发布时间：2024-03-29 14:53:18
绪论：一篇引人入胜的对生物信息学的理解，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
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。
1．高等数学和统计学基础
生物信息学将数学和统计学作为主要的计算理论基础，主要包括数学建模、统计方法、动态规划方法、数据挖掘等方面。此外还包括隐马尔科夫链模型(HMM)在序列识别上的应用，蛋白质空间结构预测的最优理论，DNA超螺旋结构的拓扑学，遗传密码和DNA序列的对称性方面的群论等。因此，在生物信息学教学过程中要求教师具备数学及统计学的计算方法的基础知识，能够利用牛顿迭代法、线性方程回归分析、矩阵求拟、最小二乘法等进行数学建模和计算，从而对基因和蛋白质序列进行比对、进化分析和绘制遗传图谱等。
2．生物科学基础
生物信息学包含的生物类学科有，生物化学、分子生物学、遗传学等基础学科，基因工程、蛋白工程、生物技术等应用学科。根据其课程特点，学生在学习生物信息学课程前需要学习生物化学、分子生物学、遗传学、基因组学、蛋白质组学等基本生物学课程，对于基因序列、蛋白质序列、启动子、非编码区等概念有深刻的理解，同时需要对一些重要的生物学数据库有一定的了解，如美国基因数据库(GeneBank)、欧洲分子生物学实验室数据库(Embl)和日本核酸数据库(DDBJ)等。此外，要求学生能够利用生物学数据库查找基因序列、蛋白质序列、基因及蛋白质结构模型，能够读懂数据库中基因和蛋白质的信息注释，能够计算蛋白质序列的分子量和等电点，能够为扩增特定的基因片段设计引物，能够对特定物种进行系统发育分析等。
3．计算机科学基础
计算机是生物信息学的主要辅助工具，利用生物信息学研究生物系统的过程需要能够熟练使用计算机对大量的生物信息数据进行处理和分析，这主要包括对数据信息进行搜索(收集和筛选)、处理(编辑、整理、管理和显示)及利用(计算、模拟)。所以，学生在学习生物信息学的过程中需要了解和掌握一些常用的生物信息学软件，如BLAST和FASTA序列比对分析软件，Oligo和Primer引物设计软件，VectorNTI、DNASTAR、DNASIS等综合分析软件。此外，学生还需要学习和掌握一些常用的计算机语言，如正则表达式、Unixshell脚本语言和Perl语言。利用生物信息学在处理和分析海量生物数据的过程中，计算机软硬件资源需要配合处理分析软件的运行，因此要求计算机操作系统使用Unix和Linux操作系统，这些操作系统需要大量的操作命令进行输入执行过程，对于经常使用Windows操作系统的学生来说是一个较难跨越的障碍。
二、生物信息学课程教学中存在的问题
目前国内大多数高校的生物信息学教学采用传统的教学模式，即以课堂式的理论教学为主，缺乏必要的实践教学。理论教学模式固定、教学方法单一、教学内容狭窄，通常是介绍性、科普性的课程，甚至作为公选课程。少数高校开展生物信息学的实践课程教学，但多以验证性实验为主，缺乏和专业相适应的综合性、设计性实验，而开放性实验更无从谈起。
1．教学模式固定单一
生物信息学在内容层面涵盖诸多学科领域，注重应用性和实践性。然而，目前大部分高校把生物信息学作为一门孤立的课程，这导致教师需要将大多数课程内容压缩到一门课程进行教学，在有限的教学时数下灌输大量内容，增加了学生学习的难度，降低了教学质量。再者，大多数高校仅开展生物信息学的理论教学，忽视实践教学过程，造成生物信息学理论与实践内容的脱节，使学生在学习完理论知识后难以深入理解和吸收，无法将所学的知识应用到后续的工作和学习中，最终未能体现出该门课程的价值。
