第一篇：淺談生物信息學(xué)在生物學(xué)研究中的應(yīng)用

10生乙 尹竹10517109

淺談生物信息學(xué)在生物學(xué)研究中的應(yīng)用

生物信息學(xué)（Bioinformatics）是一門新興的、正在迅速發(fā)展的交叉學(xué)科，目前國(guó)內(nèi)外對(duì)生物信息學(xué)的定義眾說(shuō)紛紜，沒(méi)有形成統(tǒng)一認(rèn)識(shí)。概括來(lái)說(shuō)，現(xiàn)代生物信息學(xué)是以核酸和蛋白質(zhì)等生物大分子數(shù)據(jù)庫(kù)及其相關(guān)的圖書(shū)、文獻(xiàn)、資料為主要對(duì)象，以數(shù)學(xué)、信息學(xué)、計(jì)算機(jī)科學(xué)為主要手段，對(duì)浩如煙海的原始數(shù)據(jù)和原始資料進(jìn)行存儲(chǔ)、管理、注釋、加工，使之成為具有明確生物意義的生物信息。并通過(guò)對(duì)生物信息的查詢、搜索、比較、分析，從中獲得基因的編碼、凋控、遺傳、突變等知識(shí)；研究核酸和蛋白質(zhì)等生物大分子的結(jié)構(gòu)、功能及其相互關(guān)系；研究它們?cè)谏矬w內(nèi)的物質(zhì)代謝、能量轉(zhuǎn)移、信息傳導(dǎo)等生命活動(dòng)中的作用機(jī)制。

生物信息在生物學(xué)研究上的應(yīng)用主要包括在基因組學(xué)研究上的應(yīng)用和在蛋白質(zhì)組學(xué)研究中的應(yīng)用。

1.在基因組學(xué)研究中的應(yīng)用

基因組（genome）表示一個(gè)生物體所有的遺傳信息的總和。一個(gè)生物體基因所包含的信息決定了該生物體的生長(zhǎng)、發(fā)育、繁殖和消亡等所有生命現(xiàn)象。有關(guān)基因組的研究稱為基因組學(xué)(Genomics)，基因組學(xué)根據(jù)研究重點(diǎn)的不同分為序列基因組學(xué)(Sequence genomics)、結(jié)構(gòu)基因組學(xué)(Structural genomics)、功能基因組學(xué)(Functional genomics)與比較基因組學(xué)(Comparative genomics)。結(jié)構(gòu)基因組學(xué)的研究：結(jié)構(gòu)基因組學(xué)(Structural genomics)是基于基因組學(xué)的一個(gè)重要組成部分和研究領(lǐng)域，它是一門通過(guò)基因作圖、核苷酸序列分析確定基因組成、基因定位的科學(xué)口。生物信息學(xué)在結(jié)構(gòu)基因組學(xué)中的應(yīng)用主要在于：基因組作圖、核苷酸序列信息分析、基因定位、新基因的發(fā)現(xiàn)和鑒定等方面。比較基因組學(xué)的研究：借助生物信息學(xué)的手段對(duì)不同生物基因組的比較、分析，可以進(jìn)行生物進(jìn)化等方面的研究。

功能基因組學(xué)的研究：功能基因組學(xué)(Functional genomics)是指在全基因組序列測(cè)定的基礎(chǔ)上，從整體水平研究基因及其產(chǎn)物在不同時(shí)空、條件下的結(jié)構(gòu)與功能關(guān)系及活動(dòng)規(guī)律的學(xué)科。功能基因組的研究是后基因組時(shí)代的關(guān)鍵點(diǎn)，它將借助生物信息學(xué)的技術(shù)平臺(tái)，利用先進(jìn)的基因表達(dá)技術(shù)及龐大的生物功能檢測(cè)體系，從浩瀚無(wú)垠的基因庫(kù)篩選并確知某一特定基因的功能，并通過(guò)比較分析基因及其表達(dá)的狀態(tài)，確定出基因的功能內(nèi)涵，揭示生命奧秘，甚至開(kāi)發(fā)出基因產(chǎn)品。

2.在蛋白質(zhì)組學(xué)的研究中的應(yīng)用

在20世紀(jì)中后期，隨著DNA雙螺旋結(jié)構(gòu)的提出和蛋白質(zhì)空間結(jié)構(gòu)的解析，生生命科學(xué)的研究進(jìn)入了分子生物學(xué)時(shí)代，而遺傳信息載體DNA和生命功能的體現(xiàn)者蛋白質(zhì)的研究，成為了其主要內(nèi)容。90年代初期啟動(dòng)的龐大的人類基因組計(jì)劃，已經(jīng)取得巨大的成在20世紀(jì)中后期，隨著DNA雙螺旋結(jié)構(gòu)的提出和蛋白質(zhì)

空間結(jié)構(gòu)的解析，生生命科學(xué)的研就，人類基因組序列草圖繪制完成后，生命科學(xué)研究跨入了后基因組時(shí)代。然而，人們清醒地識(shí)到基因僅是遺傳信息的載體，而生命活動(dòng)的執(zhí)行者是基因的表達(dá)產(chǎn)物—蛋白質(zhì)，它是生命現(xiàn)象復(fù)雜性和多變性的直接體現(xiàn)者。

蛋白質(zhì)組一詞是澳大利亞學(xué)者馬克威爾金斯在1994年最先提出來(lái)的，它是指基因組表達(dá)的所有相應(yīng)的蛋白質(zhì)，也可以說(shuō)是指細(xì)胞或組織或機(jī)體全部蛋白質(zhì)的存在及其活動(dòng)方式。蛋白質(zhì)組學(xué)是從整體的蛋白質(zhì)水平上,在一個(gè)更加深入、更加貼近生命本質(zhì)的層次上去探討和發(fā)現(xiàn)生命活動(dòng)的規(guī)律和重要生理、病理現(xiàn)象的本質(zhì)等。蛋白質(zhì)組學(xué)的研究對(duì)揭示生命活動(dòng)規(guī)律，探討重大疾病機(jī)制，疾病診斷和防治、新藥的開(kāi)發(fā)提供重要的理論基礎(chǔ)。

生物信息學(xué)在蛋白質(zhì)組學(xué)中的蛋白質(zhì)數(shù)據(jù)庫(kù)的應(yīng)用

2.1蛋白質(zhì)組數(shù)據(jù)庫(kù)

蛋白質(zhì)組數(shù)據(jù)庫(kù)是蛋白質(zhì)組學(xué)研究的主要內(nèi)容之一。通過(guò)構(gòu)建不同環(huán)境條件下組織或細(xì)胞全部蛋白質(zhì)的數(shù)據(jù)庫(kù)來(lái)研究蛋白質(zhì)表達(dá)的差異情況。與其他數(shù)據(jù)庫(kù)相比, 目前大部分蛋白質(zhì)組數(shù)據(jù)庫(kù)都有以下幾個(gè)方面的特點(diǎn):（1）由于蛋白質(zhì)相關(guān)數(shù)據(jù)的種類繁多,蛋白質(zhì)組數(shù)據(jù)庫(kù)的種類也多種多樣,如雙向電泳數(shù)據(jù)庫(kù)、基于蛋白序列的數(shù)據(jù)庫(kù)、蛋白質(zhì)一級(jí)或高級(jí)結(jié)構(gòu)數(shù)據(jù)庫(kù)、蛋白質(zhì)相互作用數(shù)據(jù)庫(kù)等等;（2）新速度快,網(wǎng)絡(luò)上的蛋白質(zhì)組數(shù)據(jù)庫(kù)的數(shù)據(jù)幾乎每天都在更新;（3）網(wǎng)共享程度高, 越來(lái)越多的數(shù)據(jù)庫(kù)資源與互聯(lián)網(wǎng)相互配合,使得蛋白質(zhì)相關(guān)數(shù)據(jù)的利用率空前的提高。蛋白質(zhì)組數(shù)據(jù)庫(kù)的主要內(nèi)容即集中在基于雙向電泳結(jié)果的數(shù)據(jù)庫(kù)和基于蛋白質(zhì)序列信息的數(shù)據(jù)庫(kù)。

2.1.1基于雙向電泳圖譜的數(shù)據(jù)庫(kù)

雙向電泳技術(shù)是蛋白質(zhì)組學(xué)研究中最重要的實(shí)驗(yàn)技術(shù)之一，所以基于雙向電泳圖片的數(shù)據(jù)庫(kù)也成了蛋白質(zhì)組學(xué)研究中主要內(nèi)容。

2.1.2 基于蛋白質(zhì)序列信息的數(shù)據(jù)庫(kù)

