戴曉峰

摘 要：生物信息在各個(gè)生命科學(xué)相關(guān)領(lǐng)域的作用日顯突出，但是生物信息學(xué)的研究范圍與人才類型尚不清晰，更缺乏相應(yīng)的人才培養(yǎng)方案及成熟的科學(xué)研究體系。針對(duì)這些問題，本文界定了生物信息學(xué)的研究范圍，將生物信息學(xué)人才分為4種類型，針對(duì)每種類型人才提出了相應(yīng)培養(yǎng)目標(biāo)、學(xué)科來源與就業(yè)導(dǎo)向，還指出了該領(lǐng)域科研發(fā)展中的尚存問題，有針對(duì)性地提出相應(yīng)建議。本文旨在明確生物信息的研究內(nèi)容與特點(diǎn)，促進(jìn)生物信息學(xué)人才培養(yǎng)，推動(dòng)生物信息學(xué)及相關(guān)學(xué)科的發(fā)展。

關(guān)鍵詞：生物信息學(xué) 人才培養(yǎng) 學(xué)科發(fā)展

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）08（c）-0241-02

生物信息學(xué)是研究生物信息的采集、處理、存儲(chǔ)、傳播、分析和解釋等各方面的學(xué)科，也是隨著生命科學(xué)和計(jì)算機(jī)科學(xué)的迅猛發(fā)展，二者相互交叉形成的一門新學(xué)科。生物信息的發(fā)展大致經(jīng)歷了前基因組時(shí)代、基因組時(shí)代和后基因組時(shí)代。目前其主要研究內(nèi)容已經(jīng)從對(duì)DNA和蛋白質(zhì)序列比較、編碼區(qū)分析、分子進(jìn)化轉(zhuǎn)移到大規(guī)模的數(shù)據(jù)整合、可視化，比較基因組學(xué)、代謝網(wǎng)絡(luò)分析、基因表達(dá)譜網(wǎng)絡(luò)分析、蛋白質(zhì)技術(shù)數(shù)據(jù)分析處理、蛋白質(zhì)結(jié)構(gòu)與功能分析以及藥物靶點(diǎn)篩選等[1]。隨著高通量實(shí)驗(yàn)手段的飛速發(fā)展，海量數(shù)據(jù)大量生成，如何從這些數(shù)據(jù)中挖掘出有用信息進(jìn)一步指導(dǎo)實(shí)驗(yàn)或者對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行合理分析，是降低研究成本與周期，推動(dòng)生命科學(xué)相關(guān)研究快速發(fā)展的必需工具。

雖然生物信息學(xué)已經(jīng)成為目前極其熱門的系統(tǒng)生物學(xué)研究手段，但是人們對(duì)生物信息學(xué)的定義十分模糊，該方面研究人才也相對(duì)稀缺，不少高校都沒有設(shè)置相關(guān)專業(yè)與課程。生物信息相關(guān)科學(xué)研究也出現(xiàn)形式多樣、百花齊放的模式，許多學(xué)校也沒有注意到該學(xué)科具有高度交叉性的特點(diǎn)，缺少相應(yīng)的扶持政策，使我國生物信息領(lǐng)域的發(fā)展始終滯后于國際水平。因此，如何在各生命相關(guān)學(xué)科內(nèi)對(duì)生物信息學(xué)進(jìn)行精準(zhǔn)定位，并針對(duì)不同培養(yǎng)階段的學(xué)生設(shè)置相應(yīng)的課程進(jìn)行定向培養(yǎng)，對(duì)于學(xué)生與學(xué)科發(fā)展都有著極大的推動(dòng)作用。

1 生物信息學(xué)研究范圍

生物信息研究主要分為4類，即“算法開發(fā)、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)庫構(gòu)建”。第一，算法開發(fā)。算法開發(fā)是為了解決某個(gè)生物學(xué)問題設(shè)計(jì)相應(yīng)的數(shù)學(xué)算法，涉及編程語言的使用和對(duì)該生物學(xué)問題的深度理解。第二，數(shù)據(jù)處理。數(shù)據(jù)處理主要指對(duì)包括各種類型轉(zhuǎn)錄組數(shù)據(jù)在內(nèi)的高通量數(shù)據(jù)進(jìn)行處理，獲得包括差異基因在內(nèi)的初步數(shù)據(jù)分析結(jié)果。這部分研究具有高度程式化的特點(diǎn)，可以對(duì)各個(gè)分析步驟涉及的算法進(jìn)行深入開發(fā)，進(jìn)而與“算法開發(fā)”接軌；也可以借助現(xiàn)有算法并將其高度整合，構(gòu)建解決某一問題的pipeline。該方面研究多以生物信息學(xué)服務(wù)為目的，是目前許多公司中生物信息學(xué)工作的主要內(nèi)容。第三，數(shù)據(jù)分析。該方面研究較分散、類型眾多，根據(jù)不同研究目的與數(shù)據(jù)類型，分析方法多種多樣，往往需要研究者對(duì)生物學(xué)問題具備較多的背景知識(shí)與理解，掌握多種公共數(shù)據(jù)庫與數(shù)據(jù)分析工具，是目前高?？蒲凶畛Ｉ婕暗纳镄畔⒀芯款愋?。第四，數(shù)據(jù)庫構(gòu)建。該方面研究往往針對(duì)已有的數(shù)據(jù)進(jìn)行整合、存儲(chǔ)，是現(xiàn)代生物學(xué)研究數(shù)據(jù)積累的重要手段，往往需要專業(yè)人員進(jìn)行數(shù)據(jù)更新與維護(hù)，可以涉及簡單的數(shù)據(jù)分析模塊構(gòu)建，既適合科學(xué)研究也適合商業(yè)服務(wù)。