2．教师专业背景薄弱
作为一门交叉学科，生物信息学的教学要求教师具有较强的数学、生物学和计算机科学背景。然而，目前从事生物信息学教学的教师即便具备深厚的生物学背景，但是多数教师在数学和计算机方面较为薄弱，并不具备完整的生物信息学知识体系，对生物信息学发展趋势也了解不多。在师资缺乏的情况下，院系开设生物信息学课程，教师为了完成教学任务，仅仅在教学中进行介绍性的讲解，在课程考查方式上通过小论文、综述和课外活动等方式完成该课程的学习。因此，无论是理论教学还是实践教学均无法实现该课程大纲的要求，从而影响学生对生物信息学课程的理解和掌握，生物信息学的实践操作能力更无从谈起。
3．实践教学薄弱，专业教材缺乏
生物信息学实践课需要学生在网络环境下用计算机学习NCBI数据库的检索与使用、序列比对分析软件的应用、蛋白质空间结构图视软件的应用、序列拼接软件的应用等。但是目前，大多数高校开设的生物信息学课程多以理论教学为主，实践教学课时非常少或者为零，学生对于生物信息学课程的学习仅仅通过教材上抽象的文字描述进行理解和掌握，这导致学生在理论课中学到的知识无法在实践课中进行验证或操作，严重影响了生物信息学的教学质量，也偏离了教学大纲中强调的重在培养学生实践操作能力的培养目标。另外，目前还没有适用于生物科学专业的生物信息学教材。国内各大高校使用的教材多为国外教材的影印版或者中文翻译版本，这些教材偏重介绍生物信息学的理论和方法，涉及的实践内容较少，学生需要具有较高的相关知识才能接受和使用这些教材。因此，部分高校在生物信息学教学过程中往往使用自家编写的简化教材，从而造成生物信息学教学内容不统一，教学大纲混乱等情况。
4．实践课程经费不足，实践教学环境落后
当今，许多发达国家都很重视生物信息学的教学和研究，积极开展各种生物信息资源的收集和分析工作，培养大量生物信息学人才，为整个生物学的理论研究及其相关产业创新(主要是医药和农业)提供指导和支撑。国内对生物信息学的关注和认识起步较晚，其发展落后于国际发达国家。国家和高校对生物信息学的教学和科研资金投入力度不大，缺乏必要的仪器设备，生物信息学的实践教学条件得不到保障，比如大多数高校的生物科学专业没有相应的计算机实训室，配套软件也相对匮乏，落后于国际发展水平。
三、生物信息学教学模式改革的探索
1．修改理论和实践教学大纲，编写适用的实践教材
根据当今生物信息学的发展方向，制定和修改理论教学大纲，除了引物设计、基因和蛋白质序列比对、基因和蛋白质结构功能预测等基本内容外，还需添加系统进化树分析、聚类分析、蛋白质互作网络谱图等较为综合的内容。另外，增加实践教学课程比例，充实实践教学内容，结合理论教学内容增加综合性、设计性实验，适当提供科研环境，鼓励开展开放性实验。目前国内并没有系统的、专业的生物信息学实践教材，因此针对高校生物科学专业方向的特点，联合多学科领域(数学、生物科学、计算机科学)编写相应的生物信息学实践教材，在制定、修改实践教学大纲和编写教材的过程中结合学生的接受能力，由浅入深，多设实例和相关练习，使学生循序渐进的理解和掌握生物信息学的原理和方法，掌握更多的生物信息学工具。
2．紧密联系科研、基于实践问题开展教学
通过实践教学把生物信息学教学与科研有机结合起来，能够促进教学与科研的共同发展。在紧密联系科研的过程中，采用基于问题的教学(PBL)方法，通过实践教学环节，培养和训练学生把所学的生物信息学的知识和方法应用于各种生物科学领域的科研活动中，通过解决实际问题训练学生的实践技能，从而促进教学与科研的双重发展。例如，在生物信息学实践教学中多加入生产和科研中遇到的经典实例，鼓励学生利用相关的生物信息学软件及相关的理论和方法解决问题。学生也可以选择自己感兴趣的课题，利用自己熟悉的、合适的生物信息学软件和相关知识开展课题研究。此外，专业教师在指导学生课题研究的过程中还可以发现理论和实践教学的不足，不断的完善生物信息学理论和实践课程大纲和内容，提高教学质量。
