息学已进入高通量组学时代,并逐步从传统生物学中分离出来,成为一门独立的学科[6]238。

在大数据时代,生物信息学的发展已与生物医学大数据紧密结合起来,如何调整生物信息学课程以应对大数据带来的更高层次的挑战,已成为国内外高校及科研机构亟待解决的重大课题[7-10]。我国生物信息学本科教育起步较晚,2002年国内高校才开始设立生物信息学本科专业,截至2018年开此专业的高校共有30所[11]。我国一些高校在生物、医学、农学等本科专业中设置了生物信息学课程,教学内容注重于基本技能的应用；而计算机、数学等专业本科生开设的该课程侧重数据算法等知识[12]。由于生物医学大数据的复杂性和生物信息学广泛的学科交叉性特点,在面对大数据带来的挑战时具有生物学背景的学生将花费更多的时间去学习计算机编程,而具有计算机科学背景的学生在分析和理解生物学问题时更具挑战性[13]。在基因组、转录组等组学数据分析中,目前许多国内高校和科研机构仍然面临硬件配置不足、软件服务平台及分析人员缺乏等问题,生物学问题和数据分析相脱节的问题尤为严重[14]23-25。基于对生物信息学重视程度的不断增加,2018年我国教育部发布的《普通高等学校本科专业类教学质量国家标准》要求将生物信息学开设为生物科学类专业的必修课程[6]238。

生物科学(Biological Science)是自然科学的重要分支,是人们观察和揭示生命现象、探讨生命本质和发现生命内在规律的科学。生物科学与其他自然科学(数学、化学、物理学)和新兴学科(计算机科学、信息学)相互交融渗透形成各种Bio-X交叉学科,推动了诸如生物信息学、系统生物学等新兴学科的发展。目前,随着组学、系统生物学等生命科学的发展,生物信息学已成为21世纪生命前沿学科的关键核心领域,在生物、医疗、环境、食品等行业领域发挥着重要的作用[6]238。生物信息学研究是从理论上认识生物信息本质的必要途径,最终目标是揭示生物分子数据中蕴涵着的生物学知识和规律,使人类从根本上认识自我。

一、地方高校生物信息学教学面临的主要问题

生物信息学课程在生物专业建设和人才培养方案中具有重要的地位。天水师范学院自2005年开始,在生物科学专业人才培养方案中就开设了生物信息学课程,作为专业课模块中的限定性选修课,仅为18个学时的理论教学,实验教学以课后训练或自学方式为辅。2012年我校生物科学专业开办了创新实验班,在有限的授课时数下,理论教学以讲授常见核酸和蛋白质信息资源、双(多)序列比对、基因结构分析、分子进化分析、蛋白质结构分析与功能预测等生物信息学的基础知识为主[15],而实验教学让学生自学常用的分子生物学数据库(如GenBank、SWISS-PROT和PDB)及生物信息分析工具(如 DNAman、DNAStar、Primer、MEGA和RasTop)等,该课程的教学内容严重滞后于当前生物信息学的发展。

此外,授课教师没有受过生物信息学的专业教育或培训,受自身专业限制,缺乏对生物信息学的全面理解和综合运用。在教学中遵循传统教学模式,仍以知识传授为主,学生被动接受知识,实验教学内容要求很低,学生对许多教学内容没有体验式学习和亲身实践,缺乏对生物数据分析和处理的综合训练,导致学生不能灵活运用所学知识来主动思考和解决生物学问题。传统的课堂教学和实验教学模式,已无法满足当前生物信息学的教学与科研需求[12,16]。

相比多数地方本科院校而言,部属高校及其学生的基础都比较好,部属高校在国内先后出版或从国外引进和翻译了一些生物信息学专业教材及专门的实验教程,已建立了一些生物信息网络实践教学平台,开辟发展了新的教学模式,形成了优秀的专业教学团队及其相对完整的课程建设体系[8,12,17]。针对我校生物信息学课程教学中存在的一些问题,我们从教学内容、教学方法、实践创新等几个方面进行了一些教学探索和实践,现总结近三年生物专业创新班开设该课程的教学实践,以促进地方高校转变生物信息学教学观念,适应大数据时代下人才培养需求,强化大学生创新能力训练,使该课程符合培养教学科研综合型、创新型生物人才的目标。

