生物信息学

生物信息学（推荐8篇）

生物信息学 篇1

摘要生物信息学是采用计算机技术和信息论方法研究蛋白质及核酸序列等各种生物信息的采集、储存、传递、检索、分析和解读的科学, 是现代生命科学与信息科学、计算机科学、数学、统计学、物理学和化学等学科相互渗透而形成的交叉学科。经过一学期的学习，我学到了很多很有用的知识，给我印象最深的有序列比对、蛋白质结构分析、核酸序列分析、数据库及数据库检索等内容。关键字：生物信息学认识基因组学数据库

时光飞逝，一学期马上就要结束了，本学期的专业选修课也即将结束。在上课之前，我一直认为生物信息学就是在讲关于人类及动物的基因，以及基因之间的差别。但是，刚上了几节课，我就发现生物信息学根本不是我想象的那么简单，就这样我怀着对自己的怀疑和对这门课的好奇走进了这门课。

生物信息学是一门新兴的、正在迅速发展的交叉学科,美国国家基因组研究中心认为, 生物信息学是一个代表生物学、数学和计算机的综合力量的新兴学(Bioinformatics is an emerging scientific discipline representing the combined power of biology,mathematics, and computers)。

现代生物信息学是采用计算机技术和信息论方法研究蛋白质及核酸序列等各种生物信息的采集、储存、传递、检索、分析和解读的科学, 是现代生命科学与信息科学、计算机科学、数学、统计学、物理学和化学等学科相互渗透而形成的交叉学科。

在这短短的一学期课中，在老师的带领下，我们学到了很多关

于生物信息学的知识，其中给我印象最深的有序列比对、蛋白质结

构分析、核酸序列分析、数据库及数据库检索等内容。

比如，序列比对，它的基本问题是比较两个或两个以上符号序列的相似性或不相似性。从生物学角度来看，它包含很多意义；如从

相互重叠的序列片段中重构DNA的完整序列等。老师主要给我们介

绍了blast比对。

再如，对蛋白质的分析。比如我们实验测定了一条蛋白质序列

或者从DNA序列翻译得来一条蛋白质序列，我们要借助生物信息学

方法来对它进行基本性质及结构分析。其中基本性质包括它的分子

量、氨基酸数目、排列顺序、等电点分析等。结构分析包括跨膜螺

旋分析等。要运用的工具是protparam tool 和TMHMM。对于这两

个工具我都进行了实际操作练习，我觉得这对我们以后的理论学习

和实验分析都非常重要。现代生物信息学的主要研究领域及其进展

1、基因组学和蛋白组学研究

基因组和蛋白组研究是生物信息学的主要内容.同样, 生物信息

学是基因组和蛋白组研究中必不可少的工具。

基因组学(Genomics)和蛋白组学(Proteomics)的实质就是分析和解读核酸和蛋白质序列中所表达的结构与功能的生物信息.这方面的研究已成为生物信息学的主要研究内容之一.一种生物的全部遗传构成被称为该种生物的基因组.有关基因组的研究称为基因组学.其中, 序列基因组学(Sequence genomics)主要研究测序和核苷酸序列;结构基因组学(Structural genomics)着重于遗传图谱、物理图谱和测序等方面的研究;功能基因组学

(Functional genomics)则研究以转录图为基础的基因组表达图谱;比较基因组学(Comparative ge2nomics)的研究内容包括对不同进化阶段基因组的比较和不同种群和群体基因组的比较。

蛋白组和蛋白组学的概念是随基因组和基因组学的出现而出现的.蛋白组(proteme)的概念是由于基因表达水平并不能代表细胞中活性蛋白质的数量, 基因组序列并不能描述活性蛋白质所必需的翻译后修饰和反映蛋白质种类和含量的动态变化过程而提出的.在一定条件下某一基因组蛋白质表达的数量类型称为蛋白组, 代表这一有机体全部蛋白质组成及其作用方式.有关蛋白组的研究称为蛋白组学.其中, 蛋白组的研究技术与方法、双向凝胶电泳图谱以及对不同条件下蛋白组变化的比较分析是蛋白组学的主要研究内容。生物信息学在基因组和蛋白组研究中所起的作用主要有:（1)基因组信息结构的计算分析.即对基因组数据进行大规模并行计算并预测各种新基因和功能位点, 研究大量非编码区序列的信息结构和可能的生物学意义。(2)模式生物全基因组信息结构的比较研究.即

对已完成全基因组测序的各种模式生物的基因组信息结构进行比较分析, 包括同源序列的搜索比较和指导基因克隆.(3)功能基因组的相关信息分析, 包括对基因表达图谱及其相关算法和软件的研究, 与功能基因组信息相关的核酸、蛋白质的空间结构的预测模拟以及蛋白质的功能预测。

2、生物信息数据库

复杂的生物和生物界和日新月异的生命科学研究产出的大量的生物学信息，对这些信息的储存、检索、比较分析必须借助于计算机数据库技术, 包括各类生物学信息数据库的建立与维护、数据的添加与注释、更新与查询、数据库资料的网络化等研究内容。现有的数据库有：核酸序列数据库（GenBank、EMBL、DDBJ）、基因组数据库、基因图谱数据库、蛋白质序列数据库（SWTSS-

PROT、PIR）和蛋白质结构数据库（Interpro）等。随着生命科学的不断发展，数据库种类不断增加、结构日益复杂、使用也越来越方便。

生物信息学作为一门新兴学科已经成为生命科学研究中必不可少的研究手段 本文对数据库与数据库搜索序列比对蛋白质结构预测药物设计基因芯片技术几个方面做了介绍较为系统地阐述了生物信息学在这些领域的应用 当然它所涉及的内容与方法远远不只上面提到的那些 新基因和 的发现与鉴定非编码区信息结构分析遗传密码的起源和生物进化完整基因组的比较

研究 大规模基因功能表达谱的分析等都是生物信息学研究的对象 相信不久的将来生物信息学会在生命

科学领域扮演越来越重要的角色。

参考文献：

1、现代生物信息学及其主要研究领域 萧浪涛(湖南农业大学理学院, 湖南长沙 410128)

生物信息学 篇2

1 本科生初学生物信息学存在的主要问题

经过三年教学实践发现, 西北农林科技大学生命学院生物技术专业、创新实验学院生物技术基地班和创新班的学生在学习《生物信息学》课程时主要存在以下两个问题:

一是学生因对该新兴学科不了解而造成对课程不重视。

在与学生的互动交流中, 我们了解到由于生物信息学是一门新兴的学科, 绝大多数学生对该课程的认知度几乎为零, 对该领域非常陌生, 不清楚学后有何用处, 甚至认为该门课程没有什么用处, 导致学习目的不明确, 学习动力不足。然而一些学生参与科学研究后, 认识到生物信息学的重要性而重回课堂或重新学习本课程。

二是课程理论性强, 学习资源多以英文编写, 因而基础差的学生倍感吃力。

由于本课程理论知识非常抽象, 前后知识点的衔接相对比较紧凑, 且生物信息学相关网站、数据库和软件等学习资源均以英文为主, 部分学生的数学、计算机和英语等基础知识不够扎实, 在不能有效掌握某些知识点后, 逐渐产生厌学情绪, 甚至放弃学习。

2 教学模式探索

2.1 提高学生对生物信息学的认知度。

绝大部分学生在刚接触生物信息学时对该课程的认识非常有限, 对于该课程所涉及的主要内容及应用更是所知无几, 若直接对学生讲授大量枯燥乏味的算法、晦涩难懂的模型以及全英文的操作界面等将会促使学生失去学习的兴趣。因此, 提高学生对生物信息学知识及其应用的认知、将学生的思维引入所学内容是非常关键的一步[2], 可以提高教学中的“学”的主动性及积极性。

实际应用范例是最为形象和最易理解的教学素材, 能够帮助学生简单直观地了解所学知识的实际应用。可以以教师自身科研工作及本学科领域最新研究成果或经典案例作为教学素材, 从背景知识、研究目的和意义、研究方法及研究结果等几个方面做深入浅出的讲解, 从而使学生从整体上清晰地了解所学的知识点及其在今后学习、工作或研究中的应用, 进而激发学生的学习兴趣。

2.2 双语教学的必要性。

早在2001年教育部就颁布了《关于加强高等学校本科教学工作提高教学质量的若干意见》 ([2001]4号) , 意见第八条为“积极推动使用英语等外语进行教学”。明确指出“为适应经济全球化和科技革命的挑战, 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。对高新技术领域的生物技术、信息技术等专业, 更要先行一步”。2005年颁布的《关于进一步加强高等学校本科教学工作的若干意见》 ([2005]1号) 再次强调“要提高双语教学课程的质量, 继续扩大双语教学课程的数量”。

作为生物技术领域的前沿学科, 生物信息学开展双语教学顺应了中国高等教育发展的趋势, 是时代的需要, 是我国高等教育适应国际化趋势发展的需要[3]。生物信息学双语教学有利于学生更好地学习该门课程和掌握学科发展的前沿知识。英语是当前国际交流的通用语言, 绝大部分高水平的科研论文、著作都是采用英文撰写, 特别是生物信息学领域重要的网络在线数据库和软件等资源均是英文界面。生物信息学双语教学可以帮助学生掌握更多的英文专业术语, 从而有利于查阅和使用英文网络在线资源、阅读英文原版书籍和文献、获取更多本学科领域的前沿知识。

2.3 实践与理论穿插进行。

目前我们的课程设置为先学习理论课, 之后进行生物信息学实践。三年来, 学生普遍反映应将二者穿插进行, 更有利于快速掌握所学知识。生物信息学是理论知识与实践应用并重的学科, 课程知识点间连贯性强, 因而在讲授每个知识点后, 应在同一周内安排学生在计算机房进行实践, 并布置相应的习题帮助学生巩固和加深对知识点的理解与掌握, 为学习下一知识点做好准备。

2.4 互动答疑与资源共享。

教师利用课间及课余时间答疑会受到很多因素的制约, 而使其效果不明显。充分利用课程网络教学平台进行师生互动式答疑, 可以提高教师的答疑效率, 更重要的是可以使同学们共享所提出的不同问题;而且还有利于教师掌握学生对本课程的学习情况, 并据此调整授课方案, 达到更好的教学效果;此外可以就课程中的疑难问题组织学生在平台讨论区进行自由讨论, 使学生通过讨论加深对知识点的理解。

3 教材选择

鉴于生物信息学进行双语教学的重要性, 在教材选择上就应当以英文原版教材为主, 同时提供一些经典的中文教材作为参考。对于本科生教育, 理想的英文原版教材应当涵盖较广的知识范围、具有系统性的讲解且能够深入浅出, 同时, 语言表达要通俗易懂。目前国内引进的生物信息学相关英文原版教材中有些属于科普性质, 其内容过于简单, 而有些偏向研究性质, 对问题的分析过于复杂, 适合本科生学习的英文原版教材仍显欠缺。

4 师资力量

生物信息学不同于传统学科, 它所涵盖的内容更新速度之快, 要求授课教师必须紧跟学科领域前沿发展动态, 不断更新授课内容, 使教学与国际接轨;其次, 双语教学要求授课教师具备较高的专业英文水准, 能够把握好授课过程中的中英比例及难易程度。目前国内生物信息学双语教学的优秀教师还是非常缺少的, 应加强对双语教学师资的培训。

5 结论

本科生开设生物信息学是为了顺应国际科技发展的趋势, 使学生掌握最新的生物研究技术, 提高学生的创新及综合能力。虽然目前还未具有传统学科那样丰富与成熟的教学经验, 但只要针对存在的问题逐步地进行教学改革尝试, 便能够不断提高教学效果、积累教学经验, 促进创新型人才的培养。

参考文献

[1]Jonathan Pevsner, Bioinformatics and Functional Genomics, Wiley, 2005:1-12.

[2]邱志军.一般本科院校生物信息学课程教学的思考[J].科技信息, 2012, 33:646.

生物信息学 篇3

基金项目：黑龙江省高等学校教改工程项目（JG2014011152）

中图分类号：Q811.4-4

在现代生物学高通量方法发展的前景下，海量数据的产生不仅使得生物医学研究模式发生了巨大转变，同时在科学家对数据的管理操作以及挖据分析方面也产生了极大的需求。对于生命科学相关领域研究者来说，不仅要学会获得及使用生物信息学工具和资源，还要了解其基本的理论和实践应用。因此，为生命科学专业学生提供生物信息学培训，能够为其未来有效的分析处理数据以及跟进研究提供必要的帮助。在课程设置上，除了传统的讲座及资源演示外，使用交互性及以问题为中心的合作式教学方式，可以大大提高学习的质量和成果。在这样的背景下，本文将讨论并确定课程需求和学习目标等各种务实的标准，选择合适的授课对象和授课教师，开发课程质量评估标准。遵守这些标准可能不仅有助于指导课程组织者和教师在生物信息学课程中出色完成任务，而且，重要的是，还可以提高生命科学专业学生的学习效果。