3．开展多学科实践结合的教学模式
生物信息学属交叉学科，包含了不同领域的专业知识和技能，为使生物信息学教学达到教学的目标，该课程教学需要采用多学科实践结合的教学模式。多学科实践结合的教学模式是指联合不同领域、不同学科、不同专业的课程在教学的过程中结合生物信息学涉及到的知识和技能进行基础性、铺垫性教学。比如，在高等数学和统计学的教学过程中，针对生物信息学的需求，适当增加数学建模、统计方法、动态规划方法、数据挖掘等方面的基础内容，同时，开设实例实践教学，使学生理解和掌握隐马尔科夫链模型，牛顿迭代法、最小二乘法等方法的应用原理和规则;在生物科学专业课程设置上，尤其是实践课程的教学过程中，结合生物信息学涉及的引物设计、序列比对分析、基因及蛋白质结构功能预测等方面开展相应的设计性、综合性、开放性实验项目，使学生了解和掌握基本的生物信息学原理及软件的应用;在计算机科学的教学过程中，应根据生物信息学的需求，开设正则表达式、Perl语言、R语言等课程学习，以及增加Linux和Unix操作系统课程学习，使学生在学习生物信息学前打好坚实的基础。值得注意的是，生物信息学课程与其他课程的开设时间和顺序需要有一定的探索和评估，对于开设该课程的时间把握是开展多学科实践结合的教学模式的关键因素。过早开设生物信息学则会导致学生在不具备相应学科基础的条件下跨越式的接触生物信息学，无法理解和掌握相关的知识和技能;过晚开设则会使学生学习了相关学科知识和技能后，由于课程衔接不紧，导致在学习生物信息学时出现理解滞后和无法适应的现象。因此，针对不同专业和学科的特点，根据具体情况进行统筹安排，使生物信息学和其他相关学科课程有很好的衔接和过渡，以确保和提高生物信息学的教学质量。
生物信息学作为一门新兴的交叉性学科，综合生物学、计算机科学和信息技术试图，从大量数据中寻找具有指导和开创性价值的依据，为生命科学研究提供必要的、有效的系统模拟和信息预测结果。目前，生物信息学在生物医学、生物工程、植物学、动物学、生态学、遗传学、制药和高科技产业领域中的应用越来越广泛，产生巨大的影响力和推动力。
一、生物信息学在生物科学领域的作用
生物科学是研究生物结构、功能、发生和发展规律，及其与周围环境关系的科学。在分子生物学技术突飞猛进的发展过程中，生物科学从传统的个体及群体表征研究逐步演变为内在分子机制的研究，随着基因测序技术的发展，生物科学领域的研究不仅聚焦于生物个体的内在分子机制，同时还从大量的生物个体的基因数据中获取和解析生命的本质和规律，并以此尝试对生命过程进行干涉和改造。而在获取、解析、干涉和改造的过程中扮演重要角色的就是生物信息学。
生物信息学是在生物科学领域各个学科发展的过程中逐步产生的一门综合性学科，该学科在生物科学领域的应用极为广泛。目前，植物基因组研究取得了重大进展，水稻、大豆、小麦等农作物的遗传图谱、基因序列、基因组注释已公布于美国国立生物技术信息中心（NCBI）的生物信息数据库中。利用生物信息学的相关方法和技术能够对这些数据进行查询、统计和分析，从而更好地理解和认识植物基因组的功能，指导后续的科学研究和生产应用。传统的生物学分类方法已经鉴定及分类了成千上万的物种，但是随着生物科学的发展和认知，越来越多的物种在遗传进化上的分类依据较为模糊，而利用生物信息学结合传统的分类学可以更好的研究生物类群间（植物、动物、微生物等）的异同性、亲缘关系、遗传进化过程和发展规律，这在当今的生物分类学中应用日趋广泛。生物信息学还可以综合利用数学、统计学和计算机等学科对生态系统进行模拟和计算分析，探索物种间基因流动的本质，揭示生态系统的物质和能量循环规律，从而为找到决定生态系统平衡和稳定的根本因素提供重要的依据，帮助生态系统平衡的恢复。此外，通过生物信息学技术构建遗传工程菌，降解目标污染物的分子遗传物质，从而达到催化目标污染物的降解，维护生态环境的空气、水源、土地等质量，也是当今生态环境保护的新兴研究方向。
