时间:2023-08-29 09:19:02
序论:速发表网结合其深厚的文秘经验,特别为您筛选了11篇计算机科学与生物学范文。如果您需要更多原创资料,欢迎随时与我们的客服老师联系,希望您能从中汲取灵感和知识!
1、哈尔滨工业大学。位于哈尔滨市,我国首批211工程、985工程重点建设院校。目前哈工大材料科学、工程学、物理学、化学、计算机科学、环境与生态学、数学、生物学与生物化学等8个学科进入ESI全球前百分之一的研究机构行列。
2、北京工业大学。国家211工程重点建设院校。信息安全、软件工程、电子科学与技术、机械工程及自动化、材料科学与工程等学科为优势学科。
3、西北工业大学。位于古都西安,国家985工程、211工程重点建设高校。微电子学、计算机科学与技术、信息对抗技术、探测制导与控
(来源:文章屋网 )
尽管目前一般意义上的生物信息学还局限在分子生物学层次,但广义上的生物信息学是可以研究生物学的任何方面的。生命现象是在信息控制下不同层次上的物质、能量与信息的交换,不同层次是指核酸、蛋白质、细胞、器官、个体、群体和生态系统等。这些层次的系统生物学研究将成为后基因组时代的生物信息学研究和应用的对象。随着在完整基因组、功能基因组、生物大分子相互作用及基因调控网络等方面大量数据的积累和基本研究规律的深入,生命科学正处在用统一的理论框架和先进的实验方法来探讨数据间的复杂关系,向定量生命科学发展的重要阶段。采用物理、数学、化学、力学、生物等学科的方法从多层次、多水平、多途径开展交叉综合研究,在分子水平上揭示生物信息及其传递的机理与过程,描述和解释生命活动规律,已成生命科学中的前沿科学问题(摘自:国家“十一五”生命科学发展规划),为整合生物信息学的发展提供了数据资源和技术支撑。
当前,由各种Omics组学技术,如基因组学(DNA测序),转录组学(基因表达系列分析、基因芯片),蛋白质组学(质谱、二维凝胶电泳、蛋白质芯片、X光衍射、核磁共振),代谢组学(核磁共振、X光衍射、毛细管电泳)等技术,积累了大量的实验数据。约有800多个公共数据库系统和许多分析工具可利用通过互联网来解决各种各样的生物任务。生物数据的计算分析基本上依赖于计算机科学的方法和概念,最终由生物学家来系统解决具体的生物问题。我们面临的挑战是如何从这些组学数据中,利用已有的生物信息学的技术手段,在新的系统层次、多水平、多途径来了解生命过程。整合生物信息学便承担了这一任务。
图1简单描述了生物信息学、系统生物学与信息学、生物学以及基因组计划各个研究领域的相关性。可以看出基因组计划将生物学与信息学前所未有地结合到了一起,而生物信息学的兴起是与人类基因组的测序计划分不开的,生物信息学自始至终提供了所需的技术与方法,系统生物学强调了生物信息学的生物反应模型和机理研究,也是多学科高度交叉,促使理论生物学、生物信息学、计算生物学与生物学走得更近,也使我们研究基因型到表型的过程机理更加接近。虚线范围代表整合生物信息学的研究领域,它包括了基因组计划的序列、结构、功能、应用的整合,也涵盖了生物信息学、系统生物学技术与方法的有机整合。
整合生物信息学的最大特点就是整合,不仅整合了生物信息学的研究方法和技术,也是在更大的层次上整合生命科学、计算机科学、数学、物理学、化学、医学,以及工程学等各学科。其生物数据整合从微观到宏观,应用领域整合涉及工、农、林、渔、牧、医、药。本文将就整合生物信息学的生物数据整合、学科技术整合及其他方面进行初步的介绍和探讨。
二、生物数据挖掘与整合
生物系统的不同性质的组分数据,从基因到细胞、到组织、到个体的各个层次。大量组分数据的收集来自实验室(湿数据)和公共数据资源(干数据)。但这些数据存在很多不利于处理分析的因素,如数据的类型差异,数据库中存在大量数据冗余以及数据错误;存储信息的数据结构也存在很大的差异,包括文本文件、关系数据库、面向对象数据库等;缺乏统一的数据描述标准,信息查询方面大相径庭;许多数据信息是描述性的信息,而不是结构化的信息标示。如何快速地在这些大量的包括错误数据的数据量中获取正确数据模式和关系是数据挖掘与整合的主要任务。
数据挖掘是知识发现的一个过程,其他各个环节,如数据库的选择和取样,数据的预处理和去冗余,错误和冲突,数据形式的转换,挖掘数据的评估和评估的可视化等。数据挖掘的过程主要是从数据中提取模式,即模式识别。如DNA序列的特征核苷碱基,蛋白质的功能域及相应蛋白质的三维结构的自动化分类等。从信息处理的角度来说,模式识别可以被看作是根据一分类标准对外来数据进行筛选的数据简化过程。其主要步骤是:特征选择,度量,处理,特征提取,分类和标识。现有的数据挖掘技术常用的有:聚类、概念描述、连接分析、关联分析、偏差检测和预测模型等。生物信息学中用得比较多的数据挖掘的技术方法有:机器学习,文本挖掘,网络挖掘等。
机器学习通常用于数据挖掘中有关模式匹配和模式发现。机器学习包含了一系列用于统计、生物模拟、适应控制理论、心理学和人工智能的方法。应用于生物信息学中的机器学习技术有归纳逻辑程序,遗传算法,神经网络,统计方法,贝叶斯方法,决策树和隐马尔可夫模型等。值得一提的是,大多数数据挖掘产品使用的算法都是在计算机科学或统计数学杂志上发表过的成熟算法,所不同的是算法的实现和对性能的优化。当然也有一些人采用的是自己研发的未公开的算法,效果可能也不错。
大量的生物学数据是以结构化的形式存在于数据库中的,例如基因序列、基因微阵列实验数据和分子三维结构数据等,而大量的生物学数据更是以非结构化的形式被记载在各种文本中,其中大量文献以电子出版物形式存在,如PubMed Central中收集了大量的生物医学文献摘要。
文本挖掘就是利用数据挖掘技术在大量的文本集合中发现隐含的知识的过程。其任务包括在大量文本中进行信息抽取、语词识别、发现知识间的关联等,以及利用文本挖掘技术提高数据分析的效率。近年来,文本挖掘技术在生物学领域中的应用多是通过挖掘文本发现生物学规律,例如基因、蛋白及其相互作用,进而对大型生物学数据库进行自动注释。但是要自动地从大量非结构性的文本中提取知识,并非易事。目前较为有效的方法是利用自然语言处理技术NLP,该技术包括一系列计算方法,从简单的关键词提取到语义学分析。最简单的NLP系统工作通过确定的关键词来解析和识别文档。标注后的文档内容将被拷贝到本地数据库以备分析。复杂些的NLP系统则利用统计方法来识别不仅仅相关的关键词,以及它们在文本中的分布情况,从而可以进行上下文的推断。其结果是获得相关文档簇,可以推断特定文本内容的特定主题。最先进的NLP系统是可以进行语义分析的,主要是通过分析句子中的字、词和句段及其相关性来断定其含义。
