生物信息学培训

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇生物信息学培训范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

生物信息学培训范文第1篇

关键词：生物信息学；医学；教育；建议

生物信息学（Bioinformatics）是一门发展迅速的生物学分支学科，由生物学、计算机学、信息管理学、应用数学及统计学等多门学科相互交叉而形成，本质是利用计算机技术解决生物学问题，通过信息的处理和整合实现发现和创新。它主要包括以下3个方面的内容：①生物数据的收集、整理、存储、检索、加工、分析和整合；②生物系统和结构的建模；③与生物科学相关的计算机技术的应用，这个范围还在不断的扩增中［1］。医学生物信息学是指以医学研究和临床应用为中心开设的生物信息学，本文讨论的内容主要围绕医学生物信息学展开。近20年来，互联网、数据库和计算方法的发展，为生物信息学的研究提供了更为广泛和灵活的方法；多种模式生物基因组测序的完成，功能基因组、蛋白质组研究的开展，各种高通量生物实验技术快速发展为生物信息学，提供了更大研究空间的同时，也对海量的生物学数据进行有效地挖掘和整合提出了严峻的挑战；而以基础研究与临床医疗结合为宗旨的转化医学的兴起对衔接二者之间的桥梁———生物信息学，提供了广阔的应用空间。对生物信息学人才的热切需求，以及上述机遇和挑战导致了生物信息学专业在全世界的蓬勃发展。以美国为例，在1999年之前，全美只有6所大学设置有计算生物学与生物信息学专业，而到2002年，则有31所大学设置了计算生物学与生物信息学专业博士学位，其中有12所大学是在2001年～2002年之间设置的这门专业［1］。这些大学通常以生物学、生物统计学、计算机科学或者生物医学信息学为依托设置这门专业，不同大学对该专业学生的培养模式也有所不同。在我国，很多高等院校将生物信息学作为专业课程设立，医学高等院校也逐步将其作为基础课程或选修课设立。作为一门新生学科，生物信息学在大部分院校尚处于探索阶段，没有成熟完善的教育模式可以借鉴［2］。在这种情况下，来自前期已毕业学生和用人单位的反馈意见对生物信息学教育模式的总结提高具有重要意义。作为一名临床医师和医学研究人员，笔者深刻体会到在实际工作中，无论是自身合理应用生物信息学知识进行思考和设计，还是找到能够迅速融入并满足实验室研究和临床工作需求的生物信息学专业人才都不是一件容易的事情。因此，本文作者就自己的一些切身体会，结合文献和思考，对我国医学生物信息学人才培养列举了一些意见和建议，希望能够在生物信息学教学模式的完善中起到微薄的助力作用。本文着重探讨信息技术在医学领域中的应用，侧重于医院信息管理和信息系统建设方面的医学信息学（Medical　Informatics）不在本文讨论范围内。理想的医学生物信息学人才培养目标应该是这三类人的集合：①计算机专家，掌握计算机算法、计算机语言、软件、数据库结构和相关知识框架，以及硬件知识；②生物信息学专家，具有熟练应用计算机储存、处理、分析和整合相关生物信息的能力；③基础研究或临床工作者，具有查阅文献，提出生物学或临床医学问题，合理使用上述生物信息学来思考、设计和解决问题的能力，并能收集和正确提供用于研究的初始数据。结合我国实际情况，想让临床医学专业学生或医学生物信息学专业学生同时完成以上3个方面的培训显然不切实际。理想的培训模式，是通过对临床医学专业和医学生物信息学专业学生不同侧重的培训，再通过二者的合理分工和配合，来满足以上3个方面的需求。对医学院校学生，尤其是医学研究生，生物信息学培训的内容应侧重于对其计算思维能力和信息学应用能力的培养，目的是使其能熟练地从生物信息学角度发现和提出生物学或临床医学方面的科学假设，针对该假设设计合理的研究方案，并为后续研究提供正确的初始数据；对以生物医学为中心的信息学专业人才培养，内容应侧重于对其计算机技术和生物信息学在医学实践应用方面能力的培养，目的是与前者配合，指导并帮助其完成科学假设的设计，对前者提供的初始数据进行管理、存储、检索、分析和整合，以及完成更高要求的计算机技术方面的应用，例如应用软件的设计，生物系统和结构的建模，等等。

1　医学生的计算生物学与生物信息学思维培养

本部分特指医学专业学生的生物信息学教学，部分医学院校开设的医学生物信息学专业教学将在下一部分中提及。无论是医学基础研究，还是以循证医学为代表的临床研究，生命科学研究的一般过程，都遵循发现问题资料查询预实验提出科学假设设计实验验证假说资料查询和结果分析科学理论总结的基本思路［3］。在这个过程中，计算生物学与生物信息学不仅是进行资料查询和结果分析的重要工具，更应是在提出科学假设和实验设计阶段就需要贯彻执行的理念和思维方式。换言之，具体的生物信息学与分子生物学实验一样都是验证生物医学假说的实验方法，是将一个生命科学假设用计算和信息学思维方式表达和实现的过程。在我国，绝大部分医学基础研究和临床研究课题都是由医学院校毕业的临床工作者设计和申请的。由于临床医师大都承担了繁重的临床工作，申请者亲自完成课题的机会很少，获批课题的具体实施及数据管理、存储、检索、分析和整合多由研究生或实验室工作人员负责。因此结合我国的实际情况，将生物信息学与具体课题耦合，即将一个科学假设用计算和信息学表示并有效实施的思维和实践培训，才是医学生生物信息学培训的中心内容。由于我国临床医学教学采用长学制（5年、7年或8年）教学，对实践性和针对性都很强的生物信息学而言，过早或过于笼统的培训都显得意义不大，所以笔者认为针对医学生的生物信息学培训安排在研究生阶段是比较合适的，教育中心是以医学研究需求为指导，强调信息学思维培训和实践操作。具体提出的建议有两点，一是根据学生专业背景调整理论教学内容。医学院校学生的数理基础、计算机基础及统计学理论基础不能和工科院校的学生相比，医学专业包括基础医学、临床医学、口腔、预防等专业，涉及广泛，各个专业背景的学生对这门课程的需求不尽相同。因此在理论课程上，要根据不同的专业背景和研究内容形成“个性化”的培养方案，目的是让学生有选择有针对性地掌握相关生物信息学内容，例如数据库的类型和选择，常用软件的种类和应用等，同时又不会对过于高深的生物信息学理论产生反感。二是结合研究生阶段的课题，开展研究内容模拟和实践操作练习。为了更好的配合研究生阶段的课题，可将《生物信息学》开课时间调整到研究生阶段的第三学期，即在学生进入课题研究阶段之后，让学生在清楚面临的课题内容后，有针对性地学习在完成课题过程中要使用到的知识、工具和解决问题的思路，包括文献查阅、保存、编辑，核酸序列查找和同源性比对及进化分析，PCR引物设计，基因功能、结构预测，调控元件及转录因子预测，蛋白质基本理化性质分析，跨膜区及信号肽预测，二级结构和空间三维结构的预测等。这样学生的学习兴趣和效率会大大提高。为了解决上课时间与课题时间冲突的问题，可以采用生物信息学授课老师加入导师组成员，通过网上教学和答疑、夜间授课、集中授课与个别指导结合等多种方式灵活解决。