2 生物信息學(xué)人才分類

作為生命科學(xué)與計(jì)算機(jī)科學(xué)的交叉學(xué)科，生物信息人才需要具備兩個(gè)領(lǐng)域的知識(shí)，對(duì)人才的知識(shí)架構(gòu)要求較高，但是不同培養(yǎng)方向的人才對(duì)各部分知識(shí)結(jié)構(gòu)的需求也不盡相同。根據(jù)生物信息學(xué)研究的4種類型，生物信息學(xué)人才的培養(yǎng)目標(biāo)、學(xué)科來源與就業(yè)導(dǎo)向可以做以下歸類。

2.1 算法開發(fā)人才

對(duì)算法開發(fā)類人才的培養(yǎng)目標(biāo)是培養(yǎng)能夠熟練運(yùn)用各種編程語言，靈活運(yùn)用各種包括機(jī)器學(xué)習(xí)在內(nèi)的算法、思路，根據(jù)具體生物學(xué)問題設(shè)計(jì)解決該問題的數(shù)學(xué)方法與工具的人才。在實(shí)際應(yīng)用中，對(duì)這類人才的編程水平、算法與邏輯思維要求較高。因此，該類人才比較適于對(duì)來自數(shù)學(xué)、計(jì)算機(jī)相關(guān)專業(yè)的學(xué)生進(jìn)行定向培養(yǎng)。在課程設(shè)置上，在強(qiáng)化編程語言與算法設(shè)計(jì)的同時(shí)，需要對(duì)生物學(xué)基本知識(shí)進(jìn)行培訓(xùn)，為研究者快速、深刻地了解目標(biāo)問題，準(zhǔn)確地設(shè)計(jì)問題解決方案奠定理論知識(shí)基礎(chǔ)。算法開發(fā)人才在高?？蒲信c企業(yè)研發(fā)中均發(fā)揮著十分重要的作用，也是生物信息學(xué)研究的中流砥柱。

2.2 數(shù)據(jù)處理人才

對(duì)數(shù)據(jù)處理類人才的培養(yǎng)目標(biāo)是培養(yǎng)能夠利用各種現(xiàn)有數(shù)據(jù)分析工具對(duì)龐大的原始數(shù)據(jù)進(jìn)行預(yù)處理，獲得可供下游生物學(xué)分析使用的初始數(shù)據(jù)的人才。這類研究主要針對(duì)高通量數(shù)據(jù)的處理，人才需要對(duì)該實(shí)驗(yàn)過程的基本原理、分析過程與現(xiàn)有算法及其優(yōu)劣了如指掌；需要具備Linux等計(jì)算機(jī)系統(tǒng)的操作技能，可以對(duì)海量數(shù)據(jù)進(jìn)行靈活批量處理。該類人才既可以來源于計(jì)算機(jī)也可以來源于生物學(xué)背景的學(xué)生，在課程設(shè)置上要照顧兩方面知識(shí)的交叉培訓(xùn)。在我國，數(shù)據(jù)處理人才仍然是生物信息行業(yè)的主流，特別是在企業(yè)界該類人才更是供不應(yīng)求。