生物信息学离不开Internet网络,大量的生物学数据都储存到了网络的各个角落。网络挖掘指使用数据挖掘技术在网络数据中发现潜在的、有用的模式或信息。网络挖掘研究覆盖了多个研究领域,包括数据库技术、信息获取技术、统计学、人工智能中的机器学习和神经网络等。根据对网络数据的感兴趣程度不同,网络挖掘一般还可以分为三类:网络内容挖掘、网络结构挖掘、网络用法挖掘。网络内容挖掘指从网络内容/数据/文档中发现有用信息,网络内容挖掘的对象包括文本、图像、音频、视频、多媒体和其他各种类型的数据。网络结构挖掘的对象是网络本身的超连接,即对网络文档的结构进行挖掘,发现他们之间连接情况的有用信息(文档之间的包含、引用或者从属关系)。在网络结构挖掘领域最著名的算法是HITS算法和PageRank算法(如Google搜索引擎)。网络用法挖掘通过挖掘相关的网络日志记录,来发现用户访问网络页面的模式,通过分析日志记录中的规律。通常来讲,经典的数据挖掘算法都可以直接用到网络用法挖掘上来,但为了提高挖掘质量,研究人员在扩展算法上进行了努力,包括复合关联规则算法、改进的序列发现算法等。
网络数据挖掘比单个数据仓库的挖掘要复杂得多,是一项复杂的技术,一个难以解决的问题。而XML的出现为解决网络数据挖掘的难题带来了机会。由于XML能够使不同来源的结构化的数据很容易地结合在一起,因而使搜索多个异质数据库成为可能,从而为解决网络数据挖掘难题带来了希望。随着XML作为在网络上交换数据的一种标准方式,目前主要的生物信息学数据库都已经提供了支持XML的技术,面向网络的数据挖掘将会变得非常轻松。如使用XQuery 标准查询工具,完全可以将 Internet看作是一个大型的分布式XML数据库进行数据浏览获取、结构化操作等。
此外,数据挖掘还要考虑到的问题有:实时数据挖掘、人为因素的参与、硬件设施的支持、数据库的误差问题等。
一般的数据(库)整合的方法有:联合数据库系统(如ISYS和DiscoveryLink), 多数据库系统(如TAMBIS)和数据仓库(如SRS和Entrez)。这些方法因为在整合的程度,实体化,查询语言,应用程序接口标准及其支持的数据输出格式等方面存在各自的特性而各有优缺点。同时,指数增长的生物数据和日益进步的信息技术给数据库的整合也带来了新的思路和解决方案。如传统的数据库主要是提供长期的实验数据存储和简便的数据访问,重在数据管理,而系统生物学的数据库则同时对这些实验数据进行分析,提供预测信息模型。数据库的整合也将更趋向数据资源广、异质程度高、多种数据格式、多途径验证(如本体学Ontology的功能对照)、多种挖掘技术、高度智能化等。
三、生命科学与生物信息学技术的整合
生物信息学的研究当前还主要集中在分子水平,如基因组学/蛋白质组学的分析,在亚细胞、细胞、生物组织、器官、生物体及生态上的研究才刚刚开始。从事这些新领域的研究,理解从基因型到表型的生命机理,整合生物信息学将起到关键性的作用。整合生物信息学将从系统的层次多角度地利用已有的生物、信息技术来研究生命现象。另外,由其发展出的新方法、新技术,其应用潜力也是巨大的。图2显示了生命科学与生物信息学技术的整合关系。
目前生命科学技术如基因测序、QTL定位、基因芯片、蛋白质芯片、凝胶电泳、蛋白双杂交、核磁共振、质谱等实验技术,可以从多方面,多角度来分析研究某一生命现象,从而针对单一的实验可能就产生大量的不同层次的生物数据。对于每个技术的数据分析,都有了大量的生物信息学技术,如序列分析、motif寻找、基因预测、基因注解、RNA分析、基因芯片的数据分析、基因表达分析、基因调控网络分析、蛋白质表达分析、蛋白质结构预测和分子模拟、比较基因组学研究、分子进化和系统发育分析、生物学系统建模、群体遗传学分析等。整合生物信息学就是以整合的理论方法,通过整合生物数据,整合信息技术来推动生命科学干实验室与湿实验室的组合研究。其实践应用涉及到生物数据库的整合、功能基因的发现、单核苷酸多态性/单体型的了解、代谢疾病的机理研究、药物设计与对接、软件工具以及其他应用。
在整合过程中,还应该注意以下几方面内容:整合数据和文本数据挖掘方法,数据仓库的设计管理,生物数据库的错误与矛盾,生物本体学及其质量控制,整合模型和模拟框架,生物技术的计算设施,生物信息学技术流程优化管理,以及工程应用所涉及的范围。
四、学科、人才的整合
整合生物信息学也是学科、教育、人才的整合。对于综合性高等院校,计算机科学/信息学、生物学等学科为生物信息学的发展提供了学科基础和保障。如何充分利用高校雄厚的学科资源,合理搭建生物信息学专业结构,培养一流的生物信息学人才,是我们的任务和目标。
计算机科学/信息学是利用传统的计算机科学,数学,物理学等计算、数学方法,如数据库、数据发掘、人工智能、算法、图形计算、软件工程、平行计算、网络技术进行数据分析处理,模拟预测等。生物信息学的快速发展给计算机科学也带来了巨大的挑战和机遇,如高通量的数据处理、储存、检索、查询,高效率的算法研究,人工智能的全新应用,复杂系统的有效模拟和预测。整合生物信息学的课程设计可以提供以下课程:Windows/Unix/Linux操作系统、C++/Perl/Java程序设计、数据库技术、网络技术、网络编程、SQL、XML相关技术、数据挖掘,机器学习、可视化技术、软件工程、计算机与网络安全、计算机硬件、嵌入式系统、控制论、计算智能,微积几何、概率论、数理统计、线性代数、离散数学、组合数学、计算方法、随机过程、常微分方程、模拟和仿真、非线性分析等等。
生物学是研究生命现象、过程及其规律的科学,主要包括植物学等十几个一级分支学科。整合生物信息学的课程设计可以提供以下课程:普通生物学、生物化学、分子生物学、细胞生物学、遗传学、分子生物学、发育生物学、病毒学、免疫学、流行病学、保护生物学、生态学、进化生物学、神经生物学、基础医学、生物物理学、细胞工程、基因工程、分子动力学、生物仪器分析及技术、植物学、动物学、微生物学及其他生物科学、生物技术专业的技能课程。
