生物信息學的優勢范文
時間：2023-12-21 17:36:32
導語：如何才能寫好一篇生物信息學的優勢，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
關鍵詞：信息技術；生物數學；教學整合
現在，信息技術在我們生活中被廣泛應用，它改變了我們的生活和工作方式，教育和學習的方式也隨之改變。由于生物學是研究生命現象和生命活動規律的學科，所以，信息技術在中學生物教學中廣泛應用，促進了信息技術與生物教學的整合，成為生物課程改革和研究的重要組成部分。
一、信息技術與中學生物教學整合的優勢
1.信息技術能形象地研究生命現象和生物的活動規律
信息技術在中學教學中的應用，使教學內容呈現出更多樣的方式，在教學過程中實行視覺和聽覺的有效結合，突破了古板的教學方式，例如，我們可以把心臟制造成跳動的動態節奏；“動脈血”用鮮紅色表示，“靜脈血”用暗紅色表示，“血液”的流動方向用“紅細胞”的運動代表；毛細血管制作成動畫來響應機體循環中各種物質的交換過程，和血液顏色在與氣體交換后的變化形式。這樣，我們會更好地向學生展示“心臟”跳動的頻率，“血液”流動的方向，“動脈血”和“靜脈血”的轉變過程，學生會在他們的頭腦中留下深刻的烙印，加上學生的仔細觀察和認真思考，學生一定會更快地體會到血液循環的途徑和重要意義，一定可以收獲到意想不到的結果。
2.信息技術教學能實現生物教學中微觀向宏觀的轉變
微觀性在中學生物學中是一個重要的特性。如，細胞是生命中最基本的單位，這節就講述了細胞的結構和功能；細胞的繁衍和分化；癌變和衰老等一切關于微觀生物學的實質，但其微觀性較強，學生在學習過程中會有很大的阻礙，也讓初學者很難邁出這第一步門檻，造成很多學生對生物學失去了興趣。傳統的教學是以老師的語言敘述、板書的描寫、模型的展示來對學生進行教學，逼迫學生重復記憶學習，使學生產生了厭煩的情緒。我們運用信息技術就可以解決這方面的問題。
例如，利用多媒體講述“細胞器――系統內的分工與合作”這節內容效果會大大不同，通過色彩形象的細胞亞顯微結構整體演示，在學生的腦海中形成了整體的印象，之后演示細胞質基質部分閃動方式和顏色的體現，這樣可以使學生對細胞質基質和細胞器更好地區分開。接著逐一對細胞器進行逐一的擴大和特寫，通過學生的仔細觀察、認真的感知和自主探究的過程掌握了各個細胞器的結構和功能。
3.對生物實驗進行模擬，從而達到教學質量的提高
生物學中離不開生物實驗，在實驗中，學生可以親身經歷科學研究的基本過程，這對學生理解和掌握所學知識起到了重要的作用。通過實驗還可以提高學生的動手能力、創新能力、互相交流的能力等。但是實際的教學中，實驗經常會被許多方面的條件制約導致無法實施。這樣教師只能借助教材空講實驗，學生也只能勉強地熟記實驗的過程，學生的學習質量可想而知?，F在信息技術走進教學，為中學生物實驗提供了寬闊的空間，也解決了技術條件不足的問題。
二、信息技術教學在中學生物教學中存在的缺點與不足
現在，培養學生的動手能力是當今素質教育和創新教育的必抓內容，要勤于動手，不應一味地依靠現在的教育科技，這樣會對我們的動手能力和創新意識形成阻礙。課中教師注視電腦屏幕的時間多于與學生交流的時間，再加上教室的灰暗光線導致學生不能清楚地辨別教師的表情、眼神、手勢等，影響了教學的質量。另外一些抽象、微觀的語言很難敘述問題，信息技術不能很好地表示清楚，畢竟計算機只是創造環境讓人們交流、分享隱形知識。因此信息技術與傳統教學相結合，相互補充，選優取之，才能獲得更好的結果。
總體而言，現在教育化的今天，信息技術在中學教學中的應用，不但對生活現象和有關知識表現得更加直觀和形象，實現生物學教學由微觀向宏觀的轉化，更可以很好地對生物實驗進行改良，可以幫助學生自己探索學習，從而提高教學效率等。可同時也要了解現代教育技術與傳統教育方式是相互依靠、互相補充的，把兩種教育方式相互結合在一起，取之長，去其短，這樣的教學才能達到理想的效果。
篇2
關鍵詞：探究性實驗教學；教學模式；教學內容；高中生物
在高中生物教學中，利用探究性實驗對學生進行引導，協助學生運用基礎生物知識和基本生物實驗原則、方法等進行實驗方案設計、討論和分析不僅可以激發學生的學習興趣，拓展學生的綜合思維能力，還能夠增強教學的針對性，提升學生對生物知識的了解和掌握。在高中生物實驗教學中采用探究式教學也是新教學環境下實現素質教育的必然要求。
一、探究性實驗教學概述
隨著學生綜合素質的提高和教學環境的改善，傳統的教學方式已經無法繼續適應以素質教育為目標的教學需求，這就要求必須進行教學改革。具體到生物實驗教學中體現為：增強學生的動手能力和實驗儀器的控制能力；訓練學生獨立操作能力；培養學生對實驗數據和實驗結果的分析能力；協助學生對誤差等進行合理闡釋等。
探究性生物實驗教學以小組為單位，可以在輕松、自主、溝通的環境下對生物學習中的未知理論知識進行探索，對已有理論知識進行驗證。這樣不僅可以增強學生的動手能力，還能夠活躍課堂氛圍，提高學生分析問題、解決問題的能力。
實施探究性實驗教學可分為以下幾個環節：創設情境，揭示課題；討論分析，制定方案；溝通交流，優化設計；實踐操作，分析結果。其中最為重要的環節為方案的設計與優化。適當的實驗方案可以幫助學生有效組織知識結構，制定與預期結果相符或相近的實驗結果，充分體現學生對學習內容的掌握程度和理解深度。
探究性實驗的常用步驟為：（1）根據實驗方案選取實驗材料。實驗材料的選取應該盡量保持一致性，以便消除變量因素以外的干擾因素。（2）對每組材料分別進行處理。探究性實驗的關鍵在于對照組的設置和處理，通過對比才能夠獲得更加科學和更加縝密的實驗現象和實驗結果；（3）觀察比較，分析并得出結論。通過觀察比較可以對實驗現象進行整理和歸納，進而獲得預期的實驗結果。
二、優化教學模式，提升學生的實驗興趣
舊教材中的實驗大多是驗證性實驗和觀察性實驗，學生不需要知道實驗設計的原因和內在關系，只需要根據實驗內容進行相應的操作即可。這種生物實驗教學雖然可以提高學生實驗操作步驟和實驗結果的準確性，但是極大地限制了學生創新能力的發揮，不利于培養學生的綜合素質能力。而探究性生物實驗則可以改變這種傳統教學模式中存在的局限性，將學生作為教學主體，調動學生的學習積極性，鼓勵學生參與到實驗的整個過程中，提倡讓學生利用現有知識根據實驗要求自主設計和制定實驗方案，總體提升學生的個人能力。
如在進行“溫度對酶活性的影響”的教學實驗時，學生會根據已有知識選擇利用斐林試劑驗證酶的催化效率作為酶活性的體現指標。學生根據菲林試劑與酶的關系通常會設計出兩種方案。
第一種方案：在三只試管中分別加入等量的新鮮淀粉酶溶液，分別將三只試管放入不同溫度中一段時間，如分別將三只試管放入冰水、60度熱水、沸水環境中5分鐘，然后取出三只試管放入相同環境下，向其中加入等量可溶性淀粉和碘鹽進行實驗驗證。
第二種方案：同樣在三只試管中分別加入等量的新鮮淀粉酶溶液，之后分別又加入等量可溶性淀粉，然后將三只試管分別置入第一種方案的環境下，經過一段時間后取出加入等量碘鹽溶液進行實驗驗證。
由于是學生設計的實驗，故學生均會認為自己的實驗方案是正確的，但是實驗結果表明實驗方案并不理想。如方案一中后加入的淀粉溶液會影響實驗溫度，而方案二中淀粉與淀粉酶的同時加入會影響實驗結果。此時教師可與學生進行討論，對現有實驗方案進行優化設計，獲得最佳的實驗效果。
優化實驗內容為：分別取兩組試管，每組試管由三根試管組成。其中一組試管添加等量淀粉溶液，另一組試管添加等量淀粉酶溶液，然后將兩組試管分別浸入不同溫度的水中一段時間后取出，將兩組試管依次對應混合搖勻后重新置入對應溫度環境中，分別加入等量碘鹽溶液觀察實驗現象。
三、拓展實驗教學內容，提升學生對探究實驗的認識深度和廣度
高中生物教學除了依靠教學資源的支撐之外，還應該充分挖掘教學內容，結合實際生活對教學內容進行拓展和延伸，增強課內探究性實驗教學和課外自主實驗探索的結合度，真正提高學生學習知識、應用知識的能力。
首先，可以對實驗內容和實驗資源進行開發。對于一些實驗材料和實驗方法較為容易實現的教學內容，可以讓學生發揮個人的主觀能動性進行自主創新和修改。
其次，可以借助常規實驗的原理、方法等進行實驗拓展，幫助學生創設新的、與實際聯系密切的，可提高學生對生物認知深度和廣度的實驗。
再次，可以結合教學要求針對性地選擇教材中的重點知識讓學生去自主設計探究實驗，并對實驗內容和實驗結果進行相互交流，分析各方案的優缺點，對現有實驗方案進行總結和優化，最終通過一系列實驗過程掌握和理解重點教學內容。
參考文獻：
[1]宋軍山.定位實驗教學，引領學生探究實驗[J].教學與儀器，2011，（11）.