基于蛋白質(zhì)序列信息的數(shù)據(jù)庫(kù)是生物信息學(xué)數(shù)據(jù)庫(kù)中最基本的數(shù)據(jù)庫(kù)，這些數(shù)據(jù)庫(kù)以氨基酸殘基順序?yàn)榛緝?nèi)容，并附有注釋信息（計(jì)算機(jī)的序列分析結(jié)果和生物學(xué)家查閱文獻(xiàn)的結(jié)果）?；诘鞍踪|(zhì)序列的數(shù)據(jù)庫(kù)很多，主要有蛋白質(zhì)信息資源數(shù)據(jù)庫(kù)（PIR）、SWISS3D和 TrEMBL等等。

2.1.3 其他蛋白質(zhì)組數(shù)據(jù)庫(kù)

蛋白質(zhì)生物信息學(xué)包含很多方面的內(nèi)容：如蛋白質(zhì)大分子的結(jié)構(gòu)、相互作用等等，所以，除了上述的一些數(shù)據(jù)庫(kù)之外，還有很多關(guān)于構(gòu)象、相互作用等方面的數(shù)據(jù)庫(kù)，是基于質(zhì)譜應(yīng)用的數(shù)據(jù)庫(kù)，屬于混合數(shù)據(jù)庫(kù)。將生物信息學(xué)的實(shí)驗(yàn)思路引入蛋白質(zhì)組學(xué)的實(shí)驗(yàn)方案后，實(shí)驗(yàn)人員可以通過(guò)互聯(lián)網(wǎng)上的信息設(shè)計(jì)實(shí)驗(yàn)方

案，避免了很多重復(fù)性的勞動(dòng)，少走很多彎路，為蛋白質(zhì)組學(xué)的發(fā)展提供了可靠的信息資源。值得一提的是，上文提到的大多數(shù)數(shù)據(jù)庫(kù)都能實(shí)現(xiàn)數(shù)據(jù)接收、在線查詢和空間結(jié)構(gòu)的可是化瀏覽等多種功能。而且，幾乎所有這些數(shù)據(jù)庫(kù)都是免費(fèi)的，都可以免費(fèi)下載或提供免費(fèi)服務(wù)，使得蛋白質(zhì)組學(xué)可以在生物信息學(xué)的輔助之下快速發(fā)展。

2.2生物信息學(xué)與蛋白質(zhì)分析

在蛋白質(zhì)組分析過(guò)程中，生物信息學(xué)的作用不僅僅體現(xiàn)在數(shù)據(jù)庫(kù)的查閱和資料的整合中，生物信息學(xué)軟件在蛋白質(zhì)組研究領(lǐng)域的作用根式至關(guān)重要的。蛋白質(zhì)分析軟件應(yīng)用主要集中在結(jié)合蛋白質(zhì)組研究中的分離技術(shù)和堅(jiān)定技術(shù)識(shí)別蛋白質(zhì)（如2-DE）圖像分析、Edman降解的序列組合、質(zhì)譜數(shù)據(jù)的綜合分析等），對(duì)有價(jià)值的未知蛋白質(zhì)進(jìn)行分析和預(yù)測(cè)（包括序列分析、結(jié)構(gòu)預(yù)測(cè)、結(jié)構(gòu)域、電點(diǎn)等性質(zhì)的檢測(cè)等）、針對(duì)蛋白質(zhì)的分析預(yù)測(cè)方法應(yīng)用的工具有4個(gè)方面。

2.2.1 蛋白質(zhì)一級(jí)結(jié)構(gòu)分析

根據(jù)20中氨基酸的理化性質(zhì)可以分析電泳等實(shí)驗(yàn)中的未知蛋白質(zhì)，同樣也可以分析已知蛋白質(zhì)的物化性質(zhì)。設(shè)計(jì)PROPSEARCH的目的是為了通過(guò)排比方法查詢一個(gè)新的蛋白質(zhì)序列失敗時(shí),查找公認(rèn)的蛋白質(zhì)家族而設(shè)計(jì)的。PROPSEARCH可以通過(guò)氨基酸組分來(lái)查詢,同時(shí)也可以通過(guò)其他的特性來(lái)進(jìn)行查詢,如從序列中計(jì)算所得的分子量、挑選的二肽組分的含量等。

2.2.2 蛋白質(zhì)的物理性質(zhì)預(yù)測(cè)

從蛋白質(zhì)序列出發(fā)，預(yù)測(cè)蛋白質(zhì)的許多物理性質(zhì)，包括等電點(diǎn)、分子量、酶切特性、疏水性、電荷分布等。

2.2.3蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)

二級(jí)結(jié)構(gòu)是指α螺旋和β折疊等規(guī)則的蛋白質(zhì)局部結(jié)構(gòu)元件。蛋白質(zhì)的二級(jí)結(jié)構(gòu)預(yù)測(cè)的基本依據(jù)是每一段相鄰的氨基酸殘基具有形成一定二級(jí)結(jié)構(gòu)的傾向。因此,進(jìn)行二級(jí)結(jié)構(gòu)預(yù)測(cè)需要通過(guò)統(tǒng)計(jì)和分析發(fā)現(xiàn)這些傾向或者規(guī)律。蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的方法有3種。一是由已知結(jié)構(gòu)統(tǒng)計(jì)各種氨基酸殘基形成二級(jí)結(jié)構(gòu) 的構(gòu)象趨勢(shì),其中最常用的是Chou和Fasman 法;二是基于氨基酸的物理化學(xué)性質(zhì),包括堆積性、疏水性、電荷性、氫鍵形成能力等;三是通過(guò)序列比對(duì),由已知三維結(jié)構(gòu)的同源蛋白推斷未知蛋白的二級(jí)結(jié)構(gòu)。各種方法預(yù)測(cè)的準(zhǔn)確率隨蛋白質(zhì)類型的不同而變化。一般對(duì)于α螺旋預(yù)測(cè)精度較好,對(duì)β折疊差些,而對(duì)除α螺旋和β折疊等之外的無(wú)規(guī)則二級(jí)結(jié)構(gòu)則效果很差。

2.2.4蛋白質(zhì)的三維結(jié)構(gòu)

蛋白質(zhì)三維結(jié)構(gòu)是預(yù)測(cè)時(shí)最復(fù)雜和最困難的預(yù)測(cè)技術(shù)。序列差異較大的蛋白質(zhì)序列也可能折疊成類似的三維構(gòu)象。由于蛋白質(zhì)的折疊過(guò)程并不十分清晰,從理論上解決蛋白質(zhì)折疊的問(wèn)題還有待進(jìn)一步的科學(xué)發(fā)展,但也有了一些有一定作

用的三維結(jié)構(gòu)預(yù)測(cè)方法。即與已知結(jié)構(gòu)的序列比較,同源模建,threading算法和 折疊識(shí)別方法。常見(jiàn)的預(yù)測(cè)算法有:SWISS-MODEL(自動(dòng)蛋白質(zhì)同源模建服務(wù)器)、CPHmodels等。

2.3 生物信息學(xué)與蛋白質(zhì)功能

生物信息學(xué)發(fā)展到今天不僅可以對(duì)蛋白質(zhì)組數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)，而且可以對(duì)已知或者未知的基因產(chǎn)物進(jìn)行功能上全面的分析和預(yù)測(cè)。

生物信息學(xué)最常用的分析方法是模式識(shí)別。主要是利用存在于蛋白質(zhì)序列結(jié)構(gòu)中的某些特殊的特征模體來(lái)識(shí)別相關(guān)蛋白質(zhì)性質(zhì)。換而言之，就是從新的蛋白序列中發(fā)現(xiàn)標(biāo)志性的序列或者結(jié)構(gòu)，以此建立模式，然后在已經(jīng)建立好的已知蛋白質(zhì)數(shù)據(jù)庫(kù)中，搜集于此相似的模式，來(lái)確定未知蛋白質(zhì)的歸屬，從而預(yù)測(cè)它的功能。許多基因是在特定時(shí)期和條件下被激活，才能表達(dá)出來(lái)，在正常人工模擬的環(huán)境下根本無(wú)法表達(dá)。類似于這樣的恩未知蛋白質(zhì)也需要通過(guò)生物信息學(xué)的方法計(jì)算分析預(yù)測(cè)，以獲得它的功能信息。