2　以医学为中心的生物信息学专业人才培养

如果说对医学生进行生物信息学教育的目的是使其学会将一个生命科学假设用计算和信息学表示，并正确提供初始数据，那么以医学为中心的生物信息学专业人才培养的目的，就是使其学会用计算机学和信息学处理并证实科学假设的过程。具体的内容包括，与实验室工作人员和临床医生配合，从计算生物学与生物信息学角度指导并帮助其完成科学假设和课题内容设计；在课题实施阶段对后者提供的初始数据进行管理、存储、检索、分析和整合，以及满足后者更高要求的计算机技术的需求，例如应用软件的设计，生物系统和结构的建模，等等。目前，计算生物学与生物信息学专业研究生的培养模式主要有3种：①以生物学为中心的多学科培养模式。理论教育以生物学为中心，在6～9个学期内陆续完成生物学部分课程（相当于普通生物学系1／3～1／4课程）的选修，然后根据兴趣和实际情况选择一个相关实验室完成研究生课题。这种培养模式被大多数综合大学采纳。②以工程设计为中心的培养模式。③以医学为中心的培养模式。指以医学研究和临床应用为中心设置计算生物学和生物信息学，绝大多数由医学院校设置，侧重生物信息学与临床医学的结合。在进入课题阶段之前会有1～2年临床相关概念和信息的培训，主要开设的课程包括生物学、细胞生物学、分子生物学与基因组学、化学与物理学、计算机科学、数学和统计学等，甚至包括部分医学课程，后期实践阶段通常选择一个相关实验室完成研究生课题。总的看来，医学生物信息学基础课程设置与国际趋势相符，也符合以医学为中心计算生物学与生物信息学的培训要求。但从近年生物信息学专业研究生就业情况来看，确实存在素质参差不齐，学不能致用，不能很快融入研究工作等问题。笔者认为，这种现象可以从三个方面加以改进：①以职业发展和学位教育为导向，建立多层次、多形式的医学信息学教育和继续教育体系。各医学院校可在统一专业培养目标和定位的基础上，根据自身的学科基础和特色，结合学生毕业后的工作领域和就业方向，形成“个性化”的专业方向和培养方案。②加强师资力量的建设，形成以课程为中心的教学团队。现有医学生物学教材内容宽泛、偏重理论，对实践环节的指导较少，需要授课老师有选择的挑选合适的内容并予以补充和完善。这对授课教师的素质提出了更高要求，要求其能根据实际情况因材施教，有所取舍，强化重点。目前，各院校教学团队和师资力量配备受限，建议可以课程为中心，培养、引进学术带头人，从其他专业挑选骨干教师兼任等多种形式，形成以课程为中心的教学团队。③实践教学与综合能力的培养。生物信息学是一门实践性非常强的学科，要将“学有所长，学以致用”作为人才培养的最终目的。可以通过构建开放式实践教学平台，建设实践教学基地等方式尽可能强化实践操作训练［4］，后期部分学生可以结合个人兴趣，本着双向选择的原则，将实践阶段训练固定到导师和实验室，并安排其参与完成某一项课题的设计、实施和总结，在整个过程中要特别注意培养学生的学习兴趣和自学能力，强调知识的自我更新。

综上所述，医学生物信息学人才培养的最终目的是使生物信息学能满足现代医疗和医学研究发展的需要，使医学生物信息学人才成为有效连接基础研究与临床医疗的桥梁，为现代医学的发展提供新途径［5］。

参考文献：

［1］Mark　Gerstein，Dov　Greenbaum，Kei　Cheung　and　Perry　L．Miller．An　interdepartmental　Ph．D．program　in　computa－tional　biology　and　bioinformatics：The　Yale　perspective［J］．Journal　of　Biomedical　Informatics，2007，40：73－79．

［2］倪青山，胡福泉，饶贤才，等．医学院校生物信息学实践教学初探［J］．基础医学教育，2011，13（6）：538－539．

［3］张乐平，冯红玲，宋茂海，等．生物信息学教学与医科学生计算思维培养［J］．计算机教育，2012，19（4）：12－16．

［4］寻萌，陈艳炯，杨娥，等．《生物信息学》教学实践探讨［J］．西北医学教育，2011，19（6）：1220－1223．

生物信息学培训范文第2篇

中图分类号： G643；Q-3 文献标识码： B 文章编号： 1008-2409(2008)05-0967-03

人类基因组计划的成功实施使生命科学进入了信息时代。基因组学、蛋白质组学和生物芯片 技术的发展，使得与生命科学相关的数据量呈线性高速增长。对这些数据全面、正确的解读 ，为阐明生命的本质提供了可能。连接生物数据与医学科学研究的是生物信息学(Bioinform atics)。应用生物信息学研究方法分析生物数据，提出与疾病发生、发展相关的基因或基因 群，再进行实验验证，是一条高效的研究途经。医学是研究生命的科学，医学研究在基础上 就注定离不开对生物信息的了解。

我国目前医学研究生教学模式主要有两种, 一是医学本科教育延续过来的理论型, 这种类型 的教育是在本科教学大纲的基础上, 按照教学计划进行理论讲授, 最后按照导师指定的课题 完成毕业论文。这种培养模式突出理论学习, 忽视了实验机能和科研能力的培养。二是科研 能力培养的前轻后重型, 前期只是进行理论授课, 后期由导师指导学生的科研。这种模式虽 然开设了一定的实验项目, 但对研究生科研能力的培养缺乏系统性, 并且前期的培养不足直 接影响到研究生后期的学位课题和论文的进度、质量。

因此，笔者对生物信息学在医学硕士研究生中的教育初探，不但有利于该门课程尚未完全形 成成熟的课程体系之际，为教师学习借鉴先进的教育思想与教学实践经验，更有利于医学硕 士研究生对生物信息学的学习。

1 生物信息学的研究范围

生物信息学是一门新兴的交叉学科，涉及生物学、数学和信息科学等学科领域，并注定以互 联网为媒介，数据库为载体，利用数学知识、各种计算模型，并以计算机为工具，进行各种 生物信息分析，以理解海量分子数据中的生物学含义。