篇3
關鍵詞：競爭-合作式學習 新課程 初中生物
生物課程理念在提高學生生物科學素養（即參加社會生活、經濟活動、生產實踐和個人決策所需的生物科學概念和科學探究能力，包括理解科學、技術與社會的相互關系，理解科學的本質以及形成科學的態度和價值觀）的同時，倡導探究性學習的過程中培養學生分析和解決問題的能力以及交流與合作等方面的能力，并指出教學要著眼于學生全面發展和終身發展的需要，要為學生步入社會做準備[1]。
1、初中生物學科的特點
作為自然科學，生物學與物理學、化學、自然地理學等一樣，都是以自然界為研究對象的，但生物學研究的又主要是自然界中有生命的部分，所以初中生物學科不同于其他科目，它有其獨有的特點。生物是以實驗為基礎的理科課程，十分強調具體經驗在學習中的重要性，在教材中充分重視為學生創造觀察自然、互相討論的機會，為合作競爭教學提供了很好的實施環境，特別是實驗教學中，實驗小組成員間的合作是客觀存在不可缺少的，組間競賽是小組有效合作的動力源泉，因此，競爭－合作學習是適合于本課程教學的一種較好的策略[2]。
2、初中生物競爭－合作式學習中教學主體間相互作用的方式
教學主體主要包括教師和學生，競爭－合作學習中教學主體相互作用主要是指教師與教師之間、教師與學生之間以及學生與學生之間相互作用的方式。
2.1競爭－合作式學習中教師的角色
教師正確定位自己在競爭－合作學習過程中的角色，將對于競爭－合作學習的順利展開具有十分重要的意義。作為教師，應在教學之前就做出許多決定，確定教學目標、解釋教學任務、組織實施課程、進行課程評價和反思等，具體包括：
進行教學前的決策。決定小組的大小，學生分配到小組的原則，小組成員的分工，進行教室的空間布置。
解釋學習任務和競爭－合作的結構。向學生解釋教學任務，告知學生成功的標準，幫助小組成員明確自己的責任，闡述自己所期望看到的一些具有合作與競爭特征的行為。
監控和干預。對教學秩序的監控，對小組進行競爭－合作學習的監控，指導學生勝利完成競爭－合作學習。
評價和審查。對學生競爭－合作學習效果的質量和數量給予評定。
2.2競爭－合作式學習中生生相互作用的方式
學生在競爭－合作學習過程中主要存在兩種作用方式，一是競爭，主要是指小組之間的競爭，也就是一個小組的成員與另外一個小組的所有成員之間的競爭；二是合作，主要是小組內成員之間的合作。在競爭的情況下，學生之間有所保留，不愿將自己的與他人分享，并且有敵對的感情存在。在合作的情況下，小組之間為了在最終的競爭中取勝，可以毫無保留，尤其是優等生可以自覺指導該組中成績不好的學生進行學習，以增加小組競爭優勢。
3、指導初中生物競爭－合作式學習的技術
3.1指導競爭的技術
學生之間一直都存在競爭，但是很多學生不知道怎么去競爭，才能取得最佳的效果。競爭的盲目性帶來了許多害處，如學生競爭的手段過激，學生對競爭過程的看法扭曲，以及不能正確看待競爭的結果。競爭之道并非坦途和捷徑，為了取勝，必須掌握競爭的技能和技巧。教師在實施競爭學習之前就應先教會學生這些技能和技巧：
(1)揚長避短，趨利避害。所謂競爭，就是對手之間力的較量。與此相應的對策，就是認識己方與對方的長處和短處，克服心理定勢的消極影響，進而充分發揮自身的優勢，盡量縮小自身的缺點。教師應該幫助學生了解到自身的不足，同時引導他們改善自身不足和學習他人的長處。幫助學生在競爭－合作學習過程中，知道如何發揮自己的優勢，克服自身的缺點。
(2)逆境不餒，處變不驚。人生不如意事十之八九。在競爭過程中，由于主觀、客觀的原因，自己難免處于逆境、絕境。當自己處于劣勢之時，對策原則就是逆境不餒，處變不驚，冷靜沉著，力挽狂瀾。在競爭－合作學習過程中，必然會出現勝利者和失敗者，失敗的一方，往往會出現兩種極端，一是對接下來的競爭－合作學習活動失去興趣，二是能夠從失敗中尋找自身不足，努力改正，爭取在下一次活動中戰勝對手。
(3)協調關系，良性競爭。在競爭－合作學習過程中，強調的是組內合作和組間競爭，但是并不排斥組與組之間建立適當的合作。學生可以根據活動的需要，結合自身情況進行適當的組間合作，協調好自己組和其他組的關系，達到共贏的目的。
3.2指導合作的技術
(1)促進小組成員和睦相處
由于在分組時，要遵循異質分組的原則，小組成員大多在能力與個性上存在差異，那么小組成員在相處過程中必然會產生一些摩擦。這一問題，并不難解決，隨著小組合作學習次數的增多，教師的有效引導，情況會有所好轉。教師可以經常告誡學生，在小組中與同伴合作是學生在小組活動中應當表現的行為。還要使學生明白，藐視合作，取笑他人，拒絕幫助他人是不可取的，也不是有效的學習方法。教師可以將小組合作的狀態作為附加分，以促使小組成員和睦相處，相互合作。
(2)噪音的有效控制
在小組合作學習過程中，由于小組成員之間要進行交流討論，班級會變得較為嘈雜，這是一種自然趨向。在評價過程中，如果能將小組的秩序混亂與產生嘈雜的相關因素也作為評價的一個標準，相對而言，可以比較好的控制噪音和嘈雜程度。
(3)小組表揚
在活動中給予表現比較好的小組獎勵，可以讓其他小組成員明白什么樣的行為是有價值的，被表揚的小組就起到了模范帶頭作用。在合作學習過程中，教師要能夠對表現好的小組給予及時獎勵。
4、結論
總之，競爭－合作式學習使教學活動呈現出師生之間、同學之間以及學生自身的多向反饋結構。強烈的競爭機制充分調動了學生的主動性并激活了思維。競爭－合作式學習同時培養了學生的集體意識，使他們深刻意識到團結協作的重要性，要想“泰山移”，必須“人心齊”。
參考文獻：
篇4
【關鍵詞】生物信息學；醫藥基因；應用
中圖分類號：R9
文獻標識碼：A
文章編號：1006-0278（2015）02-119-01
當前，生物信息學是自然科學以及生命科學等前沿領域，集合了多種學科，是21世紀研究自然科學的核心和基礎。
一、藥物設計與發展
（一）傳統藥物研發
藥物研究和開發的傳統方法就是從動物器官、組織或者細胞中篩選出符合要求的藥理模型，或者從植物、動物以及天然礦物質入手，又或者在確定候選藥物的過程中以化學合成為基本形式，并進一步優化先導物，一切工作準備就緒以后即可將候選藥物推入臨床使用，觀測其使用效果，合格以后投入市場。這種方法簡單有效，但是費用和時間都相對花費較多。據不完全統計，在未誕生生物信息學以前新藥的研究開發需要歷經十年時間，其所花費的費用總額約為5-10億美元；此外，傳統的新藥研究方法存在一定的缺陷和不足，篩選合成物的過程較為繁瑣，新藥開發效率極低。
（二）計算機輔助藥物設計
白上世界70年代開始，美國麻省理工學院霍恩貝爾教授率先提出了分子設計，白此之后，藥物分子設計逐漸被應用到新藥研究中；而隨著計算機技術的進一步普及和推廣，藥物分子設計的基礎就是計算機輔助藥物設計方法，即CADD。計算機輔助藥物設計的一般原理就是：第一步，在X單晶衍射等技術的支撐下獲取完整的大分子結構，并在相關軟件的支持下分析具體的化學性質；第二步，充分發揮全新藥物分子設計技術以及數據庫搜尋的優勢，尋找理化性質與分子形狀與受體作用位點相一致的分子，測試并合成分子生物活性，在循環幾次以后，就能順利得到新的先導化合物。當前，主要有二種計算機輔助藥物設計方法：其一，藥效基團模型方法、定量構效方法等基于小分子的藥物分子設計方法；其二，計算組合方法；其二，分子對接法等基于受體結構的藥物分子設計方法。
二、生物信息學在藥物設計中的應用
1.生物信息學的研究領域較廣，涉及的內容較多，主要包括非編碼區功能研究、蛋白質譜技術和蛋白質組研究、基于完整基因組數據的生物進化研究、生物大分子結構模擬和藥物設計、基因表達調控網絡的研究、大規?；蚪M測序中的信息分析、生物信息的收集、存儲、管理與提供以及啟動子、外顯子、內含子的識別等。近年來，新的高效實驗技術不斷發展，這就要求生物信息學不斷擴展研究領域。生物信息學的出現和推廣，為藥物設計和開發提供了新的路徑和方法，推動著藥物設計向理性化和專業化的方向發展，這大大減少了新藥的研究費用和開發時間。蛋白質序列和核酸序列的功能和結構信息是生物信息學的主要研究對象，這為藥物設計提供了堅實的理論支撐，大大縮短了藥物開發使用的時間。當前，大量的生物大分子二維結構已經被成功測定，依據大分子和藥物分子相互作用的原理，可以在研究受體結構的基礎上科學設計藥物分子。所以，藥物設計的一種重要手段就是充分發揮生物信息學的優勢，尋找出合適的先導化合物。全新藥物分子設計、分子對接以及二維結構搜索是目前較為普遍的幾種方法。
2.物信息學的發展切實改變了藥物研究和開發的模式。傳統的藥物研發模式就是篩選并選擇出合適的藥理模型先導物，并將先導物進行優化，評價合格以后投入市場使用。在基因組計劃大力實施的今天，DNA自動測序大規模完成，序列數據急劇增加，生物信息學在對數據進行加工、整理的過程中會發現藥物的新靶點，然后對其進行計算和建模，確保藥物設計的順利進行，這在一定意義上開創了藥物研究和開發的新模式，有利于增強新藥研發的有效性和針對性，大大縮減了藥物設計和研發的時間，節省了人力、物力、財力投入。
3.生物信息學參與新藥推向市場。在研制新藥并臨床適用通過以后，就要將其推廣到市場，這時，首要的就是收集和整理該藥所治療的疾病患者的地區分布、市場需求以及年齡結構等情況，從而制定出市場價格、專利申請保護等切實可行的市場開發戰略，為新藥注入持續不斷的發展活力。但是這些信息較為分散，收集難度較大，這時就要充分發揮生物信息學的優勢，對網絡數據庫中的信息進行分析和整理，減少開發過程中的盲目性，大大提升新藥的開發效率，減少物力、財力等資源消耗。
三、結語
當前，生物信息學逐漸成為現代藥物開發和研究的重要工具，而且藥物設計與生物信息學有著更加緊密的聯系；與此同時，藥物設計的不斷發展也要求生物信息學進一步拓寬研究領域和范圍，生物信息學的發展會在一定程度上推動藥物設計的發展和進步。
參考文獻：
[1]張建華，張士金生物信息學能否推動現代中醫藥研究的發展[J]醫學爭鳴，2012（5）.
