时间：2023-08-21 17:23:28
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇计算机科学与生物学，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
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．
关键词 生物信息学 教学改革 医学 教学模式
中图分类号：Q811-4 文献标识码：A
21世纪是生命科学的世纪，人类及模式生物基因组计划的全面实施，使分子生物学数据以爆炸性速度增长。面对基因组学、蛋白质组学、基因芯片、分子进化等大量的生物信息，在计算机科学、网络技术以及生物分析技术的相互作用和渗透下，诞生了一门崭新的学科――生物信息学（Bioinformatics）。生物信息学利用计算机和互联网，以数据库为载体，运用数学算法和计算模型，研究生物信息数据的获取、处理、存储、分发、分析和解释等方面，进而阐明和解释庞杂的生物数据所蕴含的意义。生物信息学跨越了整个生命科学领域，近年来在医药学研究中发挥了不可替代的作用，无论是从分子生物学的角度阐述病因，还是对疾病的预防、诊断、治疗与新药研发都将产生巨大的推动作用，医学生物信息学必然在未来的医学研究中处于关键地位，但生物信息学的理工科特性决定了该课程在医学教育中开展的难度。本文结合医学院校特色和生物信息学课程特点，探讨开设医学生物信息学课程的必要性，分析生物信息学课程在教学实践中存在的问题，提出本校开展生物信息学教学的实施方法。
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
约有6000种以上的人类疾患与特异基因的改变有关，某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。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文库或表达序列标签（expression sequence tag，EST）分析差异表达基因，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。利用数据资料、软件工具筛选药物作用的靶位和候选基因，阐明其结构和功能关系，指导设计能激活或阻断生物大分子发挥其生物功能的治疗性药物。
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 医学生物信息学课程的特点及主要困难分析
2.1 课程内容丰富，学科交叉，数据庞杂
生物信息学利用生物学，计算机科学和信息技术揭示大量复杂的生物数据所赋有的生物学奥秘，是一门交叉性学科，并且理科特性很强，需要深入理解分析。目前生物信息学包含了基因组、蛋白质组、代谢及药物等多个部分，每个部分都具有各自的特色和相应的分析技术。根据《Nucleic Acids Research》统计，全球共有约1000多个主要的生物医学数据库，涵盖了生物医学研究的诸多领域。学生不仅要掌握获取和利用海量生物信息的基本知识和技术，还应掌握相关的数学、物理学、计算机程序设计等知识和技术，又因为医学专业学生的数理知识有限，学习起来有一定的困难。
2.2 操作性和实践性强
生物信息学是一门操作性和实践性很强的学科，主要是在互联网环境中，依靠计算机，利用数据库和各种信息处理软件来进行生物信息学方面的分析工作。针对医学专业学生开设生物信息学课程，其教学内容应注重理论与实践紧密结合，着重学习利用计算机对各种生物信息资源和数据库的检索，使用方法与技巧，真正做到学有所用。
2.3 现状与困难分析
目前，国内的生物信息学教学基本沿用以“教师讲授为主”的传统教学模式，与生物信息学交叉前沿性特点不相适应，实验教学单一，多为验证性试验，缺乏综合性和设计性。此外，医学专业学生计算机知识薄弱，对生物信息学的算法与数据库的原理和特点等不甚了解，在高通量数据处理面前力不从心，影响对问题的分析能力。
3 医学生物信息学课程开设实施方法和对策
3.1 根据医学专业特点设计教学内容，建立具有模块化的教学大纲
目前尚未形成系统、成熟的生物信息学教学模式。开设课程之前，对医学专业学生进行问卷调查，让他们选择医学生物信息学课程中感兴趣的、需要学习的知识内容，并提出难点问题。教师汇总问卷结果，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，激发学生的创新思维和创新意识
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。另外，采用PBL（Problem Based Learning）教学法，可以有效地激发学生的创新思维和创新意识。
3.2.1 注重实验操作
生物信息学实验课程以计算机操作为主，需要学生灵活应用互联网、数据库和多种生物信息学软件，所以实验操作显得尤为重要，加大实验比例，为学生提供较多的实验操作机会，不仅提高了学生的动手能力，而且大大提高了学生在因特网环境下对生物大分子序列、生物大分子结构进行生物信息学分析的能力，是提高学生学习生物信息学效果的有力保障。
3.2.2 采用PBL教学模式，优化实验内容
加大设计性实验的比例，采用PBL教学法，根据学生能力和兴趣进行分组，由教师提出问题并布置真实性任务，使学生在已有的知识基础上，通过查找文献、小组讨论、探索，最终完成任务，写出试验报告。由教师对任务完成过程及结果进行点评，对学生掌握知识的程度及学生的科研、应用能力进行评价，并提出进一步的提高方向。学生在实验操作的过程中，不断地发现问题、解决问题，有效地激发了学生的创新思维和创新意识。
3.3 改革教学方法，革新考核方式
3.3.1 结合多媒体技术与双语教学
多媒体技术教学灵活生动，教师在讲授难于理解的概念和生物信息学工具时，可以直接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。
3.3.2 结合科研实例进行教学
生物信息学是一门不断完善和发展的学科，数据库的更新、相关软件的升级、算法的优化等，通常会随着科研中遇到的生物学问题变化而变化，所以教师可以结合现阶段的科研背景和具体的研究方向，结合实例进行教学，可以让学生真正掌握利用生物信息学方法解决生物学问题的思路，并培养和提高学生的科学思维能力，使学生由知识的被动接受者变为知识的主动发现者、探究者，教师则由知识的传授者转变为教学活动的指导者、组织者。
3.3.3 采用无纸化考核方式
适当降低课程理论难度，减少不必要的数学理论推导，注重实际应用、解决问题能力的培养，通过上机实践操作，考核学生对基本知识和原理的掌握情况，克服传统的死记硬背现象。
4.结语
生物信息学作为一门交叉学科，发挥了其独特的桥梁作用，已经广泛地渗透到医学的各个研究领域。本文针对开设医学生物信息学课程的必要性和教学模式进行了探讨，以提高学生学习的自主性、实际操作能力和解决问题的应用能力为目标，不断改进教学手段、加强教学过程的趣味性，以期培养综合型的、高素质、现代化医学人才。
参考文献
[1] 伍欣星，赵.生物信息学基础与临床医学应用指南[M].北京：科学出版社，2005.
[2] 张阳德.生物信息学[M].北京：科学出版社，2009.
[3] WeiLi-ping，YuJun.BioinformaticsinChina：APersonalPerspective[J].PlosComputationalBiology，2008，4（4）：e1000020.
[4] 汪凡军，张楚瑜.生物信息学在医学上的应用[J].国际检验医学杂志，2006，27（2）.