二、生物信息学的学科内容和课程要求
生物信息学主要由基因组学、蛋白质组学、系统生物学、比较基因组学、计算生物学等学科构成，主要涉及的内容有生物数据的收集、存档、显示和分析，体外预测、模拟基因及蛋白质的结构和功能，对生物的遗传基因图谱进行分析处理，对大量的核苷酸和氨基酸序列进行比对分析，确定进化地位等。从生物信息学的概念及其涉及的内容中可以明确生物信息学不是一门独立的学科，所以要求教师在教学过程中掌握多领域的知识和技能，才能较好地把握该课程。
1.高等数学和统计学基础
生物信息学将数学和统计学作为主要的计算理论基础，主要包括数学建模、统计方法、动态规划方法、数据挖掘等方面。此外还包括隐马尔科夫链模型（HMM）在序列识别上的应用，蛋白质空间结构预测的最优理论，DNA超螺旋结构的拓扑学，遗传密码和DNA序列的对称性方面的群论等。因此，在生物信息学教学过程中要求教师具备数学及统计学的计算方法的基础知识，能够利用牛顿迭代法、线性方程回归分析、矩阵求拟、最小二乘法等进行数学建模和计算，从而对基因和蛋白质序列进行比对、进化分析和绘制遗传图谱等。
2.生物科学基础
生物信息学包含的生物类学科有，生物化学、分子生物学、遗传学等基础学科，基因工程、蛋白工程、生物技术等应用学科。根据其课程特点，学生在学习生物信息学课程前需要学习生物化学、分子生物学、遗传学、基因组学、蛋白质组学等基本生物学课程，对于基因序列、蛋白质序列、启动子、非编码区等概念有深刻的理解，同时需要对一些重要的生物学数据库有一定的了解，如美国基因数据库（GeneBank）、欧洲分子生物学实验室数据库（Embl）和日本核酸数据库（DDBJ）等。此外，要求学生能够利用生物学数据库查找基因序列、蛋白质序列、基因及蛋白质结构模型，能够读懂数据库中基因和蛋白质的信息注释，能够计算蛋白质序列的分子量和等电点，能够为扩增特定的基因片段设计引物，能够对特定物种进行系统发育分析等。
3.计算机科学基础
计算机是生物信息学的主要辅助工具，利用生物信息学研究生物系统的过程需要能够熟练使用计算机对大量的生物信息数据进行处理和分析，这主要包括对数据信息进行搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。所以，学生在学习生物信息学的过程中需要了解和掌握一些常用的生物信息学软件，如BLAST和FASTA序列比对分析软件，Oligo和Primer引物设计软件，VectorNTI、DNASTAR、DNASIS等综合分析软件。此外，学生还需要学习和掌握一些常用的计算机语言，如正则表达式、Unix shell脚本语言和Perl语言。
利用生物信息学在处理和分析海量生物数据的过程中，计算机软硬件资源需要配合处理分析软件的运行，因此要求计算机操作系统使用Unix和Linux操作系统，这些操作系统需要大量的操作命令进行输入执行过程，对于经常使用Windows操作系统的学生来说是一个较难跨越的障碍。
三、生物信息学课程教学中存在的问题
目前国内大多数高校的生物信息学教学采用传统的教学模式，即以课堂式的理论教学为主，缺乏必要的实践教学。理论教学模式固定、教学方法单一、教学内容狭窄，通常是介绍性、科普性的课程，甚至作为公选课程。少数高校开展生物信息学的实践课程教学，但多以验证性实验为主，缺乏和专业相适应的综合性、设计性实验，而开放性实验更无从谈起。