生物信息學(xué)的發(fā)展將給生命科學(xué)研究帶來(lái)革命性的變革，將幫助人類認(rèn)識(shí)生命的起源、進(jìn)化、遺傳和發(fā)育的本質(zhì)，揭示人體生理和病理過(guò)程的分子基礎(chǔ)，為人類疾病的預(yù)測(cè)、診斷、預(yù)防和治療提供合理和有效的方法或途徑，同時(shí)還將對(duì)醫(yī)藥、衛(wèi)生、食品、農(nóng)業(yè)等產(chǎn)業(yè)產(chǎn)生巨大的推動(dòng)作用，甚至可能引發(fā)新的產(chǎn)業(yè)革命。21世紀(jì)是生命科學(xué)的時(shí)代，生物信息學(xué)為生命科學(xué)的發(fā)展提供了便利和強(qiáng)有利的技術(shù)支持，推動(dòng)著生命科學(xué)的迅速發(fā)展。

第二篇：數(shù)學(xué)模型在生物信息學(xué)教學(xué)中的應(yīng)用

目 錄

目錄...............................................................................................................................................i 摘要..............................................................................................................................................ii 第一部分 數(shù)學(xué)建模........................................................................................................................1 數(shù)學(xué)建模的介紹...................................................................................................................1 2 數(shù)學(xué)建模的主要內(nèi)容...........................................................................................................1 3 數(shù)學(xué)建模的流程...................................................................................................................2 4 數(shù)學(xué)建模的主要算法...........................................................................................................3 5 數(shù)學(xué)建模的軟件...................................................................................................................3 第二部分 生物信息學(xué)....................................................................................................................3 什么是生物信息學(xué)...............................................................................................................3 2 生物信息學(xué)的研究方向.......................................................................................................4 第三部分 生物信息學(xué)與數(shù)學(xué)建模的交叉.....................................................................................4 方法和技術(shù)的交叉...............................................................................................................4

1.1 數(shù)學(xué)統(tǒng)計(jì)方法............................................................................................................4 1.2 動(dòng)態(tài)規(guī)劃方法............................................................................................................4 1.3 機(jī)器學(xué)習(xí)....................................................................................................................5 1.4 數(shù)據(jù)挖掘....................................................................................................................5 1.5 生物分子的計(jì)算機(jī)模擬............................................................................................5 2 目的上的相似.......................................................................................................................5 第四部分 數(shù)學(xué)建模在生物信息學(xué)中的部分應(yīng)用.........................................................................6 運(yùn)用數(shù)學(xué)模型的預(yù)測(cè)...........................................................................................................6 2 運(yùn)用數(shù)學(xué)模型的數(shù)據(jù)分析...................................................................................................7 參考文獻(xiàn)..........................................................................................................................................7

i 數(shù)學(xué)建模在生物信息學(xué)中的應(yīng)用研究

摘 要

本文首先介紹了數(shù)學(xué)建模和生物信息學(xué)的基礎(chǔ)知識(shí)，然后分析了數(shù)學(xué)建模和生物信息學(xué)的交叉知識(shí)點(diǎn)。分析顯示，數(shù)學(xué)建模和生物信息學(xué)不僅在統(tǒng)計(jì)方法和數(shù)據(jù)挖掘等使用方法和技術(shù)方面存在交叉知識(shí)點(diǎn)，還在目的上具有一定的相似性，即兩者都是對(duì)大量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析，都以解決問(wèn)題為最終目的。最后，文章重點(diǎn)回顧了數(shù)學(xué)建模在生物信息學(xué)中數(shù)據(jù)分析和結(jié)構(gòu)預(yù)測(cè)方面的部分應(yīng)用。

關(guān)鍵詞：數(shù)學(xué)建模 生物信息學(xué) 應(yīng)用研究

ii

第一部分 數(shù)學(xué)建模 數(shù)學(xué)建模的介紹

從航空航天領(lǐng)域中的火箭發(fā)射、武器的自動(dòng)導(dǎo)航，到企業(yè)中該如何配置人力、物力和財(cái)力，進(jìn)而用最小的成本產(chǎn)生最大的利潤(rùn)，再到生活中如何規(guī)劃自己有限的時(shí)間復(fù)習(xí)期末考試，等等。這都或多或少地運(yùn)用到了數(shù)學(xué)建模的知識(shí)。數(shù)學(xué)建模是一個(gè)將實(shí)際問(wèn)題用數(shù)學(xué)的語(yǔ)言、方法，去近似刻畫、建立相應(yīng)數(shù)學(xué)模型并解決科研、生產(chǎn)和生活中的實(shí)際問(wèn)題的過(guò)程。數(shù)學(xué)建模的問(wèn)題比較廣泛，涉及到多學(xué)科知識(shí)，它不追求解決方法的天衣無(wú)縫，不追求所用數(shù)學(xué)知識(shí)的高深，也不追求理論的嚴(yán)密邏輯，它以解決問(wèn)題為主要目的。

模型的建立，即把錯(cuò)綜復(fù)雜的實(shí)際問(wèn)題簡(jiǎn)化、抽象化為具有合理的數(shù)學(xué)結(jié)構(gòu)的過(guò)程。通過(guò)調(diào)查、收集數(shù)據(jù)資料，觀察和研究實(shí)際對(duì)象的固有特征和內(nèi)在規(guī)律，抓住問(wèn)題的主要矛盾，建立起反映實(shí)際問(wèn)題的數(shù)量關(guān)系，然后利用數(shù)學(xué)的理論和方法去分折和解決問(wèn)題。

隨著科學(xué)技術(shù)的飛速發(fā)展，人們?cè)絹?lái)越認(rèn)識(shí)到數(shù)學(xué)的重要性：數(shù)學(xué)的思考方式具有根本的重要性，數(shù)學(xué)為組織和構(gòu)造知識(shí)提供了方法，將它用于技術(shù)時(shí)能使科學(xué)家和工程師生產(chǎn)出系統(tǒng)的、能復(fù)制的、且可以傳播的知識(shí)??數(shù)學(xué)對(duì)于經(jīng)濟(jì)競(jìng)爭(zhēng)是必不可少的，數(shù)學(xué)科學(xué)是一種關(guān)鍵性的、普遍的、可實(shí)行的技術(shù)。在當(dāng)今高科技與計(jì)算機(jī)技術(shù)日新月異且日益普及的社會(huì)里，高新技術(shù)的發(fā)展離不開(kāi)數(shù)學(xué)的支持，沒(méi)有良好的數(shù)學(xué)素養(yǎng)已無(wú)法實(shí)現(xiàn)工程技術(shù)的創(chuàng)新與突破。數(shù)學(xué)建模的主要內(nèi)容

數(shù)學(xué)建模理論包含統(tǒng)計(jì)回歸模型、優(yōu)化模型、圖論模型、微分模型和概率模型等【1-3】，如表1所示。

表1 數(shù)學(xué)建模的主要內(nèi)容

統(tǒng)計(jì)回歸模型 數(shù)學(xué)挖掘 聚類分析 層次分析 線性回歸 非線性回歸 主成分分析 時(shí)間序列分析 運(yùn)籌與優(yōu)化模型 博弈論

圖論模型

線性規(guī)劃

最小生成樹(shù)

整數(shù)規(guī)劃

最大流問(wèn)題

目標(biāo)規(guī)劃

最短路徑問(wèn)題

動(dòng)態(tài)規(guī)劃

最長(zhǎng)路徑問(wèn)題

非線性規(guī)劃

PERT網(wǎng)絡(luò)圖模型

多目標(biāo)決策

最小費(fèi)用流問(wèn)題

數(shù)據(jù)擬合與插值 存貯論模型

偏微分方程模型 灰色預(yù)測(cè)模型

馬氏鏈模型

差分方差模型

排隊(duì)論模型

穩(wěn)定性模型

決策論模型

微分方程模型

計(jì)算機(jī)模擬

GM模型

隨機(jī)模擬

圖論與網(wǎng)絡(luò)模型

微分差分模型

概率模型 數(shù)學(xué)建模的流程

圖1數(shù)學(xué)建模的流程[3] 數(shù)學(xué)建模的主要算法

蒙特卡羅算法——該算法又稱隨機(jī)性模擬算法，是通過(guò)計(jì)算機(jī)仿真來(lái)解決問(wèn)題的算法，同時(shí)可以通過(guò)模擬可以來(lái)檢驗(yàn)自己模型的正確性。

數(shù)據(jù)處理算法——通常會(huì)遇到大量的數(shù)據(jù)需要數(shù)據(jù)擬合、參數(shù)估計(jì)、插值等處理，通常使用Matlab作為工具。

規(guī)劃算法——遇到線性規(guī)劃、整數(shù)規(guī)劃、多元規(guī)劃、二次規(guī)劃等最優(yōu)化問(wèn)題，可以用數(shù)學(xué)規(guī)劃算法來(lái)描述，通常使用Lingo軟件實(shí)現(xiàn)。