篇5
關鍵詞：個性化習題；生物信息學；QQ群
中圖分類號：G811.4 文獻標志碼：A 文章編號：1674-9324（2016）48-0171-02
生物信息學是生物學、計算機科學和信息技術等支持的，包括存儲、組織和生物數據檢索的一個現代交叉學科。隨著分子生物學和信息技術的不斷突破，各種生物數據的獲得變得非常容易，但是如何對這些數據進行組織、分析和處理，并從中發掘出能用于解決生物科學問題的信息，成為目前生命科學的難點和熱點。生物信息學因此應運而生，其本身不僅是研究現代生物學，也是研究其對工業、醫療等重要領域影響的一門實踐性學科（Bloom，2001）。
一般認為，生物信息學主要滲透到統計數學、計算機和生命科學，尤其是生命科學的組學領域（郭麗等，2014），因此在教學中，生物信息學的教學內容往往因學生背景不同而會有不同的側重。這就需要教師根據學生的背景及知識結構的需求來合理安排教學。本文根據近年來對生物信息學教學的經驗，從教學方法、個性化練習題對學生上機的促進及QQ群投票功能在教學中的應用等方面進行了總結，對如何能夠提高生命科學學院的學生學習此門課程的興趣進行了探討。
一、現代教學方法的利與弊
隨著計算機科技的不斷進步，教學已經從傳統的板書模式進入到現代多媒體教學模式中。多媒體技術應用的初衷是提高學生的參與度，滿足教學手段更民主、多元化及個性化的教學目標，其優點為表現力豐富，可以通過動畫、視頻、圖像、音頻等效果將抽象難懂的問題直觀化。其次，節省了大量的板書時間，同時教師可將教學的重點、難點鏈接，以益于學生直觀地了解并進行思維拓展（張林，2011）。多媒體最明顯的一個特點就是教學容量加大，但正是這些優勢也伴隨相應的問題：（1）重形式而忽視教學內容。很多學校在進行教學管理及評價時，過分關注多媒體課件的形式以及學生的感受，導致有些教師過分注重多媒體的表現形式而忽視了教學的主要內容。（2）教學容量和學生的吸收量之間反差較大。由于教學內容和容量的增大，教師并沒有根據授課對象的具體情況合理安排和講授學科內容，而被動的成了多媒體的播放員和解說員?？傊?，多媒體教學利大于弊，因而成為教學改革和發展的必然產物，雖有缺點，但不能因噎廢食，需通過其他方法來克服弊端才能達到完美的教學效果。
二、個性化習題是學生實踐提高的強力推動器
生物信息學是一門實踐性非常強的學科，為了加強學生的實踐能力，教師要綜合應用啟發式、運用式及討論式等多種教學方法來激發學生的興趣。筆者在課堂實踐中，充分發揮個性化習題的作用，將教師的科研滲入到課堂，注重理論與實踐相結合，努力提高學生解決實際問題的綜合能力。比如，在講授第五章內容電子克隆部分，此章節目的是通過一段表達序列標簽（EST），綜合應用Blast、序列比對、步查法等方法查找各種數據庫，通過軟件的應用進行拼接、預測、去除內含子等方法，最終獲得可能的全長cDNA序列并加以注釋。在以往的教學練習中，全班同學的任務一樣，難以知道學生是否真正掌握所教授的內容，為此，筆者將學生分組，每組自行通過閱讀文獻獲得一條其感興趣的EST序列，或者利用他們的畢業論文中涉及的EST序列去進行電子克隆練習，通過這種個性化習題的隨堂練習，能顯著強化學生的計算機應用能力和實踐能力，同時也能提高學生在教學中的積極性、主動性和創新性。
三、發揮QQ群的投票功能在教學練習中的作用
生物信息學是一門交叉學科，對于非生物信息學專業的生命學院的學生而言，雖然教學大綱只要求學生掌握一些基本軟件的原理及數據庫的熟練使用。但是，這需要學生具有扎實的生物化學、遺傳學、細胞學及分子生物學的基礎知識。比如，在講授第三章“核酸序列的分析”時，會要求學生利用已知的EST序列去Blast查找與之有同源性的基因組序列，進行序列比對，預測并利用Bioedit軟件找出此基因的啟動子、終止子和剪接點。這首先要求學生必須明確這些分子生物學的概念，否則在有限的生物信息學課堂上，會變成分子生物學或遺傳學的復習課。而課外QQ群就起到了非常重要的交流促進作用。筆者在將QQ群的功能應用到課外教學輔助平臺的基礎上，充分發掘QQ群的投票及評論功能為教學所用，例如教授第三章前，將課件放到QQ群的文件中，讓學生去預習。為激發學生預習的主動性，要求學生在評論中列出對本章的主要知識點或難點，并對課件中涉及的名詞進行解釋。為進一步加強理解，對投票功能進行設置，相應的對投票選項1、2、3、4分別設置成A、B、C、D，這樣教師可根據需要將知識點轉化成練習題，以加強學生的學習。同時，也可鼓勵學生將一些新的感興趣的話題或問題置于QQ群?？傊?，QQ群的投票功能可以成為教師與學生課下交流的一扇窗口，成為生物信息學的一種及時且重要的學習工具。
四、建議與展望
生物信息學是一門新興學科，但我國無論是在對學科的重視還是發展程度上，與國外都存在一定的差距。在美國，計算生物學國際協會教育委員會一直致力于將生物信息學整合到高中生物教材中，學生在高中即接觸生物信息學，而且高校對高中生物信息學的教學提供相應的培訓課程和網上資源，生物信息學和其他分子生物學、植物學等一樣較早的深入到學生的知識體系中。而我國由于該學科產生的歷史較短，課程的開設集中在“985”、“211”重點院校的生物信息學專業，盡管近十年來，各大高校也意識到此學科的重要性，且課程也在逐步在開設，但由于學時短，很多教學僅限于學生掌握基本的數據庫的查詢。為使生物信息學能在普通院校的生命科學學院能很好的開展，各個高校應建立合適的課程教學內容。雖然近年“生物信息學”課程在各高校紛紛開設，但由于生物信息學是一門發展中的學科，它的理論及內容尚在不斷完善與更新中（郭麗等，2014）。因此，對于教材的選擇，不能只追逐信息量充足、內容新穎、知識選材前瞻性好的教材（楊娥等，2014）。作為普通院校的非生物信息學專業的本科生，想在較短的時間內（36課時）很好掌握如此大信息量的知識較為困難（劉宏生等，2010）。因此，需要依據學生基礎及院校的人才培養目標和現今生物信息學發展的現狀建立合理的課程內容體系。另外，由于缺乏合適的專業人才，生物專業的生物信息學的師資力量薄弱，無法建成高水平的教學隊伍。因此，加大生物信息學教師的培養力度，建成一支專業的、年齡和知識結構合理的師資隊伍，是提高本科院校生物信息學教學的關鍵問題之一。
參考文獻：
[1]Bloom，M. Biology in silico：The bioinformatics revolution[J]. The American Biology Teacher，2001，63（6）：397-403.
[2]郭麗，趙楊，婁冬華，等.生物信息學實踐課教學改革探索[J].南京醫科大學學報（社會科學版），2014，（2）：165-167.
[3]張林，柴惠.現代教學手段在生物信息學教學中的應用[J].新課程研究，2011，（219）：156-157.
篇6
關鍵詞生物信息學移動設備互聯網選修課信息化
生物信息學是一門新興的交叉學科，它綜合了生命科學、計算機、統計、化學等多個學科，是目前生命科學最具活力的前沿領域之一。我國首個生物信息學專業課程于2000年在北京大學開設。[1]至今，伴隨該領域越來越受關注，在科研領域及社會上的普及應用，為培育專業人才和滿足在校大學生的研究興趣，各大院校陸續在農林、生命、醫學專業內設置生物信息學專業必修課。同時，為滿足校園內廣大愛好者的學習興趣，大學內部也增設了生物信息學專業校選課。因此，生物信息學作為當前教學及科研領域關注的熱點專業，其教學內容及教學效果也備受師生矚目。
隨著信息化時代的到來，移動通訊設備已經融入每個人的日常生活中，隨著智能手機的普及和推廣，移動媒體不僅在社會中普及推廣，智能手機、iPad、便攜筆記本電腦也在校園內使用普遍，幾乎人手一機。而4G網絡的全面覆蓋及校園互聯網的推廣，更促進移動設備融入了學生的日常生活中。
1移動設備的優勢及用途
目前中國的移動設備尤其是手機的增長速度十分迅速，移動設備的普及率已經遠遠超過計算機的使用率（截至2015年1月PC機訪問互聯網率為80.9%，移動設備訪問互聯網率為85.8%[2]）。在大學校園中，移動設備訪問互聯網的使用率更高。
1.1移動設備引入教學的優勢
移動設備引入課堂教學中有以下幾個優勢：第一，攜帶方便，操作便捷。移動設備往往體積較迷你，且在校園大學生中普遍使用，而且隨著各項APP資源的開發與拓展，操作步驟簡單，過程簡潔。易于熟練掌握。第二，互聯網接入不受限。隨著移動4G網絡和校園WIFI熱點的覆蓋，可隨時隨地使用移動設備訪問互聯網，即便是在教室課堂上也不受地域和時間的限制，只要點擊移動設備即可輕松訪問互聯網，做到數據訪問與交換。第三，APP內部訪問形式的多元性，因為iPad，智能手機等多媒體、通訊設備工具的普及情況，[3]許多分子數據庫維護機構推出了移動設備可訪問的網站瀏覽形式，節約數據交換量，可用簡潔的操作頁面進行不同條目閱覽或實現數據接收發送，極大提高了網站的訪問與信息傳輸效率。第四，結果反饋的多樣性。通過移動設備訪問各大網站或者APP內訪問，移動設備上直接呈現可視化字符、圖形、影響、圖像等多元素材。該特點易于對分子生物數據類型網站的結果查詢和分析。
1.2移動設備在高校大學生信息化教學中的用途
在現代信息化教學及改革過程中，包括移動智能手機，平板電腦等微型移動設備可隨時隨地被使用。而且隨著數據通訊的技術變革，互聯網的訪問也不受時間和地域限制。而相對傳統教學模式而言，現代化的教和學的過程中，如果可以任何時間和地點內，都可以對當下教學實踐信息利用移動設備和互聯網進行實時訪問，可以加強學習效果。目前現代的移動設備已經成功應用在大學英語、大學電子商務的課堂教學過程中。[4]即可以利用課堂中的碎片化時間嘗試一種交互的學習方式。使得教學應用中出現新穎的形式。
2生物信息專業校選課面臨的教學改革問題
傳統的大學專業選修課教學模式一直遵循以教師為主體，遵照“傳道、授業、解惑”的流程，教師在課堂中將知識內容貫穿為一定的體系，在內容講述的同時，傳播自己在這一領域掌握的知識、經驗及相關技巧。而學生在接受知識內容的過程中往往是被動接受，而不能馬上實際運用。生物信息學這一門專業選修課又有別于以往傳統的專業型選修課，整個過程更加注重學生的實際動手能力，畢竟該專業課是以實際運用為導向，即便是引入多媒體教學或者是網絡課程模式，依然不能有效加強學生的實踐技能。學生在被動學習的環境下，不宜熟練理解生物信息學專業所涉及的工具、軟件或者操作方法。如果一味地將該課程以是單純傳授知識與技術的教學形式進行，忽略學生的個體化學習和操作過程，那么在該課程設置的專業選修課上，面對抽象的數學算法或者模型概念，不利于收獲良好的教學效果。而在課程講授過程中注重實地操作的普及則勢在必行。