生物信息包括多种类型的数据，如核酸和蛋白质序列、蛋白质二级结构和三级结构的数据等 。由实验获得的核酸蛋白序列和三维结构数据等构成初级数据，由此构建的数据库称初级数 据库。由初级数据分析得来的诸如二级结构、疏水位点、结构域(Domain)，由核酸序列翻译 来的蛋白质以及预测的二级三级结构，称为二级数据。创新算法和软件是生物信息学持续发 展的基础，高通量生物学研究方法和平台技术是验证生物信息学研究结果的关键技术。因此 ，现代生物信息学是现代生命科学与信息科学、计算机科学、数学、统计学、物理学和化学 等学科相互渗透而形成的交叉学科，是应用计算机技术和信息论方法研究蛋白质及核酸序列 等各种生物信息的采集、存储、传递、检索、分析和解读，以帮助了解生物学和遗传学信息 的科学。从其研究所涉及的学科上看，生物信息学是集生物学、数学、信息学和计算机科学 一体化的一门新的科学；从其研究的主要内容上看，基因组信息学、蛋白质的结构模拟以及 药物设计是生物信息学的三个重要组成部分，并有机地结合在一起［1］。

2 医学硕士研究生中的生物信息学教学初探

2.1 课堂教学重在教授实践技巧与方法

生物信息学在医学研究生中的教学应以教授实践技巧为主，以介绍原理为辅，深入浅出，注 重课堂知识与科研实践的紧密结合。课堂讲授应简要介绍生物信息学的相关算法、原理，着 重介绍其使用技巧与方法，真正做到“有的放矢”，而这也是教学的重点和难点。

在教学中对于这部分内容应遵循深入浅出、避繁就简的原则，结合具体实例分析算法，避免 空洞复杂的算法讲解让学生觉得枯燥乏味、晦涩难懂，产生畏惧心理，知难而退；注重讲解 使用技巧与方法的思想和来龙去脉，让学生真正掌握解决问题的思路，培养其科学思维能力 ，并采用探讨式教学鼓励学生思考，通过讨论与研究的方式循序渐进的掌握复杂的内容，介 绍相关的教学和物理学知识，使学生充分体会到生物信息学与其他学科的关系，其他学科的 思想方法对于生物科学的重要性，培养其自觉地将其他学科的方法和思想应用于解决生物 学问题的科学素质。 任何学科都处于不断地发展、更新中，生物信息无论是理论研究还是 应用研究仍处于不断发展完善中，同时随着新的应用领域和新问题的发现，其他学科的方 法也在不断地应用于生物信息学，进一步增加了其多学科交叉融合的深度和广度。

2.2 充分利用现代化教育技术，采用案例教学

目前，高等院校在教室内配备的多媒体投影播放系统，促进了多媒体教学的广泛应用。生物 信息学采用多媒体教学是适应学科特点、提高教学效果和充分利用现代化教育技术的一项基 本要求。作为生物信息学教学的基本模式，多媒体教学使讲解的内容更加直观形象，尤其是 对于具体数据库的介绍以及数据库检索、数据库相似性搜索、序列分析和蛋白质结构预测等 内容涉及到的具体方法和工具的讲解，可以激发学生的学习兴趣，加深学生对知识的理解和 掌握，提高学生理论与实践相结合的能力。

但多媒体教室也有局限性，学生主要以听讲为主不能及时实践，教师讲解与学生实践相脱节 ，如果将生物信息学课程安排在计算机房内进行，并采用多媒体电子教室的教学方式可以解 决上述问题。在教学中采用启发式教学，为学生建立教学情景，学生通过与教师、同学的协 商讨论，参与操作，发现知识，理解知识并掌握知识。例如在讲授“目的基因序列的查寻” 时，除对基本内容的介绍，如数据库的发展、分类等，其他采用案例法，让学生利用搜索工 具查找三大公共核酸数据库，并通过数据库网站的介绍内容对该数据库的发展、内容、特点 进行学习并总结，通过讨论和实际的数据库浏览操作了解三大公共核酸数据库并且掌握数据 库使用方法。

2.3 采用“讲、练”一体化的教学模式，强调学生实践能力的培养

生物信息学课堂教学积极学习借鉴职业培训和计算机课程教学中“讲、练、做”一体化的教 学模式，在理论教学中增加实训内容，在实践教学中结合理论讲授，改变了传统的“以教师 为中心、以教材和讲授为中心”教学方式。

根据教学内容和学生的认知规律，灵活地采用先理论后实践或先实践后理论或边理论边实践 的方法，融生物信息学理论教学与实践操作为一体，使学生的知识和能力得到同步、协调、 综合发展。通常采用先讲后练的方法，即首先介绍原理、方法，之后设计相关的实训内容 让学生上机实践。对于操作性内容和生物信息分析的方法和工具的讲解采取了进行实际演示 的方法，教师边讲解边示范，学生在听课时边听讲边练习或者教师讲解结束后学生再进行练 习，理论与实践高度结合，充分发挥课堂教学的生动性、直观性，加深学生对知识的理解， 培养和提高学生的实践操作能力。

2.4 发挥网络教学优势，优化生物信息学实验教学内容

生物信息学实验教学主要是针对海量生物数据处理与分析的实际需要，培养学生综合运用生 物信息学知识和方法进行生物信息提取、储存、处理、分析的能力，提高学生应用理论知识 解决问题的能力和独立思考、综合分析的能力。生物信息学实验教学内容的选择与安排应按 照循序渐进的原则，针对特定的典型性的生物信息学问题设计，以综合性、设计性实验内容 为主，明确目的要求，突出重点，充分发挥学生的主观能动性和探索精神，以激发学生学习 的主动性和创造性为出发点，加强学生创新精神和实验能力的培养。生物信息学实验教学以 互联网为媒介、计算机为工具，全部在计算机网络实验室内完成。在教学中，充分利用网络 的交互特点实现信息技术与课程的结合。教师通过电子邮件将实验教学内容、实验序列、工 具等传递给学生，学生同样通过电子邮件将实验报告、作业、问题和意见等反馈给教师，教 师在网上批改实验报告后将成绩和评语发送给学生，让学生及时了解自己的学习情况。

生物信息实验教学与现代网络和信息技术密不可分，在教学工作中充分利用现代教育技术较 其他课程更具优势。区别于其他生命科学课程，在教学过程中要求有发达的互联网和计算机 作为必备条件。调查显示国内高校都已建立校园网，其中拥有1000 M主干带宽的高校已占调 查 总数的64.9％，2005年一些综合类大学和理工类院校将率先升级到万兆校园网［2］ ，这些都为生物信息学课程在高校开设提供了良好的物质基础。

2.5 考试无纸化，加强实践能力考核

考试重点是考查学生对生物信息分析的基本方法和技能的掌握程度和对结果的分析解释能力 。因此，在生物信息学考试中尝试引入实践技能考试，重点考核学生知识应用能力。实践技 能考试采用无纸化考试方式，学生在互联网环境下，对序列进行生物信息分析并对结果进行 解释，不仅考核学生对基本知识和基本原理的掌握，而且考查学生进行生物信息分析的实际 能力和分析思考能力。通过实践技能考试，淡化理论考试，克服传统的死记硬背，促进学生 注重提高理论用于实践的综合能力，同时更有效地提高学生计算机应用能力。除采用实践技 能考试并将其作为学生成绩的主要部分外，还加强了对学生平时学习态度、学习能力、创新 思维等方面的考核。