1.教学模式固定单一
生物信息学在内容层面涵盖诸多学科领域，注重应用性和实践性。然而，目前大部分高校把生物信息学作为一门孤立的课程，这导致教师需要将大多数课程内容压缩到一门课程进行教学，在有限的教学时数下灌输大量内容，增加了学生学习的难度，降低了教学质量。再者，大多数高校仅开展生物信息学的理论教学，忽视实践教学过程，造成生物信息学理论与实践内容的脱节，使学生在学习完理论知识后难以深入理解和吸收，无法将所学的知识应用到后续的工作和学习中，最终未能体现出该门课程的价值。
2.教师专业背景薄弱
作为一门交叉学科，生物信息学的教学要求教师具有较强的数学、生物学和计算机科学背景。然而，目前从事生物信息学教学的教师即便具备深厚的生物学背景，但是多数教师在数学和计算机方面较为薄弱，并不具备完整的生物信息学知识体系，对生物信息学发展趋势也了解不多。在师资缺乏的情况下，院系开设生物信息学课程，教师为了完成教学任务，仅仅在教学中进行介绍性的讲解，在课程考查方式上通过小论文、综述和课外活动等方式完成该课程的学习。因此，无论是理论教学还是实践教学均无法实现该课程大纲的要求，从而影响学生对生物信息学课程的理解和掌握，生物信息学的实践操作能力更无从谈起。
3.实践教学薄弱，专业教材缺乏
生物信息学实践课需要学生在网络环境下用计算机学习NCBI数据库的检索与使用、序列比对分析软件的应用、蛋白质空间结构图视软件的应用、序列拼接软件的应用等。但是目前，大多数高校开设的生物信息学课程多以理论教学为主，实践教学课时非常少或者为零，学生对于生物信息学课程的学习仅仅通过教材上抽象的文字描述进行理解和掌握，这导致学生在理论课中学到的知识无法在实践课中进行验证或操作，严重影响了生物信息学的教学质量，也偏离了教学大纲中强调的重在培养学生实践操作能力的培养目标。
另外，目前还没有适用于生物科学专业的生物信息学教材。国内各大高校使用的教材多为国外教材的影印版或者中文翻译版本，这些教材偏重介绍生物信息学的理论和方法，涉及的实践内容较少，学生需要具有较高的相关知识才能接受和使用这些教材。因此，部分高校在生物信息学教学过程中往往使用自家编写的简化教材，从而造成生物信息学教学内容不统一，教学大纲混乱等情况。
4.实践课程经费不足，实践教学环境落后
当今，许多发达国家都很重视生物信息学的教学和研究，积极开展各种生物信息资源的收集和分析工作，培养大量生物信息学人才，为整个生物学的理论研究及其相关产业创新（主要是医药和农业）提供指导和支撑。国内对生物信息学的关注和认识起步较晚，其发展落后于国际发达国家。国家和高校对生物信息学的教学和科研资金投入力度不大，缺乏必要的仪器设备，生物信息学的实践教学条件得不到保障，比如大多数高校的生物科学专业没有相应的计算机实训室，配套软件也相对匮乏，落后于国际发展水平。
四、生物信息学教学模式改革的探索
1.修改理论和实践教学大纲，编写适用的实践教材
根据当今生物信息学的发展方向，制定和修改理论教学大纲，除了引物设计、基因和蛋白质序列比对、基因和蛋白质结构功能预测等基本内容外，还需添加系统进化树分析、聚类分析、蛋白质互作网络谱图等较为综合的内容。另外，增加实践教学课程比例，充实实践教学内容，结合理论教学内容增加综合性、设计性实验，适当提供科研环境，鼓励开展开放性实验。
目前国内并没有系统的、专业的生物信息学实践教材，因此针对高校生物科学专业方向的特点，联合多学科领域（数学、生物科学、计算机科学）编写相应的生物信息学实践教材，在制定、修改实践教学大纲和编写教材的过程中结合学生的接受能力，由浅入深，多设实例和相关练习，使学生循序渐进的理解和掌握生物信息学的原理和方法，掌握更多的生物信息学工具。