2.3 數(shù)據(jù)分析人才

對(duì)數(shù)據(jù)分析人才的培養(yǎng)目標(biāo)是培養(yǎng)能夠利用公共數(shù)據(jù)庫信息或?qū)嶒?yàn)所得數(shù)據(jù)挖掘有用信息，獲得有價(jià)值的生物學(xué)結(jié)論或者為下游分子生物學(xué)實(shí)驗(yàn)提供指導(dǎo)的假設(shè)性結(jié)論的人才。該類人才需要善于使用各種數(shù)據(jù)庫及數(shù)據(jù)分析軟件并掌握一到兩門簡單的高級(jí)編程語言，能夠根據(jù)各研究課題的目的和需求設(shè)計(jì)數(shù)據(jù)分析步驟與流程，能夠?qū)Y(jié)果有深刻的理解與把握。由于這類人才需要對(duì)生物學(xué)問題具有深刻的認(rèn)識(shí)和理解，學(xué)生宜來源于生物相關(guān)專業(yè)。對(duì)該類學(xué)生的培養(yǎng)除了介紹一些常用高級(jí)編程語言、數(shù)據(jù)庫與分析工具外，更需要注重介紹各類生物學(xué)問題的解決方案和相應(yīng)的方法選擇。數(shù)據(jù)分析人才在各種生命相關(guān)的科學(xué)研究當(dāng)中都必不可少，是降低研究盲目性、縮短研究周期、提高研究水平的重要推動(dòng)力之一。

2.4 數(shù)據(jù)庫構(gòu)建人才

對(duì)數(shù)據(jù)庫構(gòu)建人才的培養(yǎng)目標(biāo)是培養(yǎng)能夠?qū)F(xiàn)有數(shù)據(jù)整合、構(gòu)建成一個(gè)便于檢索、分析的數(shù)據(jù)庫的專業(yè)人才。這類人才的培養(yǎng)不局限于生物學(xué)專業(yè)，但是其在生物學(xué)領(lǐng)域的應(yīng)用成為生物信息學(xué)研究的重要內(nèi)容之一。隨著海量數(shù)據(jù)的不斷生成，如何將數(shù)據(jù)組織成一個(gè)便于檢索、便于分析的存儲(chǔ)模塊是該類研究人才需要解決的核心問題。對(duì)于這類人才的培養(yǎng)，數(shù)據(jù)庫基本知識(shí)與必要的編程技能是培養(yǎng)的重要內(nèi)容；此外，如何低成本地維護(hù)、更新數(shù)據(jù)庫也是這類人才需要具備的基本技能。公司與高校對(duì)這類人才的需求從未間斷，特別是本身能夠不斷產(chǎn)生高通量數(shù)據(jù)的企業(yè)或科研機(jī)構(gòu)。endprint

3 生物信息學(xué)的人才培養(yǎng)

我們?cè)诟咝－h(huán)境下談人才培養(yǎng)就涉及到本科生和研究生培養(yǎng)兩個(gè)階段。

3.1 生物信息學(xué)本科生培養(yǎng)

本科生培養(yǎng)是對(duì)學(xué)生相關(guān)專業(yè)的基礎(chǔ)技能培訓(xùn)，同時(shí)肩負(fù)著激發(fā)學(xué)生對(duì)該學(xué)科學(xué)習(xí)興趣的任務(wù)。針對(duì)該特點(diǎn)作者提出以下教學(xué)建議。第一，由于學(xué)生未來職業(yè)發(fā)展的定向性較差，因此教學(xué)內(nèi)容應(yīng)該涵蓋生物信息學(xué)的4種類型，讓學(xué)生對(duì)該學(xué)科有一個(gè)充分、正確的認(rèn)識(shí)。第二，單方面教學(xué)內(nèi)容不宜過深，以避免學(xué)生產(chǎn)生對(duì)該學(xué)科的畏懼心理。第三，理論與實(shí)踐相結(jié)合，寓教于樂。生物信息學(xué)是一門應(yīng)用型科學(xué)，一定要與實(shí)踐相結(jié)合才能達(dá)到教學(xué)目的。對(duì)于每一類生物信息學(xué)研究，都應(yīng)給予相應(yīng)的應(yīng)用案例，最好每一部分由長期從事相關(guān)研究的老師擔(dān)任，這樣學(xué)生可以及時(shí)將學(xué)習(xí)內(nèi)容與未來應(yīng)用相關(guān)聯(lián)，既增強(qiáng)了教學(xué)實(shí)用性也提高了學(xué)生的學(xué)習(xí)積極性。

3.2 生物信息學(xué)研究生培養(yǎng)