这是一本综合各学科的知识，同时又趣味盎然的作品，最重要的是本书在一定程度上颠覆了我的思考方式。在科技发展日新月异的信息时代，大数据这个词应该是耳熟能详了。在我读到本书的最后一章数据主义时对大数据有了全新的更加深刻的认识。
数据主义认为，宇宙由数据流组成，任何现象或实体的价值就在于对数据处理的贡献。最能体现数据主义的是计算机科学与生物学。大家都知道计算机是用来辅助人类处理各种数据的。
那生物和数据有什么联系呢？生病了去医院找医生是件很平常的事。在将来医生可能会被机器人所取代。因为医生在了解病人的状况后主要依据自己在医学院校所学的专业知识找到解决的方案。
但人总有出错的时候，可能是因为今天病人太多产生了疲劳或者是其它原因，误诊事件还是时有发生的。机器人便可能最大限度地降低此类事件发生的概率。
可能你会说医生也有独特的地方，比如说可以关心病人而不仅仅是治病。达尔文之后，生物学家开始提出解释，认为所谓感觉，也是通过进化千锤百炼的复杂算法，能够帮助动物做出正确的决定。
既然生物感觉也是算法，那么机器人也可能会拥有情感。
生命本身其实就是算法，生命是不断处理数据的过程，从日常生活中的琐事，到重大决定的抉择，都是人对各种数据处理的结果。
关键词 生物科学;交叉学科;编辑加工
中图分类号Q-0 文献标识码 A 文章编号 1674-6708（2015）131-0034-02
生物科学是研究生物的结构、功能、发生和发展规律的一门自然学科，它既研究各种生命活动的现象和本质，又研究生物与生物之间、生物与环境之间的相互关系，以及生命科学原理和技术在人类经济、社会活动中的应用。目前，科学的协同作用及相互激励作用逐渐被人们所认识，随着各国政府和科学界对生命科学的日益重视，化学家、物理学家和数学家从已经获取的新的生命信息中，不断修改、增添各自学科的理论、定义，从而使得一大批生物科学交叉学科蓬勃发展，如生物地理学、生物力学、生物光学、结构生物学、纳米生物学、计算生物学、生物信息学、耦合仿生学、合成生物学、生物医学工程学、系统生物学、生物伦理学等。
加工这类交叉学科的稿件，对编辑人员的业务能力要求较高，如知识结构、科学认知能力、逻辑分析能力、文字表达能力等。尤其是进行规范性编辑加工时，要求编辑具有掌握不同学科行业规范的能力。下面根据生物学与所交叉学科的不同，举例子说明编辑加工此类稿件的要点。需要说明的是，本文主要介绍稿件中遇到的相关学科内容的加工重点，至于生物学范畴内的基础知识加工规范，在此不再赘述。
1 与物理学的交叉
生物学与物理学交叉的学科主要有生物力学、生物光学、生物声学等，这类稿件中，除了对生物学基础知识的加工外，主要涉及对数学公式、数学符号规范方面的加工。
数学公式和数学符号的特点是字母多（英文、希文等）、符号多（各种运算符号和数学符号）、层次多（上下角标、行列式、矩阵等），因此编辑加工难度较大，且极易出现错误。为了使科技类图书做到标准化、规范化，使数学公式更加简明、规范、准确、直观，下面从数学公式和数学符号两个方面介绍加工要点。
1.1 数学公式
1）数学公式一般以另行居中排为原则。
2）公式前面，如上行末文字是“令”、“为”、“有”、“是”、“得”等字时，其后不加任何标点符号。
3）公式中常用的括号有圆括号、方括号、花括号，三种括号多重使用时，一般是圆括号外套方括号，外再套花括号。
4）一般情况下，如果公式不是特别复杂，则符号说明可在“式中，”之后按接排式的版式排（中间用分号隔开）。
5）公式需加排序号，采用阿拉伯数码，并用圆括号括起，放在公式右边行末版口处。
6）公式中的主辅线要分清（一般主线比辅线长），并且主线要与运算符号在同一水平线上。
7）方程组在编排时应尽量排在一面上。
8）编排行列式和矩阵时，应特别注意元素的行列要上下对齐，每一行的间距要均匀一致，行距通常为半个字距;对角矩阵的对角元素所在的列应明显区分，不能上下重叠，混淆不清。
1.2 数学符号
数学符号的字体以国家标准为依据，主要有大、小写的区别，白、黑体的区别，正、斜体的区别。
1）未知量的符号，表示变量的字母、变量符号，以及表示点、线段的符号用白斜体。
2）集合符号用黑正体，如集合B。
3）矢量（向量）符号、张量符号、矩阵符号都用黑斜体表示，如力F、张量T、矩阵A。
交叉类稿件的加工中还应特别注意公式里出现的容易混淆的字符，如英文字母的大小写容易混淆、英文字母O和阿拉伯数字0容易混淆、英文字母a和希腊文字α等。因此编辑在加工时一定要认真、仔细地标识清楚，以避免排版人员在排版时出错。
另外，一些物理学和数学家的名字也会有常用错别字，如“傅利叶”应该为“傅里叶”、“笛卡尔”应该为“笛卡儿”。
当然，关于数学公式和数学符号的使用还有很多详细的要求，以上列出的仅是生物类交叉学科图书中最容易遇到的问题。
2 与化学的交叉
生物学与化学交叉的学科中，主要任务是对化学式的加工，最容易出问题的主要有以下几处。
1）单箭头表示反应单向进行，双箭头表示反应双向进行。
2）化学元素符号用整体，表示反应组分数量的变量符号用斜体。
3）有机化学式中，化学键的键长要统一。
4）有机化学式中，元素符号和键号必须对准。
3 与计算机科学的交叉
随着后基因组时代的到来，生物学与计算机科学的交叉学科应运而生，包括生物信息学、计算生物学、合成生物学等。这类稿件的加工通常注意以下几点。
1）会出现数学公式和符号，加工重点见上。
2）有较多的计算机软件生成图或者屏幕抓图，因此加工时一定要注意图片的清晰度，图片模糊的话需要作者重新提供。
3）稿件中会出现较多的缩略词、简写，包括计算模型的缩略词、研究机构的缩略词、数据库的缩略词等，因此加工时要注意这些缩略词是否前后一致;同时要尽量保证这些缩略词的拼写正确。例如，“GenBank数据库”不能写成“GeneBank数据库”。
4）稿件中有时会出现一些代码程序，特别注意，这时不能根据我们已有的编辑加工知识去随意修改，因为代码有其本身固有的格式。
4 与医学的交叉
生物学与医学的交叉学科包括生物医学工程学、生物医学影像学、生物制药、医学细胞生物学等。这类稿件的加工难点主要是一些常见医学术语的规范。例如，“罗音”应该为“音”、“爱滋病”应该为“艾滋病”、“抗菌素”应改为“抗生素”、“心肌梗塞”应改为“心肌梗死”等。
4.1 与环境科学、地理学的交叉
生物学与环境科学、地理学的交叉主要涉及一些生态学科类的图书，如水资源、森林资源、农业气候资源等。这类稿件的加工中，除了涉及生物学的基础知识外，加工的重点主要为地图、插图类问题和数据错误。
1）地图、插图类问题。
（1）岛点差错（漏标主要岛点）。
（2）界限画法错误（国界、未定界）。
（3）注记差错（级别、字色、错别字）。
（4）区域设色差错（如台湾底色）。
（5）比例尺差错。
2）数据错误。
（1）求和、求平均值、计算增长率等错误。
（2）正文中的数据与表中的数据不一致。
（3）同一个数据，前后文不一致。
（4）文字描述与数据不一致，如“第一年是272t，第二年是230t，增长了……”。
5 与社会科学的交叉
生命伦理学关注的是生物学、医学、控制论、政治、法律、哲学和神学这些领域的相互关系中产生的问题。因此其通常会存在较大的争议。在这类稿件的加工过程中要特别留意是否存在宗教、信仰方面的敏感问题。这类问题可能并不多见，一旦出现就要特别引起重视，属于政治性差错的范畴。
另外需要注意的是，在科技类图书中会出现很多专业名词，特别是交叉学科的图书，涉及的专业类别很广，编辑的知识不肯能面面俱到，如果遇到不太熟悉的专业名词，一定要核查准确，确定是错误的字、词才可以改动，绝对不能妄改。关于专业名词，可以在全国科学技术名词审定委员会网站上进行核实。
随着我国科学技术的不断进步和发展，科技类图书承载“介绍新知、推广技术、传播资讯、传承文化”的使命不断增强。因此，科技类图书的编辑应当密切跟踪相关学科发展前沿，以此为基础增强科技类稿件的科学性，判断稿件的真理性，提高稿件的逻辑性。作为联系作者与读者的桥梁，科技类图书的编辑要着力拓宽自己的知识领域，只有这样才能编辑加工出高质量、高水平的科技稿件。
参考文献
[1]张祖权.科技文献中插图编辑加工刍议.科技期刊编辑研究文集（第四集），1996.