总之，生物信息学教学是网络环境下生物教学的全新内容。通过上述教学措施，提高了学生 的 学习积极性、实践操作能力、解决实际问题的综合应用能力及创新能力，收到了良好的教学 效果，得到了学生的普遍欢迎，具有较强的可操作性和实践性。在今后的教学实践中，随着 教师自身素质的提高和进一步的教学改革将会不断完善生物信息学教学，培养具有“大科学 ”素质和意识的医学研究生人才。

参考文献：

［1］ 张阳德．生物信息学［M］．北京：科学出版社，2004：4．

生物信息学培训范文第3篇

关键词：B细胞表位；服务器；研究

中图分类号：R392

表位是抗原分子中被相应抗体或抗原受体识别的特定部位。B细胞表位[1]是抗原中可被B细胞抗原受体（BCR）或抗体特异性识别并结合的线性片段或空间构象性结构，其刺激机体产生B细胞介导的体液免疫应答，并产生效应分子（抗体）和效应细胞。线性B细胞表位是由抗原分子表面肽链上连续的氨基酸残基构成的序列。B细胞表位预测研究主要还是以线性B细胞表位预测为主，目前已有较多关于线性B细胞表位的数据库和预测算法、软件。

1 抗原表位

抗原表位[2]，又称抗原决定簇（antigenic determinant，AD）指抗原分子中决定抗原特异性的特殊化学基团。抗原通过抗原表位与相应的淋巴细胞表面的抗原受体结合，从而激活淋巴细胞，引起免疫应答；抗原也借表位与相应抗体或致敏淋巴细胞发生特异性结合而发挥免疫效应。抗原表位的性质、数目和空间构型决定抗原的特异性。抗原表位是免疫原抗原性的物质基础，开展对抗原表位的研究将对病原的诊断以及分子疫苗的设计等具有重要的意义。

2 线性B细胞表位筛选方法

B细胞表位[3]是抗原中可被B细胞抗原受体（BCR）或抗体特异性识别并结合的线性片段或空间构象性结构，其刺激机体产生B细胞介导的体液免疫应答，并产生效应分子（抗体）和效应细胞。在免疫学中认为，表位才是抗原刺激机体免疫系统产生特异性免疫应答的真正部位。B细胞表位预测是表位预测的一个重要组成部分，大多数的研究是针对线性B细胞表位预测，通过组合抗原蛋白物理化学性质、结构性质、统计显著性度量等特征属性进行表位预测，并取得一定的研究成果。

2.1 基于递归神经网络的线性B细胞表位预测服务器[4]

在多肽疫苗的开发中B细胞表位起到了至关重要的作用，在疾病的诊断中，也可用于过敏研究。标准的前馈（FNN）和递归神经网络（RNN）有被用在本研究中，用于预测抗原序列中的B细胞表位。网络已经被训练和测试，在一个完整的数据集中，由700个非冗余的B细胞表位来自于Bcipep数据库和同等数量的非表位来自于SWISS-PROT数据库。该网络已经训练和测试在不同的输入窗口长度和隐结点中。最大精度已使用递归神经网络具有单隐层的35个隐藏的单位窗口长度为16。当测试在五倍折交叉验证时，最终的网络产生准确度为65.93%。相应的敏感性，特异性和阳性预测值为67.14，64.71，和65.61%。在以往的研究中RNN比FNN在B细胞表位的预测中效果更好。该肽的长度也是重要的在预用词从抗原序列的B细胞表位。

2.2 基于氨基酸对抗原规模的线性B细胞表位预测[5]

在生物信息学中蛋白抗原位点的鉴定是至关重要的，开发的合成肽疫苗，免疫诊断测试的距离和抗体的产生。目前，大多数的预测算法倾向于使用氨基酸滑动窗口方法。这些方法过于简单，并在实践中产生不良的预测结果。提出了一种新颖的规模，称为氨基酸对抗原（AAP）规模，基于这一发现，更加有利于B细胞表位预测。它表明，使用SVM（支持向量机）分类，AAP抗原尺度方法具有更好的性能比现有单个氨基酸倾向尺度。AAP抗原规模可以反映一些特殊的序列在B细胞表位特征中，它的本质是为什么新的方法是优于现有的。可以预料与已知的抗原表位的数据，氨基酸对抗原规模的做法将进一步增强。

2.3 基于内核字符串线性B细胞表位预测[6]

B细胞表位的鉴定和表征在疫苗设计中扮演重要的角色，免疫诊断测试，并产生抗体。因此，可靠的计算工具预测线性B细胞表位是非常可取的。评估的支持向量机（SVM）利用五个不同的内核上五倍使用交叉验证的方法分类培训同源减少701线性B细胞表位，从Bcipep数据库中提取的数据，和701非抗原表位，随机抽取从SwissProt数据库序列。根据我们的结果计算实验中，我们提出BCPred，线性B细胞表位预测的新方法使用序列内核。我们表明，预测性能BCPred（AUC=0.758）优于11基于SVM分类器的开发和评估，以及在我们的实验中，我们执行的AAP（AUC=0.7），最近提出的一种方法，用于预测线性B细胞使用氨基酸对抗原的表位。此外，我们比较AAP和BCPred，ABCPred 独特的B细胞表位，使用递归神经网络的方法，该方法为使用两个数据集先前已用于评估ABCPred的。使用和分析的数据集的结果这个比较表明，不同的B细胞表位的相对性能的结论预测方法的基础上得出的实验中使用的数据集的独特的B细胞表位的可能产生的性能评估方法的估计过于乐观。这认为使用精心同源性减小数据集的B细胞表位的预测方法进行比较，以避免有关如何不同的方法的误导性的结论相互比较。同源精简数据组和BCPred实现以及APP的方法是公开的。

2.4 基于一种新系统的线性B细胞表位预测[7]

在几十年的研究中尽管具有挑战性的任务，B细胞抗原表位的准确的预测仍然是在计算免疫学中。只有10%的已知B细胞表位的估计是连续的，但他们往往却是目标预测，因为解决三级结构是必需的，它们是不可或缺的肽疫苗和治疗蛋白质工程的发展。在这篇文章中，提出COBEpro，新的两步预测连续B细胞系统抗原表位。COBEpro是能够分配表位pensity分数两个独立的肽片段抗原序列内的残留物。COBEpro首先使用支持向量机进行预测在查询抗原序列和肽片段，然后计算表位的倾向得分为每个基于片段的预测的残余物。次要结构和溶剂辅助功能信息（无论是预测或准确）可以被纳入到提高性能。COBEpro实现了交叉验证受试者工作特征曲线（AUC）下teristic高达0.829片段上抗原决定基的倾向得分任务的AUC为0.628残余物外延主题倾向得分任务。