圖論算法——包括最短路、網(wǎng)絡(luò)流、二分圖等算法。動(dòng)態(tài)規(guī)劃、回溯搜索、分治算法、分支定界等算法。

非經(jīng)典算法——模擬退火法、神經(jīng)網(wǎng)絡(luò)、遺傳算法為最優(yōu)化理論的三大非經(jīng)典算法。數(shù)學(xué)建模的軟件

數(shù)學(xué)建模有專用的軟件：Matlab 7，Lingo 8為其中最主要的軟件，其他重要的軟件有Mathematice，S-plus，SAS等。

第二部分 生物信息學(xué) 什么是生物信息學(xué)

生物信息學(xué)是一門新興的交叉學(xué)科，它使用數(shù)學(xué)和計(jì)算機(jī)這兩項(xiàng)工具，對(duì)日益增長(zhǎng)的生物數(shù)據(jù)進(jìn)行快速、高效的組織與分析。生物信息學(xué)的近期任務(wù)是大規(guī) 3 模的基因組測(cè)序中的信息分析、新基因和新SNP的發(fā)現(xiàn)與鑒定、完整基因組的比較研究、大規(guī)?；蚬δ鼙磉_(dá)譜的分析、生物大分子的結(jié)構(gòu)模擬與藥物分析，其遠(yuǎn)期任務(wù)是非編碼區(qū)信息結(jié)構(gòu)分析、遺傳密碼起源和生物進(jìn)化的研究。2 生物信息學(xué)的研究方向

生物信息學(xué)的發(fā)展異常迅速，現(xiàn)主要包括DNA序列對(duì)比、蛋白質(zhì)結(jié)構(gòu)對(duì)比與預(yù)測(cè)、編碼區(qū)的基因識(shí)別、序列重疊群(Contigs)裝配、基于結(jié)構(gòu)的藥物設(shè)計(jì)、非編碼區(qū)的分析研究、遺傳密碼的起源、分子進(jìn)化與比較基因組學(xué)、生物系統(tǒng)的建模和仿真、生物信息學(xué)技術(shù)方法的研究等幾個(gè)研究方向【4-6】。

第三部分 生物信息學(xué)與數(shù)學(xué)建模的交叉

生物信息學(xué)是利用數(shù)學(xué)和計(jì)算機(jī)作為工具，不可避免地與數(shù)學(xué)建模，這一利用計(jì)算機(jī)和數(shù)學(xué)理論解決實(shí)際問(wèn)題的學(xué)科，無(wú)論在研究方法和技術(shù)上，還是在運(yùn)用目的上均產(chǎn)生一定的交叉。1 方法和技術(shù)的交叉

生物信息學(xué)所使用的方法與技術(shù)包括數(shù)學(xué)統(tǒng)計(jì)方法、動(dòng)態(tài)規(guī)劃方法、機(jī)器學(xué)習(xí)與模式識(shí)別技術(shù)、數(shù)據(jù)庫(kù)技術(shù)與數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、生物分子的計(jì)算機(jī)模擬等，而這些恰恰是數(shù)學(xué)建模領(lǐng)域的核心理論與知識(shí)。1.1 數(shù)學(xué)統(tǒng)計(jì)方法

數(shù)據(jù)統(tǒng)計(jì)、因素分析、多元回歸分析是生物學(xué)研究必備的工具，而這些是數(shù)學(xué)建模的統(tǒng)計(jì)回歸模型中最為基礎(chǔ)的知識(shí)；隱馬爾科夫模型（Hidden Markov Models）在序列分析方面有著重要的應(yīng)用，與隱馬爾科夫模型相關(guān)的技術(shù)是馬爾科夫鏈（Markov Chain），而馬爾科夫鏈模型正是數(shù)學(xué)建模中針對(duì)離散狀態(tài)按照離散時(shí)間的隨機(jī)轉(zhuǎn)移而建立的模型?？傊镄畔W(xué)和數(shù)學(xué)建模有的第一個(gè)共同點(diǎn)是，都有對(duì)海量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析的過(guò)程。1.2 動(dòng)態(tài)規(guī)劃方法

動(dòng)態(tài)規(guī)劃（Dynamic Programming）是一種解決多階段決策過(guò)程的最優(yōu)化方法，在每個(gè)階段做出一定的決策并影響后續(xù)的決策，最終選擇一個(gè)最優(yōu)決策。

當(dāng)兩個(gè)DNA序列長(zhǎng)度較小時(shí)，采用動(dòng)態(tài)規(guī)劃算法可以很好地解決兩個(gè)序列的相似性問(wèn)題。當(dāng)序列長(zhǎng)度太長(zhǎng)時(shí)，改進(jìn)的BALST和FASTA算法也是基于動(dòng)態(tài)規(guī)劃 的思想。同時(shí)，動(dòng)態(tài)規(guī)劃在數(shù)學(xué)建模領(lǐng)域也被用來(lái)解決最短路線、庫(kù)存管理、資源分配等生產(chǎn)和生活中的現(xiàn)實(shí)問(wèn)題。1.3 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)一般采用遺傳算法、神經(jīng)網(wǎng)絡(luò)或聚類分析等，模擬人類的學(xué)習(xí)過(guò)程，以計(jì)算機(jī)為工具獲取知識(shí)、積累經(jīng)驗(yàn)，在擁有大樣本、多向量數(shù)據(jù)的數(shù)據(jù)分析中發(fā)揮著日益重要的作用。比如，聚類分析已經(jīng)運(yùn)用于癌癥類型的分類，神經(jīng)網(wǎng)絡(luò)和隱馬爾可夫模型對(duì)于缺乏完備理論體系的生物領(lǐng)域也同樣奏效。以上聚類分析、神經(jīng)網(wǎng)絡(luò)和隱馬爾可夫模型均為數(shù)學(xué)建模中的重點(diǎn)方法。1.4 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘又被稱作數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，在此意義上，生物信息學(xué)也是在海量的生物數(shù)據(jù)中發(fā)掘生命的奧秘?；蛐蛄邪ㄍ怙@子和內(nèi)含子，其中外顯子只占其中的一小部分。大部分的內(nèi)含子序列的作用并不為人知，如何從這些簡(jiǎn)單的ACGT序列中發(fā)現(xiàn)內(nèi)含子如何參與基因的轉(zhuǎn)錄與翻譯變得異常重要。比如，利用一階和二階馬爾可夫鏈的方法偵測(cè)密碼區(qū)。1.5 生物分子的計(jì)算機(jī)模擬

所謂生物分子的計(jì)算機(jī)模擬就是從分子或者原子水平上的相互作用出發(fā)，建立分子體系的數(shù)學(xué)模型，利用計(jì)算機(jī)進(jìn)行模擬實(shí)驗(yàn)，預(yù)測(cè)生物分子的結(jié)構(gòu)和功能，預(yù)測(cè)動(dòng)力學(xué)及熱力學(xué)等方面的性質(zhì)，常用的方法是蒙特卡羅法和模擬退火方法。2 目的上的相似

數(shù)學(xué)建模與生物信息學(xué)都會(huì)對(duì)大量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析，都以解決問(wèn)題為最終目的，并且以求得滿意解為重點(diǎn)，因?yàn)橛袝r(shí)全局最優(yōu)解難以得到。另外，數(shù)學(xué)建模和生物信息學(xué)的研究都更強(qiáng)調(diào)能否具有實(shí)用性。比如生物信息學(xué)的機(jī)器學(xué)習(xí)技術(shù)中運(yùn)用到了神經(jīng)網(wǎng)路或隱馬氏模型，但人們目前并不清楚該算法或模型是如何到達(dá)解的，即對(duì)其具體的機(jī)理并不十分了解。但這并不妨礙我們使用這種方法，因?yàn)檫@種方法具有使用成功性和可用性。在這個(gè)意義上，數(shù)學(xué)建模也經(jīng)常通過(guò)此類“黑箱” 操作達(dá)到特定解。正如Cynthia Gibas和Per Jambeck在《Developing Bioinformatics Computer Skills》的前言所說(shuō)，生物信息學(xué)“is often less about developing perfectly elegant algorithms than it is about answering practical questions”。從這個(gè)意義上說(shuō)，數(shù)學(xué)建模與生物信息學(xué)有著目的上的相似性。

第四部分 數(shù)學(xué)建模在生物信息學(xué)中的部分應(yīng)用

1.運(yùn)用數(shù)學(xué)模型的預(yù)測(cè)