在互联网迅速发展的今天,云概念已成为当今计算机科学领域最为热门的概念之一,同时也是一个有可能对未来世界产生深远影响的研究领域。自从2006年谷歌推出了“Google101计划”,正式提出“云”的概念和理论以来,包括微软、IBM等许多大公司都开始酝酿自己的“云计划”。而云概念是指计算机、手机等电子终端产品能够通过互联网提供包括云服务、云计算、云安全等等一系列资源分享应用;计算机、手机等电子终端产品不再需要具备强大的处理能力,用户享受的所有资源、应用程序全部都由一个存储和运算能力超强的云端后台来提供。在这种背景下,通过互联网进行计算机病毒的传播也有一定的新特点,相应的计算机病毒传播模型也需要进一步探究;这里,对SIS、SIR和SIRS三种经典计算机病毒传播模型在云概念中应用做一下分析。
1SIS计算机病毒传播模型
人们发现计算机病毒的传播特性与生物学中的流行病病毒有很多共性之处,所以有可能根据流行病的数学模型推出计算机病毒传播的数学模型。1991年,J.O.Kephart和S.R.White[1]联想到这种共性,首次用流行病的数学模型对计算机病毒的传播进行了分析,根据Kermach-Mchendrick生物病毒传播模型提出了计算机病毒的传播模型——SIS模型,如(1)式。Kermach-Mchendrick生物病毒传播模型描述了一定范围下的生物体在t时刻下处于两种状态之一:易感染状态(Susceptible)和感染状态(Infectious),而易感染者受到病毒感染变成感染者。SIS计算机病毒传播模型与Kermach-Mchendric模型不同之处[2]主要在于计算机病毒感染者能够以一定的治愈率δ被治愈马上转化为易感染状态,而生物体被感染后则可能死亡或获得免疫力,因此计算机状态转变过程是:SusceptibleInfectiousSusceptible。在当今云概念可能广泛实际应用的情况下,原有SIS模型的缺点——将所有的计算机被感染的比率和治愈率都规定为一定的,有可能得到改观。由于所有区域内的计算机都由一个功能强大的云端后台来控制,计算机病毒还有可能进行远程感染,各计算机被感染的概率会比较接近,受每台计算机的感染特征和连接率的影响减小,同时治愈率也是比较接近的。但另一方面,SIS模型所提出的“计算机病毒感染者被治愈后马上转化为易感染状态”与现实网络病毒传播特性相比变得更加不符。由于互联网提供云服务,执行云安全,被治愈后的计算机系统会集体升级杀毒软件、安装漏洞补丁,增强对病毒的防范、免疫能力,不会立刻转化为易感染状态。
2SIR计算机病毒传播模型
在计算机病毒传播和控制策略的研究中,一些是基于SusceptibleInfectiousRemoved(SIR)模型进行的。计算机病毒传播的SIR模型[3],又被称为经典普通传播模型:计算机被感染后可能瘫痪或获得免疫力,在一段时间内不会被其他感染者感染,属于“被移除状态”,则在确定范围下的计算机被划分为3个状态,易感染状态(Susceptible)、感染状态(Infectious)和被移除状态(Removed),如(2)式。计算机的状态转变过程为:SusceptibleInfectiousRemoved。由于SIR模型对项轨线和阀值进行了较为仔细的分析和研究,分析了计算机被感染后的变化,因而要比SIS模型有了提高[4]。当云端后台控制区域内的所有计算机时,已感染病毒的计算机可能会被“移除”出体系外,进行隔离,也就是SIR模型中所说的被移除状态(Removed)。但SIR模型并没有考虑到在云安全已逐步得到应用的情况下,未被病毒感染的计算机会在感染前就得到病毒信息,下载相应的漏洞补丁,升级杀毒软件,使计算机对此种病毒具有预免疫能力;实际中,不仅已被病毒感染的计算机可以从传染中被移除,未被病毒感染的计算机也有可能从传染中被移除。
3SIRS计算机病毒传播模型
RPastor-Satorras等[5]使用平均场理论研究了在均匀网络上的计算机病毒传播过程,认为感染病毒后瘫痪或获得免疫力的计算机,可以一定的生还率μ再次变成易感染者,则计算机的状态转变过程为:Sus-ceptibleInfectiousRemovedSusceptible,提出了SIRS计算机病毒传播模型:其中,β表示一个已感染病毒的计算机将病毒传染给与其它易感计算机的概率,δ表示一个已感染病毒的计算机可以被治愈的概率。假如感染率β比较高,病毒则会大量传播;假如治愈率δ比较高,病毒传播则会得到抑制。SIRS模型考虑了更加具体一些,注意到瘫痪或获得免疫力的计算机有可能再次变成易感染者,但在云概念的实际应用中,这种可能性变小,虽然病毒感染有可能出现成片爆发的趋势,而由于云安全的执行,对病毒的控制也会进行较为系统的组织。
4结语
计算机病毒传播模型可以为网络病毒传播的预测和防范提供有利的工具。通过模型的求解能够帮助人们理解计算机病毒在网络中的传播规律和预测由于病毒的传播所导致的危害程度。随着云概念在实际生活中的逐步应用,针对网络病毒的防治需要提出适合于区域内计算机都由云端后台控制的计算机病毒传播模型。
[论文摘要]生物信息学是80年代以来新兴的一门边缘学科，信息在其中具有广阔的前景。伴随着人类基因组计划的胜利完成与生物信息学的发展有着密不可分的联系，生物信息学的发展为生命科学的发展为生命科学的研究带来了诸多的便利，对此作了简单的分析。
一、生物信息学的产生
21世纪是生命科学的世纪，伴随着人类基因组计划的胜利完成，与此同时，诸如大肠杆菌、结核杆菌、啤酒酵母、线虫、果蝇、小鼠、拟南芥、水稻、玉米等等其它一些模式生物的基因组计划也都相继完成或正在顺利进行。人类基因组以及其它模式生物基因组计划的全面实施，使分子生物数据以爆炸性速度增长。在计算机科学领域，按照摩尔定律飞速前进的计算机硬件，以及逐步受到各国政府重视的信息高速公路计划的实施，为生物信息资源的研究和应用带来了福音。及时、充分、有效地利用网络上不断增长的生物信息数据库资源，已经成为生命科学和生物技术研究开发的必要手段，从而诞生了生物信息学。
二、生物信息学研究内容
（一）序列比对
比较两个或两个以上符号序列的相似性或不相似性。序列比对是生物信息学的基础。两个序列的比对现在已有较成熟的动态规划算法，以及在此基础上编写的比对软件包BALST和FASTA，可以免费下载使用。这些软件在数据库查询和搜索中有重要的应用。有时两个序列总体并不很相似，但某些局部片断相似性很高。Smith-Waterman算法是解决局部比对的好算法，缺点是速度较慢。两个以上序列的多重序列比对目前还缺乏快速而又十分有效的算法。
（二）结构比对
比较两个或两个以上蛋白质分子空间结构的相似性或不相似性。
（三）蛋白质结构预测
从方法上来看有演绎法和归纳法两种途径。前者主要是从一些基本原理或假设出发来预测和研究蛋白质的结构和折叠过程。分子力学和分子动力学属这一范畴。后者主要是从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构。同源模建和指认（Threading）方法属于这一范畴。虽然经过30余年的努力，蛋白结构预测研究现状远远不能满足实际需要。
（四）计算机辅助基因识别
给定基因组序列后，正确识别基因的范围和在基因组序列中的精确位置.这是最重要的课题之一，而且越来越重要。经过20余年的努力，提出了数十种算法，有十种左右重要的算法和相应软件上网提供免费服务。原核生物计算机辅助基因识别相对容易些，结果好一些。从具有较多内含子的真核生物基因组序列中正确识别出起始密码子、剪切位点和终止密码子，是个相当困难的问题，研究现状不能令人满意，仍有大量的工作要做。
（五）非编码区分析和DNA语言研究
在人类基因组中，编码部分进展总序列的3－5%，其它通常称为“垃圾”DNA，其实一点也不是垃圾，只是我们暂时还不知道其重要的功能。分析非编码区DNA序列需要大胆的想象和崭新的研究思路和方法。DNA序列作为一种遗传语言，不仅体现在编码序列之中，而且隐含在非编码序列之中。
三、生物信息学的新技术
（一）Lipshutz(Affymetrix,Santaclara,CA,USA)
