生物信息学本科学位课程发展思考

摘 要：生物信息学是一个高度交叉的跨学科领域，正日益成为一门强大的现代新型学科。随着社会上对训练有素的生物信息学专业学生需求量的快速增加，开设生物信息学本科专业的学校也日益增多。由于高度交叉学科的特殊性，对生物信息学本科课程的开发面临诸多的挑战。同济大学是我国最早成立本科生物信息学专业的大学之一，本文对同济大学的生物信息学专业本科课程十几年的发展历程进行了回顾和展望。

关键词：生物信息学；本科教育；跨学科；课程

一、引言

生物信息学是将生命科学与计算机科学和信息技术进行高度融合形成的一门具有独特优势的现代交叉学科。生物信息学运用开发和使用的先进信息学工具，把生物、医学、行为和健康数据，经过采集、存储、整理、集成、分析和挖掘等一系列工作，把数据转化为信息及知识，从而发现生命科学新见解，创建一个全局的视角重新认知生命科学的原则，以此来解决生物医学和临床医学方面的问题[1]。特别是随着测序成本的大幅度降低，由此产生的大规模基因组数据，开启了后基因组时代研究的新局面，从而给生命科学和相关领域带来了天翻地覆的变化。通过生物信息学手段在分子生物学、个性化医学和生物技术等领域获得的海量信息，用于预防、诊断、治疗遗传性等疾病，设计新的药物和疫苗，大大缩短了新药开发周期[2]，可以说基于生物信息学研究的方法有可能彻底改变21世纪生命医学领域的研究

模式。

随着各类市场和学术研究单位对生物信息学专业人才的需求不断增长[3]，对该专业的本科与研究生的培养迫在眉睫。本科院校普遍认识到建立此类课程的重要性，各大专院校开设生物信息学专业的意愿日益增强。

二、国内外高校专业与课程对比分析

通过对国外十所开设生物信息学或计算生物学专业的高校的学位课程和培养模式进行调研，对主要的课程模块及课程设置以及国内外高校生物信息学专业的培养模式进行了详细的分析。在基础课程的设置上，这些院校主要包含生物学、化学基础、数学及统计概率、计算机科学、算法及编程这几个方面的课程，少数高校还设置了丰富的物理课程；在学分分配上，生物学、化学、数学和计算机科学几个分类项的比例比较均衡（大致13～20学分）；在生物信息学专业课程的开设方面，各校侧重点各有不同，特色比较鲜明，兼顾学科和教师

特点。

国外高校化学、数学基础课程设置比例总体高于国内高校，说明国外高校的培养体系对于学科的基础知识还是相当重视的。生物信息学应用方面开设很多课程，侧重点各有不同，除了基础课程外，国外大学在进阶课程的设置上更加灵活，除了生物信息、算法、编程、数据库等相关的生物信息技术，会设置一系列的选修课程供学生自由选择；培养模式除了讲授课程以外，还提供更多的项目实践，一些课程通过完成完整的课题考察学生的学习情况，值得国内高校借鉴；本科生在前两年需要学习大量基础课程，之后才会接触到生物信息学理论、技术前沿、生物信息学应用的课程。

从目前国内外高校的现状来看，生物信息学纳入现有本科专业课程存在三种情况。

第一种是将生物信息学的观念“注入”到现有课程。例如，几乎所有生命科学专业的遗传学、分子生物学和生物化学课程主要讨论基因图谱、突变、基因表达、遗传疾病、生化途径以及核酸和蛋白质的结构和功能，生物信息学方法和数据库与这些概念密切相关，可以很容易地集成到这些课程中，可见生物信息学已成为现代生命科学的重要组成部分[4-6]。

第二种是将生物信息学作为跨学科之间的“衔接课程”。例如，一个分子序列的比较或者一个蛋白质的三维结构可以连接到一个计算机程序设计课程，作为计算机程序在生物学应用中的一个切入点。这个做法的出发点是生物学问题，但解决方案是计算机程序，这就完成了跨学科知识的整合。也可以作为大学生的创新项目，鼓励学生组建生物和计算机科学的团队，实现跨学院之间合作。

第三种是创建一套完整的生物信息学专业课程体系，打破原有学科的设置，精心设计新的核心课程，培养学生运用综合知识和技能来解决实际的生物学问题。

这几种模式在学科发展的不同阶段，结合各个学院不同情况，可以同时并存，目的是解决学术和市场的人才需求问题。

三、生物信息学专业本科课程的体系设置——以同济大学为例

同济大学一直非常注重跨学科人才的培养和教育，除了在科研上对跨学科之间的研究有专项支持，在本科生的创新实践培养方面也有相应措施进行鼓励。跨学科之间的交流非常频繁。

作为国内最早开设生物信息学专业的本科院校，同济大学的生物信息学本科教育旨在打造以生命科学、数学和计算机科学为根基的跨学科专业。在课程设置上，第一年学生以公共基础课为主，课程包括生物学基础课、基础化学和有机化学、物理、高等数学和计算机编程，大部分科目都配备相应的实验与实践。目的是把理论课程的学习内容，迅速应用到实际问题的解决上，以提高学生解决问题和数据分析的能力。