3使用移動設備的生物信息學專業選修課教學設計研究
生物信息學的研究是以生物學、醫學的數據研究為核心的科學領域。生物信息學的研究對象是大規模的生物學及醫學大分子數據。生物信息學領域的數據庫和網絡平臺工具種類眾多，功能特點各異。對于學習者要求具備一定的生物學及計算機學基礎知識，并且注重對數據庫查詢和網絡工具軟件使用技能的掌握。學生在學習的過程中，普遍反映學習過程抽象，教學內容在單純的講授模式下不易消化掌握。
生物信息學專業選修課的課程特點和教學目的不同于專業課要求，該課程更加重視學生對現有在線工具的使用，對興趣信息的檢索。以上教學內容和實地操作都可以借助微型移動設備實地練習。如果在選修課上利用微型移動設備進行學習，對操作者或學習者都會有一定的幫助。
在課堂內部，采用以接入互聯網的移動設備為主的教學方式，能夠對數據庫、基于Web服務器的遠程在線分析工具進行實地操作演練。課堂內部確保知識內容的消化吸收。并在移動設備內部的Web瀏覽器上直接進行BLAST或者核酸數據庫、蛋白序列數據庫、蛋白結構數據庫等的在線搜索與查詢。并通過教師的指導和同步交互，針對學生對使用網絡在線工具軟件出現的問題進行一一指導和點評。通過學生實地反饋，做到以學生為主體，以實際操作為導向的教與學模式。促進知識點的內化和開展應用，這也符合生物信息學專業的知識特點，注重實際動手操作技能的完備。
4使用移動設備改革生物信息學專業選修課考核方式的探討
在引用移動設備并接入互聯網的教學課堂上，學生由被動的知識接受者轉變成主動的學習者，并結合學習目的轉換為在線軟件、工具的操作者。在實地教學課堂上，學生需要緊跟教師設置的操作流程，并預留出足夠的時間完成必須的軟件運用或者具體的數據條目檢索。自主完成教學過程，并將出現的問題在課堂上實時和教師反饋。通過實際動手消化吸收課程知識點，在便攜移動設備的幫助下，可通過互聯網訪問遠程信息中心在線網站，并通過網絡互動、師生討論等方式吸收生物信息專業涉獵的知識內容。雖然自由允許學生在課堂內部接入互聯網存在一定的課堂紀律管理不確定性，但是在教學實踐環節中加強學生的動手能力，鼓勵學生參與學習討論互動，并且注意提高學生的自律性和自主操作能力，通過提問、答疑、在線匯報的方式考查學生的掌握情況。
移動設備的普及為大學生校園內公共選修課的教學提供了實際操作演練的可行性，依靠了互聯網接入的便利和瀏覽形式的多樣性，實現了在移動設備中訪問生物分子數據庫，查詢核酸、蛋白序列、結構信息，查詢文獻數據的課堂演練過程。大大提高了學生的實際使用能力。在教學過程中應該注意課堂互動和實踐考核過程，重視學生的實地查詢效果，讓現代科技和傳統教學模式相結合，從而提高專業選修課的教學效果，調動學生的積極性，提高大學生的學習興趣，并夯實課堂教學內容。
參考文獻
[1] 王蘭萍.生物信息學課程教學的初步探討[J].生物信息學，2007.5（3）：143-144.
[2] 楊艷春.“互聯網+”時代移動微型學習在大學英語教學中的應用[J].高教學刊，2016（6）：117-118.
[3] 孫藝.基于iPad的移動課程的交互研究[J].廣州廣播電視大學學報，2013.13（3）：8-13.
篇7
關鍵詞:Java教學;案例驅動;生物信息學專業;醫科院校
中圖分類號:G642 文獻標識碼:B
1引言
隨著生物信息學研究的飛速發展,帶來了對開源、可重復利用和面向對象的程序包和軟件的迫切需求。Java作為面向對象編程語言工具,在生物信息學的研究中具有廣泛的應用。目前,學界已經針對生物信息學中的各種問題,開發了很多基于Java的軟件工具,比如BioJava、Cytoscape等等。BioJava是用于分析和表示生物序列(如DNA、RNA和蛋白質)的基礎庫;Cytoscape是用于繪制和分析各種生物學網絡,基于Cytoscape的插件已達數百種,針對各種類型的網絡給出更有針對性的分析。此外,美國國立生物技術信息中心NCBI[4]作為生物信息學領域最權威和廣泛使用的平臺也提供了相應的Java API。這些都說明Java是從事生物信息學研究的強有力的工具。
在醫科院校生物信息專業開設Java課程,特別是在完成生物信息相關專業基礎課程后,學生通過學習Java課程,會使學生掌握從事生物信息研究的平臺工具,從而更好的完成理論學習到實踐環節的跨越。為了講授好Java語言這門課程,我們對醫科院校生物信息專業本科生的特點進行了深入的分析,并在我們的教學實踐中注重與科研實踐相結合,注重課程之間相銜接,注重課內課外相促進,寓學于做,以練帶學,取得了較好的教學效果。
2由淺入深,注重課程聯系,增強學生學習興趣
作為一名醫科院校生物信息專業的學生,要求既要有良好的數理基礎與計算機應用知識,又要有較為系統扎實的生物信息學理論基礎,學習廣泛的課程,涉及數學、物理、計算機、生物等多個學科。計算機只是作為生物信息學學習和研究的應用工具,醫科生不可能進行計算機專業的系統學習。因此,醫科生普遍對自己的編程能力缺乏信心。針對這樣的情況,我們在教學實踐時會用一些生動有趣,并且幾句簡單的代碼就能實現的功能,先把復雜的問題簡單化,隨著課程的不斷推進,學生慢慢入門,再把簡單的問題逐漸復雜化,讓學生認識到編程語言不僅精妙深刻,而且博大精深,程序也可以編寫的很美妙,這的確是可以終其一生去不斷研究和探索的深刻學問。這樣就使學生產生自己繼續鉆研下去的興趣。
要增強學生學習的興趣和動力,提升本課程在整個課程體系中的地位和作用也是十分重要的,因此在授課過程中我們非常注重與其他課程的銜接和聯系,結合其他課程,設計案例。比如,此門Java課程與計算機圖形學在同一學期開課,用applet實現分形幾何中的繪圖算法,即增強了Java的教學效果,又加深學生對圖形學理論的理解。此外,之前開設過的數據庫原理,如果在Java的教學中引入數據庫的連接和數據庫操作,豈不知新而溫故。
3案例驅動,結合科研實際,提升課堂教學效果
在教學中,我們采用案例驅動的教學方法,每一部分的理論知識,都要配以相應的案例講解來幫助學生消化和理解理論知識。教師講解的案例都是代碼級別的,定義規范,流程清楚,可讀性強,具備參考價值,這樣可以促使學生養成良好的編程習慣。另外,教師以多媒體手段演示代碼的編制調試過程,使學生對編程環境更加熟悉,能夠靈活運用跟蹤、斷點等調試手段,使學生能夠置身于程序開發的氛圍中,而不是被動的接受。
為了讓學生更深刻的了解Java在生物信息領域研究中的實際應用,我們在教學中所使用的實例大部分來源于生物信息學科研實踐中遇到的具體問題,把對這些實際的生物信息學問題的解決方案轉化為課堂教學的生動案例,讓學生看得到這些編程技術的實際作用,在學習中慢慢滲透和培養學生的科研能力。生物信息學是現代的前沿學科,很多畢業生將來可能會繼續從事相關的科研工作,因此這方面的培養是非常必要的。如表1所示,我們列舉了部分具體的教學內容及相應采用的實例。
表1教學內容與教學案例
教學內容 典型案例
Java基礎知識 基因類和蛋白類的定義;實現基因DNA序列向蛋白氨基酸序列的轉化算法。
Java與文件操作 實現多種分析軟件的輸入、輸出數據格式的轉換,主要用到BufferedReader、BufferedWriter、FileReader、FileWriter等類。
Java Applet 根據用戶提供的轉錄因子集合,動態繪制這些轉錄因子所參與的基因轉錄調控網絡圖;用applet實現分形集合中的繪圖算法。
Java與Servlet 簡單實現多物種的轉錄因子和靶基因注釋系統,即根據用戶輸入的轉錄因子或靶基因列表和選擇的物種信息,以表單形式返回相對應的靶基因或轉錄因子信息。
Java與數據庫 通過連接數據庫,查詢得到轉錄因子與靶基因間的對應關系,以及添加、修改和刪除數據庫中的轉錄因子與靶基因間的對應關系數據。
Java與網絡 現有的基于Web的轉錄因子結合位點預測工具Match只支持單個序列的輸入,不支持批量預測,通過網絡編程利用Match工具實現轉錄因子結合位點的批量預測。
4以練帶學,鼓勵自主學習,培養實踐創新能力
師傅領進門,修行靠個人。授課的目的是為了讓學生牢牢掌握Java這門工具,要熟練掌握語言工具,動手聯系往往比單純的理論學習來得更重要。在課堂上教師通過對典型案例的講授,教給了學生解決某些具體問題的方法,激發了學生渴望親自動手實踐的熱情,他們愿意通過自己的努力來制作一份豐富的“大餐”。通過布置課程大作業,使其作為課程考試的一部分,這樣就可以培養學生學以致用的能力。
課外大作業涉及了較為完整的軟件開發過程,包括前期的系統設計,到后期的程序歸檔,以及幫助文檔的編寫和制作,通過這個流程讓學生了解Java軟件開發的全過程,積累了一定的軟件開發經驗。為激發大家的積極性,我們不限制題目內容,大家可以根據自己的興趣,自己選題,以下列舉學生的一些課程大作業的題目:分形樹,Koch雪花,Flamboyent皇冠等計算圖形學中分形幾何圖形的實現;讀心術、拼寫練習、圍棋對弈等游戲的制作;計算器、日常事務管理器等工具軟件的實現;還有分析基因序列特征、繪制蛋白互作網絡圖、批量預測轉錄調控關系等等的生物信息學軟件。其中基本涵蓋了上課時所講授的大部分相關技術,我們對用到每種技術的使用頻率進行了統計。如圖1所示。
教為不教是我們教學的一個重要目的,培養學生自主學習的能力是學生培養創新實踐能力的基本要求。在進行課程大作業的實踐中,我們鼓勵學生運用各種信息資源(如網絡、書籍)來解決問題,利用搜索工具求解,通過專業論壇向其他編程愛好者請教,共同探討來解決困難等等;我們提倡學生使用JDK幫助文檔來查閱各種Java類的用法,而不是死記硬背,允許學習和利用他人已經編好的程序,
就像搭積木一樣,逐漸累積起自己的知識體系,通過消化吸收他人的解題思想,通過查閱資料來解決自己的課程設計問題,培養學生舉一反三的能力。
圖1學生在課程實踐中應用到的Java技術
5小結
為了提升Java課程的教學效果,在授課過程中我們對教學方法做了很多的探索和實踐,緊緊圍繞學生學習興趣、課堂教學效果、創新實踐能力培養這幾個環節開展教學研究與教學實踐,同時也很好的把握住了Java這門工具性語言實踐性強以及在醫科院校生物信息學專業應用目標明確的特點,從科研實踐中提取大量案例融入課堂教學,并通過課外大作業進一步鞏固學生所學理論,培養學生學以致用能力,取得了較好的教學效果,可以為同行提供一些借鑒。
參考文獻:
[1]唐煥文,靳利霞. 生物信息學的產生、發展及應用前景[J]. 洛陽師范學院學報,2001(2).