1 课程需求

生物信息学课程的开设应该使得生命科学专业学生具有能够完整的完成一项数据分析任务的能力。目前，在生命科学研究领域，对于生物信息方法掌握的需求在不断提升，特别是在高通量测序技术产生大量数据的今天，数据量及复杂度也在成指数趋势上升，这种研究趋势变化的速率如此之大，以至于用于处理、存储、分析及整合这些数据的工具和技术的发展很难跟上步伐，这就使得如何从数据中获得可靠的生物学发现更加困难。

而如果为这些人能够掌握必要的或者与其研究领域高度相关的生物信息学技能，就更容易在各自的领域取得研究成果。例如，在技术角度，如果生命科学专业学生熟悉Linux命令行、R等编程语言，他们就会很容易掌握新一代测序数据的分析方法。

1.1 设定学习目标

生物信息学课程的设计需要考虑教师和学生双方的目标。因此，在课程中设置明确的整体或部分知识点的学习目标是十分必要的。学习目标会告诉学生在学习后他们将会掌握何种技能或知识。在课程目标的设置时，需要考虑学生的背景及能力。在描述学习目标时，应该使用如“产生”，“应用”，“预测”或“比较”等动词，而不是仅仅用“了解”来进行阐述。这样就会让学生很容易将这些程式化的文字转化成实践和练习中应具备的能力。

2 提供合适的课程内容

2.1 选择适合的授课对象

大多数课程设计和个人培训计划是在一个特定的训练需求的前提下。如何判断学生是否适合所提供的课程本身是一个巨大的挑战。例如，部分学生可能需要了解新一代测序数据分析：他们的最终目标可以是相同的，但是，如果有一个是生物化学的学生，需要更熟悉计算生物学，而另一个是偏临床专业，需要识别基因，那么他们很可能需要采取不同的教学路线，以完成他们的目标。因此，在条件允许时，建议建立选择标准，整理课程申请人的信息，关于：（1）相关的课程主题，以及他们的科学需求；（2）他们对课程的期望（如这些是现实吗？）；（3）对于他们的职业生涯阶段的适用性；（4）他们掌握了哪些前提知识及其掌握情况（如他们是否会Perl编程？）。这些信息可以通过包括在课程申请时提交的简要调查表中找到。了解这些信息后，在课程开始前，可以对课程做相应的教学调整。

2.2 恰当地选择授课教师

好的授课教师不仅要有相应的学科知识，而且要掌握教学和沟通技巧，有引人注意的个人学习风格和步伐，并必须具有确保课程参与者互动并能维护他们的利益的能力。一般而言，以方法掌握为主的短期课程与学科教学有着根本的不同，具有实践经验的青年研究员可能比大学教授更适合作为课程的授课教师。

3 授课准备

生物信息学的课程应具有灵活性，以适应不同类型的内容、时间、实践，学习的速度和技能水平。一个共同的主题是需要选择合适的内容量，选择合适的教学方法和课程准备材料也是课程准备的一部分。

3.1 确定课程形式

选择合适的课程形式，主要取决于课程的持续时间，级别和参与者的背景以及它们之间的平衡关系。在决定课程形式时，往往需要考虑：教师-学生比例、参加的人数、可用的时间、所拥有的设施和经验、学员的期望。

3.2授课方法的多样性

在进行实践训练时，有很多方法可满足授课的需求。根据我们的经验，有三个黄金规则：（1）教师应该给出一个引人入胜的内容；（2）应刺激学生积极思考和练习；（3）在进行互动和讨论时应予以鼓励。

生物信息学考试重点 篇4

叉学科；它综合运用了数学、计算机学和生物学的各种工具来进行研究；目的在于阐明大量生物学数据所包含的生物学意义。

2.BLAST直译：基本局部排比搜索工具意译：基于局部序列排比的常用数据库搜索工

具含义：蛋白质和核酸序列数据库搜索软件系统及相关数据库

3.PSI-BLAST：是一种迭代的搜索方法，可以提高BLAST和FASTA的相似序列发现率。

4.一致序列：这些序列是指把多序列联配的信息压缩至单条序列，主要的缺点是除了在特

定位置最常见的残基之外，它们不能表示任何概率信息。

5.HMM隐马尔可夫模型：是蛋白质结构域家族序列的一种严格的统计模型，包括序列的匹

配，插入和缺失状态，并根据每种状态的概率分布和状态间的相互转换来生成蛋白质序列。

6.信息位点：由位点产生的突变数目把其中的一课树与其他树区分开的位点。

7.非信息位点：对于最大简约法来说没有意义的点。

8.标度树：分支长度与相邻节点对的差异程度成正比的树。

9.非标度树：只表示亲缘关系无差异程度信息。

10.有根树：单一的节点能指派为共同的祖先，从祖先节点只有唯一的路径历经进化到达其

他任何节点。

11.无根树：只表明节点间的关系，无进化发生方向的信息，通过引入外群或外部参考物种，可以在无根树中指派根节点。

12.注释：指从原始序列数据中获得有用的生物学信息。这主要是指在基因组DNA中寻找基

因和其他功能元件（结构注释），并给出这些序列的功能（功能注释）。

13.聚类分析：一种通过将相似的数据划分到特定的组中以简化大规模数据集的方法。

14.ESI电喷雾离子化：一种适合大分子如蛋白质离子化没有明显降解的质谱技术。样品溶

解后从高电压控制下的细针中喷出，形成的带电荷微小液滴从一个小孔直接进入质谱仪的真空室中，在其钟被一股惰性气体干燥形成气态离子，这些气态离子从分析仪向探测器加速（飞行）。

15.机制辅助的激光解析/离子化（MAIDI）：这一技术通过质谱产生离子，这适合于没有降

解的大蛋白质的分析。基本原理是将分析物分散在机制分子中并形成晶体，当用激光照射晶体时，基质分子吸收激光能量，样品解吸附，基质-样品之间发生电荷转移使样品电子分离。

16.质谱(MS)：是一种准确测定真空中离子的分子质量/电荷比(m/z)的方法，从而使分子质

量的准确确定成为可能。基本原理：将分析物分散在基质分子中并形成晶体，当用激光照射晶体时，基质分子吸收激光能量，样品解吸附，基质—样品之间发生电荷转移使样品分子电离。