描述了一种利用DNA探针阵列进行基因组研究的方法，其原理是通过更有效有作图、表达检测和多态性筛选方法，可以实现对人类基因组的测序。光介导的化学合成法被应用于制造小型化的高密度寡核苷酸探针的阵列，这种通过软件包件设计的寡核苷酸探针阵列可用于多态性筛查、基因分型和表达检测。然后这些阵列就可以直接用于并行DNA杂交分析，以获得序列、表达和基因分型信息。Milosavljevic(CuraGen,Branford,CT,USA)介绍了一种新的基于专用定量表达分析方法的基因表达检测系统，以及一种发现基因的系统GeneScape。为了有效地抽样表达，特意制作片段模式以了解特定基因的子序列的发生和冗余程度。他在酵母差异基因表达的大规模研究中对该技术的性能进行了验证，并论述了技术在基因的表达、生物学功能以及疾病的基础研究中的应用。（二）基因的功能分析
Overton(UniversityofPennsylvaniaSchoolofMedicine,Philadelphia,PA,USA)论述了人类基因组计划的下一阶段的任务基因组水平的基因功能分析。这一阶段产生的数据的分析、管理和可视性将毫无疑问地比第一阶段更为复杂。他介绍了一种用于脊椎动物造血系统红系发生的功能分析的原型系统E-poDB，它包括了用于集成数据资源的Kleisli系统和建立internet或intranet上视觉化工具的bioWidget图形用户界面。EpoDB有可能指导实验人员发现不可能用传统实验方法得到的红系发育的新的药物靶，制药业所感兴趣的是全新的药物靶，EpoDB提供了这样一个机会，这可能是它最令人激动的地方。
Babbitt(UniversityofCalifornia,SanFrancisco,CA,USA)讨论了通过数据库搜索来识别远缘蛋白质的方法。对蛋白质超家族的结构和功能的相互依赖性的理解，要求了解自然所塑造的一个特定结构模板的隐含限制。蛋白质结构之间的最有趣的关系经常在分歧的序列中得以表现，因而区分得分低（low-scoring）但生物学关系显著的序列与得分高而生物学关系较不显著的序列是重要的。Babbit证明了通过使用BLAST检索，可以在数据库搜索所得的低得分区识别远缘关系（distantrelationship）。Levitt(Stanforduniveersity,PaloAlto,CA,USA)讨论了蛋白质结构预测和一种仅从序列数据对功能自动模建的方法。基因功能取决于基因编码的蛋白质的三级结构，但数据库中蛋白质序列的数目每18个月翻一番。为了确定这些序列的功能，结构必须确定。同源模建和从头折叠（abinitiofolding）方法是两种现有的互为补充的蛋白质结构预测方法；同源模建是通过片段匹配（segmentmatching）来完成的，计算机程弃SegMod就是基于同源模建方法的。
（三）新的数据工具
Letovsky(JohnshopkinsUniversity,Baltimore,MD,USA)介绍了GDB数据库，它由每条人类染色体的许多不同图谱组成，包括细胞遗传学、遗传学、放射杂交和序列标签位点（STS）的内容，以及由不同研究者用同种方法得到的图谱。就位置查询而言，如果不论其类型（type）和来源（source），或者是否它们正好包含用以批定感兴趣的区域的标志（markers），能够搜索所有图谱是有用的。为此目的，该数据库使用了一种公用坐标系统（commoncoordinatesystem）来排列这些图谱。数据库还提供了一张高分辨率的和与其他图谱共享许多标志的图谱作为标准。共享标志的标之间的对应性容许同等于所有其它图谱的标准图谱的分配。
Candlin(PEappliedBiosystems,FosterCity,CA,USA)介绍了一种新的存储直接来自ABⅠPrismdNA测序仪的数据的关系数据库系统BioLIMS。该系统可以与其它测序仪的数据集成，并可方便地与其它软件包自动调用，为测序仪与序列数据的集成提供了一种开放的、可扩展的生物信息学平台。
参考文献：
关键词：DNA计算机；计算方式；生命观
1 DNA计算的理论、特点和问题
1994年11月美国计算机科学家 L．阿德勒曼（L．Adleman）在《科学》上公布了DNA计算机的理论，并成功的运用DNA计算机解决了一个有向哈密尔顿路径问题[1]。这一成果迅速在国际上产生了巨大反响[2]，同时也引起了国内学者的关注[3]。一些人相信，DNA计算蕴含的理念可使计算的方式产生“进化”。另一些人则看到DNA计算的理念将有助于揭示生命的本质与演化。总之，这一全新的计算理论，将在数学与生命科学中产生极其深远而广大的影响。同时它也提出了一系列值得我们深思的哲学性问题。
DNA计算机目前尚处在理论研究阶段，一旦它在实用意义上获得成功，DNA计算将彻底改变计算机硬件的性质。在过去的半个世纪里，计算机完全就是物理芯片的同义词。但阿德勒曼DNA计算机则是一种化学反应计算机[4]。它的基本构想是：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。阿德勒曼具体应用哈密尔顿有向图这个经典NPC问题，详细描述了他的理论。
DNA计算机的提出，产生于这样一个发现，即生物与数学的相似性：①生物体异常复杂的结构是对由DNA序列表示的初始信息执行简单操作（复制、剪接）的结果；②可计算函数f（w）的结果可以通过在w上执行一系列基本的简单函数而获得。阿德勒曼不仅意识到这两个过程的相似性，而且意识到可以利用生物过程来模拟数学过程，更确切地说是，DNA串可用于表示信息，酶可用于模拟简单的计算。这是因为：①DNA是由称作核苷酸的一些单元组成，这些核苷酸随着附在其上的化学组或基的不同而不同。共有四种基：腺瞟吟、鸟瞟吟、胞嘧啶和胸腺嘧啶，分别用A、G、C、T表示。一些单个的核苷酸顺序连在一起形成DNA链。单链DNA可以看作是由符合A、G、C、T组成的字符串。从数学上讲，这意味着我们可以用一个含有四个字符的字符集∑＝A、G、C、T来为信息编码（电子计算机仅使用0和1这两个数字）。②DNA序列上的一些简单操作需要酶的协助，不同的酶发挥不同的作用。起作用的有四种酶：a．限制性内切酶，主要功能是切开包含限制性位点的双链DNA；b．DNA连接酶，它主要是把一个DNA链的端点同另一个链连接在一起；c．DNA聚合酶，它的功能包括DNA的复制与促进DNA的合成；d．外切酶，它可以有选择地破坏双链或单链DNA分子。正是基于这四种酶的协作实现了DNA计算。
自阿德勒曼用DNA计算机解决了哈密尔顿有向图问题，随后很快便有人用DNA计算机相继解决了其他一些疑难问题（NPC完全问题），如可满足性问题等。与电子计算机相比，DNA计算机有明显的优势。不过，这些还仅仅是利用分子技术解决的几个特定问题，是为解决特定问题而进行的一次性实验。DNA计算机还没有一个固定的程式。由于问题的多样性导致所采用的分子生物学技术的多样性，具体问题需要设计具体的实验方案。于是，便引出了两个根本性的问题，阿德勒曼最早就意识到了它们：①DNA计算机可以解决哪些问题？确切地说，DNA计算机是完备的吗？即通过操纵DNA能完成所有的（图灵机）可计算函数吗？②是否可设计出可编程序的DNA计算机？即是否存在类似于电子计算机的通用计算模型——图灵机——那样的通用DNA系统（模型）？目前，人们正处在对这两个根本性问题的研究过程之中。在我们看来，这就类似于在电子计算机诞生之前的20世纪三四十年代——理论计算机的研究阶段。如今，已经提出了多种DNA计算模型，但各有千秋，公认的DNA计算机的“图灵机”还没有诞生。相对而言，一种被称为“剪接系统”的DNA计算机模型较为成功[5]。
由于DNA链可以比作在四字符集上的串，为DNA计算建模的自然方式就是利用专门处理字符和字符串的形式语言理论。建模的关键就是要将实际的DNA重组抽象为数学上的剪接操作。实际的DNA重组，就是在前面所提到的四种“工具酶”的作用下，对DNA链的切割和粘贴的组合过程。其数学抽象称为剪接操作。大体可做如下描述：给定字符集∑（其元素为符号）及其上的两个字符串x、y，利用剪接规则r剪接x和y的过程可以分为：①在由剪接规则r决定的位置上切割x和y；②分别将结果中x的前段和y的后段、y的前段和x的后段连在一起。∑ 的剪接规则 r是形如α1#β1$α2#β2的词，其中α1、β1、α2、β2是∑的串，＃和$是∑外的标记符。我们称z和w是根据剪接规则r＝α1#β1$α2#β2剪接x和y的结果，当且仅当存在∑上的x1、xƇ、y2、yƈ使得
x=x1α1β1xƇ， y＝y2α2β2yƈ
且 z=x1α1β2yƈ， w=y2α2β1xƇ
