论生物信息学人才培养和学科发展.docVIP

论生物信息学人才培养和学科发展 　　摘 要：生物信息在各个生命科学相关领域的作用日显突出，但是生物信息学的研究范围与人才类型尚不清晰，更缺乏相应的人才培养方案及成熟的科学研究体系。针对这些问题，本文界定了生物信息学的研究范围，将生物信息学人才分为4种类型，针对每种类型人才提出了相应培养目标、学科来源与就业导向，还指出了该领域科研发展中的尚存问题，有针对性地提出相应建议。本文旨在明确生物信息的研究内容与特点，促进生物信息学人才培养，推动生物信息学及相关学科的发展。 　　关键词：生物信息学 人才培养 学科发展 　　中图分类号：G642 文献标识码：A 文章编号：1674-098X（2017）08（c）-0241-02 　　生物信息学是研究生物信息的采集、处理、存储、传播、分析和解释等各方面的学科，也是?S着生命科学和计算机科学的迅猛发展，二者相互交叉形成的一门新学科。生物信息的发展大致经历了前基因组时代、基因组时代和后基因组时代。目前其主要研究内容已经从对DNA和蛋白质序列比较、编码区分析、分子进化转移到大规模的数据整合、可视化，比较基因组学、代谢网络分析、基因表达谱网络分析、蛋白质技术数据分析处理、蛋白质结构与功能分析以及药物靶点筛选等[1]。随着高通量实验手段的飞速发展，海量数据大量生成，如何从这些数据中挖掘出有用信息进一步指导实验或者对实验结果进行合理分析，是降低研究成本与周期，推动生命科学相关研究快速发展的必需工具。 　　虽然生物信息学已经成为目前极其热门的系统生物学研究手段，但是人们对生物信息学的定义十分模糊，该方面研究人才也相对稀缺，不少高校都没有设置相关专业与课程。生物信息相关科学研究也出现形式多样、百花齐放的模式，许多学校也没有注意到该学科具有高度交叉性的特点，缺少相应的扶持政策，使我国生物信息领域的发展始终滞后于国际水平。因此，如何在各生命相关学科内对生物信息学进行精准定位，并针对不同培养阶段的学生设置相应的课程进行定向培养，对于学生与学科发展都有着极大的推动作用。 　　1 生物信息学研究范围 　　生物信息研究主要分为4类，即“算法开发、数据处理、数据分析、数据库构建”。第一，算法开发。算法开发是为了解决某个生物学问题设计相应的数学算法，涉及编程语言的使用和对该生物学问题的深度理解。第二，数据处理。数据处理主要指对包括各种类型转录组数据在内的高通量数据进行处理，获得包括差异基因在内的初步数据分析结果。这部分研究具有高度程式化的特点，可以对各个分析步骤涉及的算法进行深入开发，进而与“算法开发”接轨；也可以借助现有算法并将其高度整合，构建解决某一问题的pipeline。该方面研究多以生物信息学服务为目的，是目前许多公司中生物信息学工作的主要内容。第三，数据分析。该方面研究较分散、类型众多，根据不同研究目的与数据类型，分析方法多种多样，往往需要研究者对生物学问题具备较多的背景知识与理解，掌握多种公共数据库与数据分析工具，是目前高校科研最常涉及的生物信息研究类型。第四，数据库构建。该方面研究往往针对已有的数据进行整合、存储，是现代生物学研究数据积累的重要手段，往往需要专业人员进行数据更新与维护，可以涉及简单的数据分析模块构建，既适合科学研究也适合商业服务。 　　2 生物信息学人才分类 　　作为生命科学与计算机科学的交叉学科，生物信息人才需要具备两个领域的知识，对人才的知识架构要求较高，但是不同培养方向的人才对各部分知识结构的需求也不尽相同。根据生物信息学研究的4种类型，生物信息学人才的培养目标、学科来源与就业导向可以做以下归类。 　　2.1 算法开发人才 　　对算法开发类人才的培养目标是培养能够熟练运用各种编程语言，灵活运用各种包括机器学习在内的算法、思路，根据具体生物学问题设计解决该问题的数学方法与工具的人才。在实际应用中，对这类人才的编程水平、算法与逻辑思维要求较高。因此，该类人才比较适于对来自数学、计算机相关专业的学生进行定向培养。在课程设置上，在强化编程语言与算法设计的同时，需要对生物学基本知识进行培训，为研究者快速、深刻地了解目标问题，准确地设计问题解决方案奠定理论知识基础。算法开发人才在高校科研与企业研发中均发挥着十分重要的作用，也是生物信息学研究的中流砥柱。 　　2.2 数据处理人才 　　对数据处理类人才的培养目标是培养能够利用各种现有数据分析工具对庞大的原始数据进行预处理，获得可供下游生物学分析使用的初始数据的人才。这类研究主要针对高通量数据的处理，人才需要对该实验过程的基本原理、分析过程与现有算法及其优劣了如指掌；需要具备Linux等计算机系统的操作技能，可以对海量数据进行灵活批量处理。该类人才既可以来源于计算机也可以来源于生物学背景的学生，在课程设置上要照顾两方面知识的交叉