1993年Rost和Sander[6]提出了三級(jí)網(wǎng)絡(luò)模型，這種神經(jīng)網(wǎng)絡(luò)方法已經(jīng)成為了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)普遍采用的方法。2003年閆化軍等[7]人也通過(guò)神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)。2007年林衛(wèi)中等[8]人將GM(1,1)模型應(yīng)用于蛋白質(zhì)二級(jí)結(jié)構(gòu)類型的預(yù)測(cè)，把提取出的蛋白質(zhì)氨基酸的排列信息作為偽氨基酸成分，從而較大的提高了預(yù)測(cè)的成功率。2008年邱望仁等[9]人將OET-KNN算法應(yīng)用于蛋白質(zhì)二級(jí)結(jié)構(gòu)類型的預(yù)測(cè)，通過(guò)LZ復(fù)雜度的算法計(jì)算了偽氨基酸的成分，再用OET-KNN算法分類預(yù)測(cè)，從而也較大的提高了預(yù)測(cè)的成功率。

Bader等[10]人將Logistic回歸模型用來(lái)預(yù)測(cè)蛋白質(zhì)之間的生物學(xué)關(guān)系，這種運(yùn)用使得通過(guò)遺傳學(xué)和基因表達(dá)數(shù)據(jù)來(lái)分析蛋白質(zhì)數(shù)據(jù)成為了可能。2006年王明會(huì)等[11]人將Markov鏈模型應(yīng)用于蛋白質(zhì)可溶性的預(yù)測(cè)，預(yù)測(cè)精度普遍好于或接近于神經(jīng)網(wǎng)絡(luò)、信息論和支持向量機(jī)法的結(jié)果，而且該模型的運(yùn)算復(fù)雜度低，耗時(shí)也更短。2006年張菁晶等[12]人將隱馬爾可夫模型運(yùn)用于目標(biāo)基因全基因組的預(yù)測(cè)，同量高、準(zhǔn)確度高并且操作簡(jiǎn)單，尤其在多結(jié)構(gòu)域蛋白家族的預(yù)測(cè)上優(yōu)勢(shì)明顯。2008年劉桂霞等[13]人提出了一種帶偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)模型。該模型根據(jù)BP算法得出權(quán)系數(shù)調(diào)整規(guī)則，使得收斂速度比一般的BP網(wǎng)絡(luò)更快，對(duì)于預(yù)測(cè)蛋白質(zhì)關(guān)聯(lián)圖有一定的實(shí)用價(jià)值。

2.運(yùn)用數(shù)學(xué)模型的數(shù)據(jù)分析

1997年Carr等[14]研究了大鼠脊髓的基因活動(dòng)，通過(guò)聚類分析證明具有已知相似功能的基因?qū)儆谝活悺?006年張文彤等[15]人綜合了聚類方法和進(jìn)化樹(shù)分析的優(yōu)點(diǎn)，通過(guò)先聚類將數(shù)據(jù)拆分，然后根據(jù)聚類的類別構(gòu)建進(jìn)化樹(shù)，這種方法可以很好地在大樣本數(shù)據(jù)中應(yīng)用，并以甲型流感病毒的H3A1序列作為實(shí)例，構(gòu)建拼接出了完整的進(jìn)化樹(shù)結(jié)果。

2006年徐麗等[16]人針對(duì)Viterbi算法和Baum-Welch算法在隱馬爾可夫模型（Hidden Markov Model）的參數(shù)估計(jì)中無(wú)法找到全局最優(yōu)解，提出了基于遺傳算法的HMM參數(shù)估計(jì)，這種方法用于多序列對(duì)比研究時(shí)可以更好的避免局部最優(yōu)解。2007年周曉彥等[17]人通過(guò)綜合模糊數(shù)學(xué)和核判別方法的優(yōu)點(diǎn)，提出了一種基于模糊核判別分析的基因表達(dá)數(shù)據(jù)分析方法，并以多發(fā)性骨髓瘤的基因表達(dá)數(shù)據(jù)為例證實(shí)了這種方法的可行性和精確性。2007年劉萬(wàn)霖等[18]人介紹了構(gòu)建基因調(diào)控網(wǎng)絡(luò)的多種算法和方法，比如馬爾可夫鏈可以用于分析時(shí)間序列微陣列表達(dá)數(shù)據(jù)；將隨機(jī)和概率等引入布爾網(wǎng)絡(luò)模型，可以增強(qiáng)基因網(wǎng)絡(luò)調(diào)控的精確性；貝葉斯網(wǎng)絡(luò)模型在Friedman和Pe’er等人做出了開(kāi)拓性的工作后，在基因表達(dá)數(shù)據(jù)和調(diào)控網(wǎng)絡(luò)方面得到了快速的發(fā)展。

參考文獻(xiàn)

[1] 馮杰等.數(shù)學(xué)建模原理與案例.科學(xué)出版社,2007.[2] 高隆昌,楊元著.數(shù)學(xué)建?；A(chǔ)理論.科學(xué)出版社,2007.[3] 戴朝壽,孫世良.數(shù)學(xué)建模簡(jiǎn)明教程.高等教育出版社,2007.[4] 陶士珩.生物信息學(xué).科學(xué)出版社,2007.[5] DAVID W.MOUNT.生物信息學(xué):中文版.高等教育出版社,2003.[6] Rost B, Sander C.Proc.Natl.Acad.Sci.USA, Biothysics, 1993,90:7558-7562 [7] 閆化軍,傅

彥,章

毅等.神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu).計(jì)算機(jī)科學(xué).2003,30(11):48-52 [8] 林衛(wèi)中, 肖絢.基于GM(1,1)模型的蛋白質(zhì)二級(jí)結(jié)構(gòu)類型預(yù)測(cè).計(jì)算機(jī)工程與應(yīng)用, 2007, 43(34): 41-45 [9] 邱望仁, 肖絢, 林衛(wèi)中.基于OET-KNN算法的蛋白質(zhì)二級(jí)結(jié)構(gòu)類型預(yù)測(cè).計(jì)算機(jī)工程與應(yīng)用, 2008, 44(29): 204-210 [10] Bader JS,Chaudhuri A,Rothberg JM,et al.Gaining confidence in high-throughput protein interaction network.Nat Biotechnol,2004,22: 78-85 [11] 王明會(huì), 李 驁, 王嫻等.Markov鏈模型在蛋白質(zhì)可溶性預(yù)測(cè)中的應(yīng)用.生物醫(yī)學(xué)工程學(xué)雜志, 2006, 23(5): 1109-1113 [12] 張菁晶,馮

晶,朱英國(guó).全基因組預(yù)測(cè)目標(biāo)基因的新方法及其應(yīng)用.遺傳.2006,28(10):1299-1305 [13] 劉桂霞, 于哲舟, 周春光.基于帶偏差遞歸神經(jīng)網(wǎng)絡(luò)蛋白質(zhì)關(guān)聯(lián)圖的預(yù)測(cè).吉林大學(xué)學(xué)報(bào)(理學(xué)版), 2008, 46(2): 265-270 [14] Carr DB, Somogyi R, Michaels G.Templates for looking at gene expression clustering.Statistical Computing & Statistical Graphics Newsletter, 1997,8:20-29 [15] 張文彤, 姜慶五.聚類技術(shù)在大樣本序列進(jìn)化樹(shù)分析中的應(yīng)用.中國(guó)衛(wèi)生統(tǒng)計(jì).2006,23(5):393-396 [16] 徐麗,康瑞華.基于遺傳算法的HMM參數(shù)估計(jì).湖北工業(yè)大學(xué)學(xué)報(bào).2006,21(4):68-71 [17] 周曉彥,鄭文明.基于模糊核判別分析的基因表達(dá)數(shù)據(jù)分析方法.華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007, 35(I): 173-176 [18] 劉萬(wàn)霖,李

棟,朱云平等.基于微陣列數(shù)據(jù)構(gòu)建基因調(diào)控網(wǎng)絡(luò).遺傳,2007,29(12):1434-1442 8

第三篇：生物學(xué)在日常生活中的應(yīng)用

生物在我們生活中無(wú)處不在！

經(jīng)常有老師們?cè)谒较逻M(jìn)行交流，特別羨慕生物課堂，因?yàn)樗錆M樂(lè)趣、有意思，而實(shí)際上我們身臨其境的老師卻只有苦笑，生物學(xué)科雖然作為自然科學(xué)的基礎(chǔ)學(xué)科，但在初中階段一直處于兩難：課本知識(shí)枯燥、現(xiàn)實(shí)生活無(wú)用，生物學(xué)科成了二張皮，不能真正溶到學(xué)生的生活中，而且在中考指揮棒的隱性弱化，這都無(wú)疑讓生物課處于尷尬的地位。