17.微阵列芯片：将探针有规律地排列固定于载体上，与标记荧光分子的样品进行杂交，通

过扫描仪扫描对荧光信号的强度进行检测，从而迅速得出所要的信息。

18.虚拟消化：是在已知蛋白质序列和蛋白外切酶之类切断试剂的已知特异性的基础上，由

计算机进行的一种理论上的蛋白裂解反应。

19.分子途径是指一组连续起作用以达到共同目标的蛋白质。

20.虚拟细胞：一种建模手段，把细胞定义为许多结构，分子，反应和物质流的集合体。

21.先导化合物：是指具有一定药理活性的、可通过结构改造来优化其药理特性而可能导致

药物发现的特殊化合物。就是利用计算机在含有大量化合物三维结构的数据库中，搜索能与生物大分子靶点匹配的化合物，或者搜索能与结合药效团相符的化合物，又称原型物，简称先导物，是通过各种途径或方法得到的具有生物活性的化学结构

22.权重矩阵（序列轮廓）：是一种描绘蛋白质结构域家族相序列的方法。它们表示完全

结构域序列，多序列联配中每个位点的氨基酸都有分值，并且特定位置插入或缺失的可能性均有一定的衡量方法。（课件定义）基础上针对特定的应用目标而建立的数据库。

23.系统发育学（phylogenetic）：确定生物体间进化关系的科学分支。

24.系统生物学（systems biology）：是研究一个生物系统中所有组分成分（基因、mRNA、蛋白质等）的构成以及在特定条件下这些组分间的相互关系，并分析生物系统在一定时间内的动力学过程

25.蛋白质组（proteome）：是指一个基因组、一种生物或一个细胞/组织的基因组所表达的全套蛋白质。

26.进化树：物种的进化被表现成为一系列的分叉，并符合分类理论，这些树就叫做进化树。

27.DBGET/LinkDB：由日本的化学研究所和人类基因组中心所开发的在线数据检索工具。

也见Entrez，SRS。

28.肽指纹图谱：蛋白质注释的一种方法，用质谱技术确定肽分子量（由蛋白酶消化产生）

并用来搜索蛋白质数据库找到与“虚拟消化”蛋白质相匹配项。

29.E值：对某个已识别出的相似度值S，E值是分值大于等于S的期望频率，改值可以被

理解为期望随机得到等于S或大于S值的分值数目。

30.相似度表和距离表：使显示物种间一套选定字符的相关性的表格，采用匹配的百分比（相

似度表）或者差异的百分比（距离表）来表示。

31.无监督分析法：这种方法没有内建的分类标准，组的数目和类型只决定于所使用的算法

和数据本身的分析方法。有监督分析法：这种方法引入某些形式的分类系统，从而将表达模式分配到一个或多个预定义的类目中。

32.距离矩阵法：首先通过各个物种之间的比较，根据一定的假设（进化距离模型）推到得

出分类群之间的进化距离，构建一个进化距离矩阵，其次基于这个矩阵中的进化距离关系构建进化树；最大简约法：该法依据在任何位置将一条序列转变成另一条序列所需要突变的最少数量对序列进行比较和聚类；最大似然法：该模型可将一个给定替代发生在序列中任何位置的概率融合进算法，该方法计算序列中每个位置的一个给定序列变化的可能性，最可靠的树为总的可能性最大的那棵。

33.一级数据库：数据库中的数据直接来源于实验获得的原始数据，只经过简单的归类整理

和注释； 二级数据库：对原始生物分子数据进行整理、分类的结果，即非原始的实验数据，是在一级数据库、实验数据和理论分析的基础上针对特定的应用目标而建立的。

1.常用的三种序列格式：NBRF/PIR,FASTA和GDE

2.三个核算序列数据库：GenBank，EMBL和DDBJ

3.蛋白质序列数据库：SWISS-PROT和TrEMBL

4.提供蛋白质功能注释信息的数据库：KEGG（京都基因和基因组百科全书）和PIR（蛋白质信息资源）5.目前由NCBI维护的大型文献资源是PubMed

6.数据库常用的数据检索工具：Entrez，SRS，DBGET

7.常用的序列搜索方法：FASTA和BLAST

8.高分值局部联配的BLAST术语是HSPs（高分值片段对），E（期望值）

9.多序列联配的常用软件：Clustal10.蛋白质结构域家族的数据库有：Pfam，SMART

11.系统发育学的研究方法有：表现型分类法，遗传分类法和进化分类法

12.系统发育树的构建方法：距离矩阵法，最大简约法和最大似然法

13.常用系统发育分析软件：PHYLIP

14.检测系统发育树可靠性的技术：bootstrapping和Jack-knifing

16.查找简单基因的程序：NCBI ORF finder

17.测试基因预测程序正确预测基因的能力的项目是GASP（基因预测评估项目）

18.二级结构的三种状态：α螺旋，β折叠和β转角

19.用于蛋白质二级结构预测的基本神经网络模型为三层的前馈网络，包括输入层，隐含层和输出层

20.通过比较建模预测蛋白质结构的软件有SWISS——MODEL网站

21.蛋白质质谱数据搜索工具：SEQUEST（原理：经试验确定的肽或肽片段的质谱与数据库中预测的质谱进行匹配）。22.分子途径最广泛数据库：KEGG

23.Entrez搜索：PubMed的文献数据库MEDLINE。SRS搜索方式：标准搜索，扩展搜索。

1.FASTA序列格式： 第一行以“>”开头但并没有指明是蛋白质还是核酸序列。后跟代码，接着是注释（在同一行），通常注释要以“|”符号相隔，第一行没有长度限制。值得注意的是FASTA文件允许以小写字母表示氨基酸。文件扩展名为“.fasta”。

NBIR/PIR序列格式： 第一行以“>”开头，后面紧跟两字母编码（P1代表蛋白质序列，N1代表核酸），再接一个分号，分号后紧跟序列标识号。后面是说明行，该行可长可短，没有长度限制。接下来是序列本身，以“*”号终止。文件的扩展名为“.pir”或“.seq”。GDE序列格式： 与FASTA的格式基本相同，但行首为“%”，文件扩展名为“.gde”。）

2.BLAST的五个子程序（1）Blastp，用蛋白质查询蛋白质序列，可以找到具有远源进化关系的匹配序列，方法是用待搜索蛋白序列与蛋白数据库比较。（2）Blastn，用核苷酸 查询核苷酸序列，适合寻找分值较高的匹配，不适合远源关系，待搜索核酸序列与核酸数据库比较（3）Blastx，用蛋白质查询已翻译核苷酸序列，适合新DNA序列和EST序列的分析，将待搜索核酸序列按6个读框翻译成蛋白质序列，然后与数据库中的蛋白质比较。（4）Tblastn，用已翻译核苷酸查询蛋白质，适合寻找数据库中尚未标注的编码区，将数据库中核酸序列按6个读框翻译成蛋白序列，然后与待搜索蛋白序列对比。（5）Tblastx，用已翻译核苷酸查询已翻译核苷酸序列。适合分析EST序列，无论是待搜索核酸序列还是数据库中核酸序列，都按6个读框翻译成蛋白序列。