研究生培養(yǎng)是對(duì)學(xué)生研究能力的培養(yǎng)，同時(shí)是對(duì)學(xué)生的專業(yè)定向與深度培訓(xùn)。此時(shí)的學(xué)生培養(yǎng)除了教學(xué)還包括科學(xué)研究，與老師和專業(yè)的接觸機(jī)會(huì)也大大增加。針對(duì)該階段的培養(yǎng)特點(diǎn)，筆者認(rèn)為該時(shí)期應(yīng)該確定某一生物信息學(xué)研究方向，有針對(duì)性地對(duì)學(xué)生進(jìn)行專業(yè)化培養(yǎng)。為此，以下培養(yǎng)方式可供參考。第一，這一時(shí)期的教學(xué)培養(yǎng)應(yīng)該借助“課程整合”的概念與優(yōu)勢(shì)，根據(jù)需要和學(xué)生知識(shí)結(jié)構(gòu)選擇合適的課程進(jìn)行培訓(xùn)。學(xué)校應(yīng)該支持跨學(xué)科、跨學(xué)院選課機(jī)制，支持研究生選修本科生課程，并且對(duì)這些學(xué)生的考察方式與標(biāo)準(zhǔn)做適當(dāng)調(diào)整。由于該階段學(xué)生已經(jīng)開始接觸具體科研課題，且課程培養(yǎng)輔助于科學(xué)研究，因此應(yīng)當(dāng)借鑒許多發(fā)達(dá)國家的培養(yǎng)方式，讓研究生導(dǎo)師制定相關(guān)考核方式并對(duì)學(xué)生進(jìn)行單獨(dú)考核。第二，鼓勵(lì)學(xué)生自學(xué)相關(guān)專業(yè)知識(shí)，培養(yǎng)學(xué)生獨(dú)立學(xué)習(xí)與探索的能力。在該方面許多發(fā)達(dá)國家也有著很多值得借鑒的經(jīng)驗(yàn)。比如，老師給學(xué)生指定一本書或相關(guān)資料讓學(xué)生自學(xué)，最后老師出題進(jìn)行考核；開設(shè)討論性課程，給定學(xué)生討論話題，由學(xué)生自主搜集材料、學(xué)習(xí)并與課程其他學(xué)生分享，學(xué)生考核由課程老師根據(jù)其在分享學(xué)習(xí)成果中表現(xiàn)出的學(xué)習(xí)效果以及在討論中的積極性與正確性來評(píng)判。

4 生物信息學(xué)的科研發(fā)展

生物信息學(xué)作為一個(gè)服務(wù)性交叉學(xué)科，是一個(gè)完整生物學(xué)研究歷程的重要組成部分，需要和其他特別是實(shí)驗(yàn)性研究相結(jié)合才能最大程度地發(fā)揮功能，推動(dòng)相關(guān)研究的發(fā)展。

目前高校主要存在兩種生物信息學(xué)研究模式。一種是獨(dú)立的生物信息學(xué)研究團(tuán)隊(duì)，偏向于計(jì)算機(jī)與數(shù)學(xué)方向。這類團(tuán)隊(duì)大多與實(shí)驗(yàn)性團(tuán)隊(duì)有著戰(zhàn)略性合作關(guān)系，要么是開展“算法開發(fā)、數(shù)據(jù)分析”等工作，然后其開發(fā)的算法、提出的生物學(xué)假設(shè)等由實(shí)驗(yàn)性團(tuán)隊(duì)使用或驗(yàn)證；要么是對(duì)實(shí)驗(yàn)性團(tuán)隊(duì)產(chǎn)生的結(jié)果進(jìn)行“數(shù)據(jù)分析”與“數(shù)據(jù)庫構(gòu)建”。另一種是綜合型生物信息學(xué)研究團(tuán)隊(duì)，偏向于生物學(xué)研究，擁有自己的實(shí)驗(yàn)平臺(tái)，可以圍繞某特定生物學(xué)問題，開展包括“數(shù)據(jù)分析”等在內(nèi)的全套研究。第一種方式的科研運(yùn)轉(zhuǎn)模式相對(duì)簡單，招生來源也比較明確，但是由于涉及深度合作，發(fā)展方向、水平與速度受到合作伙伴的限制；以第二種方式存在的團(tuán)隊(duì)雖然可以靈活自主地把控自己的研究方向與成果，但是由于交叉性很強(qiáng)，如果想要得到長久發(fā)展，需要得到學(xué)校相應(yīng)的靈活政策支持，比如，允許跨學(xué)院招生或者學(xué)院間聯(lián)合培養(yǎng)學(xué)生等。

5 結(jié)語

由于生物信息學(xué)是一門典型的交叉、新興學(xué)科，高校需要在人才培養(yǎng)上給予一定靈活性，體現(xiàn)“課程整合”在學(xué)生培養(yǎng)中的優(yōu)勢(shì)。由于生物信息學(xué)具備服務(wù)性和多樣性的特點(diǎn)，高校需要制定相應(yīng)靈活地招生與培養(yǎng)策略才能促進(jìn)生物信息學(xué)與其他實(shí)驗(yàn)性科學(xué)的深度融合，成為各生命科學(xué)相關(guān)研究的有利武器，推動(dòng)相應(yīng)科學(xué)研究的順利開展。

參考文獻(xiàn)

[1] Roos DS. Computational biology.Bioin for matics——trying to swim in asea of data[J]. Science，2001，291（5507）：1260-1261.endprint