二十一世紀(jì)初，美國(guó)教育學(xué)家杜威提出：對(duì)于科學(xué)，學(xué)生要掌握的不只是知識(shí)，還應(yīng)包括過(guò)程和方法。他主張開(kāi)展探究教學(xué)，以培養(yǎng)和提高學(xué)生解決實(shí)際問(wèn)題的能力，讓學(xué)生積極地“做”科學(xué)，而不是被動(dòng)的“讀”科學(xué)。

伴隨新課程提出的關(guān)注學(xué)生的全面發(fā)展，培養(yǎng)提高學(xué)生的基本生物科學(xué)素養(yǎng)，突出創(chuàng)新精神和實(shí)踐能力的培養(yǎng)，生物課是初中階段的一門基礎(chǔ)課，也是與日常生活、農(nóng)業(yè)生產(chǎn)，自身健康息息相關(guān)的一門學(xué)科，因此在生物教學(xué)中以知識(shí)點(diǎn)為依托，從生活生產(chǎn)中蘊(yùn)含的知識(shí)激發(fā)學(xué)生的興趣點(diǎn)，不斷培養(yǎng)學(xué)生的實(shí)踐和創(chuàng)新能力，應(yīng)用知識(shí)解決實(shí)踐問(wèn)題的能力，而這正是使生物學(xué)煥發(fā)生命活力的最佳切入點(diǎn)，我認(rèn)為在生物教學(xué)中貫徹“從實(shí)踐中來(lái)，到實(shí)踐中去”，充分發(fā)揮生物學(xué)學(xué)以致用的作用，恰恰可以突破生物教學(xué)的困境的瓶頸。

經(jīng)過(guò)幾年的教學(xué)實(shí)踐，我采取以下方法注重學(xué)生解決實(shí)際問(wèn)題能力的培養(yǎng)。

一、從課堂內(nèi)容中延伸

在學(xué)習(xí)細(xì)菌、真菌對(duì)疾病防治的過(guò)程中，一提到抗生素，學(xué)生們馬上想到青霉素和輸液，這是不夠的，通過(guò)《科學(xué).技術(shù).社會(huì)》中抗生素今昔的介紹和課后練習(xí)題2相結(jié)合，讓學(xué)生明確了抗生素的含義及在生活中如何正確應(yīng)用，同時(shí)課后布臵了一道開(kāi)放題：收集生活中人們對(duì)抗生素的認(rèn)識(shí)及應(yīng)用。隨后的課上，學(xué)生不僅交流介紹了常用抗生素的種類、應(yīng)用方法、人們的用法、濫用抗生素的后果，甚至還有同學(xué)從藥房里拿到所有抗生素的藥品成分說(shuō)明書(shū)，對(duì)全班同學(xué)進(jìn)行抗生素的優(yōu)缺點(diǎn)分析。事后，一位學(xué)生對(duì)我說(shuō)，她回去對(duì)她媽媽說(shuō)今后生病應(yīng)該怎樣合理使用抗生素。還有對(duì)于傳染病的相關(guān)知識(shí)，同學(xué)們現(xiàn)在也能學(xué)以致用了。而這種現(xiàn)象正是生物學(xué)應(yīng)該給予學(xué)生最有用的。

課堂教學(xué)的反饋中，認(rèn)真用好課后練習(xí)，其實(shí)課文后面的思考題很多是讓學(xué)生靈活運(yùn)用所學(xué)知識(shí)，聯(lián)系生產(chǎn)生活問(wèn)題的。如“早春播種后用塑料薄膜覆蓋地面，為什么會(huì)促進(jìn)出苗”？這在農(nóng)業(yè)生產(chǎn)中是地膜覆蓋問(wèn)題，而在生物學(xué)中是溫度對(duì)種子萌發(fā)的影響問(wèn)題，即通過(guò)地膜覆蓋可以提高地表層土壤的溫度，從而促使種子提早萌發(fā)，再就是家里養(yǎng)花為什么要松土，為什么要換盆，家里養(yǎng)的魚(yú)為什么長(zhǎng)時(shí)間不換水會(huì)有綠苔，經(jīng)過(guò)這樣貼近生活的問(wèn)題的引入，引起學(xué)生學(xué)習(xí)的興趣，并激發(fā)學(xué)生學(xué)以致用，以用促學(xué)，越學(xué)越有勁。

二、從自身體驗(yàn)中深入

從心理的觀點(diǎn)來(lái)看，人們一般傾向于對(duì)與自己有直接或間接的事件、活動(dòng)感興趣，對(duì)于自己充當(dāng)角色的活動(dòng)，這種興趣會(huì)更加強(qiáng)烈，因此在教學(xué)中要高度重視學(xué)生的參與，讓學(xué)生從自身體驗(yàn)中去感知，使他們?cè)趨⑴c中發(fā)展和提高實(shí)踐和創(chuàng)新能力。

在學(xué)習(xí)完食物的營(yíng)養(yǎng)與吸收后，關(guān)注合理營(yíng)養(yǎng)過(guò)程中，我們選取從學(xué)生的一日三餐中入手：你最喜歡吃的菜和你認(rèn)為最有營(yíng)養(yǎng)的菜，讓他們談?wù)勛约簩?duì)營(yíng)養(yǎng)的看法和認(rèn)識(shí)，在小組充分討論合作設(shè)計(jì)營(yíng)養(yǎng)餐的基礎(chǔ)上，指導(dǎo)學(xué)生再分析哪類食物在哪里消化在哪里吸收在哪里利用等等，深入到生活實(shí)際中，開(kāi)展對(duì)現(xiàn)實(shí)生活中初中生的營(yíng)養(yǎng)狀況分析，同學(xué)們完成分析之后，不僅充分消化吸收了營(yíng)養(yǎng)的相關(guān)知識(shí)，還提高了對(duì)生活問(wèn)題進(jìn)行實(shí)際解決的能力。

三、從社會(huì)焦點(diǎn)、熱點(diǎn)中引入

對(duì)同學(xué)們普遍關(guān)注的話題，多用實(shí)例、多用客觀的內(nèi)容引起他們的警覺(jué)，如“如關(guān)于艾滋病的學(xué)習(xí)中，通過(guò)問(wèn)卷調(diào)查，我們發(fā)現(xiàn)學(xué)生們對(duì)艾滋病的認(rèn)識(shí)還存在很大的盲區(qū)：什么途徑、什么方式進(jìn)行傳播，怎樣與艾滋病人交往等，開(kāi)設(shè)“艾滋病及預(yù)防”相關(guān)內(nèi)容的專題課，通過(guò)專題課的講授，再組織學(xué)生完成防艾小報(bào)，不僅有利于他們順利渡過(guò)“危險(xiǎn)期”，而且對(duì)于他們形成社會(huì)責(zé)任心，提高自身素質(zhì)也具有一定的意義。

例如蔬菜大棚為什么要經(jīng)常通風(fēng)？在移栽樹(shù)苗或蔬菜時(shí)，為什么要去掉一些葉片？鋤地的目的是什么？果蔬貯藏為什么采取低溫、低壓法？新疆地區(qū)的瓜果為啥特別甜？蠶農(nóng)為什么給末齡家蠶噴施保幼激素？糖漬、鹽漬食品為什么不會(huì)變質(zhì)？“發(fā)面”時(shí)為什么要加入酵母粉？加酶洗衣粉為什么不能用開(kāi)水溶化？近親結(jié)婚的后代為什么容易得遺傳?。?/p>

當(dāng)然，關(guān)于生物學(xué)知識(shí)在生產(chǎn)和生活中應(yīng)用的例子還有很多，如轉(zhuǎn)基因食品、克隆動(dòng)物等。這說(shuō)明生物學(xué)與人類的生活息息相關(guān)，我們?cè)诮虒W(xué)過(guò)程中要注意聯(lián)系和引入這樣的例子，以引起學(xué)生的思考和探究，加深他們對(duì)知識(shí)的理解，為自己將來(lái)從事生產(chǎn)勞動(dòng)或生活做好知識(shí)儲(chǔ)備。