4.PSI-Blast的原理：是一种将双序列比对和多序列比对结合在一起的数据库搜索方法。其主要思想是通过多次迭代找出最佳结果。每次迭代都发现一些中间序列，用于在接下去的迭代中寻找查询序列的更多疏远相关序列（拓展了序列进化关系的覆盖面积）。具体做法是最初对查询序列进行BLAST搜索。接着把这次查找得到的每一击中项（高于选择的E值的选项）作为BLAST搜索第二次迭代的查询序列。第二次迭代应该找到比最初查询序列更多的进化关系，重复（迭代）这个过程直到找不到有意义的相似序列为止。

5明该树是可信的。第二，数据可以被重新取样，来检测他们系统上的重要性。在一种被称为bootsrapping的技术中，数据被随机从多序列联配的任何位置取样，接着被整合进入新的人工联配，这些联配之后通过构建树来检测。由于取样是随机的，一些位置可能被多次取样，而另一些则没由被取样过。Jack-knifing是一种和上述相似的过程，其中50%的原始数据被重新取样构成一个新的矩阵，再从该矩阵重新构建系统发育关系。

7． 原核生物和真核生物基因组中的注释所涉及的不同问题：在原核生物中，基因密度很高

（也就是说，只有很少的基因组DNA）并且绝大多数基因不含内含子。在真核生物中，基因密度下降并且由于物种自身复杂的增高而使基因复杂度也增高。因此，在高等真核生物基因组中寻找基因可能会非常困难。

9.预测蛋白质三级结构的三种方法 1)同源建模法：依据蛋白质与已知结构蛋白比对信息构建3D模型； 2)折叠识别法：寻找与未知蛋白最合适的模板，进行序列与结构比对，最终建立结构模型； 3)从头预测法：根据序列本身从头预测蛋白质结构。

11.先导化合物的来源有四种来源：1）通过偶然性观察发现的先导化合物（这个方法最

著名的例子就是亚历山大.弗莱明发现的青霉素，今天所用的许多抗生素皆由其发展出来）

2）也可以通过替代疗法的药物开发中发现的药物副作用来识别先导化合物（例如，镇定剂氯化物丙嫀是在试验中发现用在抗组胺剂时被发现的）3）先导化合物也可以来自传统医药学（如奎宁化合物就来自金鸡纳的树皮）4）先导化合物也可以来自天然的底物或是配体（比如说，肾上腺素作为舒喘宁的类似物用来治疗哮喘）

12.简述DNA计算机的基本原理： 1)以编码生命信息的遗传物质—DNA序列，作为信息编码的载体，利用DNA分子的双螺旋结构和碱基互补配对的性质，将所要处理的问题映射为特定的DNA分子；2)在生物酶的作用下，通过可控的生化反应生成问题的解空间；最后利用各种现代分子生物技术如聚合酶链反应RCR、超声波降解、亲和层析、分子纯化、电泳、磁珠分离等手段破获运算结果。.DNA计算机优点：低能耗、存储容量高、运算速度快，可真正实现并行工作。

13.简述DNA计算实现方式中，表面方式与试管方式相比具有哪些优点？

试管方式：就是在一个或多个试管的溶液里进行生化反应；

表面方式：是将对应的解空间的DNA分子固定在一块固体上，其次进行各种生化反应，或是在表面逐步形成解空间，然后根据具体问题对所有可能的解进行筛选，最后得到运算结果。优点：(1)操作简单，易于实现自动化操作；(2)减少人为操作过程中造成的DNA分子的丢失及其它操作失误；(3)减少分子在表面上的相互作用，同时增强分子间的特异性结合；(4)信息储存密度大，据估计，10毫克DNA表面上的储存密度是传统计算姬的10的8次方倍，而在溶液中仅为10的5次方倍；(5)结果易于纯化。

14.简述PCR引物设计的基本原则及其注意要点原则：首先引物与模板的序列要紧密互补，其次引物与引物之间避免形成稳定的二聚体或发夹结构，再次引物不能再模板的非等位点引发DNA聚合反应（即错配）。注意要点：

1、引物的长度一般为15-30bp，常用的是18-27bp，但不应大于38，因为过长会导致其延伸温度大于74℃，不适合于TaqDNA聚合酶进行反应。

2、引物序列在模板内应当没有相似性较高，尤其是3’端相似性较高的序列，否则容易导致错配。引物3’端出现3个以上的连续碱基，如GGG或CCC，也会使错误引发几率增加。

3、引物3’端的末位碱基对Taq酶的DNA合成效率有较大的影响。不同的末位碱基在错配位置导致不同的扩增效率，末位碱基为A的错配效率明显高于其他3个碱基，因此应当避免在引物的3’端使用碱基。另外，引物二聚体或发夹结构也可能导致PCR反应失败。5’端序列对PCR影响不太大，因此常用来引进修饰位点或标记物。

4、引物序列的GC含量一般为40-60%，过高或过低都不利于引发反应。上下游引物的GC含量不能相差太大。

5、引物所对应模板位置序列的Tm值在72℃左右可使复性条件最佳。Tm值的计算有很多种方法，如按公式Tm=4(G+C)+2(A+T)，在Oligo软件中使用的是最邻近法（thenearestneighbormethod）。

6、G值是指DNA双链形成所需的自由能，该值反映了双链结构内部碱基对的相对稳定性。应当选用3’端G值较低（绝对值不超过9），而在5’端和中间G值相对较高的引物。引物的3’端的G值过高，容易在错配位点形成双链结构并引发DNA聚合反应。