作为独立学科的生物信息学,其基本的新算法,新技术,新模型,新应用的研究是根本。课程涉及到生物信息学基础、生物学数据库、生物序列与基因组分析、生物统计学、生物芯片数据分析、蛋白质组学分析、系统生物学、生物数据挖掘与知识发现、计算生物学、药物设计、生物网络分析等。另外,整合生物信息学的工程应用,也需要了解以下学科,如生物工程、生物技术、医学影像、信号处理、生化反应控制、生物医学工程、数学模型、试验设计、农业系统与生产等。
此外,整合生物信息学的人才培养具有很大的国际竞争压力,培养优秀的专业人才,必须使其具备优良的生物信息科学素养,具有国际视野,知识能力、科研创新潜力俱佳的现代化一流人才。所以要始终紧跟最新的学术动态和发展方向,整合学科优势和强化师资力量,促进国际交流。
五、总结及展望
二十一世纪是生命科学的世纪,也是生物信息学快速不断整合发展的时代,整合生物学的研究和应用将对人类正确认识生命规律并合理利用产生巨大的作用。比如进行虚拟细胞的研究,整合生物信息学提供了从基因序列,蛋白结构到代谢功能各方面的生物数据,也提供了从序列分析,蛋白质拓扑到系统生物学建模等方面的信息技术,从多层次、多水平、多途径进行科学研究。
整合生物信息学是基于现有生物信息学的计算技术框架对生命科学领域的新一轮更系统全面的研究。它依赖于生物学,计算机学,生物信息学/系统生物学的研究成果(包括新数据、新理论、新技术和新方法等),但同时也给这些学科提供了更广阔的研究和应用空间,并推动整个人类科学的进程。
我国的生物信息学教育在近几年已经有了长足的进步和发展。未来整合生物信息学人才的培养还需要加强各学科有效交叉,尤其是计算机科学,要更紧密地与生命科学结合起来,共同发展,让我们的生命科学、计算机科学和生物信息学的教育和科研走得更高更前沿。
1.离散数学的简介
离散数学是现代数学的一个重要分支,是计算机类专业的重要课程。它以研究离散量的结构及相互间的关系为主要目标,研究对象一般是有限个或可数个元素,因此离散数学可以充分描述计算机学科离散性的特点。它是传统的逻辑学、集合论(包括函数)、数论基础、算法设计、组合分析、离散概率、关系理论、图论与树、抽象代数、布尔代数,计算模型(语言与自动机)等汇集起来的一门综合学科。该课程主要介绍离散数学的各个分支的基本概念、基本理论和基本方法。这些概念、理论及方法大量地应用于数字电路、编译原理、数据结构、操作系统、数据库系统、算法的分析与设计、人工智能、计算机网络等专业课程中;同时,该课程提供的训练有益于学生概括抽象能力、逻辑思维能力、归纳构造能力的提高,有利于学生严谨、完整、规范的科学态度的培养。
2.离散数学在其他学科的应用
2.1数理逻辑在人工智能中的应用
人工智能是计算机学科一个非常重要的方向。离散数学在人工智能中的应用,主要是数理逻辑部分在人工智能中的应用,包括命题逻辑和谓词逻辑。命题逻辑就是研究以命题为单位进行前提与结论之间的推理,而谓词逻辑就是研究句子内在的联系。人工智能共有两个流派:连接主义流派和符号主义流派。在符号主义流派里,他们认为现实世界的各种事物可以用符号的形式表示出来,其中最主要的就是人类的自然语言可以用符号进行表示。语言的符号化就是数理逻辑研究的基本内容,计算机智能化的前提就是将人类的语言符号化成机器可以识别的符号,这样计算机才能进行推理,才能具有智能。由此可见,数理逻辑中重要的思想、方法及内容贯穿人工智能的整个学科。
2.2图论在数据结构中的应用
离散数学在数据结构中的应用,主要是图论部分在数据结构中的应用,其中树在图论中占着重要的地位。树是一种非线性数据结构,在现实生活中可以用树来表示某一家族的家谱或某公司的组织结构,也可以用它来表示计算机中文件的组织结构,树中二叉树在计算机科学中有着重要的应用。二叉树中三种遍历方法:前序遍历法、中序遍历法和后序遍历法,均与离散数学中的图论有密不可分的关系。
2.3离散数学在生物信息学中的应用
生物信息学是现代计算机科学一个崭新的分支,是计算机科学与生物学相结合的产物。目前,美国有一个国家实验室Sandia国家实验室,主要进行组合编码理论和密码学的研究,该机构在美国和国际学术界有很高的地位。另外,由于DNA是离散数学中的序列结构,美国科学院院士,近代离散数学的奠基人Rota教授预言,生物学中的组合问题将成为离散数学的一个前沿领域。而且IBM公司将成立一个生物信息学研究中心。在1994年,美国计算机科学家阿德勒曼公布了DNA计算机的理论,并成功地运用DNA计算机解决了一个有向哈密尔顿路径问题,这一成果迅速在国际产生了巨大反响,同时引起了国内学者的关注。DNA计算机的基本思想是:以DNA碱基序列作为信息编码的载体,利用现代分子生物学技术,在试管内控制酶作用下的DNA序列反应,作为实现运算的过程;这样,以反应前DNA序列作为输入的数据,反应后的DNA序列作为运算的结果,DNA计算机几乎能够解决所有的NP完全问题。
2.4离散数学在门电路设计中的应用
在数字电路中,离散数学的应用主要体现在数理逻辑部分的使用。在数字电路中,广于使用的逻辑代数即为布尔代数。逻辑代数中的逻辑运算与、或、非、异或与离散数学中的合取,析取、否定、异或(排斥或)相对应。数字电路的学习重点在于掌握电路设计技术,在设计门电路时,要求设计者根据给出的具体逻辑问题,求出实现这一逻辑功能的逻辑电路。
总之,离散数学无处不在,它的主要应用就是在各种复杂关系中找出最优的方案。离散数学完全可以看成是一门量化的关系学,一门量化了的运筹学,一门量化了的管理学。现在我国每一所大学的计算机专业都开设离散数学课程,正是由于离散数学在计算机科学中的重要应用,因此可以说没有离散数学就没有计算机理论,也就没有计算机科学。所以应努力学习离散数学,推动离散数学的研究,使它在计算机中有着更广泛的应用。
参考文献:
[1]朱家义,苗国义,等.基于知识关系的离散数学教学内容设计[J].计算机教育,2010(18):98-100.
[2]方世昌.离散数学.西安电子科技大学出版社,1985.