并记作（x，y） （z，w）。α1β1和α2β2这两个串称为剪接位点；x和y称为剪接项。剪接规则r决定了切割的位点和位置：第一项在α1和β1之间，第二项在α2和β2之间。值得注意的是位点α1β1和α2β2会分别在x和y中出现多次，如果这样，选择哪一个位点是不确定的。结果会造成对x和y剪接的结果是（z，w）的一个集合。
将剪接操作当作基本工具来构建一种生成机制，便形成了剪接系统。给定一个字符串集A，A∑*，∑*为字符集∑上由连接操作生成的字符串的集合（∑*中的元素为串），以及一个剪接现则集R（r∈R∑*＃∑*$∑*＃∑*），由此所生成的东西是由如下方法得到的串组成；从集A开始，在A和已获得的串上重复使用剪接规则。另外，应该说明一点，通常剪接x和y得到z和w后，仍可以将x和y当作剪接项，与此相似，对新生成的z和x也没有数量上的限制。但对某些串仅可使用有限次。故在数学上不用集合来表示剪接项，而用多重集——在每个时刻都应当记录每个串可用的个数。至此，可以给出剪接系统的一个简洁而又严格的定义：剪接系统是一个四元组r＝（∑、T、A、R），其中∑是一个字符集，T ∑是终结字符集，A是∑*上的多重集，R是剪接规则的集合。
定义了DNA计算的数学模型后，便可以来回答前面提出的DNA计算的完备性与通用性问题。在计算机科学中，众所周知的丘奇一图灵论点深刻地刻画了任何实际计算机的计算能力——任何可计算函数都是可由图灵机计算的函数（一般递归函数）。现已证明：剪接系统是计算完备的，即任何可计算函数都可以用剪接系统来计算。换句话说就是，任何图灵机可计算的函数都可以由这种DNA计算模型来计算。反之亦然。这就回答了DNA计算机可以解决哪些问题——全部图灵机可计算问题。
对于第二个问题——是否存在基于剪接的可编程计算机——也有了肯定的答案：对每个给定的字符集T，都存在一个剪接系统，其公理集和规则集都是有限的，而且对于以T为终结字符集的一类系统是通用的。这就是说，理论上存在一个基于剪接操作的通用可编程的DNA计算机。程序由往通用计算机公理集中添加的字符串组成。程序会有多个，而可利用的公理集合有无穷多个。这些计算机使用的生物操作只有合成、剪接（切割一连接）和抽取。
理论上DNA计算机具有现代电子计算机同样的计算能力，但它具有的巨大潜力（功能）却是电子计算机不可比拟的：DNA计算机运算速度极快，其几天的运算量就相当于计算机问世以来世界上所有计算机的总运算量；它的贮存容量非常大，1立方分米的DNA溶液可以存储1万亿亿位二进制的数据，超过目前所有计算机的存储容量；它的能量消耗只有一台普通计算机的十亿分之一。如此优越的分子计算机当然是激动人心的。然而它离开发、实际应用还有相当的距离，尚有许多现实的技术性问题需要去解决。如生物操作的困难，有时轻微的振荡就会使DNA断裂；有些DNA会粘在试管壁、抽筒尖上，从而就在计算中丢失了。尽管DNA计算机面对着许许多多的质疑，但它的提出者阿德勒曼教授依然是极其乐观的：DNA计算机刚刚提出，尚在胚胎时期，与发展了半个世纪的电子计算机相比，确实相形见细。在他看来，提出DNA计算机并不就是要与电子计算机竞争。首先，分子计算的观念拓宽了人们对自然计算现象的理解，特别是生物学中基本算法的理解。另外，DNA计算的观念向现有的计算机科学和数学提出了挑战，相信它所蕴涵的理念可以使计算的方式发生进化。
DNA计算理论是目前西方发达国家的一个研究热点，有些困难已经通过新的程序设计技术（无须等待生物技术的发展），采用概率算法及修改数学问题等传统的解决方案得以解决。人们大都相信，分子计算的实际应用在未来是可行的。另外，要知道，类似合成杂交、抽取等所有生物操作的问题，都已被大自然中的生物系统所涉及，而且这些问题在生物体内已成功的解决了，这就不会在生物体外解决不了。向大自然学习，问题就会得到解决。
2 DNA计算：计算方式的进化
1994年11月阿得勒曼在提出DNA计算机的时候就相信：DNA计算机所蕴涵的理念可使计算的方式产生进化。后来的研究者就更坚信这一点了。如加拿大的卡尔（L．Kari）就更明确的指出：“DNA计算是考察计算问题的一种全新的方式。或许这正是大自然做数学的方法：不是用加和减，而是用切割和粘贴、用插入和删除。正如用十进制计数是因为我们有十个手指那样，或许我们目前计算中的基本功能仅因为人类历史使然。正如人们已经采用其它进制计数一样，或许现在是考虑其它的计算方式的时候了”[6]。我们以为，这一说法是很有启示性的。确实，仔细回顾一下人类计算方式或计算技术的历史，就不难体会到目前人们的计算方式确实是一种历史的结果，而非计算本性的逻辑必然。不过为了进一步论证和拓展这一观点，下面有必要就什么是计算。计算的方式是什么等问题给予一个简要的回答。
计算的本质是什么？应该说人类对其已经有了一个基本的清晰的认识，这就是递归论或可计算性理论中所揭示的一个基本内容：计算就是依据一定的法则对有关符号串的变换过程。根据丘奇一图灵论点，一切可计算的函数都是递归函数。抽象地说，计算的本质就是递归。不过这里我们想给出一个直观的描述：计算就是从已知符号开始，一步一步地改变符号串，经过有限步骤后，最终得到一个满足预定条件的符号串的过程。这样一种有限的符号串的变换过程与递归过程是等价的、一致的。所谓计算方式就是符号变换的操作方式，尤其指最基本的动作方式。广义地讲，还应包括符号的载体或符号的外在表现形式。从中国古代的筹算方式（一组竹棍表征）、珠算方式，到后来的笔算方式就是一系列的计算方式的变化（它们各自具有各自的操作方式）。相对于后来的机器计算方式，这些计算的方式均可归结为“手工计算方式”，其特点是用手工操作符号，实施符号的变换——摆排竹棍、拨弄算珠或书写符号。机器计算的历史可以追溯到1641年，当年18岁的法国数学家帕斯卡尔从机械时钟得到启示——齿轮也能计数，成功地制作了一台齿轮传动的八位加法计算机。这使人类计算方式、计算技术进入了一个新的阶段。后来经过人们数百年的艰辛努力，终于在1945年成功地研制出了世界上第一台电子计算机。从此，人类进入了一个全新的计算技术时代。就电子计算机而言，至今它也经历了四个大的时期。从最早的帕斯卡尔齿轮机到今天最先进的电子计算机，计算技术有了长足的发展。这是一个计算方式发生重大变革的历史时期。这时计算表现为一种物理性质的机械的操作过程。但是，无论是手工计算还是机器计算，其计算方式——操作的基本动作都是一种物理性质的符号变换，具体是由“加”和“减”这种基本动作构成的。二者的区别就在于前者是手工的，后者是自动的。
然而，如今出现的DNA计算则有了更大的本质性的变化。计算不再是一种物理性质的符号变换，而是一种化学性质的符号变换，即不再是物理性质的‘“加”、“减”操作，而是化学性质的切割和粘贴、插入和删除。这种计算方式的变革是前所未有的，具有划时代的意义。它将彻底改变计算机硬件的性质，改变计算机基本的运作方式，其意义将是极为深远的。我们完全可以做这样一番想象，一旦DNA计算机全面实现，那么真正的“人机合一”就会实现。到那时，人们最不需要的就是电脑，因为大脑本身就是一台自然的DNA计算机，人们真正需要的只是一个接口。DNA计算机蕴涵的理念不仅可以使计算的方式产生进化，而且可以使人类的大脑、思维产生进化。这是我们对阿德勒曼认识的一点补充。然而，尽管DNA计算较之以往的各种计算有了重大的变革，但是，在计算本质上，它同人类有史以来的一切计算都是等价的、一致的。这是因为：任何可计算函数都可由剪接系统来实现，即任何图灵机可计算的函数也可以由DNA计算机来计算。反之，任何由剪接系统计算的函数都可由留灵机计算。这就是说，DNA计算也是一种递归计算。这一结论有着重要的数学意义。它一方面使人们认识了DNA计算的本质；另一方面进一步证实或支持了丘奇一图灵论点，使丘奇一图灵论点首次获得了电子计算机之外的生物计算机的证实，这种证实自然是更加有力的。
综上所述，我们看到，计算之所以为计算，在于它具有一种根本的递归性，或在于它是一种可一步一步进行的符号串变换操作。至于这种符号变换的操作方式如何，以及符号的载体或其外在表现形式如何，都不是本质性的东西，它们无不是一种历史的结果，无不处于一种不断变革或进化的过程之中。符号可以用一组竹棍表征、用一组算珠表征、用一组字母表征，也可以用齿轮表征、用电流表征，还可以分子表征、电子表征等等。不同表征下的符号变换有着不同的操作方式，甚至同一种表征下的符号变换都可以有不同的操作方式。在此，计算本质的统一性与计算方式的多样性得到了深刻的体现。我们相信，随着科学技术的不断发展，计算方式的多样性还会有新的表现。既然DNA计算机的出现已经打开了人们畅想未来计算方式的思维视窗，那么就让我们翘首以待吧。