3 用于线性B细胞表位预测工具建立与评价的数据库

免疫信息学[8]数据库是随着生物信息学和免疫基因组学的不断进步而逐渐发展起来的，是专门收录免疫学相关分子信息，实现数据存储、查询、分析，计算等功能的数据库。最初，与免疫相关的多肽序列、抗原分子等信息与其他生物数据一起，被收录在各类生物信息学数据库中，随着免疫学研究的发展，人们对免疫学相关分子信息的需求越来越迫切，需要单独对这些数据进行计算、分析和预测，一些研究机构开始尝试从生物信息学基础数据库中提取免疫相关的生物数据，开发集存储、查询、计算、预测以及绘图分析功能为一体的免疫学数据库。目前，网络上的免疫信息学数据库已达数十个，它们的规模大小不一，内容与侧重点也不尽相同，其中的大部分数据来源于GenBank、EBI、EMBL，供研究人员免费使用。

3.1 Bcipep：B细胞表位数据库

Bcipep[9]是各种免疫原性B细胞表位数据库，目前Bcipep数据库包含3031个条目，其中包括763免疫显性，1797免疫原性和471空的免疫原性的抗原表位，每条记录包含多肽序列、源蛋白、病原体、免疫原性、中和性、模式生物、实验方法、参考文献、抗原结构等信息，它涵盖范围广泛，如病毒、细菌、原生动物、真菌。该数据库提供了一组工具，用于分析和提取的数据，其中包括关键字搜索，肽谱分析和BLAST搜索。Bcipep称为一个完整B细胞表位数据库，已经开发了一个覆盖广泛的病原体的抗原决定簇的信息。该数据库有助于B细胞表位预测方法的研究、合成肽疫苗的设计和疾病的诊断。

4 结束语

显而易见，线性B细胞表位预测现状与人们理想预期还存在很大的差距，利用软件预测线性B细胞表位并不完全准确，还需要实验的进一步验证。为了研发更准确的预测工具，需要建立高质量的训练数据集和检验数据集，数据集的质量高低与预测工具的预测能力密切联系；另外，统一评价体系也是目前急待解决的问题。评价体系的标准化，既有助于软件开发者采用最有效的算法创建更准确的工具，又方便了使用者对工具的筛选和评价。统一评价体系首先要面临的问题是所有数据格式的统一，有了一致的数据格式，才能进行比较。在表位预测领域尚缺乏高质量的标准数据集，针对标准的数据集开发自动评价工具将是未来的发展方向。相信随着生物信息学的快速发展，线性B细胞表位计算机预测技术将会越来越成熟。

参考文献：

[1]Peters B，Sidney J， Bourne P， et al.The design and implementation of the immune epitope database and analysis resource[J].Immunogenetics，2005，57（5）：326-336.

[2]吴敏毓，刘恭植.医学免疫学：第四版[M].北京：中国科学技术大学出版社，2002：1-2.

[3]吕凤林，朱锡华.人C5aR（CD88）序列结构分析及其B细胞表位预测[J].免疫学杂志，1998，14（3）：153-156.

[4]Saha S，Raghava GP （2006） Prediction of continuous B-cell epitopes in an antigen using recurrent neural network. Proteins.65：40-48.

[5] Chen J，Liu H，Yang J，Chou KC （2007） Prediction of linear B-cell epitopes using amino acid pair antigenicity scale.Amino Acids 33：423-428.

[6]El-Manzalawy Y，Dobbs D， Honavar V （2008） Predicting linear B-cell epitopesusing string kernels.J Mol Recognit 21：243-255.

[7]Sweredoski MJ，Baldi P （2009） COBEpro： a novel system for predictingcontinuous B-cell epitopes.Protein Eng Des Sel 22：113-120.

[8]Walsh R， Locarnini S. Hepatitis B precore protein： pathogenic potential and therapeutic promise[J].Yonsei Med J，2012，53（5）：875-85.

[9]Saha S， Bhasin M， Raghava GP （2005） Bcipep：a database of B-cell epitopes.BMC Genomics 6：79.

[10]Roseman AM， Berriman JA.， Wynne SA.， et al. A structural model for maturation of the hepatitis B virus core[J]. Proc Natl Acad Sci USA， 2005，102（44）：15821-6.

[11]Yasser EL-Manzalawy， Vasant Honavar. Recent advances in B-cell epitope prediction methods[J]. Immunome Res，2010，6（Suppl 2）：S2.

[12]Roggen EL. B-cell epitope engineering： A matter of recognizing protein features and motives[J].DDT：Technol，2008，5（2-3）：e49-55.

[13]冯新港.免疫信息学原理及其应用[M].上海：上海科学技术出版社，2009，6：1-5.

[14]Alix，A. （1999） Vaccine，18，311-314 （314）.

生物信息学培训范文第4篇

[关键词]网络教育；教学平台；导学

[中圈分类号]G40―057

[文献标识码]A

[论文编号]1009―8097(2009)13―0179―03

网络教育中，学习平台是师生交流的一个重要的接口。是学生获取信息和学习内容的主要来源。学习平台应用的质量对能否保证教学顺利进行，提高学生学习的效率，提高学生个性化学习的能力起关键性的作用。也直接影响到网络教学的质量。下面我们对在网络教育中应用教学平台进行导学进行探讨。

一　网络教育的特点

网络教育是利用计算机网络技术、多媒体技术等现代信息技术手段开展的新型教育形式，拥有传统教育方式所无法比拟的优势，具有鲜明的时代特征。

网络教育有以下特点：

师生分离。在网络教育中，学生不再直接面对教师，而是面对计算机、学习平台、教学资料和网络课程等。学生大多数时间只是看到教师的“录像”和在论坛上的留言。

学生自学为主。由于没有教师面授，形成了以学习者为中心的学习活动。学生必须主动的学习，积极的参与讨论和交流。自主学习是学习者根据自己的学习能力、学习任务的要求，积极主动地调整自己的学习策略和努力程度的过程。这需要学生具有较强的自我控制能力和自学能力。

个性化学习。学生可以根据自己的情况，自己决定在什么时候、在什么地方、以何种方式，进行什么内容的学习。可以按照自己的学习进度进行学习。

教师导学为主。教师作为学生学习的指导者，从讲授为主转向导学为主。导学就是对学生的学习活动、学习过程、学习方法进行的指导。学生按教师事先编好的教材，学习指南进行学习。同时师生可以在平台上进行充分的沟通和交流。

多维教学。网络教育以多媒体技术，计算机网络为载体，可以进行立体化教学。学习资源可以多样化。有学习平台提供的网络课件，题库，教案库等，也可以有来自互联网的学习资源和来自学生中间的学习资源。学习方式也可以多样化，以自主的个别化学习和交互式的集体协同学习相结合。追求人际、人机、人网的三维动态立体教学。实现网授与面授相结合；在线学习与线外学习相结合；在校学习与在职学习相结合等。

二　教学平台的服务功能

我校05年引进了Blackborld教学平台进行网络教学活动。

Blackboard网络教学平台基于网络技术和多媒体技术进行人机交互。以浏览器／服务器(B／S)技术、信息安全技术、门户技术、数据库和信息集成技术等为基础，以声、像、图、文等多种媒体信息与计算机网络进行信息交流。