7、引物二聚体及发夹结构的能值过高（超过4.5kcal/mol）易导致产生引物二聚体带，并且降低引物有效浓度而使PCR反应不能正常进行。

8、对引物的修饰一般是在5’端增加酶切位点，应根据下一步实验中要插入PCR产物的载体的相应序列而确定。

15.假设你得到一段未知基因的DNA序列，从你学习到的生物信息学分析方法和软件，设

计一个分析流程来分析该未知基因的功能和家族类别（包括系统发育树构建）

1、得到未知基因的DNA序列，用Blast做序列比对，找出与其基因相似的核苷酸序列和蛋白质序列。

2、接着，用搜索出来的较相似的序列用ClustW进行多序列比对，得到该序列的保守情况和突变情况。

3、最后用距离法构建系统发育树。

16.假设你得到一段未知蛋白的氨基酸序列，从你学习到的生物信息学分析方法和软件，设计一个分析流程来分析该未知蛋白的功能和家族类别以及其结构预测。

1、用该序列进行BLASTP搜索。

2、再对其进行蛋白质结构域、功能域的搜索，可以用Znterproscan、Pfam，并对其进行结构分析。

3、再用ClustW进行多序列比对。

4、用人工神经网络的方法对其结构进行结构预测。

5.多序列联配的意义：

1）分析多个序列的一致序列；2）用于进化分析，是用系统发育方法构建进化树的初始步骤；

3）寻找个体间单核苷酸多态性；4）通过序列比对发现直亲同源与旁系同源基因；5）寻找同源基因（相似的序列往往具有同源性）；6）寻找蛋白家族识别多个序列的保守区域；7）相似的蛋白序列往往具有相似的结构与功能；8）辅助预测新序列的二级或三级结构；9）可以直观地看到基因的哪些区域对突变敏感；10）PCR引物设计。

6.系统发育学的研究方法： 1）表现型分类法：将表型相像的物种归类在一起，所有特征都要被考虑到； 2）遗传分类法：具有共有起源的物种归类在一起，也就是说，这些字符并没有出现在离它们较远的祖先序列； 3）进化分类法：该方法综合了表现型分类法和遗传分类法的原理，进化方法被普遍认为是最好的系统发育分析方法，因为该方法承认并采用目前的进化理论；

8.简述人工神经网络预测蛋白质二级结构的基本步骤。

（1）输入数据（来自PDB）（2）产生一个神经网络（一个计算程序）（3）用已知的蛋白质二级结构来训练这个模型（4）由训练好的模型来给出未知蛋白的一个可能的结构

（5）最后从生物角度来检验预测的一系列氨基酸是否合理

生物信息学教材 beta 0 篇5

1.生物信息入门

生物信息学札记-樊龙江(浙江大学)#这套材料我认为很适合新手入门；

原版-蛋白和核酸序列分析 #我看的第一本生物信息书；

Bioinformatics-Sequence and Genome Analysis.pdf #David mount的书，不错；

eDictionary-Bioinformatics-AJ367.pdf #一些名词解释，还好。

这部分的书怎么看呢？建议是，仔细看前三本中的一本，随便哪本都可以，然后翻翻其他两本，最后一本描几眼。一个月差不多可以入门了。

2.计算机基础

beginning perl for bioinformatics #这个材料可能需要很仔细看，写得很简单，很适合生物学背景的人快速掌握计算机的必备知识；

HMM #可看可不看；

MCMC #看看就是了；

MySQL网络数据库指南； #Mysql比较好的一套教程，看个几章，数据库也就差不多了； 数据挖掘； #有人需要，所以我提供

Algorithms in Bioinformatics.zip #喜欢算法的可以看看

Bioinformatics Computing.pdf #可看可不看

Developing Bioinformatics Computer Skills(doc).rar #可看可不看

Intro to Machine Learning.zip

生物序列比对中的算法.rar

用Maple和MATLAB解决科学计算问题（第三版）.pdf

这个部分，只有perl和mysql(第一本和第四本)是必须看的，其他的随便了。不然耽误的时间太多。

3.统计学基础

超级好的统计教材，适合R入门

R-intro.pdf

SAS 8教程@pandia.exe

stata教程@zhangdog.exe

统计教程@zhangdog.exe

这个部分，如果真的要学统计学，第一本是最好最合适的。同时感谢nep2004提供本书。呵呵，确实是超级好。

.分子进化基础

暑期进化学习班

伦敦大学国王学院生物信息学硕士 篇6



























 伦敦大学国王学院生物信息学硕士 课程简介：生物信息学是一个多学科的课程，包括与储存，组织和分析大量可用的生物分子数据相关的计算机工具的研究，开发和应用，为生物技术，医药行业和更高级的研究工作培养优秀人才。课程特色1：由生物医学和健康科学院，医学院和自然科学及数学科学学院的优秀老师教学的跨学科课程。课程特色2：均衡整合计算机，生物和医药各方面的课程。课程特色3：在生物信息学在自然与数学科学院和生物医学和健康系的生物信息学专家监管下，本课程可以使用先进设施并进行尖端项目研究 适合群体：适合准备从事生物技术和医药行业或进一步深造的学生。课程设置(基本模块)：• Algorithm Design and Analysis 运算设计和分析，Algorithms for Computational Molecular Biology计算机分子生物学运算 课程设置(特色模块)：Fundamentals of Genetics and Biomolecular Structure for Bioinformatics*生物信息学中的遗传学和生物分子的基本结构（此课程对有计算机科学专业背景的学生是必修课程），Statistics for Bioinformatics*生物信息统计学，Data Analysis of Large-Scale Experiments in Molecular Biology* 大型分子生物实验数据分析，Structural Bioinformatics and Protein Structure Predictions* 生物信息结构和蛋白质结构预测，Genetic Data Analysis in Medicine*医学中的遗传数据分析 奖学金及申请条件： 考核方式：8个教学模块通过书面考试考核，小组作业之类的课程以最终报告为评估依据，课程作业，个人项目作业（个人项目作业为获得MSc学位的必要条件，未完成项目作业的学生将获得硕士文凭）。就业方向：生物技术行业，学界和业界的生物工程研究;通用软件咨询公司，特殊软件开发公司，国企或私企等大型机构的IT部门。学生还可以决定继续攻读计算机科学或生物信息学博士学位。最佳申请时间：建议入学前一年开始申请 学习课程收益：学会了计算分子生物学，蛋白质结构分析和预测的运算设计和分析，生物信息统计，技术数据分析，蛋白质/基因相互作用关系;系统生物。此外，具有生物学背景的学生将引进学习编程和计算机科学，而具有计算机背景的学生将引进学习分子生物学知识。是否可雅思豁免：否 内部语言测试：无

生物信息学中的文本挖掘 篇7

在过去的十几年中,随着生物医学文献的飞速增长,基因组学和蛋白质组学领域的生物医学数据出现了巨量增长。人类基因组序列排序标志着大规模基因组学和蛋白质组学时代的开始。虽然可以进行涉及基因和蛋白质的大规模实验,但对它们的解释仍然是一个关键问题。例如,到目前为止,许多基因组数据的大规模分析都侧重于基因表达模式,并且在基因表达基础上建立基因聚类,而解释形成的基因聚类需要进行更进一步的分析。