二、生物信息学课程教学探索与实施

（一）构建创新教学知识体系，完善课程结构设置

按照教学规律,生物信息学课程开设前要求本科生掌握生物化学、细胞生物学、分子生物学、遗传学、生物统计学和计算机应用技术等基础知识[13,15]。进入后基因组时代,生物信息学研究对学生的数统分析、计算机能力特别是编程能力的要求越来越高[7]43-50。基于Perl、Python和R等语言开发的生物信息学工具如Bioperl、Biopython和Bioconductor等,在生物信息学研究中得到越来越多的应用和重视,为此,在生物专业课程设置中安排一定的课时帮助学生掌握Linux操作系统,选修一两门计算机编程语言,让具有生物学背景的学生了解生物信息学算法和应用软件的基本原理,掌握一定的生物信息学编程能力,教会学生利用新技术、新方法以提高自主获取新知识的能力,为今后研究生学习和科研打下坚实的学科基础[13]589。

（二）强化生物大数据意识，提高数据库应用能力

生物信息学研究首先取决于数据库的质量和来源。当前国内外生物数据库资源日益增多,几乎覆盖了生命科学基础研究和转化应用的各个领域。针对生物数据库更新速度快、信息量大而杂的特点,培养学生树立起生物大数据意识,了解功能基因组学时代的主要生物数据库及其使用方法,紧跟这些数据库的发展动态,提高学生综合应用生物数据库的能力[18]31-38。在核酸、蛋白质相关数据库的教学中,我们按照序列—结构—功能的生物学规律将各类数据库联系起来,便于学生熟悉各类生物数据库的应用范围及内在联系,构建起生物信息数据库知识体系,譬如蛋白质序列数据库(Swiss-Prot、TrEMBL、PIR)、二级结构数据库(DSSP、HSSP、FSSP、Prosite)、基序数据库(Blocks、CDD、InterPro、CluSTr)、三维结构数据库(PDB、 SWISS-3DIMAGE、 ModBase、 CATH、SCOP)、功能注释及通路分析数据库(GO、KEGG、BioCarta、Reactome)、蛋白互作数据库(BioGRID、STRING、HPRD、MINT、DIP、BIND)和翻译后修饰相关数据库(O-GlycBase、PhosphoBase)等。同时,将这些数据库的应用与目标蛋白质的氨基酸序列分析(如理化性质、亲水性/疏水性、跨膜区和信号肽)、结构功能域预测、功能注释、代谢通路分析、蛋白互作网络等研究领域主动对接起来,把数据库知识的基础性与先进性结合起来,加强该课程内容的系统性和新颖性。

（三）逐步优化教学内容，不断改进教学方法

生物信息学课程教学包括理论教学和实验教学。针对当前课本知识老旧、讲义内容陈旧不够鲜活、学生所学与所用相脱节等问题,授课教师在教学设计时需要不断查阅最新相关文献和网络资源、及时补充更新讲义、自制多媒体课件,将生物信息学科发展的前沿动态与基础知识密切结合,增加教学内容的新颖度和专业深度。例如,在基因序列分析这一教学设计中,既要考虑单基因和基因组分析的传统内容,如跨膜结构、信号肽、亚细胞定位、启动子分析、多序列比对等基本知识,也要补充功能基因组学的最新研究动态,譬如非编码RNA(ncRNA)、miRNA靶向分析、基因家族及差异表达基因(蛋白)分析等相关知识和方法,实现该学科基础性和前瞻性的有机统一。

通过教学模式改革促进学生自主学习是提高生物信息学教学效果的重要措施,教学模式和学生自主学习意识及能力对学生的学习效果影响很大[12,16]。授课教师要不断提高自身专业素养,引进新的教学理念和教学方式,在课程教学中加强师生互动交流,以“问题导入”“启发式”“讨论式”“案例教学”“项目教学”等多种教学方式营造和调动教学氛围,充分调动学生参与课堂教学的积极性,激发学生学习的主动性和创造性,在传授理论知识的同时教会学生学习的方法和技能,加强学生创新意识和动手能力的培养。譬如在讲解序列比对和分子进化分析等相关知识点时,教师向学生上机操作演示如何利用NCBI数据库和Blast工具下载基因或蛋白序列,如何利用DNA-man、MEGA等工具进行同源性分析和分子进化树构建等方法,最后让学生独立完成该知识点的实践训练。