教学平台集文本、图象及视频、音频、动画为一体，可以实现教师在线授课，在线测验，在线答疑，同步和异步讨论，批改作业、学习跟踪、学习统计、虚拟课堂、小组学习、协作学习和包括十几种题型的题库等功能。可进行知识管理和学习，教学跟踪管理和教学过程监控；实现教学资源共享，教学方式和学习方式多样化；平台的讨论交流论坛等实现教师与学生、学生与学生之间的交流互动。

目前我校平台用户已经4万多，平台上课程有1000多门。平台成为了学校教学活动的中心。院系教师、教学管理人员、教务管理人员、校外学习中心管理人员、课件制作人员和学生都围绕着平台。平台成了大家联系的桥梁，交互的接口。

三　教学平台的门户

门户是对教学管理实施的重要部分。Blackboard门户社区平台为我们进行门户管理提供了方便。我们目前建立的网络教育学院门户包括以下部分。

网络教育学院选项卡：包括我的课程、网院通知模块、学习调查模块、网络学习指南、学生常见技术问题解答和网院主页的链接等。

网络教育学院社区选项卡：机构讨论板里面有自2006年3月以来的每个学期和学生互动的论坛、有教学问题交流区、教务问题交流区、和平台技术问题交流区。2008年3月统计帖子总数有1万多。

另外在组织社区，我们建立了所有网络教育学院22个专业和50个学习中心的组织。

网院教师之家选项卡：这个栏目只有有关教师能看到，有课件制作工作站、培训专栏、公告专栏和交流园地等。

我们还根据网络教育学院的需求，创建了一些组织。如教务管理组织、教学管理组织、学习中心管理组织等。

四　对网络教育学生的导学和服务支持

网络教育学院的学生绝大部分都是在职人员，有着不同的学习背景、工作经历以及年龄特征，大多利用业余时间上平台学习。我们需要从各个方面对他们进行导学和服务支持。

1　远程学习指南

网络教育在教与学上时、空分离的特点，要求参与网络学习的学生必须具备一定的自学、自治能力。但是，目前参与网络学习的学生大多是在职的。有的工作繁忙，有的缺乏网络学习经验和自主学习能力，和在校全日制本科生比，基础参差不齐。为了帮助同学们尽快掌握科学、有效的学习方法，合理地安排学习时间、制定学习计划，充分地利用各种学习资源，培养自治能力，“远程学习指南”就是这样一门对网院学生进行导学的课程。

《远程学习指南》课程，对所有新生开放。课程有下列栏目：

教学通知，有教学管理的教师的教学方面的通知。

管理规定，有中山大学现代远程教育学籍管理暂行办法，中山大学现代远程教育毕业论文实施细则，中山大学授予远程教育本科毕业生学士学位实施办法等。

学习指导，有远程学习指南文档，远程教育导学课件，学习平台操作指南文档，相关插件下载等。

专业信息，有网院22个专业的信息。

专业导学，有每个专业的导学课件。

教学计划，有每学期各专业教学计划。

教学安排，有每学期的教学工作安排。

表格下载，有各种表格下载，如免修申请表、重修申请表等。

调查问卷，对学生进行民意调查等。

教学问答，有常见教学问题解答，平台常见技术问题解答等。

2　网院学生常见问题(FAQ)

网院学生住在校外，有的在办公室，有的在家里上网。网络什么情况都有。有的用电信网、网通、联通、铁通、XX宽频、XX宽带等。情况比较复杂。

网院学生特别文科学生，有的不熟悉电脑和网络，经常打电话来咨询。我们将一些常见问题整理成FAO，放在平台上。

网院学生常见的问题(FAQ)，内容有：

平台运行条件。有硬件要求，软件要求，课件的浏览要求。

检测网络故障的一些命令。如Ping命令的使用方法，Traced命令的使用方法。

影响网络速度的几个因素和测量网络速度的工具。

故障分类。将故障进行分类，有网络、电脑和系统软件等客户端问题，平台应用和课程问题，课程设置问题，教学教务问题，课程作业问题等。

故障原因和解决方法。提供各类故障的解决办法等。

3　学生交流论坛

为了即时与学生进行交流，我们在平台上建立了下列论坛：

课程论坛：每个课程里面都有。交流课程内容有关的问题，教师每周至少有三个时间段在学习平台上解答问题，教师也会在课程论坛中组织课程问题的讨论。

由学科教师管理。

教学问题交流区：交流教学安排、辅导答疑、作业、网络课件、毕业论文等方面的问题，教学管理人员每天上网回答问题。

教务问题交流区：交流关于平台帐号、考试、成绩、学籍(含休学、复学、转中心、转专业等)、毕业等方面的问题。教务管理人员每天上网回答问题。

平台技术问题交流区：交流关于学习平台使用技术方面的问题。由信息与网络中心的技术人员解答。

学生交流区：学习中心同学之间以及管理人员与同学之间的交流区，也是学习中心各种信息的地方。由学习中心教学管理人员负责。

4　教务管理组织

我们还建立了《教务管理》组织，在教务管理组织中可以对学生进行分类管理，如分年级、分专业等。

教务管理组织有下列栏目：

学籍管理，有学籍管理方面的规定。

考务工作，有考务工作的相关规定，考试安排，考场安排等。

成绩查询，有成绩查询系统。

统考信息，有统考信息和相关规定。

毕业与学位，有相关条例，毕业生信息采集.学位英语，主干课程考试等。

表格下载，各种表格下载。

讨论板，有交流论坛。

五　对网络教育教师的培训和管理

网院没有教师编制，教师都是聘请的学校各个院系的教师，充分利用了中山大学优秀的教师资源，依托学校的有形和无形的资源办学。但教师也面临着教师角色的转变：

教师由原来的面授转为网授

由教师为中心转为学生为中心

教师的概念也起了变化，包括了由主讲教师、辅导教师、教学设计技术人员以及管理人员集合组成的一个团体

为了完成教师的转型，我们利用《远程教学指南》课程，对教师进行指导。远程教学指南课程有下列栏目：

管理文件，有教育部远程教育管理文件，学校远程教育管理文件等。

教师培训，有我们编写的主讲教师工作手册，课件录制规范和指南，教学辅导工作培训文件，中山大学现代远程平台培训，学期教学辅导工作安排及要求等。

教学计划，有学期各专业教学计划。

教学安排，有学期教学工作安排。

远教会议，有远程教育会议资料。

远教研究，有学习支持服务，远程教育质量，国际视野，网络课程建设等。

远教网站，有相关网站的链接。

交流园地，有交流论坛。

网院对教师也有一些管理规定。如辅导答疑规定：每周至少三次登陆学习平台进行辅导答疑，每次至少30分钟。至少组织两次关于课程问题的讨论或案例分析。和作业规定：每学期至少布置两次在线作业，作业成绩占总评成绩的20％等。网院有专门的巡教巡学人员。