当前,最常使用的生物医学摘要源是由美国国家生物医学技术信息中心(NCBI)维护的Pub Med,它包含超过12,000,000篇生物医学科技文献摘要,每天被遍及世界的数百万用户访问。

Pub Med中的典型相关文献搜索是一个布尔查询,需要用户提供相应的搜索项或搜索项组合,然后返回所有满足查询的摘要集合。但是,Pub Med并不提供基于相似度的工具以帮助用户访问这些返回的摘要集中与相关文档相似的文档。

为了提高文献搜索的效率和精度,一些研究人员提出了一些自动文献搜索方法,主要分为两种方法:一种是建立在信息抽取和自然语言处理基础上的生物信息学信息抽取;另一种是建立在信息检索基础上的生物信息学信息检索,它在检索粒度上解决了文献挖掘问题。

1 生物信息学信息抽取

迄今为止,多数生物医学文献挖掘的工作都侧重于自动信息抽取,在生物信息学背景下,信息抽取系统旨在发现关于一个给定基因或关于特定基因间相互关系的信息。

Leek利用隐马尔科夫模型(HMM)抽取文献中讨论染色体上基因定位的句子。基因和染色体名称利用简单的启发式识别,而实验方法以及定位标志在一个预定义列表中给出,HMM自身的状态概率和转移概率从被标注的OMIM项中学习。训练和测试集都由几百个句子组成,系统性能用准确率和召回率度量。

Craven等在这一工作上进行了扩展,他们开发了用于从枯燥的句子中鉴别描述事实句子的系统。系统被设计成用于识别两种类型的事实:蛋白质亚细胞定位和基因疾病之间的关联。Ray&Craven进一步扩展了这一工作,他们利用描述句子结构的HMMs识别那些讨论基因与疾病间相关联的句子。该工作不使用预定义的词汇,而有关基因和蛋白质句子的正确识别也仍局限于在训练模型中使用过的名称。

Rindflesch等和Friedman等在传统NLP基础上提出了基于解析和使用主题词表的方法,该方法可以从文档中抽取关于基因和蛋白质的相关信息。他们的不同之处在于Rindflesch等的工作关注药物对细胞中基因活性的作用,而Friedman等则关注于基因和作为调控途径的蛋白质之间的相互作用。

Blachke等使用了一种更简单的方法,该方法依赖于句子中基因和蛋白质的共现,而不是机器学习方法或先进的NLP,其目标是在一个与蛋白质相关的预定义集合中抽取蛋白质相互作用的信息。它使用了一个蛋白质名称列表和一个相互作用,通过查找两个共现的蛋白质被一个表示相互作用的单词分割的句子来识别蛋白质相互作用。Blashke&Valencia扩展了这一工作,在该工作中他们使用了一个蛋白质名称检测模块,并对句子中的否定进行了处理。

到目前为止所有的方法都是被应用于较小的样本集,Jenssen等迈出了在大规模分析上的重要一步。他们利用一个预定义的蛋白质名称列表,通过一个布尔查询查找Pub Med中提及这些基因的所有摘要,并在此基础上建立了一个以基因作为节点和连接在相同文献中提及基因为边的图,边的权重表示共现的次数。与此类似,许多基于蛋白质/基因名称共现的系统通常建立在一个从公用数据中收集而来的词库基础上。

虽然研究人员对于使用信息抽取和自然语言处理的方法投入了很多努力,但这些方法通常强依赖于预定义信息,但很多预定义信息往往难以获得。

2 生物信息学信息检索

最常用的信息检索已经被研究者广泛应用于搜索感兴趣的文章,同样,在生物信息学领域已经开发出许多基于信息检索的大规模生物医学分析方法。

该领域的最初工作是由Shatkey等完成的,他们的目标是发现基因间的功能性关系而不强依赖于基因名称或句子结构,该方法是建立在许多基因和它们的功能已经在文献中讨论这一假设基础上。

其他一些研究者将一些信息检索方法应用于生物信息学领域,主要是聚类和分类的变形。Renner&Azodi提出一个蛋白质标注聚类方法。Iliopoulos等将k-means聚类应用到一个较小的Pub Med摘要集以获取有意义的子集,每一个子集讨论一些共同的主题,该主题由聚类中抽取的词项来描述。Marcotte等使用一个依赖于辨别词的Bayers分类器来识别讨论PPI的摘要。

信息检索技术的另一个应用是蛋白质的同源性领域。Donaldson等开发了Pre Bind/Textomy系统,该系统为了从文献中发现PPI,组合了信息检索和信息抽取。

在信息检索阶段,训练了一个SVM分类器来区分摘要是否讨论了PPI,然后分类器被用于识别和检索与PPI相关的摘要。一旦检索到相关摘要,则应用信息抽取来识别文本间的相互作用。

3 结语

随着生物信息学领域的发展,信息抽取和信息检索广泛应用于生物信息学领域。文章总结了近几年来生物信息学中信息抽取和信息检索方法的应用,作为生物信息学中文本挖掘的重要工具,其研究价值正得到越来越多的认可和重视。

摘要：随着生物信息学领域的发展,信息抽取和信息检索广泛应用于生物信息学领域。文章总结了近几年来生物信息学中信息抽取和信息检索方法的应用,作为生物信息学中文本挖掘的重要工具,其研究价值正得到越来越多的认可和重视。

关键词：生物信息学,信息抽取,信息检索,文本挖掘

参考文献

[1]于跃,徐志健,王珅等.基于双聚类方法的生物医学信息学文本数据挖掘研究[J].图书情报工作,2012,56(18):133-136.