第二年开始，学生进入以专业基础课为主的学习过程中，课程涵蓋三大核心内容，生物类（生物化学、分子生物学、细胞生物学、遗传学和生理学）、数学（概率论与数理统计、数值方法与计算机算法、线性代数）、计算机科学和生物信息学基础（生物信息学、数据库基础知识、现代生物计算环境），另外还配备大量的选修课程（计算机辅助医学、系统生物学、分子进化、表观遗传学、干细胞生物学、发育生物学、神经生物学、药学基础），鼓励学生根据兴趣和将来的工作需求选择相应的课程。时间上也比较灵活，从第二年到第四年根据自己的时间安排提供开放选择。

第三年主要以专业课程为主，主要开始学习计算基因组学、数据库与数据仓库技术、生物信息学算法与实践、机器学习理论与方法等课程。内容涵盖最新课题、涉及主要研究项目的设计、计算机工具和数据库方面的理论和实践内容。大三年主要训练学生将化学、数学、计算机科学和生命科学等不同学科的知识和技能整合起来，使学生意识到生物信息学科发展的必然性，进一步学习如何运用生物信息学的理论和工具来解决关键的生物学问题，并尝试应用所学到的理论和技能来寻求解决方案，管理和分析各种生物数据和大型高通量数据集。

大学的第四年，学生在导师的带领下，完成以创新研究为导向的本科毕业论文。学生将使用生物信息学的计算方法，开发新的程序或数据库，然后对大量的数据进行分析研究，最终形成一个相对独立的成果。除了选择在本学院开展创新研究以外，学生还获得跨学院和跨学校的研究机会，应用跨学科的知识有效解决实际问题。生物信息学教师鼓励本科生参与导师的研究项目，体验跨学科之间的协助研究，掌握最新的技术来适应就业和后续的研究生教育。

同济大学具有良好的跨学科研究氛围，几乎每个导师都有大量跨学科的研究项目。通常情况下，生物信息学本科生从大二学年开始直到毕业都有机会参与导师的研究项目，也有大量的机会参加校内外组织的国际国内的会议。近年来，生物信息学教师和学生以共同作者的名义发表了许多研究性文章。除了在校园里的研究机会，学校同样鼓励学生们到校外的实习基地开展研究工作，这些学生同样得到校外实习基地的广泛欢迎，这些经历对他们后期的研究和工作生涯有很大的幫助。

经过培养的同济大学生物信息学本科毕业生，已经能够将知识广度和深度与研究经历相结合，学生发展的空间也得到了很好的提升，可以进一步追求更大的发展。众多知名大学非常乐意接收同济大学生物信息学本科毕业生来攻硕士或博士学位；也可以根据自己的兴趣在医药、生物产业或互联网领域发展自己的职业生涯。

同济大学生物信息学课程在生命科学和计算机编程培训方面力求均衡，同时也给予发展各自兴趣特长的空间。比如有些学生对分子生物学更感兴趣，他们倾向于选修更多与兴趣有关生物类选修课程；可能另一些学生更喜欢计算机编程，在成为训练有素的计算机科学学生的同时，这些学生所具有的优势是能够与从事“湿实验”的科学家密切合作，能够更好地理解实验工作者的需求，更加顺利地合作完成相关的研究项目。在过去的10余年的时间里，同济大学生物信息学专业课程的设置为每个毕业生建立一个平衡的技能，也给予他们可以在任何一个方向得以继续发展所要求的知识背景。

本科生如何在有限的时间内完成跨学科的知识储备，这是一个很大的挑战，需要精心设计一套完善的整合性跨学科课程，为学生今后的职业和科研做好充足的准备。同济大学作为首批可以授予生物信息学本科学士学位的院校，通过这些年的发展历程，已经创建了一整套生物信息学本科课程体系，通过注入生物信息学概念，将其融入现有课程，同时也发展了一批特色核心课程，帮助生物信息学专业的学生更好发展。但是生物信息学专业课程仍面临巨大的挑战，与其他传统的学科相比，生物信息学是一门年轻的科学，伴随着生物信息学理论和技术的迅速发展，使得这门学科的外延和内涵也在不断地发生着变化，所以本科课程的设置和内容都必须及时进行动态调整，以适应不断发展的新技术新概念的需求，为毕业生做好今后科研和就业的准备。

参考文献：

[1] Chojnacki S， Cowley A， Lee J， Foix A， Lopez R. Programmatic access to bioinformatics tools from EMBL-EBI update： 2017[EB/OL]. Nucleic Acids Research， 2017， 45（Web Server issue）：W550-W553. doi：10.1093/nar/gkx273.

[2] Altman RB. Translational Bioinformatics： Linking the Molecular World to the Clinical World[J]. Clin Pharmacol Ther， 2012 ， 91 （6） ：994-1000.

[3]Bioinformatics Market Outlook to 2015[EB/OL].http：///news-bioinformatics-market-outlook-to-2015-1346144339.html.

[4] Pritchard CC， Cheng HH， Tewari M. MicroRNA profiling： approaches and considerations[J]. Nat Rev Genet， 2012， 13（5）：358-69.

[5] Weisman D. Incorporating a collaborative web-based virtual laboratory in an undergraduate bioinformatics course[J]. Biochem Mol Biol Educ， 2010， 38（1）：4-9.

[6] Dinsdale E， Elgin SCR， Grandgenett N， et al. NIBLSE： A Network for Integrating Bioinformatics into Life Sciences Education[EB/OL]. CBE Life Sciences Education， 2015， 14（4）：le3. doi：10.1187/cbe.15-06-0123.

[项目资助：国家自然科学基金（81573023），

同济大学教学改革项目（2000104061）]

[责任编辑：余大品]

推荐访问:信息学 学位 本科 思考 课程