[2]Holland, R.C., et al. BioJava: an open-source framework for bioinformatics[J]. Bioinformatics,2008,24(18):2096-7.
[3]Shannon, P., et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks[J]. Genome Res,2003,13(11):2498-504.
[4]Jenuth, J.P. The NCBI. Publicly available tools and resources on the Web[J]. Methods Mol Biol,2000,132: 301-12.
[5]朱小英. 以項目方式驅動Java實驗課程教學的創新[J]. 成都大學學報:教育科學版, 2008,22(08).
[6]曹旭. VFP程序設計教學中案例驅動教學法的優勢[J]. 長春中醫藥大學學報,2009,25(2).
篇8
【關鍵詞】 蛋白質組學；中醫證候；中醫診療；中醫藥現代化
隨著人類基因組序列的完成，人類已經由基因組時代進入后基因組時代。基因數量的有限性和基因結構的相對穩定性使基因組學研究成功邁入到功能基因組學研究。蛋白質組學遂成為后基因時代的研究前沿和熱點領域。將蛋白質組學引入中醫證候學研究，必將進一步為證候分類、辯證標準的選擇和個體化等提供可靠的依據，對于發展中醫藥學，走中醫藥現代化之路具有深遠的影響。本文綜述了蛋白質組學研究的主要關鍵技術及其與中醫證候學研究的相關性。
1蛋白質組及蛋白質組學
1994年澳大利亞的Wilkin和Williams等第一次提出了蛋白質組（Proteome）概念[1、2]，指由一個基因組，或一個細胞、組織所表達的全部蛋白質。蛋白質組學（Proteomics）以蛋白質組為研究對象，分析細胞內動態變化的蛋白質組組成成分、表達水平與修飾狀態，了解蛋白質間相互作用與聯系，在整體水平上研究蛋白質的組成與調控的活動規律[3]。蛋白質組研究是為了識別及鑒定一個細胞或組織所表達的全部蛋白質以及它們的表達模式，是對基因組研究的重要補充，是生物體在蛋白質水平上定量、動態、整體性的研究[4]。蛋白質組研究數據與基因組數據的整合，將在后基因組研究中發揮重要作用。
2蛋白質組學研究技術
2.1雙向凝膠電泳技術
1975年，意大利生化學家O’Farrell在對大腸桿菌、老鼠及幾尼豬的蛋白質研究中，發明了雙向電泳技術[5]（ISO-DLAT），具有高分辨率、快速、簡便等優點。雙向電泳技術是蛋白質組學研究的核心技術之一，其原理是在相互垂直的方向上，它利用蛋白質等電點和分子量的不同運用等電聚焦和聚丙烯酰胺凝膠電泳把復雜的蛋白質混合物在二維平面上分離。
2.2生物質譜技術
1906年，Thomson發明了質譜，在隨后的幾十年里，質譜技術逐漸發展成為研究、分析和鑒定生物大分子的前沿方法[6]。質譜技術的原理是先將樣品離子化，再根據不同離子間的荷質比（m/z）差異來分離蛋白質，并確定其分子量[7]。到20世紀80年代，因兩項軟電離質譜技術―基質輔助激光解析電離質譜技術（MALDI）和電噴霧質譜技術（ESI）的發明，使得質譜技術取得了突破性進展。這兩種質譜技術具有高靈敏度、高通量和高質量的檢測范圍等特點，使得在pmol（10-12）乃至fmol（10-15）的水平上準確分析分子量高達幾萬到幾十萬的生物大分子成為可能[8]。
2.3 蛋白質芯片
蛋白質芯片是用于研究蛋白質功能模式的一種鑒定方法[9]，是指在固相支持物（載體）表面固定大量蛋白探針（抗原、抗體,受體、配體、酶、底物等），形成高密度排列的蛋白質點陣[10]，可以高通量地測定各種微量純化的蛋白質的生物活性，以及蛋白質與生物大分子之間的相互作用[18]。蛋白質芯片具有快速、高效、微型化、自動化、高通量的特點。
2.4生物信息學
生物信息學是在生命科學、計算機科學和應用數學的基礎上逐步發展形成的一門新興交叉學科，運用數學和計算機手段進行巨量生物信息資源的收集、存儲、處理、搜索、利用、共享、分析與解析的科學[11]，它由數據庫、計算機網絡和應用軟件3部分組成[12、13]。蛋白質組信息學研究方法主要包括蛋白質序列比較分析，蛋白質結構-功能的研究，點突變的設計及家族鑒定，蛋白質空間結構預測，建模和分子設計以及分析蛋白質與蛋白質相互作用的數據庫[14、15]。
3中醫證候學與蛋白質組學
中醫證候是指疾病發生和演變過程中某階段以及患者個體當時所處特定內、外環境本質的反映，它以相應的癥、舌、脈、形、色、神表現出來，能夠不同程度地揭示病因、病位、病性、邪正盛衰、病勢等病機內容，為辨證論治提供依據。中醫的“證”是指疾病在演變過程中各種病理因素在體質、自然環境、社會心理等因素和多種矛盾綜合作用于機體的整體反應，是診察和思辨所得。而蛋白質組學摒棄了經典分子生物學研究個別基因的習慣，從蛋白質組整體水平上闡述“一種基因組所表達的全套蛋白質”，以建立對生命現象的整體認識。這與中醫學的“整體觀”具有高度的一致性，且蛋白質組學研究方法的整體性和系統性與中醫基礎理論的整體觀和系統性又極為相似[16]。因而，將蛋白質組學應用于中醫證候學研究，不僅能反映一系列癥狀的物質背景，而且能進一步了解不同蛋白組分的在證表現差異和激烈程度[17]，將是揭示證實質的最有效手段[18]。
在證候理論指導下，運用功能蛋白質組學的方法，通過探討證候，特別是同病異證或異病同證的蛋白質差異表達及翻譯后的修飾情況，揭示與某一證候形成相關的所有蛋白質及其特征，在整體蛋白質表達的水平上闡明證候的本質，則可稱為證候蛋白質組學[19]。這種將蛋白質組學應用于“證”的研究，能夠溝通“實體結構”和“功能模擬”的橋梁，整體上比較不同疾病、同病異證之間的蛋白質圖譜差異，探索蛋白質表達圖譜與中醫分型的系統的、有規律的聯系。
4展望
運用蛋白質組學技術對中醫證候進行研究，為尋找“證侯”的標志蛋白質，揭示中醫“證”理論中蘊藏的科學內涵，闡明中醫診療的分子機理，最終在分子生物學水平上解釋生理和病理奠定了基礎[20、21]。中醫證候是辨證論治的基礎和核心，依據蛋白質組學的理論和技術來探索中醫學理論的基本內涵、中醫證候蛋白質組學以及從蛋白質組學水平探索中藥藥效的機理，都可能成為中醫藥理論和治療研究的突破口。中醫學的發展與現代科學蛋白質組學的交叉，一方面可使中醫學吸取新的思想，取得進一步發展的動力，另一方面又因其獨特的理論與視角，也可為蛋白質組學乃至現代科學的研究與發展提供新的思路[19]。
參考文獻
[1]Wilkins M R, Sanchez J C, Gooley A A, et al. Progress with proteome projects: why all proteins expressed by a genome should be identified and how to do it[J]. Biotechnology and genetic engineering reviews, 1996, 13: 19 - 50.
[2]Wilkins,M.R.Government backs proteome proposal. Nature. 1995, 378:653.
[3]張樹軍，狄建軍，張國文，魏永春.蛋白質組學研究方法.內蒙古民族大學學報，2008，23（6）：647-649.
[4]熊偉.蛋白質組雙向技術在生物醫學研究中的應用進展. 生命科學儀器. 2010, 8(2): 7-10.
[5]O’ Farrell P H. High resolution two-dimensional gel electrophoresis of proteins [J]. Biol Chem, 1975, 250 (10):4007-4021.
[6]Domon B, Aebersold R. Mass spectrometry and protein analysis[J]. Science, 2006, 312 （5771）: 212.
[7]Guo Y M, Shen S H, Jing Y X , et al. Plant proteomics in the post-genomics era. Acta Botanical Sinca. 2002, 44(6):631-641.
[8]阮松林，馬華升，王世恒等．植物蛋白質組學研究進展Ⅰ．蛋白質組關鍵技術.遺傳，2006，28（11）：1472-1486.
[9]Boguski M S, Mcintosh M W. Biomedical information for proteomics[J]. Nature, 2003, 422 (6928) : 233-237.
[10] 劉康棟，趙建龍. 蛋白質芯片技術進展. 中國生物工程. 2004, 24(12): 48-57.
[11]Baldi P, Brunak S. Bioinformatics: The Machine Learning Approach [M]. Cambridge, Mass. : MIT Press, 2001.
[12]Goodman N. Biological data becomes computer literate: new advances inbioinformatics.Curr Opin Biotechnol . 2002, 13(1): 68-71.
[13]陳銘.后基因組時代的生物信息學[J]. 生物信息學，2004,2（2）:29.
[14]陳永對. 生物信息學在基因組和蛋白質研究中的應用. 中國臨床康復. 2006, 10(41): 136-139.