六　对校外学习中心的培训和管理

校外学习中心是接受学校的委托，根据学校的统一要求和工作安排，配合学校进行招生宣传、生源组织、学生学习支持、学籍和日常管理，开展现代远程教育支持服务的机构。

学习中心分布在全省各地，利用平台把它们集中管理是最有效的办法。

我们建立的《学习中心管理》组织，存放与学习中心有关的各种信息，是学习中心进行交流的地方。栏目有：

管理文件，有相关的教学管理文件。

教学计划，有学期各专业教学计划。

教学安排，有学期教学工作安排。

培训资料，有教学管理培训资料，学习支持服务培训资料，技术人员培训资料等。

资料下载，有相关的资料下载。

交流天地，有交流论坛。

七　平台上网络教育课程的建设

1　课程规范统一

网络课程是重要的教学资源。我们依托平台来建立网络课程。网络教育学院的网络课程，其讲授型课件由学校信息与网络中心统一制作和上传，制定了统一规范。

考虑到网院学生分散性、业余性的特征，缺少与教师面对面交流机会。他们全靠平台提供信息。所以平台上的东西都要规范化。要让他们一上平台就能够很容易找到自己所要的东西。所以我们的界面都力求统一。

网院课程的五个统一：

课程规范统一

讲授型课件制作统一

课程论坛形式统一

在线作业形式统一

注册管理由学院统一

2　网络教育精品课程的建设

我校网络教育精品课程建设理念是以育人为根本、以培养应用型人才为导向、以服务社会为己任、以社会评价为标准。并通过相应的制度予以保障。

信息与网络中心负责网络教育精品课程建设的技术支撑工作，对教师进行教育技术培训，选派优秀的教育技术学专家和技术人员负责精品课程的设计和技术。从而使网络课程建设从技术上得到保障。

我校网络教育精品课程都建设在Blackboard教学平台上，充分利用该平台强大的人机交互功能。如讨论板、虚拟课堂、小组等。

3　教学设计中体现平台导学的元素

我们注重课程的教学设计，在教学设计中体现平台导学的元素。

《刑事诉讼法原理》网络教育课程教学设计。运用了系统工程框架、对象导向框架和法治系统工程的方法，充分借鉴集文字、图像、声音于一体的多媒体表现形式。综合集成多种与刑事诉讼相关的法律、制度、专业理论和知识、案例、教师与学生等资源，形成具有整体学习与交流功能的开放型知识系统。注重将法学教学(模型)与法治实践(原型)紧密结合，注重讲述、展示法治系统的实际运筹与实现过程，不仅把“交互研讨型”的案例教学法引入刑事诉讼法学教学之中，而且刻意把“问题解决型”的现代学习理论融入学生的自学过程之中。例如“模拟法庭”就很受学生的欢迎。

《生物统计学》课程教学设计。凸显以设立学习目标为核心，采取任务驱动的方式，训练学生主动参与教学的意识和强化创新实践能力。自主学习任务内容，依照教学进度安排，学生需要分阶段完成3篇指定的课程综述、调查或研究小论文。在教学设计中，充分发挥平台的优势，通过平台的导向作用，指导学生学习。平台上整合了大量的数据库的网络资源和统计学软件的学习使用。利用各种搜索、论坛、博客、调查、电子邮件、虚拟课堂、聊天室等为课程营造出一个良好的人机交互的教学环境，鼓励学生积极参与讨论，完成课程学习的选题研究报告和作业。提高了学生的创新能力。通过多阶段多任务的教学，解答问题和开展创新研究。特别组织了课程的小型学术讨论会，增进了学生的协作和交流。

《生物信息学》课程教学设计。生物信息学本身是一个飞跃发展的新兴学科。模式生物测序工作的高速增长，公共数据库数据的指数增长，研究方法日新月异的发展，注定该学科的教学内容需要不断更新和调整，以便及时跟上研究工作前进的步伐。课程的教学过程是一个在平台上共建课程的探索过程。实现以学生为主和以教师为辅的自主发现式学习、合作交流式学习、实践创作式学习、资源开发式学习等新型学习，追求立体化教学效果。借助和利用网络资源充实教学材料和内容，由师生共建资源库，不断完善课程的教学。在Blackborld学习系统上构建了生物信息学学习的专业平台。

八　结束语

以上我们从网络教育的特点，教学平台的门户，对网络教育学生的导学和服务支持，对网络教育教师的培训和管理，对校外学习中心的培训和管理，平台上网络教育课程的建设等几个方面对应用教学平台进行导学进行了论述。我们要把教学过程看作是一个动态发展的、教与学统一的、交互影响和交互活动过程。针对不同学科的特点，和不同学生的特点，运用合适的教学模式和导学方法，更好地利用教学平台的各种功能来进行导学。

参考文献

[1]彭晓南，吴平，郭清顺.网络教学平台的门户设计[J].电化教育研究，2006，增刊：67―70.

生物信息学培训范文第5篇

在法医学研究中，利用分子标记分析微生物已在一些关键案例中取得分子证据。例如，在美国佛罗里达州牙医将人类免疫缺陷病毒（humanimmunodeficiencyvirus，HIV）传染给数例患者的案件中，对HIV扩增片段序列分析获得了该传播的证据；对日本奥姆真理教在其办公楼楼顶用气溶胶释放炭疽芽胞杆菌的案例调查中，以可变数目串联重复序列（variablenumbertandemrepeat，VNTR）分析证明所用菌株为日本市场上可获得的动物疫苗株Sterne34F2株；2001年美国炭疽芽胞杆菌恐怖所用的菌株经美国基因组学研究院（TheInstituteforGenomicsResearch，TIGR）序列测定和单核苷酸多态性（singlenucleotidepolymorphism，SNP）分析证明，所用炭疽芽胞杆菌为美国军方拥有的菌株；对1999年美国东北部西尼罗河病毒脑炎暴发的调查表明，在纽约从鸟和人分离的毒株核酸序列与从以色列一只死鹅中分离的毒株非常相似，得出这一暴发为自然来源的结论。微生物法医学作为一个学科，其主要宗旨是区分近缘毒株，以追踪病原体的来源。所用的技术包括表型分析、免疫分析、核酸分析和化学分析技术，这些技术早就用于不同学科的研究与应用领域。在某种程度上，微生物法医学的研究目的类似于分子流行病学，但包含的内容更广泛，不仅注重毒株本身的区别，更重要的是将毒株与犯罪分子联系起来，获得法庭上更有力的证据。

微生物法医学的研究任务

在生物反恐中，微生物法医学的研究任务主要是为反生物恐怖工作者对那些威胁社会和人类安全的微生物及其各种包装载体提供调查取证、识别鉴定、追踪来源、确定犯罪分子的技术手段。具体主要包括以下2个方面。