在學(xué)習(xí)植物蒸騰作用時(shí)，課堂讓學(xué)生用干燥塑料袋罩緊花盆里一株菊花上方，過(guò)一段時(shí)間，學(xué)生觀察到塑料袋內(nèi)出現(xiàn)水霧。通過(guò)這一實(shí)驗(yàn)指導(dǎo)，學(xué)生加深對(duì)蒸騰作用的理解。教師又讓學(xué)生把森林與氣候關(guān)系用動(dòng)畫圖片連貫起來(lái)：一草一木構(gòu)成森林，成片森林蒸騰作用產(chǎn)生大量水分，匯集到天空，形成云霧，大量云霧聚集形成烏云，烏云碰擊最后形成雨滴降落下來(lái)，滋潤(rùn)地球上的萬(wàn)物，這樣使抽象的知識(shí)具體化，學(xué)生容易理解森林調(diào)節(jié)氣候的原理，深深體驗(yàn)到了“大樹(shù)底下好乘涼”。教師有目的性地把書(shū)本知識(shí)與有關(guān)社會(huì)實(shí)際問(wèn)題結(jié)合起來(lái)，學(xué)生愿意學(xué)習(xí)，豐富了書(shū)本知識(shí)，拓展了教材的局限，也培養(yǎng)了學(xué)生環(huán)保意識(shí)。用生物學(xué)的觀點(diǎn)來(lái)關(guān)注社會(huì)問(wèn)題，不僅培養(yǎng)了學(xué)生自我研討的能力，還無(wú)形中提高了學(xué)生解決實(shí)際問(wèn)題的能力。

四、從科技活動(dòng)中強(qiáng)化

培養(yǎng)學(xué)生的創(chuàng)造能力，不僅體現(xiàn)在課堂教學(xué)活動(dòng)中，而且更為突出的體現(xiàn)和落實(shí)在各種課外科技活

動(dòng)中，學(xué)生在課外科技活動(dòng)中可以不受教材和教師傾向的束縛，獨(dú)立自主的發(fā)展，用科技小活動(dòng)來(lái)創(chuàng)造學(xué)生學(xué)習(xí)生物的興趣，如：自己種植土豆、豆芽，養(yǎng)殖泥鰍，制作葉脈書(shū)簽，采集制作昆蟲(chóng)標(biāo)本，蚯蚓生活狀態(tài)實(shí)驗(yàn)，家庭酸奶的制備，甜酒的制作等。

調(diào)動(dòng)學(xué)生積極地參與課外活動(dòng)，如組織采集制作生物標(biāo)本，參觀苗圃、花園，做校園環(huán)保調(diào)查，辦《生物小報(bào)》等，學(xué)生通過(guò)他們參與這些豐富多彩的課外活動(dòng)，可以培養(yǎng)他們的實(shí)踐能力，開(kāi)闊視野，拓寬知識(shí)面。

五、順口溜及俗語(yǔ)的引入

在現(xiàn)在的生物考試中，經(jīng)常出現(xiàn)一些成語(yǔ)、諺語(yǔ)、歇后語(yǔ)等等知識(shí)與生物知識(shí)的結(jié)合：如：

在夏天的時(shí)候，我們經(jīng)?？吹揭环N現(xiàn)象“蜻蜓點(diǎn)水”，請(qǐng)問(wèn)這是什么現(xiàn)象？考察蜻蜓產(chǎn)卵的方式； “兒童急走追黃蝶，飛入菜花無(wú)處尋。”考察動(dòng)物的保護(hù)色；

“有收無(wú)收在于水，收多收少在于肥?！笨疾焖蜔o(wú)機(jī)鹽對(duì)植物生長(zhǎng)的作用；

“種瓜得瓜，種豆得豆?！笨疾爝z傳現(xiàn)象；

“大魚(yú)吃小魚(yú)，小魚(yú)吃蝦米，蝦米吃泥巴。”考察生態(tài)中的食物鏈和食物網(wǎng)的知識(shí)，還有 “螳螂捕蟬，黃雀在后?！保?/p>

“桔生淮南為桔，生淮北則為枳”考察溫度對(duì)生物生長(zhǎng)的影響；

“山上多植樹(shù)，勝似修水庫(kù)，有雨它能吞，無(wú)雨它能吐?！笨疾毂３炙痢⒑B(yǎng)水源的重要性；

同時(shí)還可以借助成語(yǔ)與謎語(yǔ)知識(shí)來(lái)考察生物學(xué)的概念。如：

視而不見(jiàn)——保護(hù)色；望而生畏——警戒色；以假亂真——擬態(tài)；移花接木——嫁接；鸚鵡學(xué)舌——模仿行為；孔雀開(kāi)屏——求偶行為；望梅止渴——條件反射；種豆南山下，草盛豆苗稀——競(jìng)爭(zhēng)；無(wú)中生有——隱性；有中生無(wú)——顯性

這樣的題目的出現(xiàn)，即擴(kuò)大了學(xué)生的知識(shí)面，又考察了學(xué)生的生物學(xué)常識(shí)。因此在平時(shí)多積累這方面的素材，并在平時(shí)的授課當(dāng)中適當(dāng)?shù)臐B透，既能提高學(xué)生的學(xué)習(xí)興趣，又讓學(xué)生抓住了特點(diǎn)，更利于知識(shí)的記憶。另外在以往的聽(tīng)課中，有些教師自編了順口溜，這樣讓學(xué)生記起來(lái)不僅瑯瑯上口，而且效果更較明顯。如我在講到維生素的功能的時(shí)候，就借用了一個(gè)：A，火眼金睛看得清；B，腦筋急轉(zhuǎn)我最靈；C，大力水手羨慕我；D，加鈣增高我能贏；還有一個(gè)小小E，不怕病菌來(lái)入侵……。這樣不僅使學(xué)生一下胃口大開(kāi)，課堂氣氛異常活躍，而且，許多的學(xué)生還在反復(fù)的哼唱。

興趣是最好的老師，興趣需要我們教師的正確引導(dǎo)和培養(yǎng)與呵護(hù)，讓學(xué)生在學(xué)習(xí)中找到了樂(lè)趣，一定能事半功倍。而且在討論、角色扮演、各種科學(xué)探究活動(dòng)中，不僅能提高學(xué)生的動(dòng)手操作能力，還能發(fā)展創(chuàng)新意識(shí)，提高實(shí)踐能力，圍繞從“從實(shí)踐中來(lái)，到實(shí)踐中去”無(wú)疑能更好地促進(jìn)學(xué)生的全面發(fā)展，用理論解決實(shí)踐將是點(diǎn)燃學(xué)生學(xué)習(xí)生物學(xué)熱情的火把?！蹶?/p>

第四篇：淺談比喻在生物學(xué)教學(xué)中的應(yīng)用

淺談比喻在生物學(xué)教學(xué)中的應(yīng)用

譚邦應(yīng)

（湖北省秭歸縣職教中心

443600）

著名教育家夸美紐斯曾說(shuō)：“興趣是創(chuàng)造一個(gè)歡樂(lè)和光明的教學(xué)環(huán)境的主要途徑之一”。當(dāng)學(xué)生對(duì)學(xué)習(xí)產(chǎn)生興趣時(shí)，學(xué)習(xí)起來(lái)就會(huì)積極主動(dòng)、精力充沛、信心百倍。高中生物學(xué)教材中有很多概念性的知識(shí)表述往往比較抽象枯燥，顯得深?yuàn)W難懂，如果在教學(xué)中引用一些恰當(dāng)?shù)谋扔鳎涂梢允惯@些知識(shí)變得形象生動(dòng)、通俗易懂，從而大大提高學(xué)生的學(xué)習(xí)興趣。下面舉幾個(gè)例子間要說(shuō)明比喻在生物學(xué)教學(xué)中的應(yīng)用。

1用儲(chǔ)蓄存款比喻人體內(nèi)的能源物質(zhì)

人體內(nèi)的能源物質(zhì)有ATP、葡萄糖、肝糖元、脂肪等，它們?yōu)闄C(jī)體供能時(shí)有先后順序并且高協(xié)調(diào)?？梢赃@樣比喻：

ATP——零花錢。其特點(diǎn)是數(shù)目不多，但可以隨時(shí)利用存折向銀行支取。葡萄糖——活期存折。當(dāng)機(jī)體內(nèi)ATP含量下降，可立即由葡萄糖分解補(bǔ)充。

肝糖元、脂肪——定期存折。如機(jī)體內(nèi)能量過(guò)多，會(huì)合成糖元和脂肪等大分子物質(zhì)儲(chǔ)存起來(lái)。肝糖元?jiǎng)t屬于定期較短的存折，脂肪相當(dāng)于定期較長(zhǎng)的那種，在饑荒年月（如動(dòng)物冬眠）就可排上大用場(chǎng)了。2 噬菌體侵染細(xì)菌的程好比是醫(yī)生在給病人注射