2.紧密联系科研、基于实践问题开展教学
通过实践教学把生物信息学教学与科研有机结合起来，能够促进教学与科研的共同发展。在紧密联系科研的过程中，采用基于问题的教学（PBL）方法，通过实践教学环节，培养和训练学生把所学的生物信息学的知识和方法应用于各种生物科学领域的科研活动中，通过解决实际问题训练学生的实践技能，从而促进教学与科研的双重发展。例如，在生物信息学实践教学中多加入生产和科研中遇到的经典实例，鼓励学生利用相关的生物信息学软件及相关的理论和方法解决问题。学生也可以选择自己感兴趣的课题，利用自己熟悉的、合适的生物信息学软件和相关知识开展课题研究。此外，专业教师在指导学生课题研究的过程中还可以发现理论和实践教学的不足，不断的完善生物信息学理论和实践课程大纲和内容，提高教学质量。
3.开展多学科实践结合的教学模式
生物信息学属交叉学科，包含了不同领域的专业知识和技能，为使生物信息学教学达到教学的目标，该课程教学需要采用多学科实践结合的教学模式。
多学科实践结合的教学模式是指联合不同领域、不同学科、不同专业的课程在教学的过程中结合生物信息学涉及到的知识和技能进行基础性、铺垫性教学。比如，在高等数学和统计学的教学过程中，针对生物信息学的需求，适当增加数学建模、统计方法、动态规划方法、数据挖掘等方面的基础内容，同时，开设实例实践教学，使学生理解和掌握隐马尔科夫链模型，牛顿迭代法、最小二乘法等方法的应用原理和规则；在生物科学专业课程设置上，尤其是实践课程的教学过程中，结合生物信息学涉及的引物设计、序列比对分析、基因及蛋白质结构功能预测等方面开展相应的设计性、综合性、开放性实验项目，使学生了解和掌握基本的生物信息学原理及软件的应用；在计算机科学的教学过程中，应根据生物信息学的需求，开设正则表达式、Perl语言、R语言等课程学习，以及增加Linux和Unix操作系统课程学习，使学生在学习生物信息学前打好坚实的基础。
值得注意的是，生物信息学课程与其他课程的开设时间和顺序需要有一定的探索和评估，对于开设该课程的时间把握是开展多学科实践结合的教学模式的关键因素。过早开设生物信息学则会导致学生在不具备相应学科基础的条件下跨越式的接触生物信息学，无法理解和掌握相关的知识和技能；过晚开设则会使学生学习了相关学科知识和技能后，由于课程衔接不紧，导致在学习生物信息学时出现理解滞后和无法适应的现象。因此，针对不同专业和学科的特点，根据具体情况进行统筹安排，使生物信息学和其他相关学科课程有很好的衔接和过渡，以确保和提高生物信息学的教学质量。
五、结语
生物信息学是现代基因组学时代的开阔者，也是生物科学研究的重要的工具和载体。针对生物信息学的特点，高校生物科学专业课程设置、教学方法、教学模式和教学软硬件等需进行一定的改革，将多学科实践结合的教学模式运用到生物信息学的教学实践中，在提高教学质量的同时将更好的提升学生科研、应用和创新能力。
参考文献：
[1] 郝柏林，张淑誉.生物信息学手册[M].上海：上海科学技术出版社，2002.1-10.
[2]GUYD， NOELE， MIKEA. Using bioinformatics to analyse germplasm collections [J]. Springer Netherlands，2004.39-54.
[3]王春华，谢小保，曾海燕.深圳市空气微生物污染状况监测分析[J].微生物学杂志，2008，28（4）：93-97.
[4]张菁晶，冯晶，朱英国.全基因组预测目标基因的新方法及其应用.遗传，2006， 28（10）：1299-1305.