1.1UIUC计算机工程专业本科课程设置
UIUC计算机工程专业学生需要修满128个学分,这些课程分为如下7大类:1)科学基础与数学课程(31学分),包括数学、物理、化学在内的10门课程。2)计算机工程核心课程(34学分),这些课程重点介绍计算机工程领域的基本概念、基本原理、基本实验方法和技术,共有10门课程。3)专业基础数学课程(6学分),包括离散数学和概率、工程应用两门数学课程。4)写作课程(4学分),1门写作原理课程,主要讲授研究报告的写作方法。5)专业技术选修课(23学分),其中1门必须选自计算机工程和计算机科学专业技术选修课程之外的课程,其他必须均选自计算机工程和计算机科学专业技术选修课程。这些课程强调计算机工程实践中用到的主要分析方法和设计原则。6)社会科学与人文科学课程(18学分),这些课程被工学院认可并满足学校对学生社会科学与人文科学课程通识教育的要求。7)自由选修课程(12学分),这些几乎没有限制的选修课可以让学生学习任何领域的知识。学生可以在计算机工程专业深入学习课程,也可以学习生物工程、技术管理或语言等课程。
1.2普度大学计算机工程专业本科课程设置
普度大学计算机工程专业学生需要修满125个学分,这些课程分为如下6大类:1)通识教育课程(24~25学分),包括6~7学分的两门交流技巧课程和18个学分的社会与人文学科选修课程。2)数学课程(21~22学分),数学课程有两种套餐,各6门课,学生可以根据自己的情况任选一种。3)科学基础课程(18~19学分),包括物理、化学、生物及面向对象编程等5门课程。4)工程基础课程(7学分),包括工程导论两门课程及计算机工程和计算机科学以外学科的工程学科选修课1门。5)计算机工程专业课程(49学分),包括32~33学分的13门计算机工程专业核心课程;两门共计1学分的研讨课程;2门3~4学分的高级设计课程;2门8学分的研究生课程;1~2门计算机专业选修课程,使计算机工程专业课程总学分达到49学分。6)任选课程(4~6学分),根据辅修要求或个人兴趣,任选课程可以从理学院或文理学院中适合工科学生的数学、科学课程中选择,目的是使总学分达到125学分。
1.3伊利诺伊理工学院计算机工程专业本科课程设置
IIT计算机工程专业学生需要修满130~134个学分,这些课程分为如下3大类:1)限选课程(109学分),学分分配如下:计算机工程专业限选课程47学分,包括计算机工程和计算机科学两类课程;数学限选课程24学分;物理限选课程11学分;化学限选课程3学分;工程科学限选课程3学分;社会科学与人文学科限选课程21学分。2)选修课程(15~19学分),包括专业选修课程9~12学分,其中含1门硬件设计选修课;科学选修课程3学分。3)跨专业实践项目课程(6学分),包括IPROI跨专业实践项目I和IPROII跨专业实践项目II两门课程。
1.4西北大学计算机工程专业本科课程设置
西北大学计算机工程专业学生需要修48门课程,这些课程分为如下7类:1)通用工程方法、数学、科学基础课程(15门),必修计算方法与线性代数GenEng205-1、线性代数与力学GenEng205-2、动态系统建模GenEng205-3和微分方程GenEng205-4等4门通用工程方法课程;必修微积分(I)MATH220,微积分(II)MATH224,微积分(III)MATH230及多元积分与矢量微积分MATH234四门数学课程;必修普通物理(I)Physics135-2和普通物理(II)Physics135-3两门科学基础课程;从McCormick工学院科学基础课程中任选其他2门课程;另外必修IDEA106-1工程设计与交流(I)、IIDEA106-2工程设计与交流(II)两门工程设计和交流课程。2)工程基础课程(5门),必修4门,包括EECS202电气工程导论、EECS203计算机工程导论、EECS211编程基础(C++)、EECS302概率系统与随机信号,并从McCormick工学院工程基础课程热电力学、系统工程与分析、材料科学和流体与固体中任选1门。3)交流与社科人文学科课程(8门),选修GenCmn102演讲或GenCmn103课程的其中1门,另外选修7门满足McCormick工学院要求的社科人文学科课程。4)专业核心课程(5门),必修EECS205计算机系统软件基础、EECS303高级数字逻辑设计、EECS361计算机体系结构、EECS311数据结构与数据管理和EECS343电路基础这5门课程。5)技术选修课程(10门),西北大学计算机工程专业分高性能计算、VLSI与CAD、嵌入式系统和算法设计与软件系统4个方向,每个方向开设若干门技术课程,每个学生必须在这4个方向中选修5门课;从专业基础课程EECS213计算机系统导论、EECS222信号与系统基础、EECS223固态工程基础、EECS224电磁场与光学基础、EECS225电子学基础5门课中根据学习方向选修2门;剩下3门从计算机科学、计算机工程、数学、科学基础等课程中选修,如可以是生物学BIOL210-1,2,3和化学原理CHEM210-1,2,3课程,也可以经申请同意选修相关计算机工程研究生课程。6)自由选修课程(5门),共修5门,学生可以根据自身情况和兴趣爱好自由选修。若从未学习过任何计算机编程语言,建议其中1门选修编程入门(Python)EECS110课程。7)高级项目课程(1门),至少在微处理器系统项目EECS347-1、计算机体系结构项目EECS362和VLSI设计项目EECS3923门课中选修1门。
24所大学计算机工程课程设置特色
4所大学计算机工程本科专业的课程设置都通过美国工程教育认证机构ABET的EC2000指标体系认证,有如下特点:
1.1UIUC计算机工程专业本科课程设置
UIUC计算机工程专业学生需要修满128个学分,这些课程分为如下7大类:1)科学基础与数学课程(31学分),包括数学、物理、化学在内的10门课程。2)计算机工程核心课程(34学分),这些课程重点介绍计算机工程领域的基本概念、基本原理、基本实验方法和技术,共有10门课程。3)专业基础数学课程(6学分),包括离散数学和概率、工程应用两门数学课程。4)写作课程(4学分),1门写作原理课程,主要讲授研究报告的写作方法。5)专业技术选修课(23学分),其中1门必须选自计算机工程和计算机科学专业技术选修课程之外的课程,其他必须均选自计算机工程和计算机科学专业技术选修课程。这些课程强调计算机工程实践中用到的主要分析方法和设计原则。6)社会科学与人文科学课程(18学分),这些课程被工学院认可并满足学校对学生社会科学与人文科学课程通识教育的要求。7)自由选修课程(12学分),这些几乎没有限制的选修课可以让学生学习任何领域的知识。学生可以在计算机工程专业深入学习课程,也可以学习生物工程、技术管理或语言等课程。
1.2普度大学计算机工程专业本科课程设置
普度大学计算机工程专业学生需要修满125个学分,这些课程分为如下6大类:1)通识教育课程(24~25学分),包括6~7学分的两门交流技巧课程和18个学分的社会与人文学科选修课程。2)数学课程(21~22学分),数学课程有两种套餐,各6门课,学生可以根据自己的情况任选一种。3)科学基础课程(18~19学分),包括物理、化学、生物及面向对象编程等5门课程。4)工程基础课程(7学分),包括工程导论两门课程及计算机工程和计算机科学以外学科的工程学科选修课1门。5)计算机工程专业课程(49学分),包括32~33学分的13门计算机工程专业核心课程;两门共计1学分的研讨课程;2门3~4学分的高级设计课程;2门8学分的研究生课程;1~2门计算机专业选修课程,使计算机工程专业课程总学分达到49学分。6)任选课程(4~6学分),根据辅修要求或个人兴趣,任选课程可以从理学院或文理学院中适合工科学生的数学、科学课程中选择,目的是使总学分达到125学分。