在教學(xué)中發(fā)現(xiàn)學(xué)生對(duì)噬菌體侵染細(xì)菌的過(guò)程容易誤認(rèn)為是整個(gè)噬菌體都侵入了，通過(guò)以下比喻可以讓學(xué)生一次性記住。

蛋白質(zhì)外殼——注射器，醫(yī)生給病人注射時(shí)，注射器自然是留在外面的。注射液——DNA，噬菌體侵染細(xì)菌以后，只有DNA進(jìn)入到細(xì)菌內(nèi)部去了。蛋白質(zhì)的合成過(guò)程可以比喻為人們織毛衣

氨基酸——毛絨，毛絨是構(gòu)成毛線的基本單位，氨基酸則是構(gòu)成蛋白質(zhì)基本單位。

多肽鏈——毛線，把氨基酸脫水縮合成多肽鏈比作是用毛絨紡成毛線。蛋白質(zhì)——毛衣，由多肽鏈折疊盤旋而成蛋白質(zhì)就好象是用毛線編織成的毛衣，有它獨(dú)特的空間結(jié)構(gòu)。DNA的空間結(jié)構(gòu)很象是一架螺旋狀的梯子

多核苷酸鏈——扶手，由脫氧核糖和磷酸交替連接而成，一共有兩條，共同構(gòu)成梯子的骨架。

堿基對(duì)——梯板，堿基對(duì)間的氫鍵相當(dāng)于給兩塊木板間上的銷，G和C之間有三個(gè)，A和T之間有兩個(gè)。

這架梯子的扶手之間、梯板之間以及上下螺旋之間的距離都很規(guī)則，不僅外形美觀，而且結(jié)構(gòu)牢固，從而保證了遺傳物質(zhì)的穩(wěn)定性。5 物質(zhì)出入細(xì)胞的方式好象是不同的人過(guò)河一樣 順?biāo)杂善鳌杂蓴U(kuò)散，會(huì)游泳的人可采用這種方式。

順?biāo)舜鳌獏f(xié)助擴(kuò)散，不會(huì)游泳的人需要借助船（載體蛋白質(zhì)）才能完成。

逆水行舟——主動(dòng)運(yùn)輸，不會(huì)游泳的人從下游到上游時(shí)，他必須乘船（需載體蛋白質(zhì)），需奮力劃船（消耗ATP）方可完成。這樣，把原本很抽象的知識(shí)形象化，能吸引學(xué)生的注意力，且容易記住。6 遺傳信息的表達(dá)就象是郵局發(fā)電報(bào)

電報(bào)密碼——遺傳密碼，電報(bào)密碼由阿拉伯?dāng)?shù)字組成，而遺傳密碼則由堿基組成。

電報(bào)文字——氨基酸，用電報(bào)密碼可翻譯成中文漢字，氨基酸則是通過(guò)遺傳密碼翻譯而成的。

電報(bào)語(yǔ)句——多肽鏈，用文字可以組成語(yǔ)言，由氨基酸脫水縮合而形成多肽鏈。染色質(zhì)與染色體的關(guān)系簡(jiǎn)直就是鋼絲與彈簧的關(guān)系

綱絲——染色質(zhì)，呈細(xì)絲狀，比較長(zhǎng)。

彈簧——染色體，是由染色質(zhì)螺旋化縮短變粗而成的，與染色質(zhì)是同一物質(zhì)，只不過(guò)形態(tài)不同。把細(xì)胞比喻為我們生活中的電視機(jī)

若把細(xì)胞比喻為電視機(jī)，那么構(gòu)成電視機(jī)的電子元件就是細(xì)胞器，各種電子元件不具備收看電視的功能，必須組裝成電視機(jī)才能收看電視。細(xì)胞也是這樣，它是生物體結(jié)構(gòu)和功能的基本單位。

其實(shí)生活中與生物學(xué)有關(guān)的比喻還有很多，教師在平時(shí)要注意加強(qiáng)積累，并靈活地應(yīng)用于教學(xué)，可以讓書(shū)本知識(shí)化難為易、化繁為簡(jiǎn)，達(dá)到事半功倍的教學(xué)效果。

第五篇：同位素標(biāo)記法在高中生物學(xué)中的應(yīng)用總結(jié)

同位素標(biāo)記法在高中生物學(xué)中的應(yīng)用總結(jié)

同位素標(biāo)記法是利用放射性同位素作為示蹤劑對(duì)研究對(duì)象進(jìn)行標(biāo)記的微量分析方法，生物學(xué)上經(jīng)常使用的同位素是組成原生質(zhì)的主要元素，即H、N、C、S、P和O等的同位素。

1．分泌蛋白的合成與分泌（必修1P40簡(jiǎn)答題）

20世紀(jì)70年代，科學(xué)家詹姆森等在豚鼠的胰腺細(xì)胞中注射3H標(biāo)記的亮氨酸。3min后被標(biāo)記的亮氨酸出現(xiàn)在附有核糖體的內(nèi)質(zhì)網(wǎng)中；17min后，出現(xiàn)在高爾基體中；117min后，出現(xiàn)在靠近細(xì)胞膜內(nèi)側(cè)的囊泡中及釋放到細(xì)胞外的分泌物中。由此發(fā)現(xiàn)了分泌蛋白的合成與分泌途徑：核糖體→內(nèi)質(zhì)網(wǎng)→高爾基體→囊泡→細(xì)胞膜→外排。

2．光合作用中氧氣的來(lái)源

1939年，魯賓和卡門用18O分別標(biāo)記H2O和CO2，然后進(jìn)行兩組對(duì)比實(shí)驗(yàn)：一組提供H2O和C18O2，另一組提供H218O和CO2。在其他條件相同情況下，分析出第一組釋放的氧氣全部為O2，第二組全部為18O2，有力地證明了植物釋放的O2來(lái)自于H2O而不是CO2。

3．光合作用中有機(jī)物的生成20世紀(jì)40年代美國(guó)生物學(xué)家卡爾文等把單細(xì)胞的小球藻短暫暴露在含14C的CO2里，然后把細(xì)胞磨碎，分析14C出現(xiàn)在哪些化合物中。經(jīng)過(guò)10年努力終于探索出了光合作用的“三碳途徑”——卡爾文循環(huán)。為此，卡爾文榮獲“諾貝爾獎(jiǎng)”。

4．噬菌體侵染細(xì)菌的實(shí)驗(yàn)

1952年，赫爾希和蔡斯以T2噬菌體為實(shí)驗(yàn)材料，用35S、32P分別標(biāo)記噬菌

32體的蛋白質(zhì)外殼和DNA，再讓被35S、P分別標(biāo)記的兩種噬菌體去侵染大腸桿菌，經(jīng)離心處理后，分析放射性物質(zhì)的存在場(chǎng)所。此實(shí)驗(yàn)有力證明了DNA是遺傳物質(zhì)。

5．DNA的半保留復(fù)制

1957年，美國(guó)科學(xué)家梅塞爾森和斯坦?fàn)栍煤?5N的培養(yǎng)基培養(yǎng)大腸桿菌，使之變成“重”細(xì)菌，再把它放在含14N的培養(yǎng)基中繼續(xù)培養(yǎng)。在不同時(shí)間取樣，并提取DNA進(jìn)行密度梯度離心，根據(jù)輕重鏈浮力等的不同，就分出新生鏈和母鏈，這就證實(shí)了DNA復(fù)制的半保留性。

6．基因工程

在目的基因的檢測(cè)與鑒定中，采用了DNA分子雜交技術(shù)。將轉(zhuǎn)基因生物的基因組DNA提取出來(lái)，在含有目的基因的DNA片段上用放射性同位素作標(biāo)記，以此為探針使之與基因組DNA雜交，如果顯示出雜交帶，就表明目的基因已導(dǎo)入受體細(xì)胞中。

另外，還可采用同樣方法檢測(cè)目的基因是否轉(zhuǎn)錄出了mRNA，不同的是從轉(zhuǎn)基因生物中提取的是mRNA。

7．基因診斷

基因診斷是用放射性同位素（如P）、熒光分子等標(biāo)記的DNA分子作探針，依據(jù)DNA分子雜交原理，鑒定被檢測(cè)樣本上的遺傳信息，從而達(dá)到檢測(cè)疾病的目的。

另外，還可以用在植物有機(jī)物的運(yùn)輸研究過(guò)程中。

示蹤原子不僅用于科學(xué)研究，還用于疾病的診斷和治療。例如，射線能破壞甲狀腺細(xì)胞，使甲狀腺腫大得到緩解。因此，碘的放射性同位素就可用于治療甲狀腺腫大。