大数据背景下的生物信息学教学探索

李广林

摘要：生物信息学是当今生命科学和自然科学的重大前沿领域之一，未来生命科学竞争的焦点之一将是生物信息学研究水平的竞争。因此，各高校十分重视生物信息学教学。针对大数据背景下生物信息学教学中存在的问题，本人结合实际教学经验，分别从强化基础理论、培养大数据意识、精心设计教学内容、创新教学方法和改革考核评价体系等五个方面来探索如何在高校开展生物信息学教学，为培养优秀的生物大数据分析人才奠定理论基础。

关键词：大数据；生物信息学；教学探索

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2015）29-0210-02

一、引言

生物信息学是由生物学与数学、计算科学交叉形成的前沿学科，主要通过研发并应用计算机技术及数学与统计方法，对海量生物数据进行管理、整合、分析、建模，从而解决重要的生物学问题，阐明新的生物学规律，获得传统生物学手段无法获得的创新发现。生物信息学是当今生命科学和自然科学的重大前沿领域之一，是多学科之间的交叉领域。因此，做好生物信息学教学工作对提高生物信息学研究水平具有重要的理论和实践意义。

随着高通量测序数据的大量出现，生命科学已经进入到大数据时代，生物信息学研究的重点将转移到组学的研究上。相应地，生物信息学教学的重点也要从单个基因的分析转向多个基因甚至在组学水平的分析。在生物大数据背景下，对生物信息学专业的人才需求也将越来越大。本文结合生物大数据的特点和教学经验，谈谈目前生物信息学教学中存在的问题，并针对这些问题提出自己的建议和方法。

二、生物大数据的特点

“大数据”一词最初起源于互联网和IT行业，它具有数据量大、数据多样化、高速、有价值等特点。生物大数据不仅带有“大数据”的特点，而且具有生物数据自身的特性，具体表现在：

1.数据量大：全球每年生物数据总量已经达到EB量级，完整的人体基因组有约30亿个碱基对，个体化基因组差异达6百万碱基。同时由于高通量测序成本的下降，目前大量的生物物种得以全基因组范围的基因组从头测序、重测序以及转录组测序，积累了大量的生物数据。

2.数据种类多：由于测序仪器种类繁多，产生的测序数据格式也各不相同。除高通量测序产生的基因组和转录组数据外，另外还有蛋白组、代谢组、表型组、相互作用组的序列数据和结构数据。

3.数据增速快：这主要体现在数据的急剧增长速度上，几乎每一周都有关于某一物种的全基因组或者转录组测序的信息。尤其是随着新一代测序技术的发展，更大数量级的基因组数据产出日渐增加——每台高通量的测序仪每天可产生约100GB的数据。

4.数据价值高：随着生物信息学的发展，越来越多有价值的信息可从生物数据中挖掘出来，这些价值不仅体现在生物科研领域，而且已应用于农业和医学等领域。

三、大数据背景下生物信息学教学中存在的问题

经过多年的发展，生物信息学教学虽然有了一定的提高和改善，但还存在一些问题，主要表现在：

（一）课程设置不合理

生物信息学是由生物学与数学、计算科学交叉形成的前沿学科，对生物背景的学生来说，需要掌握计算机和数学特别是统计学方面的知识和技能。但由于受课程设置的影响，很多学校只把C语言作为计算机的必修课，而没有在大一或者大二年级开设概率论和数理统计，并且生物统计学等课程也只是在大三或者大四才作为选修课或者限定选修课来开设的，造成部分开课专业学生的数理基础比较薄弱，因此在后续学习中存在一定的困难。

（二）教材内容不够全面

由于生物信息学发展日新月异，各种分析生物大数据的算法、方法和软件层出不穷，并且其更新换代是非常快的，而国内外相关教材的内容不够全面，并且其更新速度较慢，不能紧跟生物信息学的最新发展，造成教师在授课时要综合多本生物信息学教材的内容，不利于学生对生物信息学内容的全面掌握，从而制约了生物信息学教学的发展。

（三）教师的教学方法单一

生物信息学课程目前虽然在很多院校已经开设，但由于该学科对教师的授课水平和学生的学习能力要求较高，目前多数学校对于生物信息学的授课方式还是以教师讲授为主的填鸭式教学方式。随着大数据时代的到来，传统的教学方式和方法远不能满足生物信息学教学的需要。

四、生物大数据背景下生物信息学教学的建议和方法

为了适应大数据背景下生物信息学的教学形势，针对目前教学中存在的问题，作者结合自己的教学实践，建议从以下5个方面改进和提高生物信息学教学。

（一）合理设置基础课，强化基础理论

生物信息学是一门交叉性很强的学科，以复杂而强大的理论体系作为支撑，所涉及的内容包括计算机编程、信息检索以及数据库技术等。为了让学生学好生物信息学这门课程，各院校可以合理设置生物信息学的专业基础课，将生物信息学课程定位在大三或者大四年级学生，在大一、大二年级做好高等数学、数据库原理以及Perl语言等与之相关课程的教学工作，这些学生在掌握了一些与生物信息学相关的基础理论知识后，其对生物信息学的学习能力和理解能力才会有较大的提高。此外，学校要鼓励学生了解国内外有关大数据和生物信息学技术的发展趋势，并推荐有代表性且通俗易懂的文章和书籍，以强化学生的基础理论体系，为生物信息学的学习提供必要的知识储备