3 DNA计算：生命进化的方式
生命是什么？生命是怎样进化的？这是人类一个永恒的话题。随着自然科学的不断发展，生命问题也在不断变换着其形式，人们对它的理解、认识也在不断地更新，以适应新的理论的发展与进步。在20世纪八九十年代，由于人类基因组计划、计算机人工生命、遗传方法和DNA计算机等一系列全新的理论和观念的出现，使人们对生命是什么、生命是怎样进化的等重大基础性问题再一次产生了新的理解。这种理解的核心内容是：生命就是一台自然计算机。生命的法则就是算法，生命就是以计算的方式在进化着。DNA计算对这样一种生命观给予了强有力的支持。DNA计算表明了计算存在于生物学的根基上，计算处于生命的核心，生命本身就是由一系列复杂的计算组成的。下面我们对此作一个简要的论述。
什么是算法？简单地说，算法就是求解某类问题的通用法则或方法。通常要求用它能够在有限步骤内一步一步地完成对问题的求解。换句话说，算法也就是对有关数据或符号进行变换的方法规则。计算就是对算法的执行或对数据、符号依据有关规则进行的变换操作。长期以来，计算、算法一直是数学的专有概念。但如今由于电子计算机深刻而广泛的运用，使人们对这两个基本概念有了更宽泛地认识，使它们泛化到了整个自然界。认为自然界就是一台巨型自然计算机。任何一种自然过程都是自然规律作用于一定条件下的物理或信息过程，其本质上都体现了一种严格的计算和算法特征。在此，自然系统相当于计算机的硬件，自然规律相当于计算机的软件，而自然过程就是计算机的计算过程。生命系统作为自然界中最复杂最有特色的系统，它也就是形形的自然计算机中的一种。
DNA计算机就是对生命这种自然机的一种表征。这是因为，DNA是生命的信息库和程序库，既是一套自复制的程序，同时又是一个以进化论为基础发展过来并正在发展的程序。它构成了遗传、发育、进化统一的物质基础。现代生物学表明，一方面DNA可以看作是由A、G、C、T四个字符组成的字符串。从数学上讲，这意味着我们可以用一个含有四个字符的字符集∑={A、G、C、T}为信息编码。DNA代码与计算机代码所不同的只是它不是二进制的，而是一种四进制代码。有人甚至指出：除了专业术语不同之外，分子生物学杂志里面的每一页都可以换成计算机技术杂志的内容。另一方面，DNA能够对该信息载体进行一系列可控制的变换（即化学反应）。变换的具体方式是DNA的复制、剪切、连接、修复，变换的过程就是一种生命过程，也即生命的自构造性特征。因此，我们完全可以把生命看作是一台自然计算机，生命的进化法则就是算法。另外，DNA作为一种自然语言，和计算机程序语言一样，具有不同的层次，具有递归、并行、模块化的基本特征。现代生物学表明，一维线性分子在特定的环境中通过复杂而准确的信息处理，可拓展为一个丰富的四维时空生命体，这种展现过程所获得的新信息反过来又不断地反映到一维线性分子中，导致生物物种的不断进化。这正是DNA程序语言层次性的表现。一维DNA序列只不过是最低级的生命机器语言，所有的高级语言都必须编译成DNA序列语言才能执行。目前，DNA这种自然语言的词法、句法规则我们尚不清楚，但本质上是一种程序化语言[7] 。
DNA计算机的提出，就是一种分子算法的化学实现。以前分子算法，如自复制自动机、胞格自动机、遗传算法、人工生命等全都是在电子计算机上实现的，DNA计算机的出现是分子算法的化学实现的开端。这种立足于可控的生物化学反应或反应系统，无疑更加有力地直接地表明了生物现象与过程的计算特征。而这对于现代生物学的研究自然有着十分积极的影响。正如阿得勒曼所说：DNA计算机的构想，是从另一个角度出发启示人们用算法的观念研究生命。“算法对于生命的意义，就在于以过程或程序描述代替对生物的状态或结构描述，将生命表示为一种算法的逻辑，把对生命的研究转换成为对算法的研究”[8]。在这个意义上，生命就是程序、就是算法——一种能够实现自我复制、自我构造和自我进化的算法。在尼葛洛庞帝的《数字化生存》中，有一个已是众所周知的主题论断：计算不再只和计算机有关，它决定我们的生存。但是，尼葛洛庞帝仅是从社会生活的意义上说这番话的。我们在这里则要赋予它另一种新的含义——生理生存，即计算决定我们的肉体的生存。
生物学界这种算法观念的广泛运用，更增强了人们运用算法观念看待整个自然界的信心，拓展了人们对自然现象的理解。要知道生命是最复杂的自然现象之一，是自然界进化的最高代表。因此，我们完全有理由猜想：整个宇宙也是按算法构成的，是按算法演化的。现实世界之万事万物只不过是算法的复杂程度的多样性。从虚无到存在、从非生命到生命、从感觉到意识，或许整个世界的进化过程就是一个计算复杂性不断增长的过程。看来毕达哥拉斯或许真是对的：万物皆数！应该说，这便是DNA计算机所蕴涵的最深奥的哲学理念：数学可能是万物的基础，数学可能是现实世界和可能世界的核心。今天，我们或许应该将毕达哥拉斯的哲学再向前推进一步：存在的意识就是数学意识。因为DNA计算宣称数学处于生命的核心。
参考文献
[1]L M Adleman. Molecular Computation of Solutions to Combinatorial Problems [J].Science， 1994.266. Science， 1994． 266．
[2]M Linial. On the Potential of Molecular Computing [J]. Science， 1995．268．
[3]邓少平，等．DNA计算的一些基本问题［J］．科学（中文版），1996（5）．
[4]Barry Cipra．Computer Science discovers DNA［J］．What's Happening in the Mathematical Science．AMS，1996（3）．
关键词：人工生命；人工智能；人造生命；物理主义
中图分类号：N031 文献标识码：A 文章编号：16711165(2011)02002104
一般认为，“人工生命”、“人工智能”和“人造生命”是三个分别从计算机科学领域、智能研究和基因工程领域提出的概念。20世纪90年代未，中科院曾邦哲提出人工生物系统（artificial biosystem）的工程生物系统概念，用以整合计算机领域和遗传工程领域的两个概念。概念上的整合一方面体现了“人工生命”与“人造生命”两者之间的承接性，另一方面也预示着“人工生命”发展与生物学理论发展之间的密切关联。诚如“人工生命是具有自然生命现象的人造系统”[1]，那么进入微观领域，生命规律的探索与对生命分子的操作使得“人工生命”具有了反身性。这种反身性恰恰体现了“人工生命”研究并不在于使人“非人化”［2］，使生命也成为技术的对象，而是包含了一定生命认识的特殊生命活动。那么，剖析人类基因组计划的推进过程，就可能找到“人工生命”概念演进背后内在思想动因，从而为洞悉生命科学发展趋势提供一条线索。
一、“人工生命”阶段：肯定物理主义
在人体细胞核内，质量只有0.0000005毫克，宽度仅为0.02微米的DNA包含着大约30亿个碱基排列。科学家相信人类DNA序列是人类生命的决定因素，人类生命活动中发生一切事情都与这一序列息息相关。［3］除了特殊情况之外，DNA中含有的庞大信息能够被一字不差地复制，然后传给后代。要想获得这些信息，就需要测定DNA序列的碱基序列，这也是人类基因组计划的核心工作。那么，测序工作则成为“人工生命”的一个阶段，对生命信息传递过程的模拟也就构成了“人工生命”研究的起点。
基于人类全部24条染色体中3×109个碱基具有固定性的化学关系即A-T、G-C，于是DNA碱基序列的测定工作实际上可以被描述为科学家接受生命分子信号的过程。应用申农所建立的一般信息系统模型，在一定的指令下进行信号传递成为“人工生命”的最初目标。强人工生命观念将“生命系统的演化作为一个可以从任何特殊媒介物中抽象出来的过程”(John Von Neumann)。以抢占计算机存储的方式，生命演化过程被计算机程序模拟出来。人们相信，如果生命遵循既定的程序，那么只要编写好程序，生命就能进行准确的信号传递，也就实现了“人工生命”。首先试图为生命编写程序的是生物学家林登迈尔。20世纪60年代中期，林登迈尔为红海藻、青苔等植物的生长发育建立模型，提出了一种被称为“L-系统”的形态发生系统，又被称为“繁殖（发生）算法”。在编写好的程序下，生命系统转化为信号系统。生命信号模型以量化或模型化的方式来展示生命的属性。这意味着：“如果具有冯•诺伊曼式的自我复制能力或繁殖的能力，那么这个实体就是有生命的。”［4］