1.3伊利诺伊理工学院计算机工程专业本科课程设置
IIT计算机工程专业学生需要修满130~134个学分,这些课程分为如下3大类:1)限选课程(109学分),学分分配如下:计算机工程专业限选课程47学分,包括计算机工程和计算机科学两类课程;数学限选课程24学分;物理限选课程11学分;化学限选课程3学分;工程科学限选课程3学分;社会科学与人文学科限选课程21学分。2)选修课程(15~19学分),包括专业选修课程9~12学分,其中含1门硬件设计选修课;科学选修课程3学分。3)跨专业实践项目课程(6学分),包括IPROI跨专业实践项目I和IPROII跨专业实践项目II两门课程。
1.4西北大学计算机工程专业本科课程设置
西北大学计算机工程专业学生需要修48门课程,这些课程分为如下7类:1)通用工程方法、数学、科学基础课程(15门),必修计算方法与线性代数GenEng205-1、线性代数与力学GenEng205-2、动态系统建模GenEng205-3和微分方程GenEng205-4等4门通用工程方法课程;必修微积分(I)MATH220,微积分(II)MATH224,微积分(III)MATH230及多元积分与矢量微积分MATH234四门数学课程;必修普通物理(I)Physics135-2和普通物理(II)Physics135-3两门科学基础课程;从McCormick工学院科学基础课程中任选其他2门课程;另外必修IDEA106-1工程设计与交流(I)、IIDEA106-2工程设计与交流(II)两门工程设计和交流课程。2)工程基础课程(5门),必修4门,包括EECS202电气工程导论、EECS203计算机工程导论、EECS211编程基础(C++)、EECS302概率系统与随机信号,并从McCormick工学院工程基础课程热电力学、系统工程与分析、材料科学和流体与固体中任选1门。3)交流与社科人文学科课程(8门),选修GenCmn102演讲或GenCmn103课程的其中1门,另外选修7门满足McCormick工学院要求的社科人文学科课程。4)专业核心课程(5门),必修EECS205计算机系统软件基础、EECS303高级数字逻辑设计、EECS361计算机体系结构、EECS311数据结构与数据管理和EECS343电路基础这5门课程。5)技术选修课程(10门),西北大学计算机工程专业分高性能计算、VLSI与CAD、嵌入式系统和算法设计与软件系统4个方向,每个方向开设若干门技术课程,每个学生必须在这4个方向中选修5门课;从专业基础课程EECS213计算机系统导论、EECS222信号与系统基础、EECS223固态工程基础、EECS224电磁场与光学基础、EECS225电子学基础5门课中根据学习方向选修2门;剩下3门从计算机科学、计算机工程、数学、科学基础等课程中选修,如可以是生物学BIOL210-1,2,3和化学原理CHEM210-1,2,3课程,也可以经申请同意选修相关计算机工程研究生课程。6)自由选修课程(5门),共修5门,学生可以根据自身情况和兴趣爱好自由选修。若从未学习过任何计算机编程语言,建议其中1门选修编程入门(Python)EECS110课程。7)高级项目课程(1门),至少在微处理器系统项目EECS347-1、计算机体系结构项目EECS362和VLSI设计项目EECS3923门课中选修1门。
24所大学计算机工程课程设置特色
4所大学计算机工程本科专业的课程设置都通过美国工程教育认证机构ABET的EC2000指标体系认证,有如下特点:
关键词:
计算思维;高等教育;STEM
一、介绍
计算思维是人类在思维过程中参与制订问题及其解决办法的一种思维模式,通过这种方式能快速地、有效地进行信息处理,提出问题的解决方案[1]。计算思维几十年来在学术界有着不同的名称和定义。1962年由AlanPerlis最早提出,同时阐述了卡内基理工学院(现在是卡内基.梅隆大学)的编程入门课程[2]。基于他的研究SeymourPapert在1980年使用编程语言进行数学概念的教学,正如所望,程序性的思维(即“像计算机一样思考”)被认为是构成整体思维技能的一部分[3]。直到2006年,JeanetteWing在ACM美国计算机学会通讯发表了“计算思维”这篇文章,从此,计算思维得到了新的定义。Wing的文章提出计算思维不只对计算机这门学科的专家有用的一种技能,而是任何人在解决问题和发现计算解决方案时都能使用的心理过程。在这个更广泛的意义上,被视为逻辑思维的一部分,计算思维可视为一项与所有学科有关的技能,不仅仅是计算机科学。因此,Wing认为:“像对阅读、写作和算术一样,我们应将计算思维加到评价每个学生的能力中去”[4]。
二、计算思维在高等教育中的缺失
在高等教育方面,对计算思维的应用则较为分散。对于计算机科学专业的本科生早期阶段的教学而言,计算思维技能问题仍然是热门的研究课题,也是在各个重要的、有革新性的领域中的研究热点,但是许多对计算思维在交叉学科感兴趣的,要么是具体的机构,例如卡内基•梅隆大学和斯坦福大学,要么就是较大学院专业的分支机构。而没有机构将计算思维作为一个基本的技能融入到除计算机科学以外的几个学科中。之所以会出现这种情况,主要是以下几个原因:1.计算思维概念化的问题。这些问题更容易在中小学通过务实专注教学方法来解决它们,却成为高等教育中更注重研究领域教育的潜在障碍。2.除了计算机科学和数学领域,对于从计算机科学分离出来的计算思维方法和简单的应用计算机程序去解决数据问题的区别了解不多。3.即使在计算机科学中,对于计算的理解也是有限的。有些问题是可计算的,而另一些则不能。可能,在人文和其他非科学领域核心训练问题的构建是一种非计算性的;在某些情况下用“可计算”方式来构建这些问题也许是不可取的。但是,我们当前理解计算的局限性可能被新兴计算模型所改变,例如自然计算和并行交互计算[5]。在本文中,我们会进一步了解现状以发现计算思维在高等教育中的潜力,希望能够为构建计算思维教育提供一套明确的方向,以便更好地学习和应用计算思维。
三、计算思维在高等教育中的应用
在大学教育中,关于计算思维的实践教学研究依然很大程度上存在于科学、技术、工程和数学(STEM)领域中。Miller和Settle对计算机科学和非计算机科学专业的学生对学习树(路径)遍历的多个方法进行了研究。这些样本表明进行过非结构化学习的学生比经过传统教学的学生表现的更好[6]。有研究表明,基于游戏的学习可能是复杂计算思维技能训练的有效策略。这种游戏原理的理解有可能早在60年代初就被提出了[2]。更多现代的研究将解决谜题游戏作为一种方法介绍编程的入门课程。它的原型最初是一个电脑游戏,学生使用混合的方向和命令移动头像来通过较为复杂的系列“脑筋急转弯”问题[7]。作者认为,“作为学习内容的游戏玩法,使学生理解了编程的工作原理,并使用这些原理作为游戏元素来解决环境中的问题,而使游戏成为有意义的事”。其后续的实验表明:“游戏可以支持可视化的入门性的编程结构“[8]。作者希望通过更大的样本量来进行进一步的实验研究,以探索他们以游戏为基础的学习与计算思维的假设。在教学和学习方法的创新中,非计算机专业的计算思维的培养取决于跨学科的兴趣和延伸。Roberts等人设计了计算思维与自然和社会科学方面进行交叉的训练方法并进行了拓展[9]。Curzon等人提出“最美的计算是工程、科学、艺术;它没有明确的边界,并涉及到每个学科。