[15]賀光，孫開來. 生物信息學在蛋白質研究中的應用. 國外醫學遺傳學分冊. 2002, 25(3): 156-158.
[16] 張焱，張慶榮. 蛋白質組學與中醫證候研究的思考. 長春中醫藥大學學報. 2007, 23(5): 3-5.
[17] 孫曉偉，周蘇寧. 蛋白質組學與中醫藥研究. 中西醫結合心腦血管病雜志. 2005, 3(11): 987-989.
[18] 余宗陽，杜建. 蛋白質組學與中醫證候實質研究[J]. 中國中西醫結合雜志. 2004, 24(9): 844-846.
[19] 申定珠，李家邦，蔣榮鑫，凌江紅. 證候蛋白質組學與中醫證候學相關性探討. 中國中西醫結合雜志. 2006, 26(4): 366-368.
篇9
[關鍵詞]生物交叉學科 復合式教學體系 理論 實踐
[中圖分類號]G633.91 [文獻標識碼]A [文章編號]1009-5349（2012）10-0227-01
20世紀末與21世紀初，人們發現，當代科學的發展和重大科學技術成就的取得，越來越依賴于不同學科之間的交叉與融合，許多有影響的科技成果，都是在學科的交互和交叉點上取得的。典型的例子是2003諾貝爾醫學獎，它們的獲得者是物理學科（曼斯菲爾德）和化學學科（勞特布爾）的研究背景，他們的研究與醫學研究的交叉結合產生了對人類發展具有極大影響的杰出成果——核磁共振圖像技術在臨床診斷和醫學研究上的突破。
一、交叉學科內涵和生物學實例
1.交叉學科內涵。交叉學科指的是兩個或多個學科相互合作，在同一個目標下進行的學術活動。
2.生物科學領域中的交叉學科實例。
（1）生物化學；（2）生物醫學工程；（3）生物信息學；（4）生物物理學；（5）生物數學。
二、交叉學科復合式教學體系內涵及生物交叉學科優勢
（一）交叉學科復合式教學體系內涵
交叉學科復合式教學體系是指以交叉學科為基礎，以培養復合型人才為目標，遵循系統原則，采用復合式設計方法，對教學要素（教學目標、教學理念、教學主體、教學方法、教學內容、教學管理、教學原則、教學手段、教學評價等）進行交叉復合，達到優化匹配，形成高效的人才生成復雜系統，具有開放性、復雜性、實踐性、實用性、創新性及綜合性等特征的教學體系。[1]
（二）生物交叉學科優勢
1.交叉學科的范式是：A領域的研究問題，用B領域的方法。而這種研究方法和研究問題的重新組合，往往能產生很多新的發現，從而使得交叉學科能夠得以蓬勃發展。這也是最大優勢。
2.生物交叉學科優勢。（1）它融合了不同學科的范式，推動了以往被專業學科所忽視的領域的研究，打破了專業化的壟斷現象；（2）增加了各學科之間的交流，形成了許多新的學科；（3）創造了以“問題解決”（problem-soving）研究為中心的研究模式，推動了許多重要實踐問題的解決。[2]
3.生物交叉學科實例包括：（1）生物化學；（2）化學生物學；（3）生物醫學工程；（4）生物信息學；（5）生物物理學；（6）生物數學。
三、佳木斯大學生物交叉學科創新人才培養模式的實踐
1.本科生導師制。導師制是一種教育制度，與學分制、班建制同為三大教育模式。導師制由來已久，早在19世紀，牛津大學就實行了導師制，其最大特點是師生關系密切。[3]
2.佳木斯大學生物交叉學科本科生創新能力訓練體系模式。（1）佳木斯大學生物交叉學科本科生研究性學習的訓練模式；（2）佳木斯大學生物交叉學科本科生研究型討論的訓練模式；（3）佳木斯大學生物交叉學科本科生研究課題文獻資料查詢和綜述、成果總結發表和研究論文寫作的訓練模式。
3.佳木斯大學生物交叉學科本科研究型畢業設計模式。佳木斯大學生命科學學院教學指導委員會按照教育部的有關規定和人才培養目標的要求，根據生物交叉學科專業人才培養的規律、特點和實際，制定符合生物交叉學科特點的《本科畢業論文（設計）工作管理辦法》。
4.佳木斯大學生物交叉學科本科生職業技能鑒定培養模式。佳木斯大學職業技能鑒定所面向佳木斯大學生物交叉學科本科生及社會需求，開展職業技能鑒定。在大學生中開展“雙證書”制度，提高學生的職業技能水平和就業競爭力。
5.佳木斯大學生物交叉學科本科生攻讀第二學位培養模式。
6.佳木斯大學生物交叉學科本科生課外自主科研與合作科研培養模式。（1）自主科研：佳木斯大學生命科學學院生物交叉學科本科生課外早期探索自己感興趣的研究方向；結合畢業設計（論文），繼續從事和完成他們自己的研究課題。（2）合作科研：佳木斯大學生命科學學院生物交叉學科本科生課外早期經過探索和初步訓練以后，參加教師的高層次科研項目的研究，結合畢業設計（論文），繼續從事和完成他們自己的研究課題。[4]
【參考文獻】
[1]胡樹華，蘭飛，范文芳.交叉學科的復合式教學體系設計研究[J].江蘇高教，2007.7：69-71.
[2]http：///view/67024.htm.
篇10
【摘要】理論免疫學用數學的方法來研究和解決免疫學問題，以及對免疫學相關的數學方法進行理論研究的一門科學。隨著高通量方法和基因組數據的出現，理論免疫學從受體交聯和免疫原理、Jerne的相互作用網絡和自我選擇等經典建模方法開始向信息學、空間擴展模型、免疫遺傳學和免疫信息學、進化免疫學、分子生物信息學和表遺傳學、高通量研究方法和免疫組學等方面轉變。
【關鍵詞】免疫學, 理論；數學模型；生物數學
Advances of theoretical immunology
JIN Yan
（Basic medical college, Liaoning Universtity of Traditional Chinese Medicine, LIAONING Shenyang, 110032,）
【Abstracts】Theoretical immunology is to develop mathematical methods that help to investigate the immunological problems, and to study the mathematical theory on immunology. With the advent of high-throughput methods and genomic data, immunological modeling of theoretical immunology shifted from receptor cross linking, Jerne interaction networks and self-non self selection, toward the informatics, spatially extended models, immunogenetics and immunoinformatics, evolutionary immunology, innate immunity and epigenetics, high-throughput research methods and Immunomics. Immunology, Theoretical; Mathematical Models; biomathematics
理論免疫學[1]（Theoretical Immunology）是指用數學的方法來研究和解決免疫學問題，以及對免疫學相關的數學方法進行理論研究的一門科學。理論免疫學是免疫學與數學交叉的邊緣學科，也稱數學免疫學（Mathematical Immunology），是生物數學的一個分支。由于免疫現象復雜，從免疫學中提出的數學問題往往也十分復雜，需要進行大量計算工作，因此從近年興起的復雜系統研究的角度來講[2]，理論免疫學也稱復雜免疫學（Complex Immunology）。理論免疫學的任務就是揭示免疫系統運行的規律和機制，及其病理機制。數學模型（Mathematical Models）和數據分析是理論免疫學的主要方法，計算機是研究和解決理論免疫學問題的重要工具。
雖然從上個世紀中期，數學模型已經開始應用于免疫學，但傳統的模型大部分是基于微分方程[3]、差分模型和元胞自動機（Cellular Automata）[4]。這些傳統模型以少數成份（一種受體和一種抗原，或兩個T細胞群之間等）參與的簡單動力學為主要研究內容。直到2000年，人們才開始對免疫學的復雜性進行數學建模。隨著高通量方法（High Throughput Methods）和基因組數據（Genomic Data）的出現，理論免疫學開始轉向信息學（Informatics）方面[5]。與分子免疫學的生物信息學（Bioinformatics）分析一樣，當前免疫學研究中與復雜性有關的主要研究目標大多集中在高通量測量計劃和系統免疫學（System Immunology）或免疫組學（Immunomics）計劃。在數學模型水平上，分析方法也從以微分方程為主的簡單系統轉向廣泛應用Monte Carlo模擬（Monte Carlo simulations）。這種向更多分子和更多計算的轉變態勢與復雜系統涉及的所有研究領域出現的轉變極為相似。同時，理論免疫學中另一個重要轉變是，人們關注焦點從對外源性的適應性免疫系統的轉向更多考慮固有免疫系統的平衡。
1理論免疫學經典模型
免疫學是生物學的一個領域，很早就認識到了數學建模和數學分析方法的作用。早在上個世紀60年代和70年代，數學模型已經應用于免疫學的不同領域，例如：抗原-受體的相互作用、T和B細胞群動力學、疫苗接種、生發中心動力學、病毒動力學和免疫系統對病毒的清除[6]等?，F在的許多免疫學原理和觀點都是數學模型的結果。
1.1 受體交聯和免疫原理
受體交聯[7-9]（Receptor Cross Linking）和免疫原理（Immunon Theory）是由Alan Perelson提出、Carla Wofsy作了進一步分析。這個原理根據的事實是，低價抗原不能激活B細胞，而高價抗原（即抗原擁有多個重復基序）即使在抗原密度非常低（3-4目）的情況下也能夠激活B細胞。Sulzer和Perelson[10-13]據此發展了這個理論和數學模型并提出，抗原能夠聚集B細胞受體，從而激活B細胞。這個結論是B細胞免疫的基礎之一。
盡管數學模型對免疫學發展的貢獻的例子還有很多，但是免疫網絡（Immunological Networks）的概念和自我選擇（Self-Non Self Selection）問題占有相當重要的地位。
1.2 Jerne的相互作用網絡