冯•诺伊曼所证明的自我繁殖的生命信号系统应和了人们对微观生命分子世界的物理主义观点，其实质是将诸如细胞这样一个具有新陈代谢功能的生命单元放在既定的关系下。尽管将生命活动视为一种生命信号传递颠覆了传统的生命物质实体论，却仍然将生命置于某种固定关系下，意味着其也不可能跳出物理主义的决定论框架。一方面，“人工生命”研究进行了生命信号传递模，并在计算机领域中建立虚拟生命系统；另一方面，人们在质疑申农的一般信息模型的同时也开始质疑“人工生命”。针对申农的一般信息模型，有学者认为：“申农通讯信息系统模型具有两方面的重大缺陷：一是该模型未能注意信息系统的一般反馈性机制；二是该模型描述的还仅仅是信息接收系统。”［5］可见，申农的一般信息模型不具有反馈性机制或不能够自创生。于是，这样一种生命的信息论观点，即“在生命运动之中物质实体-载体是流动的，组织形式-信息才是稳定保持的”［6］，表明“人工生命”所模拟的对象是在既定关系之下的生命信号的传递过程。
面对人类基因组计划这样巨大的基因工程项目，测定了组成人类DNA的约30亿个碱基中85%的碱基序列只是完成了所谓工作草图。获得的基因草图只是为给基因命名、分析基因创造了条件，需要进一步找到能够提供信息的标记基因，进行基因追踪，但寻找基因的工作却相当复杂。一般信息模型不可能作为模拟这一活动的基础。
二、“人工智能”阶段：怀疑物理主义
一般认为，人类共有5万~10万个基因，如果某个基因发生了变异或者产生缺陷，必然会引起机能上的障碍。根据变异的DNA标记基因来确定另外一个基因的位置，这样就可以将其位置制成详细的地图，通过检查DNA序列来识别基因突变。学者们以DNA标记为基础的DNA基因图谱寻找致病基因。在一阶段，“人工生命”模拟的对象是寻找基因，而寻找基因的关键则体现为对信息的识别。人类基因组计划在此阶段的工作可以反映“人工智能”的研究。
尽管早在1956年，美国的麦卡锡就提出“人工智能”(artificial intelligence)概念，但直到20世纪80年代末，人们才将“人工智能”作为“人工生命”的一种形式。“人工智能”阶段需要计算机能够准确识别信息。对于智能的研究涉及诸如意识（consciouness）、自我（self）、心灵（mind）、无意识（unconscious mind）等问题。对此，之前将生命作为信号系统的一般信息模型显然无法发挥作用。面对信息的识别和反馈机制等一系列问题，人们试图将信息学、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学各学科整合，并在计算机领域实践，甚至在机器人、经济政治决策、控制系统、仿真系统中应用。然而，这种学科上的整合并没有使人们找到合适的模型来取代之前的信号模型用以描述识别信息过程所具有的非线性特征。
对此，一部分学者试图通过重新定义“人工智能”概念，区分出强“人工智能”和弱“人工智能”的方式来解决问题。弱“人工智能”用模拟识别信息后所表现出的行为来反推对信息的识别，也就是让机器的行为看起来就像是人所表现出的智能行为一样。而强“人工智能”则将识别信息的功能强加于计算机，如约翰•罗杰斯•希尔勒（John Rogers Searle）就计算机和其他信息处理机器的工作形式提出“计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的”［7］。无论是强“人工智能”还是弱“人工智能”，都将“人工智能”划分为四类：机器“像人一样思考”、 “像人一样行动”、“理性地思考”和“理性地行动”。但是，这两种观点都没有进一步对任何一种类型进行模型化。这就表明尽管在观念上人们已经不再将生命系统作为信号系统，但其仍成为“人工生命”模拟的对象。
1999年，获得了诺贝尔生理学或医学奖的布洛贝尔创立了著名的“蛋白质的命运”假说，即关于新生成的蛋白质去向的“信号假说”。他认为细胞内存在某种信号，这种信号决定了新生成的蛋白质的去向。这意味着每个蛋白质都能够获得向某个地方移动的信息，就像邮编一样，可以让蛋白质找到准确位置。也就是说，由十几个氨基酸组成的“信号肽”使得蛋白质能够识别信息，并在某种程度上具有了主动性。这种主动性与物理主义的决定论观点发生了冲突。
弄清各种基因各自会生成何种蛋白质成为需找基因的重要环节，因为如果知道了信号肽的基因，就可以知道周围的基因是决定何种蛋白质的基因。“信号肽”的发现大大推进了人类基因计划，然而，“人工智能”研究中并没有明确给出一个可以超越一般信息模型的新模型。
三、“人造生命”阶段：突破物理主义
在识别了基因信息之后，就需要对基因突变作出解释。人们已经发现，致命的基因突变由于地域特征和环境不同，其结果也会各不相同。这就意味着，人们在对待人类基因时必须考虑环境的因素：一方面，环境可能使基因突变形成恶性基因，另一方面则也能促使发生有益的突变，从而形成更为适应环境的基因整体。从后者来看，环境如何引发新基因整体的形成就成为对基因与环境之间关系所进行的解释，这也就成为人类基因组计划的后期工作，此阶段的“人工生命”研究也将面临更为深入的问题。
“对基因整体性的认识大体有两类。一类是在分子遗传学坚信基因独立性存在的前提下，根据不同功能种类的基因间的协同关系诠释基因系统的整体存在。而今，这一方向已在原核生物领域取得辉煌的成果；另一类是在关注物种(种群)的发育和进化并结合分子生物学的基础上，探究基因的整体存在，即基因集成、基因组织单元及其关系的研究。目前，这一方向已受到综合进化论者及其他一些生物学者的高度重视。”［8］后者恰恰体现了环境对基因的作用。“人造生命”的提出则将这种作用的意义凸显出来。从其他生命体中提取基因建立新染色体的操作，实际上就是将特定基因从已有的环境中分离开来，再将提取的基因染色体放入新的环境之中，即嵌入已经被剔除了遗传密码的细胞中，这样染色体在新环境中形成新的基因组织，控制这个细胞，发育变成新的生命体。2010年5月20日，美国私立科研机构克雷格•文特尔研究所宣布：世界首例人造生命――完全由人造基因控制的单细胞细菌诞生，并将“人造生命”起名为“辛西娅”。这项具有里程碑意义的实验表明：新的生命体可以在实验室里“被创造”，而不是一定要通过“进化”来完成。“辛西娅”的产生在一定意义上证明了可以通过人工环境能够实现对基因的作用。
“人造生命”为“人工生命”提出了更深层次的问题。“人工生命”概念不同于传统生命观和科学观。“传统生物学用分析方法研究生命。通过分析，解剖现有生命的物种、生物体、器官、细胞、细胞器，即通过分析现有生命的最小部件来理解生命。人工生命用综合方法研究生命，在人工系统中对简单的零件进行组合，使其产生类同生命的行为，力图在计算机或其他媒体中合成生命。”［9］“人造生命”则进一步模拟生命整体功能如何形成。这也改变了对生命的认识，从“如吾所说的生命（lifeasweknowit）”转变为“如其所能的生命（lifeasitcouldbe）”［10］。生命作为各个功能叠加的物理主义观念被打破，取而代之的是一种功能整体性观念。
“人造生命”已有的成果在一定程度上揭示了环境对基因整体功能的作用机制，如果能够找到体现这种机制的模型，就将推动生命科学的发展。事实上，人类基因组计划都是建立在DNA分子序列的符号化前提下的。没有这种符号操作，人们就不可能应用计算机来获得、识别并整合生命信息。而这一符号学思路恰恰应和了美国著名的科学家、认知心理学家、人工智能学家西蒙（Simon Blackurn）的理论。西蒙的“物理符号系统假设”进一步阐释了这一思路。“物理符号系统假设”强调“所研究的对象是一个具体的物质系统，如计算机的构造系统、人的神经系统、大脑的神经元等。所谓符号就是模式，如任何一个模式，只要它能和其他模式相区别，他就是一个符号。”［11］“物理符号系统假设”从信息论模型进入了符号学模型。“人工生命”从对“生命表现出的行为的功能模拟”转向对“生命内在创造机制的功能模拟”。
这种符号学模型提示，在经常变化的环境作用下，微观生命分子形成了不同的功能整体，具有内在的适应性意义。人们在无法支配环境的情况下支配基因，就可能造成有害的影响。从“人工生命”、“人工智能”到“人造生命”的概念演进，可以得出承认生命本身具有内在意义，具有一定的主动性将成为未来生命科学理论发展的一种趋势。
参考文献：
［1］班晓娟.人工智能与人工生命[J].计算机工程与应用，2002(15)：1-7.