在转录组(基因表达)分析这块教学中,结合最新的转录组应用案例(如RNA-Seq),将GEO、GO和KEGG等相关数据库及相关分析工具的示范操作贯穿于教学当中,让学生熟悉转录组实验设计思路、RNA-Seq技术建库基本原理、高通量测序数据分析及其技术流程等基本内容[19]。让学生能够利用GO和KEGG等数据库进行基因功能富集和通路分析,通过Venn图能够筛选出基因集中的共有或特有基因,利用Heatmap能够检测差异基因的表达谱,利用Cytoscape软件会分析蛋白分子间相互网络结构等。同时,向学生推荐一些生物信息学在线教学资源或公开课视频,关注生物信息学科前沿,激发学生学习和实践的兴趣,拓展学生知识视野。

（四）加强实践教学环节，建立创新实践方法

实践教学环节主要包括各类专业实践与实习、毕业论文(设计)和科研训练等活动。相比其他传统学科,生物信息学实践教学是相对薄弱的一个环节。针对过去学生实践仅限于上机操作和软件应用,对大学生科研创新思维的培养不够重视等问题,我们提倡教学与科研相结合的理念,根据学生的各自特点和兴趣选择,鼓励创新班的学生参与教师的研究课题,积极申报各类大学生科技创新项目,组织学生参加全国或省级大学生“挑战杯”竞赛活动,以课题项目的形式驱动学生开展探索性、设计性生物学实验,利用生物信息学知识和技能独立开展相关研究,充分发挥学生的能动性。围绕科研工作的基本要求和方法,促使学生完成相关科研训练和毕业论文撰写等目标,培养大学生的逻辑思维能力和科研实践能力。以此让学生掌握科学研究的基本规律和方法,在问题解决过程中有创造性地提出自己的研究思路[16]121。近三年来,我校生物专业创新班学生在期刊论文发表、专利申报、“挑战杯”课外学术竞赛等方面取得了显著的成绩,极大地激发了师生参与创新实践教学的积极性。

此外,积极组建高水平师资教学团队,加快现有教师的进修学习和培训,同时聘请校外名师、专家担任兼职教师。加强与其他重点高校、科研机构、生物科技企业等单位的合作,建立人才培养实习基地,完善实践教学基础建设,通过参观基地和实践实习,让学生了解当前生物信息产业发展现状和人才需求状况,提高学生的专业认同感。

（五）完善课程考核标准

针对生物信息学课程对学生实践能力的要求愈来愈高的特点,必须打破过去单一的课程考试方式,坚持课堂内外并重的目标导向,建立有利于学生学习和教学反馈的综合考核体系,把理论考试、课堂表现、课后练习作业、上机操作和分析报告都纳入对学生综合能力的考核标准范围。在讲授每节课的重点和难点知识时,教师布置一些思考题或课后实践任务,强化学生对所学知识的理解和训练,每学期教学团队成员及时向学生征求教学意见,建立教学反馈长效机制以促使教学质量循序渐进,教学相长。

三、总结与讨论

生物信息学已成为生命科学的基础学科[18]36。海量组学数据的存储、处理和整合分析等问题亟需建立生物信息云平台来解决,它将为生物学相关研究提供高效的组学分析流程和“一站式”技术服务,使研究人员能够专注于生物学问题,而不受限于数据处理和分析的技术瓶颈[14]24。当前我国对生物数据分析人才的需求激增,系统地培养复合型、创新型生物专业人才成了当务之急。

经过几轮创新班生物信息学课程教学探索和改革后,我们对该课程教学有了一些新的认识和体会。我们在创新班教学中紧扣生物信息学科前沿动态,不断探索和改进教学内容与教学方法,引入新的教学理念,调动学生的学习积极性,激发学生的创新思维,培养学生自主学习和学以致用的能力,经过这几年的教学探索与实践,教学效果明显提高。基于此,在今后的教学工作中我们仍需不断学习该课程的新要求、新动向,遵循本科教学规律,不断提高教学质量。