假設受體庫（Receptor Repertoire）是滿的，即受體庫中每一個分子都有其相對應的受體，并且這些受體可以特異性地與其它受體相互作用。Jerne據此提出免疫調節網絡[14]（Regulatory Immune Networks）的存在。抗原激活的淋巴細胞可產生新受體，這些受體對于其它淋巴細胞來說是抗原，等等，以此類推。這個網絡的概念對理論學家來說很有吸引力，特別是在提出神經網絡（Neural Networks）中的認知行為（Cognitive Behavior）概念之后，提出了更多的免疫網絡模型[15][16]。有人用元胞自動機和布爾網絡（Boolean networks）建立大尺度行為（Large Scale Behavior）模型，有人用常微分方程（ODEs）來建立自身調節網絡模型（Local Regulatory Networks）。隨著時間的推移，人們對Jerne網絡學說逐漸失去了興趣，其主要原因是Jerne網絡學說的理論模型和實際的實驗證據沒有很好的相關性。
1.3 自我選擇
調節性網絡實際上是理論免疫學中自我選擇這個大課題的一部分。假設表達自身反應性受體的淋巴細胞被機體清除（陰性選擇）。大多數陰性選擇可能是由于中樞性耐受（Central Tolerance）所導致的（T細胞在胸腺，人和小鼠的B細胞在骨髓）。陰性選擇機制失敗可導致自身免疫性疾病。人們通過多種途徑對自我選擇展開研究。有人從分子的角度和基于特殊的選擇機制來研究，而有人則建立了更為復雜的模型，例如Polly Matzinger的危險模型[17][18]（Danger Model）和Irun Cohen的侏儒模型[19-27]（Homunculus Model）。這些模型都是想反映真實的復雜系統，盡管僅通過檢測免疫系統的成分，人們是無法接近問題的實質，但是他們的嘗試拓寬了我們的視野。直到今天，關于獲得和打破（自身免疫性疾病）耐受的途徑，也沒有一個公認的解釋。
2理論免疫學的現代模型
理論免疫學的模型和問題現在正逐漸向分子理論免疫學方向發展。這種理論方向的演變與大量基因組全序列的檢測、分子生物學工具的巨大進展、高通量測量技術的發展、空間分布（Spatial Distribution）作用的測量和建模能力的發展等實驗技術的發展是分不開的。同時，計算機處理能力和建模技術的發展也是影響現論免疫學的重要因素。
2.1 Immsim、Simmune和其它復雜模型
免疫學中，最大膽的嘗試可能就是建立一個免疫系統的系統模型。第一個建立這樣模型的嘗試是上世紀80年代由IBM公司Philip Seiden開發的IMMSIM模型[28-31]。其設計的主要目的是為了在計算機上進行免疫應答試驗。IMMSIM采用了克隆選擇原理的基本觀點，認為免疫細胞和免疫分子獨立地識別抗原，免疫細胞被競爭地選擇，以產生更好的識別抗原的克隆種類。IMMSIM模型的基礎是空間擴展的元胞自動機，它用位串（或比特流，Bitstrings）代表受體、抗原和MHC分子的可變性。到目前為止，抗原和受體多樣性的位串表示方法已被許多其他研究者[32,33,34]所采用。IMMSIM包括了適應性免疫系統的所有主要成份：CD4和CD8 T細胞、B細胞及其相應的受體，MHC Ⅰ類和Ⅱ類分子和一些細胞因子。但是IMMSIM模型仍然是對免疫系統的粗略描述。因此，人們在此基礎上又進行了其它的開發。
第一個較有影響的是由Martin. Meier-Schellersheim開發的Simmune[35-36]。這個系統嘗試建立一個足夠寬廣和復雜的平臺，從而能夠對免疫學的任意實際過程進行模擬。它不僅是一個特殊模型，更是一個建模技術或語言。
還有應用了Monte Carlo模擬[37-38]或稱免疫模擬（Immunosi m）、狀態圖[39]（State-Charts）等多種數學模型，試圖涵蓋免疫系統所有可能細節并建立動力學模型。在這個方向上，最有影響的是Sol Eforni的模型。此模型嘗試提供胸腺空間擴展動力學的完全模擬，并以此來研究細胞選擇[40]。這些綜合模擬的優勢在于他們涵蓋了當前免疫學的所有細節。但是這些模型也有缺點，他們過于復雜，因此對于所觀察到的動力學變化，我們無法充分理解其原因及模型對參數變化的敏感性。
2.2 空間擴展模型
從分子水平上講，免疫學復雜系統分析的最大進展是細胞內分子定位[41]（Molecule Localization）測量技術。免疫突觸（Synapses）的發現就是利用了該技術。人們建立了多個細胞膜動力學模型，用來解釋突觸的形成以及突觸的分子動力學。細胞膜動力學模型也應用于B細胞。這些模型中，有的是假設一個固定的細胞膜在二維晶格上（2D Lattice），有的假設一個自由漂浮的細胞膜[42-44]。另一個研究方向的是受體動力學，以及受體與其它細胞膜成份，比如Src家族激酶和脂筏[45]（Lipid Rafts），之間的相互作用。目前此領域的所有模型都是以廣泛的數值模擬（Numerical Simulation）為基礎的。
空間擴展模擬的另一個領域是生發中心動力學的模擬。經典模型主要采用ODEs來描述一或兩個總體的均勻動力學[46]（Homogenous Dynamics），而現代模擬主要應用Monte Carlo模擬[47-49]來研究多空間擴展或者均勻總體之間的相互作用，但是也有一些是采用ODEs。
2.3 免疫遺傳學和免疫信息學
不同基因組的排列和不同等位基因的序列使免疫遺傳（Immunogenetic）數據庫得到了全面的發展[50-51]。免疫遺傳數據庫IMGT儲存了多個物種的T和B細胞受體基因序列（B細胞H鏈和T細胞β/δ鏈的V、D和J基因，L鏈/α鏈/γ鏈的V和J基因）。該庫也包括了最新的MHC分子的基因序列（包括經典和非經典的）。另外，IMGT數據庫還包括了大量的淋巴細胞受體重排序列。
這樣龐大的數據庫是伴隨著免疫信息學（Immunoinfor matics）工具的大量發展而建立的。其中包括用于junction分析[52]、免疫基因對準（Immunogene Alignment）以及系統發育的工具[53-55]。所有這些工具的基礎都是將生物信息學理念應用于免疫學。免疫遺傳數據庫日漸顯現的重要性表明，免疫學建模逐漸向基因化方向轉變。
2.4 進化免疫學
與B細胞重排受體多重序列的測量一樣，多細胞生物中免疫基因的不斷積累，使免疫系統發育學（Immuno-Phylogenetics）得以快速發展。目前研究的主要焦點是適應性免疫系統的起源。適應性免疫是免疫系統的一部分，通過隨機基因重組以適應新病原體。很明顯，在軟骨魚類（Cartilaginous Fish）分化之前，適應性免疫最早出現于有腭脊椎動物（Jawed Vertebrates）。然而，這樣一個復雜系統起源的來源還不清楚。T細胞受體結構域（Receptor Domain）和B細胞受體結構域之間的相似性、RAG1和RAG2分子（RAG1和RAG2可起到隨機連接基因的作用，又稱重組激活基因）在重排過程中的關鍵作用及其物理性相鄰（Physical Proximity），使許多研究者認為，淋巴細胞受體重排的起源是轉座子（Transposon）橫向轉移到原始免疫受體（Primeval Immune Receptor）中。這個領域中使用的主要工具是系統發育分析（Phylogeny Analysis）及其相關的所有數學模型[56]。
另一個系統發育概念和方法的應用是B細胞的體超變異[57]（Somatic Hyper Mutations，SHM）分析。在生發中心反應過程中，通過活化誘導胞嘧啶脫氨酶（Activation-Induced Cytidine Deaminase，AID），B細胞的受體基因發生超變異。隨著克隆性增殖，B細胞受體基因平均每分裂一次就發生一次超變異，導致突變克隆的產生。這些克隆表現為微進化（Micro-Evolution），可以很容易地在實驗室中研究。對B細胞系統發育樹（Phylogenetic）以及它們與其它因素關系的分析，比如老化和自身免疫疾病，也已開始研究[58]。
2.5分子生物信息學和表遺傳學
在分子生物信息學（Molecular Bioinformatics）和表遺傳學（Epigenetics）的研究過程中[59]，隨著分子信息研究水平不斷提高，在免疫學中應用模型水平的精細程度也不斷提高。免疫學的一個特殊方面是需要將信號轉導（Signal Transduction）與基因重排結合起來建模?，F已建立了不同條件下的B和T細胞內的基因重排過程和淋巴細胞信息轉導的模型[60-61]。從分子角度來講，另一個重要的分子建模是在抗原提呈給T細胞之前，對抗原處理過程的分析。
2.6高通量研究方法
免疫學是典型的、以免疫假說和免疫原理為基礎的研究領域。免疫學是最晚轉向以數據為基礎的、目前已在其它生物學領域中應用的高通量方法。近5年，在這一領域已取得了很大的進展。這些進展是依靠來自生物學其它領域的經典基因表達的自適應和定位技術[62][63]，以及針對免疫學的新技術的發展取得的。免疫學領域主要依靠實驗手段，但實驗所取得的結果卻是應當屬于理論免疫學的范疇，并且與復雜科學密切相關。
在基因重排過程中應用熒光原位雜交技術[64]（FISH techniques）來定位基因是一個令人興奮的、對免疫學來說更具有針對性的研究進展。這些測量手段使我們在研究基因重排過程中，能夠確定受體不同部分之間的相互作用。
另一個對免疫系統來說具有針對性的工具是抗原芯片（Antigen Chips）的發展。這些芯片可同時測量B細胞對成百上千種抗原的應答，并提供整個免疫系統的系統表達[65]。在這類分析中使用的主要數學工具是聚類方法（Clustering Methods）。
2.7 免疫組學
目前，在理論免疫學中，最璀璨的研究領域可能就是新產生的免疫組學。這個年輕的學科已經擁有了自己的雜志《immunomic research》(省略)。免疫組學的主要目標是全方位地研究免疫系統[66][67]。這個領域采用實驗與理論相結合的工具。免疫組學目前正在研究的項目有：全部T細胞抗原決定基檢測；全B細胞抗體庫的定義及其在不同情況下的變化方式；自身免疫性疾病相關的所有基因位點的檢測。這個新生領域的成果還有限，但是在不到10年內，免疫學建模將會從基于預定假設（Predefined Hypotheses）的理論問題研究轉向對免疫系統受體和靶目標充分認識的、具有針對性的建模。
當前，理論免疫尚處于探索和發展階段，許多方法和理論還很不完善，它的應用雖然取得某些成功，但仍是低水平、粗略，甚至是勉強的。許多更復雜的免疫學問題至今未能找到相應的數學方法進行研究，還有一些免疫核心問題還存在爭議。這就需要未來的醫學工作者具備更多的數學知識，對免疫學和數學都有更深入的了解，這樣才有可能讓免疫學研究更多地借助數學的威力，進入更高的境界。
參考文獻
[1] 漆安慎, 杜嬋英. 免疫的非線性模型. 上海: 上海科技教育出版社, 1998:iv.
[2] Raina S. Robeva, James R. Kirkwood, Robin L. Davies, et. al. An Invitation to Biomathematics. 北京: 科學出版社, 53-129.
[3] 馬知恩. 種群生態學的數學建模與研究. 安徽: 安徽教育出版社, 1996: 5-40.