这种跨学科的方法给了我们机会来提高学生除计算机以外的兴趣”[9]。通过计算机与非计算机学科之间的交叉培养来提高学生的计算思维,将计算这种思想与各专业相结合,以促进专业的学习。计算机科学与生物学之间本身存在着交叉重叠的概念[9-10]。Navlakha和Bar-Joseph提出了如何在系统生物学和计算思维的各种概念交叉点上进行融合。值得注意的是,从计算思维的角度来看,这两个学科的交叉点出现在“传统”(基于图灵)的概念中。例如神经网络的概念。在物理学方面,Ca-ballero,KohlmyerandSchatz使用VPython编程环境引入计算思维概念介绍力学课程教学。他们发现“解决一系列计算作业中的问题之后,大多数的学生都能够成功塑造出一个新的问题”[11]。在这些情况下,学生未必能建立一个成功的模型,但通过对质量问题分析和调试技能的额外关注,性能将会得到提高。Hambrusch等人研究并创建了属于科学而非特定领域的计算思维主修课程[12]。此课程能够满足一般的计算要求,大学中应用编程和计算思维概念处理物理学、生物学和统计学中的问题。从学生的进入和退出统计中分析,在计算机科学和计算机编程中学生的完成度有所增加。将计算思维方法纳入非计算机科学和数学领域之外的学科是很困难的事情。一是由于“计算”概念的不确定性,二是因为计算思维是仅限于使用一个封闭的、基于图灵模型的计算方法来解决问题的观念。当考虑科学知识时,创建“命题性的知识”和“程序性知识”是存在二义性风险的。例如,自然语言理解一直是计算机专业领域所研究的重点课题,其中所涉及到的语义网络、本体映射等都是计算机科学的研究范畴。而研究的一些成果已经有大量的应用,若从此来看人文学科与计算机的交叉意义已非分析那么简单。将计算思维加入到人文与艺术领域的主修课程中,需要适当的介绍计算思维的原理。为非技术专业的学生介绍计算机科学课程的类型,以便更适应学科的发展。Soh等人提出更为详细的跨学科计算思维课程[13],这个是针对文艺复兴时期的艺术提出的计算项目,并在内布拉斯加大学进行通用。这一项目跨越了计算机、工程、人文和美术等多个学科。框架提出了多种途径,通过一系列的专门根据工程、科学、艺术或人文为主要研究领域的学生设计计算机科学课程。学生还将参与协作学习活动,不同的学生群体将分配到跨学科项目中的不同工作中。将计算思维纳入大学课程,问题主要集中在分析和设计的教学设计过程而不是发展和实施步骤。教学设计者将计算思维视为其他思维技能等同;因此他们设计计算思维课程所使用得策略类似于那些用来教学的一般化方法。因此,我们需要更多的研究,建立计算思维和教学设计与技术衔接得更好和更具体的教学设计战略。
1医学生物信息学的主要研究内容
1.1 疾病基因的发现与鉴定
据相关研究表明,约有6000种以上的人类疾患与特异基因的改变有关,这些关键性基因或其产物的结构功能异常,可以直接或间接地导致疾病的发生。目前,使用基因组信息学的方法通过超大规模计算是发现新基因的重要手段。例如:通过构建肿瘤 cDNA文库,我们可以揭示肿瘤发生的分子水平变化,寻找靶基因。
1.2药物设计与新药研发
生物信息技术为药物研究、设计提供了崭新的研究思路和手段。生物信息药物设计常用的方法有:(1)三维结构搜寻,寻找符合特定性质和三维结构的分子,从而发现合适的药物分子。(2)分子对接,建立大量化合物的三维结构数据库,依次搜索小分子配体使其与受体 的活性位点结合,通过优化使得配体与受体的形状和相互作用最佳匹配。(3)全新药物设计,利用计算机自动设计出与受体活性部位的几何形状和化学性质相匹配的结构新颖的药物分子。
生物信息学方法为药物研制提供了更多的、潜在的靶标,大大减少药物研发的成本,提高研发的质量和效率。
1.3流行病学研究中的应用
将流行病学的遗传和非遗传性的研究与生物信息学结合起来,会对疾病的机理、个体对某种疾病的易感性和疾病在群体中的分布有更明确的认识,对疾病的预防和治疗有极大的指导意义。
2 医学生物信息学教学存在的问题
2.1缺乏实践课教材
目前,?没有专门针对医学院校学生的生物信息学实践课教材。而国内各大高校使用的生物信息学教材多为国外教材的影印版或者中文翻译版本,这些教材一般内容宽泛,需要学生具有较高的相关基础知识,并且偏重介绍生物信息学的理论和方法,对实践环节的指导较少。
2.2缺乏有效的教学方法。
很多院校开设生物信息学实践课仅是以验证理论课所讲授的内容为目的,缺乏针对学生特点的教学设计,讲授内容单调,忽视了对学生分析问题能力的培养。
2.3学生实践课学习基础存在差异
生物信息学实践课的授课内容需要学生使用计算机在网络环境下完成,这需要学生具有较强的计算机操作技能和网络运用能力。不同学生在计算机的操作技 能和网络使用能力上存在较大的差异。另外,常用的数据库和软件基本上都是英文版本,这需要学生具有一定的英文素养,学生英文水平的差异也会影响他们对实践课学习的效果。
3 医学生物信息学实施方法和对策
3.1建立具有模块化的教学大纲
根据医学生物信息学课程的特点,对授课内容进行调整,建立模块化的教学大纲,例如:导论模块、数据库及使用模块、基因组信息学及其分析方法模块、蛋白质组生物信息学模块、代谢和药物生物信息学及系统生物学模块等,使学生清楚每个模块的特点和作用,提高学生的学习兴趣,激发学生的学习热情。
3.2强化实验教学
生物信息学的学习是运用生物、医学、数学、以及计算机科学等诸多学科知识进行分析、判断推理、综合的实践过程,强化实验教学显得尤为重要。
3.3结合多媒体技术与双语教学
教学过程中可以打开相关软件和网站进行演示,使抽象的生物信息学知识以具体的、动态的形式展现出来, 从而加深学生对课程的掌握程度。此外,生物信息学涉及到的数据库、网站、应用软件多为英文界面,所以双语授课显得尤为重要,教师可借助多媒体,对课程进行中英整合讲解。
3.4结合科研实例进行教学
哈工大研究生院国家重点培育学科2个;博士学位授权一级学科27个,硕士学位授权一级学科41个,博士专业学位授权点1个,硕士专业学位授权点10个,博士后科研流动站24个。
2016年临海市中小学公开招聘新教师招聘岗位一览表
招聘岗位
招聘岗位数
学历要求
专业要求
备注
中学语文
10
全日制本科及以上
语文教育、汉语言文学、汉语言、对外汉语、汉语国际教育、汉语言文字学、中国古代文学、中国现当代文学、汉语言教育
师范类教育学、小学教育、初等教育等专业报考岗位以教师资格证学科为准;硕士研究生的教育学原理、课程教学论、学科教学、比较教育学等专业报考岗位以研究学科方向与本科所学专业结合为准。
中学数学
10
全日制本科及以上
数学教育、数学、数学与应用数学、数理基础科学、基础数学、信息与计算科学、计算数学、应用数学、概率论与数理统计
中学英语
6
全日制本科及以上
英语教育、英语、英语翻译、英语语言文学、应用英语
中学政治
1
全日制本科及以上
思想政治教育、政治学与行政学、国际政治、国际政治经济学、政治学经济学与哲学、哲学、政治学理论、政治经济学、理论
中学历史
2
全日制本科及以上
历史教育、历史学、世界历史、中国古代史、中国近现代史、史学理论与史学史
中学地理
2
全日制本科及以上
地理教育、地理科学、地理信息系统、地理信息科学、自然地理与资源环境
中学社会
3
全日制本科及以上
人文教育及中学政治、历史、地理招聘岗位所需专业
中学化学
1
全日制本科及以上
化学教育、化学、应用化学、化学生物学、有机化学、无机化学、分析化学、高级分子化学与物理、物理化学
中学生物
2
全日制本科及以上
生物、生物教育、生物技术、生物科学、生物工程、植物学、动物学、微生物学、生物化学与分子生物学、化学生物学、生物科学与生物技术