生物信息学 篇8

关键词： 生物信息学 案例教学法 实践教学

1.生物信息学学科特点

生物信息学是当今生命科学的重大前沿领域之一，是一门交叉学科，包含生命过程中各种信息的获取、加工、存储、分配、分析、解释等在内的所有方面，综合运用数学、计算机科学和生物学等方法与技术，阐明和理解大量数据包含的生物学意义[1]。随着20世纪80年代人类基因组计划的实施，生物信息学蓬勃发展，并渗透到生物学研究的各个领域。掌握生物信息学相关技术及分析能力已成为生物专业本科毕业生的必要要求[2]。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[3]。然而由于学科的综合性和学科本身的迅猛发展，生物信息学课程教学仍然处于探索阶段，目前还没有成熟的生物信息学教学模式，各高校尚处于摸索探讨阶段。

2.案例教学法概述

案例教学法（Case-Based Learning），指在教师的指导下，根据教学目的，通过呈现案例材料，组织学生以团体和小组讨论、角色扮演等方式对案例进行调查、阅读、思考、分析、讨论和交流等活动；经过分析讨论，将课本中的理论与案例材料结合起来，并利用理论分析说明复杂的案例内容。案例教学法引导学生学习新的知识，加深对理论的认识，训练学生运用所学知识分析和解决实际生物学问题[4]。

不同于传统教学模式注重“知识的传授”，案例教学法更注重“能力培养”。案例教学法不直接给学生提供解决案例问题的标准答案或者具体方法，而通过教师引导学生积极讨论得出问题的解决方法，侧重于理论应用，是一种“以学习者为中心的学习方法”。

案例教学可划分为讲解定义型、综合分析型和操作技能型三种类型。（1）讲解定义型，引入案例，对基本概念和原理进行讲解；（2）综合分析型，提出问题，学生通过讨论给出解决案例问题的方案或者对已有方案进行评价；（3）操作技能型，引入案例，使学生掌握相关理论课程的基本应用技能。案例教学还可以综合其他教学方法，如以问题为基础的教学法共同改善课堂教学效果[5]。

案例教学法基本环节包括：教师根据学科特点提出案例；引导学生辩论交流、提出解决方案；完成与解决案例；教师评价与总结[4]，[6]，[7]。案例教学过程中，首先教师把握整体教学进度，选用与本专业课程有关的案例，案例选择要具体、易于学习和理解，能够引起学生的兴趣，调动学生学习主动性；其次，将案例分解，从子案例中提出问题，启发学生思考，鼓励学生对案例进行分析、讨论甚至辩论，提出解决方法，逐步完成案例；最后，引导学生完成和解决案例，分析点评整个案例教学过程及结果[4]。

3.案例教学法应用于生物信息学本科教学的意义

生物信息学课堂讲授以介绍生物信息学的相关算法、原理、方法为主，这也是教学的重点和难点。传统“知识传授”型讲课方式容易让学生觉得枯燥乏味、晦涩难懂，产生畏惧心理[8]。运用案例教学法，能够帮助学生更深入理解算法的思想，真正掌握解决问题的思路，培养科学的思维能力。

另外，生物信息学是一门实用性较强的学科，大学本科阶段开设生物信息学课程主要目的不是开发新的数据库和发展新的生物数据分析方法，而是如何利用现有数据库资源查找特定数据，并根据科研实践需要分析整合数据资源，为后续科研奠定基础，具有极强的实践意义。要达到实践目的，除了让学生掌握生物信息学的基本理论和方法、数据库和软件的原理外，更重要的是让学生亲身实践，在实践中对所学理论进行验证、对数据和软件的使用加以熟悉[9]。但生物信息学涉及专业领域内容广泛，学生不可能做到完全亲身实践，因此，案例教学法能替代亲身实践，吸取前人经验，是理论联系实践的一个便捷通道，是培养学生解决实际问题能力的好方法[7]。

4.案例教学法在生物信息学本科教学中的应用

4.1 案例选择

笔者针对生物信息学本科的教学大纲和知识体系，以及多年从事昆虫线粒体基因组分析的科研工作情况，精心选择了一系列分析案例，其中以鳞翅目灰蝶科线粒体基因组[10]数据分析为例说明。

4.2 教学过程

4.2.1学生分组。根据学生专业、兴趣分组，每组6人，统一采用同一案例。

4.2.2案例背景介绍。让学生了解该论文的目的、操作过程及意义。学生查找相关文献资料，归纳总结知识背景。

4.2.3案例分解。将整个案例分为若干个子案例：①序列数据来源；②序列比对分析③计算遗传距离；④分子系统发育重建；⑤蛋白质家族和基序与结构域分析；⑥蛋白质三级结构与结构分类分析。对每一个子案例完成的关键步骤提出问题，启发学生思考，鼓励学生对案例进行分析、讨论甚至辩论，提出解决方法，逐步完成案例。每个子案例的顺利完成都需要特定的生物信息知识作为基础，对应于教学大纲中完整的知识体系。

4.2.4评价考核。引导学生完成案例，教师归纳学生在整个案例教学过程中出现的普遍性问题并进一步讲解，对于个别小组在解决案例过程中展现出来的创造性解决方案进行分享学习。采用PPT成果展示、提交每一个子案例生物信息分析结果和解释报告，考查学生对案例设计的相关生物信息学理论知识和操作技能的掌握情况。

案例教学法作为一种具有启发性和实践性的教学方法，有效提高学生利用生物信息学工具获取相关知识解决生物学问题的学习兴趣和能力，增强教学效果。然而实践过程中还存在一些问题，例如：如何选择合适的案例既能激发学生的学习兴趣又反映生物信息学教学大纲的知识体系内容、如何有效把握课堂讨论的节奏和方向及与其他教学方法的融合，在今后教学工作中还需要不断改进教学方法，优化教学模式，丰富教学案例库，在实践中不断探索案例教学法在生物信息学本科教学中的适用性和有效性。

参考文献：

[1]石生林，韩艳君，刘彦群等.非专业研究生生物信息学课程教学中存在的问题及对策[J].生物信息学，2009，7（2）：125-127.

[2]袁道军，杨细燕.农学专业生物信息学概论本科教学实践探讨[J].安徽农业科学，2016，44（13）：304-305.

[3]李广林.大数据背景下的生物信息学教学探索[J].教育教学论坛，2015，（29）：210-211.

[4]张林，柴惠.CM教学法和PBL教学法的结合应用研究——以医学生物信息学为平台[J].中国高等医学教育，2012（8）：116-117.

[5]武亚军，孙轶.中国情境下的哈佛案例教学法：多案例比较研究[J].管理案例研究与评论，2010，3（1）：12-25.

[6]吴东，王福成，孙畅等.案例教学法在计算机绘图课程中的应用[J].山东工业技术，2016（1）：145-146.

[7]胡珊珊，刘兴起.案例教学法在水文学教学中的应用[J].首都师范大学学报（自然科学版），2016，37（2）：93-95.

[8]高亚梅，韩毅强.《生物信息学》本科教学初探[J].生物信息学，2007，5（1）：46-48.

[9]郭艳芳，李金明.PBL教学法在医学生物信息学实践教学中的应用[J].基础医学教育，2011，13（11）：1007-1008.

[10]Yang，L.，Wei Z.J.，HongG.Y.，et al.The complete nucleotide sequence of the mitochondrial genome of Phthonandria atrilineata （Lepidoptera： Geometridae）[J].Mol Biol Rep，2009， 36：1441-1449.