[4] 陳蘭蓀, 孟新柱, 焦建軍. 生物動力學. 北京: 科學出版社, 2009: 77-177.
[5] 李濤. 計算機免疫學. 北京: 電子工業出版社, 2004: 147-203.
[6] 陸征一, 周義倉. 北京: 科學出版社, 2004: 58-73.
[7] A. S. Perelson and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71.
[8] A. S. Peielson. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands heaiing two chemically distinct functional groups. Math. Biosci. 1980, 49:87.
[9] A. S. Perelsoii. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: descriptioii by ligand states. Math. Biosci. 1981, 53:1.
[10] Perelson, A. S., and C. DeLisi. Receptor clustering on a cell surface. I. Theory of receptor cross-linking by ligands bearing two chemically identical functional groups. Math. Biosci. 1980, 48:71110.
[11] Perelson, A. S. Receptor clustering on a cell surface. II. Theory of receptor cross-linking by ligands bearing two chemically distinct functional groups. Math. Biosci. 1980, 49:87110.
[12] Perelson, A. S. Receptor clustering on a cell surface. III. Theory of receptor cross-linking by multivalent ligands: description by ligand states. Math. Biosci. 1981, 53:139.
[13] Perelson, A. S. Some mathematical models of receptor clustering by multivalent ligands. In Cell Surface Dynamics: Concepts and Models. A. S. Perelson, C. DeLisi, and F. W. Wiegel, editors. Marcel Dekker, New York. 1984, 223276.
[14] N. K. Jerne. Towards a network theory of the immune system. Ann. Immunol. (Inst. Pasteur), 1974(125C), 373-389.
[15] Coutinho A. "The network theory: 21 years later". Scand. J. Immunol. 1995, 42 (1): 38.
[16] Campelo F, Guimares FG, Igarashi H, Ramírez JA, Noguchi S. "A Modified Immune Network Algorithm for Multimodal Electromagnetic Problems". IEEE Trans. Magnetics2006,42 (4): 11111114.
[17] Polly Matzinger and Galadriel Mirkwood. In a fully H-2 incompatible chimera, T cells of donor origin can respond to minor histocompatibility antigens in association with either donor or host H-2 type. Journal of Experimental Medicine, 1978(148): 84-92. [18] Matzinger P. The danger model: a renewed sense of self. Science 2002; 296: 3015.
[19] Cohen IR, Young DB. "Autoimmunity, microbial immunity and the immunological homunculus." Immunol Today 1991; 12(4):105-10.
[20] Cohen IR. "The immunological homunculus and autoimmune disease," in Molecular Autoimmunity, ed. Talal N., Academic Press, USA 1991, pp.438-453.
[21] Cohen IR. "The cognitive paradigm and the immunological homunculus." Immunol Today 1992; 13(12):490-4.
[22] Cohen IR. "The meaning of the immunological homunculus." Isr J Med Sci 1993; 29(2-3):173-4.
[23] Cohen IR. "Kadishman’s Tree, Escher’s Angels, and the Immunological Homunculus," in Autoimmunity: Physiology and Disease, eds. Coutinho A, Kazatchkine MD. Wiley-Liss, Inc.1994 pp.7-18.
[24] Cohen IR. "Peptide therapy for Type I diabetes: the immunological homunculus and the rationale for vaccination." Diabetologia 2002 Oct;45(10):1468-74.
[25] Gonzalez G, Montero E, Leon K, Cohen IR, Lage A. "Autoimmunization to epidermal growth factor, a component of the immunological homunculus." Autoimmun Rev. 2002 Feb;1(1-2):89-95.
[26] Cohen IR. "Immune system computation and the immunological homunculus." MoDELS 2006, in O. Niestrasz et al. (Eds). Springer-Verlag, Berlin, pp. 499-512, 2006.
[27] Cohen IR. (2007) "Biomarkers, self-antigens and the immunological homunculus." J. Autoimmun., 2007 Dec;29(4):246-9.
[28] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: A Discrete Models of Cellular/Humoral Responses. ACRI 2000: 117-125.
[29] Roberto Puzone, B. Kohler, P. Seiden, Franco Celada: IMMSIM, a flexible model for in machina experiments on immune system responses. Future Generation Comp. Syst. 2002, 18(7): 961-972
[30] Stefania Bandini, Franco Celada, Sara Manzoni, Roberto Puzone, Giuseppe Vizzari: Modelling the Immune System with Situated Agents. WIRN/NAIS 2005: 231-243.
[31] Stefania Bandini, Franco Celada, Sara Manzoni, Giuseppe Vizzari: Modelling the immune system: the case of situated cellular agents. Natural Computing 2007, 6(1): 19-32.
[32] De Boer, R.J. and A.S. Perelson (1994) T cell repertoires and competitive exclusion. J. theor. Biol. 169, 375-390.
[33] Perelson, A. S.1989. Immune network theory. Immunological Reviews 110, 5-36.
[34] Sulzer, B., De Boer, R.J. and A.S. Perelson (1996) Crosslinking reconsidered. I Binding and crosslinking fields and the cellular response. Biophys. J. 70, 1154-1168.
[35] Meier-Schellersheim M, et al. Key role of local regulation in chemosensing revealed by a new molecular interaction-based modeling method. PLoS Comput Biol. 2006;2(7):e82.
[36] M. Meier-Schellersheim, G. Mack. SIMMUNE, a tool for simulating and analyzing immune system behavior. 1999 cs.MA/9903017.
[37] Meyer-Hermann M. A mathematical model for the germinal center morphology and affinity maturation. J Theor Biol 2002;216:273300.
[38] Kleinstein SH, Singh JP. Why are there so few key mutant clones? The influence of stochastic selection and blocking on affinity maturation in the germinal center. Int Immunol 2003;15:871884.
[39] Efroni S, Harel D, Cohen IR. Toward rigorous comprehension of biological complexity: modeling, execution, and visualization of thymic T-cell maturation. Genome Res 2003;13:24852497.
[40] Efroni, E., Harel, D. & Cohen, I. R. 2003 Towards rigorous comprehension of biological complexity: modelling, execution and visualization of Thymic T cell maturation. Genome Res. 13, 24852497.
[41] Alexandros Pertsinidis, Yunxiang Zhang, Steven Chu. Subnanometre single-molecule localization, registration and distance measurements. Nature, 2010 466(7), 647651
[42] Nudelman G, Louzoun Y. The role of lipid rafts in cell surface BCR antigen binding dynamics. EMBC 2004. Conference Proceedings, 26th Annual International Conference of the Engineering in Medicine and Biology Society.
[43] Nudelman G, Louzoun Y. Cell surface dynamics: the balance between diffusion, aggregation and endocytosis. Syst Biol (Stevenage) 2006;153:3442.
[44] Chakraborty A. How and why does the immunological synapse form? Physical chemistry meets cell biology. Sci STKE 2002;2002:PE10.
[45] Li QJ, et al. CD4 enhances T cell sensitivity to antigen by coordinating Lck accumulation at the immunological synapse. Nat Immunol 2004;5:791799.
[46] Kesmir C, De Boer RJ. A mathematical model on germinal center kinetics and termination. J Immunol 1999;163:24632469.
[47] Kleinstein SH, Singh JP. Toward quantitative simulation of germinal center dynamics: biological and modeling insights from experimental validation. J Theor Biol 2001;211:253275.
[48] Meyer-Hermann M, Beyer T. Conclusions from two model concepts on germinal center dynamics and morphology. Dev Immunol 2002;9:203214.
[49] Meyer-Hermann ME, Maini PK. Cutting edge: back to ‘‘one-way’’ germinal centers. J Immunol 2005;174:24892493.
[50] Lefranc MP. Nomenclature of the human immunoglobulin kappa (IGK) genes. Exp Clin Immunogenet 2001;18:161174.
[51] Bromley SK, et al. The immunological synapse. Annu Rev Immunol 2001;19: 375396.
[52] Monod MY, Giudicelli V, Chaume D, Lefranc MP. IMGT/JunctionAnalysis: the first tool for the analysis of the immunoglobulin and T cell receptor complex V-J and V-D-J JUNCTIONs. Bioinformatics 2004; 20(Suppl.):I379I385.
[53] Ruiz M, Pallares N, Contet V, Barbi V, Lefranc MP. The human immunoglobulin heavy diversity (IGHD) and joining (IGHJ) segments. Exp Clin Immunogenet 1999;16:173184.
[54] Ruiz M, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 2000;28:219221.
[55] Lefranc MP, et al. IMGT, the international ImMunoGeneTics database. Nucleic Acids Res 1999;27:209212.
[56] Mehr AJ, Ardakani MJ, Hedayati M, Shahraz S, Mehr EJ, Zali MR. Age-specific seroprevalence of hepatitis A infection among children visited in pediatric hospitals of Tehran, Iran. Eur J Epidemiol 2004;19:275278.
[57] Kleinstein SH, Louzoun Y, Shlomchik MJ. Estimating hypermutation rates from clonal tree data. J Immunol 2003;171:46394649.
[58] Eason DD, Cannon JP, Haire RN, Rast JP, Ostrovd DA, Litman GW. Mechanisms of antigen receptor evolution. Semin Immunol 2004;16:215226.
[59] Gay NJ, Gangloff M, Weber AN. Toll-like receptors as molecular switches. Nat Rev Immunol 2006;6:693698.
[60] Mehr R. Modeling the meta-dynamics of lymphocyte repertoires. Arch Immunol Ther Exp (Warsz) 2001;49:111120.
[61] Mehr R, Edelman H, Sehgal D, Mage R. Analysis of mutational lineage trees from sites of primary and secondary Ig gene diversification in rabbits and chickens. J Immunol 2004;172:47904796.
[62] Argyropoulos C, et al. Mining microarray data to identify transcription factors expressed in naive resting but not activated T lymphocytes. Genes Immun 2004;5: 1625.
[63] Choi YL, et al. DNA microarray analysis of natural killer cell-type lymphoproliferative disease of granular lymphocytes with purified CD3-CD56? fractions. Leukemia 2004;18:556565.
[64] Singh N, Bergman Y, Cedar H, Chess A. Biallelic germline transcription at the kappa immunoglobulin locus. J Exp Med 2003; 197:743750.
[65] Quintana FJ, Hagedorn PH, Elizur G, Merbl Y, Domany E, Cohen IR. Functional immunomics: microarray analysis of IgG autoantibody repertoires predicts the future response of mice to induced diabetes. Proc Natl Acad Sci USA 2004;101(Suppl.): 1461514621.
[66] Lauwerys BR, Wakeland EK. Genetics of lupus nephritis. Lupus 2005;14:212.