中学心理健康
2
全日制本科及以上
心理学、应用心理学、基础心理学、发展与教育心理学
中学科学
7
全日制本科及以上
科学教育、物理教育、物理学、应用物理、核物理、理论物理及中学化学、生物招聘岗位所需专业
小学科学
17
全日制大专及以上
职教旅游
1
全日制本科及以上
旅游管理与服务教育、旅游管理、酒店管理
职教电子商务
1
全日制本科及以上
电子商务、电子商务及法律
中小学体育
20
中学全日制本科及以上
体育教育、体育学、运动训练、社会体育、民族传统体育、武术与民族传统体育
小学全日制大专及以上
中小学音乐
20
中学全日制本科及以上
音乐教育、音乐学、音乐表演、作曲与作曲技术理论、艺术教育(音乐)、舞蹈表演、音乐与舞蹈学、舞蹈学、舞蹈编导、舞蹈教育
小学全日制大专及以上
中小学舞蹈
2
中学全日制本科及以上
舞蹈表演、音乐与舞蹈学、舞蹈学、舞蹈编导、舞蹈教育
小学全日制大专及以上
中小学美术
18
中学全日制本科及以上
美术教育、美术学、绘画、雕塑、中国画、书法学、摄影、艺术设计学、艺术设计、环境设计、环境艺术设计、视角传达设计、工艺美术、动画
小学全日制大专及以上
小学计算机
2
全日制大专及以上
教育技术学、现代教育技术、计算机科学与技术、软件工程、网络工程、数字媒体技术、计算机及应用、计算机应用技术、计算机软件与理论
小学语文
50
全日制大专及以上
语文教育、汉语言文学、汉语言、对外汉语、汉语国际教育、汉语言文字学、中国古代文学、中国现当代文学、汉语言教育
小学数学
45
全日制大专及以上
数学教育、数学、数学与应用数学、数理基础科学、基础数学、信息与计算科学、计算数学、应用数学、概率论与数理统计
小学英语
12
全日制大专及以上
英语教育、英语、英语翻译、英语语言文学、应用英语
特殊教育
1
全日制大专及以上
特殊教育、特殊教育学
学前教育
21
大专及以上
学前教育、学前教育学、幼儿教育、艺术教育(学前)、音乐与舞蹈学类
心理学的自然科学传统深远流长。从19世纪后半期,在自然科学尤其是物理学、生理学和化学的的影响下,心理学蓬勃发展,最后终于以冯特(Wundt,1832—1920)在莱比锡大学建立世界上第一个心理学实验室,标志心理学正式独立,到现在世界各地心理学越来越普及,并与其他学科相结合,派生出很多新学科,心理学一直在自然科学理论及研究方法的陪伴与影响下发展。
一、自然科学与心理学的成长相伴
(一)物理及数量方法对心理学的促进
古希腊时期哲学和自然科学混为一体,其中的心理学思想已经受到其他自然科学思想的影响。其实早在公元前四百多年到公元前三百多年期间,以德谟克利特为代表的原子论者即已奠定了以物质现象解释心理活动的基础。15世纪后一段时期科学研究风行一时,伽利略(Galilei,1564—1642)、开普勒(Kepler,1571—1630)、牛顿(Newton,1642—1727)等人在机械运动研究方面成绩卓越,特别是牛顿力学理论得到普遍承认。笛卡尔(Descartes,1596—1650)的反射论中机械力学观点更是彻底,他将人的身体看作一件自动机器,脑是控制中枢,肌肉是引擎,各种器官是活门和机件,生命现象归结于机械运动,机体活动不是精神支配的结果而是对刺激的回应。19世纪生理学家韦伯(Weber,1795—1878)发现了“恰可辨认的差异”,用系统的实验方法研究各种形式下的感觉阈,寻找心理量(感觉)与物理量(刺激)的关系,并用数量关系把它表示出来,创造了心理学史上第一个定量法则韦伯定律。物理学家费希纳(Fecher,1801—1887)在韦伯的工作基础上,进一步论述身心之间,或外界刺激与心理现象之间的数量关系,提出在心理学界人人皆知的韦伯—费希纳定律,创造了心理物理学。
(二)生物学、生理学及化学对心理学的影响
心理活动是脑的高级机能,是生物体的生命现象,故心理学的发展进步必然与生物学、生理学的发展进步相联系。达尔文(Darwin,1809—1882)的科学进化论影响深远,对心理学的影响也甚为广泛。19世纪,心理学的基础学科—生理解剖学发展迅速。以贝尔(Bell,1774—1842)为代表的对神经冲动和传导的研究,和弗卢郎(Flourens,1794—1867)关于脑生理的研究,为理解人的感受和运动过程打下了重要基础。19世纪后期,生理学家发现了神经冲动的电性质,并测出了神经冲动的传导速度,使心理学家认识到心理过程是可以进行实验和测量的。颅相说及后来的大脑机能统一说,与布罗卡言语中枢、感觉和运动中枢的发现一起,使心理是脑的机能成为共识。
(三)计算机科学等现代科学技术及原理对心理学的促进
信息论、控制论、系统论,尤其是计算机科学技术的巨大发展成就对认知心理学的产生起到了决定性的作用。信息论是一门用概率论和数理统计方法研究信息量度量和信息分析、信息编码、信息处理、信息传递及信息变换规律的科学。认知心理学者借用信息论中信息输入、过滤、衰减、存储等过程模式。自动调节控制系统中反馈系统促进达成有效的控制的思想被心理学家所接受。而从系统理论来看,人处于物理,生物、社会三大系统的交叉处,具有开放性、动态性和主动性,决定了人心理活动的系统性和复杂性。
二、自然科学对现代心理学的促进及展望
我们看到心理学几乎是从萌芽时期起,一路走来,离不开自然科学的一路相伴,自然科学的进步总是对心理学造成直接或间接的影响,总的来说,自然科学对心理学做出了以下几个方面的贡献:
(一)促进心理学的独立
一般把冯特在莱比锡大学建立第一个心理学实验室作为心理学独立的标志,把在这之后的心理学称为现代心理学。心理学在独立之前主要作为灵魂学说依附于哲学,受一些其他自然科学思想的影响,心理学逐渐摆脱泛灵论和宗教神学的束缚,有了实证研究思想,为心理学走上自然科学的道路埋下种子。冯特正是从物理、化学、生物中得到启示,把自然科学的实验方法运用于心理学,建立了标志心理学独立的实验室。
(二)促进心理学研究方法的改进、研究工具的改良
心理学领域的众多理论进步,都离不开研究方法的改进,研究工具的改良。而无论是历史上有名的斯金纳箱,还是当今的眼动仪、生物反馈系统等,包括心理学研究中最常见心理量表,都不开自然科学的支撑。从物理及数量方法被带到心理学中,到现在以计算机科学技术、生物反馈技术等为支撑的各种越来越先进的研究工具,自然科学以其巨大的发展成就为心理学独立和发展在研究方法、研究工具方面提供了技术支持。
(三)自然科学拓展心理学研究领域,并推动心理学研究不断深化
随着社会发展,心理学已与其他一些自然学科形成一种相互促进的局面。计算机信息、电子、分子生物技术、物理技术的革命性进步,导致心理学研究手段的现代化,促进心理结构的研究逐步深入,如阈下启动效应、知觉的选择模型等,使我们对心理现象实质的认识取得巨大进展。我们看到,自然科学不仅仅给心理学带来了具体的科学知识,更是改善了心理学研究的思维模式,提供了先进的实验条件、手段和工具,为心理学研究的突破提供了可能性。心理的自然属性决定了心理学与自然科学的必然联系,利用自然科学中对心理学有益的先进思想和方法,能够提高心理学研究的准确性和有效性。
【中图分类号】Q81 【文献标识码】A 【文章编号】1008-6455(2010)11-0248-02
Study of TCM bioengineeing
Ouyang Xuejian
【Abstract】From angle of TCM bioengineering probe into TCM basic theory and way of study, to basis of TCM and clinical research mean much.