1生物犯罪中微生物的检验与鉴定

生物犯罪往往需要借助特殊设备、技术手段和刑侦技术。在可疑的生物犯罪现场有效搜集证据对快速侦查和防护至关重要。完成生物威胁微生物的鉴定需要多专业、多方法联合应用。采集的样品可现场分析，也可运送到有关实验室进行分析。在生物犯罪中，威胁微生物经分析鉴定后往往还要由专家组进行严格的调查研究，才能作出最终结论［9］。由于许多生物恐怖病原体导致的疾病都有潜伏期，当临床症状判断为受攻击时，生物恐怖病原体所产生的危害往往已相当严重，因此在一些可疑材料中检验生物恐怖病原体，可赢得时间，减少损失。微生物检验和鉴定是相关而又有区别的概念。在未获得生物恐怖病原体纯种前，通过形态学、血清学、生物学和遗传学等特征快速从标本中确定是否存在生物恐怖病原体，是一种初步检验。这种检验可对某些恐怖病原体作出种的判断，但不能揭示毒力强弱、药物敏感性、抗原结构等重要信息。在应用分离培养或细胞传代等方法获得纯种后，可对其进行一些表型指征和遗传指征等的鉴定，进一步明确其分类地位、药物敏感性和毒力等特征，为免疫预测及治疗提供依据。

2生物犯罪中微生物来源的鉴定

当某种具有严重危害后果的微生物感染疾病发生时，一个不可避免的问题是如何判断这种感染是自然发生还是人为犯罪，这就需要鉴定微生物的来源。随着人类基因组计划的实施，各种微生物的基因组学和蛋白质组学得到迅猛发展和更新，各种微生物基因组信息的比较分析、放射性核素比例、生理生化表型分析等均能对微生物来源的追踪提供有效信息。此外，致病性相关基因微阵列技术、抗生素耐药实验及微生物培养基原料成分分析也可用来锁定原料来源。

微生物法医学的研究现状

生物恐怖病原体包括对人类、动物、植物、环境等有严重危害后果的微生物。到目前为止，已有很多种病原体被证实可用于生物犯罪。随着科技发展，这类病原体还在以较高的速度增加，因此建立生物恐怖病原体的数据库具有非常重要意义。

当然，并不是数据库中的每种微生物都能引起生物恐怖。在生物犯罪实践中，那些微生物往往是毒力确定、能引起高发病率与高致死率、可能发生人－人间传播的病原体。符合这一标准的很多，但生物恐怖病原体也应具有生物战的某些特定性质，因此符合以下标准的微生物及毒素才最有可能用于生物恐怖：①易于生产和运输；②便于包装和掩饰；③感染剂量低；④潜伏期短，致死率高；⑤传播途径多样化；⑥在环境中稳定性高；⑦在感染早期难以检测或鉴定。美国疾病预防控制中心（CentersforDiseaseControlandPrevention，CDC）按照生物恐怖病原体的致病性，将其分成A、B、C三大类。A类是指致病性强，传播后可导致国家安全隐患的病原体，如天花病毒、炭疽芽胞杆菌、埃博拉病毒等。

B类病原体的致病性比A类稍弱，如痢疾志贺菌、霍乱弧菌等。C类主要是指那些可通过生物工程改造后用于大规模释放的病原体，如蜱传脑炎病毒、汉坦病毒等。

随着生物学领域的技术进步，也会产生一些新忧虑，包括在不久的将来是否会出现能逃避现有检验和鉴定方法的生物恐怖病原体。应该说这种可能性是完全存在的。据称，某些国家的科学家将委内瑞拉马脑炎病毒的基因片段插入天花病毒基因组中，构建了一种称为委马天花病毒的新病毒———VEEPOX，并进行了动物实验。尽管结果未公开，但可以想象2种恐怖病原体的重组不仅会带来更大的伤亡和危害，还会对其正确检出带来障碍。这些人造的和自然界中出现的新病原体将对生物恐怖病原体的检验和鉴定提出严峻挑战，专业人员必须立足于现有条件，严密注意有关技术进展，积极创新，方能不辱使命。

微生物法医学的未来发展

微生物法医学在未来生物恐怖病原体来源分析和生物罪犯指控方面将发挥积极的、不可取代的作用，主要任务是实验室分析，因此要求结果准确、可靠。要实现这一目标，必须与法医学密切结合，充分利用人类法医学已有经验，从以下几个方面不断发展。

1质量保证与质量控制标准的发展

通过执行目前已有的质量保证（qualityassurance，QA）与质量控制（qualitycontrol，QC）标准（如ISO9000和实验室认可标准17025），可建立对微生物法医学调查结果可靠性的信心。此外，在标本采集、运输、储存过程中也都需要QA。

QA指南应包括实验室的基础建设要求和对微生物分型的程序，后者包括组织、管理、人员教育与培训、设施要求、保安要求、记录、数据分析、试剂与仪器QA、技术对照、炎症试验、效率试验、结果报告程序、试验程序审计和实验室安全。在美国，由联邦调查局牵头成立了一个微生物遗传与法医学科学工作组（ScienceWorkingGrouponMicrobialGeneticsandForensics，SWGMGF），该工作组成员来自不同学科，包括政府、研究院所和私人企业的专家，针对微生物法医学问题探讨共同关心的问题，已发展了一套微生物法医学实验室QA指南。

2微生物基础数据库的标准设计与建立

微生物法医学在遏制生物恐怖与生物战中发挥重要作用的基础是建立微生物核酸、蛋白质、脂肪酸和其他成分的基础数据库，并在此基础上发展更快速、准确的检测与数据分析手段。根据目前学科发展，设计功能强大的数据库标准，并通过国际合作建立各种恐怖病原体地域特异性的基础数据库，是支持恐怖微生物来源调查和取证以及未来微生物法医学发展的关键，这些数据库最好能为区分遗传重组株与天然毒株提供科学依据。当然，在建立数据库的同时，数据库的安全也是非常重要、不可忽视的方面。在建立针对恐怖病原体基础数据库的同时，还必须建立国家级烈性病原体毒种库，所有从事相关微生物研究的单位都必须将保存的毒株提供给国家毒种库，并保存其详细的表型和遗传特征，建立相应的标准化毒种管理体系与规程。

目前可用于现场识别和实验室鉴定的技术还不够，需要通过研究以发展更多准确鉴别生物恐怖微生物的新技术。这些技术都需要进行比对验证，必须定量评价其假阳性和假阴性的可能性。因此，需要发展一套系统来评价分析实验的可靠性、敏感性和特异性。在经过系统评价后，新发展的技术必须获得同行的评估与认可。

3重点科研领域的支持

鉴于微生物法医学在反生物恐怖和反生物战中的重要地位，该新兴学科的发展与实施是一个国家综合实力的体现。上述几个方面都应当是重点科研支持领域，同时还需支持重要基础研究的发展，包括微生物进化、微生物基因组学和比较基因组学、分析微生物领域、微生物比较表达谱学、微生物信息学、分子流行病学统计新算法等的基础研究。

结语