（二）培养大数据意识，加强对大数据分析的科学素养

生命科学研究已经进入到大数据时代，生物大数据的挖掘已经在农林科学、医学等领域产生巨大的效益，所以我们要培养学生树立大数据思维意识，全面认识生物大数据带来的机遇和挑战。生物信息学以生物数据为对象展开分析，它同时具备具体性和抽象性的特点。具体性是指以数据为对象挖掘出的生物学知识是客观存在的，其对生物学规律的解释性较强；抽象性是针对生物信息学中的理论和方法而言的，一般要求学生具有一定的生物信息学专业基础。在进行生物信息学教学时，要激发学生的学习兴趣，逐渐培养学生的大数据意识，规范学生对大数据分析的基本方法。可以通过实例，让学生参与到具体的生物信息学分析中去，以便理解生物信息学数据分析的基本操作流程，并在业余时间开展生物大数据在农业和医药行业成功应用的案例调查，以便激发学生利用生物信息学手段分析大数据的热情。

（三）优化教材内容，精心安排教学内容

鉴于目前生物信息学发展速度快，而国内外相关教材的更新速度较慢，所以要求在生物信息学教材的选取方面要下大力气，并且在授课时整合各个教材的优点。一般在生物信息学授课中整合以下三本书的内容：David W. Mount编写的《Bioinformatics Sequence and Genome Analysis》、李霞主编的《生物信息学》以及陈铭编写的《生物信息学》。

在教学过程中，为了使学生在有限的课堂教学时间内掌握生物信息学课程的主要内容，首先要优化课程教学体系，统筹安排教学内容，在生物信息授课中要抓住以下两条主线：序列—结构—功能—进化；基因组—转录组—蛋白组—相互作用组—代谢组，多组学贯穿。同时针对不同专业的特点与人才培养目标要求，合理分配各章节的教学课时，做到突出与专业密切相关的内容重点精讲。如在生物技术专业中，增加课时讲授分子药物设计章节，不仅要让学生了解生物信息学与分子药物设计的关系，而且要让学生掌握计算机辅助药物设计的理论方法以及软件操作。因此，以生物信息学教学内容的两条主线为依托，紧密围绕各专业的培养目标，做到理论联系实际，构建的教学体系和教学内容既能让学生掌握学科的知识理论体系，又有利于培养学生理解、分析、运用学科知识解决实际问题的能力。

（四）合理选用教学方法，提高教学效果

实践表明，不同的教学内容采用不同的教学方法授课可以收到良好的教学效果。为实现生物信息学课堂教学目标，完成相应的教学任务，教师要根据每堂课的教学内容，采用合适的教学方法，调动学生学习的积极性和主动性，提高课堂教学效果。可以从解决问题的角度出发进行理论教学。在理论课教学中，如果仍沿用传统的灌输式教学模式，肯定达不到预期的教学效果。课堂教学还可以根据需要，适时融入案例教学、问卷调查、多媒体展示、影片教学等方法，提高实际教学效果，培养学生的综合素质和创新思考能力。

上机实习注重发挥学生的主观能动性。生物信息学是一门实践性很强的课程，上机实习是教学的重要环节，它不但能够帮助学生更好地理解理论课所学知识，而且能够提高学生运用生物信息学的理论和方法解决实际问题的能力，对培养学生独立思考能力、观察能力、动手能力起着重要作用，更是培养学生创新能力的重要途径。

（五）理论和实践相结合，注重考核的灵活化

生物信息学是一门融合了多个学科的实践性很强的课程，对应的考核方式应该与其他专业课程有所区别，其最终的成绩不应该只以理论课考试的成绩为准。理论知识的考核注重学生对生物信息学基本概念、分析流程和主要分析算法的掌握情况，主要以试卷考核的方式为主，采用统一考核方式和评判标准。对于上机技能的考核，主要强调的是学生对不同类型数据进行分析时应掌握的相关软件使用技能的考查，也应纳入到学生的成绩考核中，我们认为理论考试占70分、实习成绩占30分是一个好的评价方式。

五、结束语

大数据背景下对生物信息学的教学提出了新的更高的要求。本文针对《生物信息学》教学中存在的问题，结合自己的教学经历对改进生物信息学教学和方法进行了一些探讨。本文认为要做好大数据时代的生物信息学教学，要从强化基础理论、培养大数据意识、精心设计教学内容、创新教学方法和改革考核评价体系等五个方面来开展和抓好生物信息学教学。

参考文献：

[1]李霞.生物信息学[M].北京：人民卫生出版社，2010.

[2]陈铭.生物信息学[M].北京：科学出版社，2012.