【Key words】traditional chinese medicine (TCM); biology; biotechnology; study
随着TCM的不断创新,用现代中医生物学的研究手段,完善TCM的基础理论是必经之路。
1生命之书
1960年首次被破译遗传密码,分子生物学家对复杂的细胞分子进行了分类。人类基因从远古到现代以密码的形式表达出来,展现在科学家面前。常有一种误解基因代表每个特性,这种误解并没有因基因测序而被消除,并被加强了这是因为单基因病被讨论[1],事实上许多遗传性疾病是由多个基因以某种未知方式相互作用的结果。人类基因组的解译,象征着思想变革的始点走向未来。
2生物学革命
细胞生物学革命并不是基因组的解译,而是基因行为方式和序列间相互作用的发现,但必须通过实验才能得到体现, 即阅读细胞故事要归功于生物学-DNA芯片[2]。它能同时观测许多基因行为的是基因组测序。即一个细胞随时有数千个基因开启,它不仅开启一个或两个基因来完成任务,并在任务完成后再将它们关闭,但其理论的构建并不是轻易获得的。分子和细胞生物学[8],简洁一流的理论很少见,蛋白质A开启了蛋白质B,然后激活蛋白质C,如果大家能理解将对研究很有帮助。生物学家并引入了物理学概念,寻找简洁一流理论,但是并不表明研究的系统是简洁的。物理学家设计的理论用于解释大量分子行为,如氧的弥散在介质的作用下,个体特性会淹没在团体行为的模式下。基因和蛋白质更具挑战性,因为它们不移动,不随机相互作用,但能选择性的参与某一功能性活动。化学提供了另一组工具,一些非生命系统中的化学过程与生物化学过程一样复杂混乱,但并不妨碍被计算机模型所获取,其结论是使复杂的模型简单化,原因是一些成分可以被忽略。
3计算机模拟艺术
它不仅分析数据也是一种重要工具。物理学家把其艺术带入到了精密状态,天体物理学家能模拟整个星系世界,生物学家就能模拟细胞的微观世界。计算机模拟复杂的真实细胞,预测基因活性与细胞功能变化的基因组,并建立了数据库。研究细胞中多种过程的比较模型,许多蛋白质能同时催化大范围化学反应,不同反应的相对重要性会因基因被激活而产生某种蛋白而再次关闭,来模拟整个细胞行为。工程学认为一个细胞事件不会简单的导致某一事件发生,有时一个过程会影响某个过程发生,用工程学术语描述就是反馈。即角加速时人体向一侧倾倒,此时膜半规管内淋巴液向相反方向流动刺壶腹嵴产生神经冲动,传至平衡中枢维持人体平衡,这就是人置与平衡中枢间的反馈,这种自我调节在工程学中十分常见。即可用“控制论”和“系统论”来描述它,生物学家已应用在细胞中。描述生物学功能包含扩大、改编、加强、绝缘、纠错和一致性检测等概念。描述新的生物学语言将来源于综合科学,即计算机科学或生物工程学等学科[3、4]。
4网络生物学
世界范围互联网中的信息总是最新的,那里有通信、高速公路、铁路、航运等,为网路提供能量、电流、水、物质、友谊等,细胞网络它们是如此相似。细胞中每一类分子都视为网络的组成部分,任何两个分子之间均有联系,共同参与生物化学反应,结论就是细胞网络与许多社会网络一样,有着相同的连通结构。这样的共性对于定义基因间的相互作用很有帮助,但并不是所有网络都相同[5、6],有时几个连接破坏而迅速瓦解,有时即便有许多连接被破坏,任何两个节点间仍可保持通畅,细胞网络也是如此。理解了生物学网络的特点,为组建细胞自身系统对其研究奠定了基础。
5生物学模块
基因通常结队工作当细胞分解糖产生能量,激活一组基因来产生各自所需要的酶[7]。理论生物学家提示如果能够找出这类“联合作业”,并将其视为独立分子来理解细胞的复杂活动。即一部分制造蛋白质,一部分复制细胞分裂的DNA,其他部分对特殊的酶做出响应等等。但这些分子不是基因简单的组合,它们包括了蛋白质,RNA小信号分子和富含能量的分子,即酶等共同执行其功能, 蛋白质组学显示了它的特殊贡献。即细胞分裂模块包裹在膜内,如线粒体是能量的“工厂”。就像组建大楼一样,模块之间通过一类或几类介质分子相互联系,各部门备有“办公室备忘录”这就解决了每个突发件事的需要。可想象设计一种更精密的特定模块,其小部分分子间相互作用的模块延伸到整个细胞。模块的功能来自其他模块一部分输入,并产生输出影响其他模块。其集体行为的概念类似于生物物理学概念,能表现模块的特性。即模块大部分功能特征,来自于潜在成分的特征与它们之间相互作用集合的特征。这对于生物学家来说是陌生的,但将来会习惯这样的描述。
6TCM生物学
TCM生物学家用生物学微观实验手段,即分子与细胞生物学、网络工程、生物学工程、生物物理学等[8-11],模拟与解释TCM的基本理论。需要生物工程、网络工程与程序工程等共同参与形成综合性科学。TCM把“天体”对生物体的影响都考虑进去了,在疾病诊治基本原则的基础上还考虑了季节变化。即冬天益气活血,温肾助阳;春天滋阴润肺,滋肾柔肝;夏天养心安神,清热解毒;秋天健脾温肾,滋阴补血。TCM早已认识到天体变化对人体的影响,并应用在临床实践中。至于经络到底是什么还没有谁在人体内剖析出来,但临床工作中银针证实了它的存在,并以唯物主义的客观事实传承下来,如何完善它是今后研究的方向。
7TCM诊疗技术
TCM的基础理论与临床诊疗技术是根本,特别是中草药、民间医学很多精髓尚未开发。如西医治疗感冒居高不下的体温(40℃)什么手段都用上了,TCM一付汤药就能控制体温即治愈。肿瘤压迫所致的面神经麻痹,TCM不用开刀减压针灸就能矫正,这说出来好象不可思议但TCM做到了,TCM就是这么神气有待进一步挖掘。TCM不仅应懂得自身的基础理论,并从生物学角度解释出来,让世人相信TCM接受TCM,让TCM走向世界。