［2］林德宏.评人的“非人化”――一种现代技术机械论[J].自然辩证法研究，1999(3)：23-27.
［3］孙啸，陆祖宏，谢建明.生物信息学基础[M].北京:清华大学出版社,2005:9.
［4］李建会.生命科学哲学[M].北京:北京师范大学出版社,2006:127.
［5］邬.信息哲学――理论、体系、方法[M].北京:商务印书馆,2005:75.
［6］沈骊天.生命信息与信息生命观[J].系统辩证学学报，1998(4)：71-73.
［7］JOHN R. Minds, brains, and programs[J]. Behavioral and Brain Sciences, 1980, 3 (3): 417-457.
［8］董华，李恒灵.基因整体实在论[J].科学技术与辩证法，1997(6)：31-34.
［9］林德宏.科学思想史[M].南京:江苏科学技术出版社,2004:326.
关键词：自然计算；自然辩证法；一元论；物质智能
一、引言
自然计算（Nature Inspired Computation）具有模仿自然界的特点，通常是一类具有自适应、自组织、自学习能力的模型与算法，能够解决传统计算方法难于解决的各种复杂问题。自然计算的应用领域包括复杂优化问题求解、智能控制、模式识别、网络安全、硬件设计、社会经济、生态环境等各个方面[1，2]。在哲学领域也被有些自学科学家称为“人工生命”[3]。目前在哲学研究领域有提法为“计算主义”，认为“宇宙是一个巨大的计算系统”，自然界的运行规律即“计算”[4]。本文对自然计算的形成、发展和本质规律进行分析，指出其中所包含的自然辩证法思想。
二、自然计算的发展规律
计算方法从经典算法到自然计算的发展过程，是人类对事物的本质认识过程。人类早期在生产生活中，为了合理利用资源，提高生产效率，降低成本，想出了用最少的代价换取最高的效率的方法，即优化计算。通常把研究最优（或近优）解及其求解方法的学科称为优化计算。它是一种以数学为基础，用于求解各种工程问题优化解的应用技术。现代优化算法的主要应用对象是优化问题中的难解问题，也就是优化理论中的NP-hard问题[5]。
优化计算的理论和方法的形成分为三个阶段：古典极值理论、近代数值优化理论、自然计算。基于数学演绎和推理的微分法和变分法是早期古典极值理论的代表性方法，其中比较著名的有柯西（Cauchy）最速下降法、拉格朗日（Lagrangian）数乘法。随着社会生产力的发展，在本世纪40年代，针对运输和生产问题的线性规划求解方法被苏联科学家康托洛维奇提出，而且随后由于电子计算机的发明和飞速发展，基于计算机的近代数值优化方法占据了优化计算的主导地位。牛顿法、单纯形法、共轭梯度、变尺度法和模式搜索法等一系列有代表性的数值计算方法相继涌现并不断完善，使得优化理论形成为一门独立和完整的学科分支[6]。尽管在近代已经有大量的数值优化算法，但是这些理论和方法都是基于严格的数学模型，当模型中变量维数增高、约束方程较多且非线性较强，或者模型无法用现实的方程来描述时，这些数值优化算法都出现如下问题：不能进行有效求解；求解时间复杂度过高、求解精度较低（如陷入局部最优、解不稳定等）。而且由于问题的增加，形成了NP-hard理论，目前已经证明了传统的优化算法无法处理NP-hard问题。
进入80年代以来，生命科学与工程科学相互交叉、相互渗透和相互促进，优化技术和理论中神经网络、进化计算和群体智能计算等新兴算法相继出现和不断完善，形成了适应处理复杂问题并能够在非确定性、非精确环境中进行概率推理和学习的现代优化方法——自然计算[1，2]。自然计算从提出就受到各个领域专家学者的广泛关注，成为众多学科及其相互的交叉学科的研究热点。近年来，自然计算与生物学原理、脑神经科学等学科研究相互融合，在实际研究和应用中发现，它们之间的相互补充可以有效地表示和解决实际问题。随着近十年来智能计算理论的发展与丰富，智能计算的应用领域日渐宽广，在生物医学、工业控制、经济管理、数据挖掘、模式识别、网络智能控制等众多领域都取得了令人瞩目的研究成果和应用。
三、自然计算与一元论
早期人类算法是基于纯粹的数学理论演绎和推理的微分法和变分法，这些方法从本质上来说是人类对一部分自然规律的提取和抽象，是对自然界的不完全认识。随着生产力的提高和生产规模的扩大，人类遇到更多更复杂的问题，尽管这时候已经从最初的极值理论发展为数值算法理论，但是对于NP-hard这类问题人类还是束手无策。一部分科学家想到的是模仿人脑的思维方式去解决问题，即人工神经网络算法。最初的想法是认为如果研究清楚了大脑思考问题和解决问题的方式，构造出类似大脑的计算机神经系统，就可以让神经网络解决所有问题。其中有代表性的有两种神经网络构造方法，第一种是采用自上而下的方式，首先抽取大脑的思考问题的规则和方式，但由于人类还没有搞清楚大脑生理结构上的诸多奥秘，对人脑思考解决问题的规则更不可能完全获取，所以研究出来的神经网络有很多缺陷，造成对很多问题无法解决；第二种是采用自下而上的方式，模仿人类智能的产生过程。人类获取智能是从婴儿时期的遗传反应式智能，到通过学习、记忆获取知识，通过推理产生新智能[7]。这种方式较前一种方式更加接近人类智能的产生过程，但由于对人类智能产生过程的探索还不完全，这种方式构造的神经网络，也只能部分解决问题。
在智能计算被提出之前，生命科学家和计算机科学家通过探索，发现不只有人脑解决问题的方式具有智能，很多自然界的生物解决问题都具有智能。如群体智能算法，是从一些群体生物协作解决问题得到启发而形成。典型的例子如蜜蜂群体可以盖出规则的蜂巢，而且蜂巢的形状、大小以及其他特征都非常规则，似乎是预先计算好而用机械方式产生的[8]。同时期科学发发现生物的免疫系统也具有智能，在病毒入侵后，会产生免疫反应，产生具有记忆能力的抗体。当下次相同的病毒入侵后，能够迅速产生免疫反应，清除病毒。此外，免疫系统还能够分辨哪些组织细胞属于自身，哪些组织细胞被感染或者变异，并自动进行清除。结合这种方式，科学家发明了人工免疫算法[9]。随着越来越多的自然界物质（有机物和无机物都具有智能行为）的智能行为被发现，人类认识到以前的各种算法都只是自然界运行规律的部分体现，人类想要解决所有的NP-hard问题或者解决所有的计算优化问题，必须要认识到自然界运行规律的本质，自然界运行规律包含着解决所有问题的机制，于是将诸如神经网络计算、人工免疫计算、蚁群计算、人工鱼群计算、DNA计算等诸多智能计算都归结到自然计算。目前哲学家、生命科学家和计算机科学家都致力于研究自然界运行规律，获取自然界运行的本质，以便解决所有问题。
从自然计算的发展过程来看，人类提出诸多的算法，如经典的极值理论算法、数值理论算法，这些算法最后都被证明是自然界运行规律的部分体现，为了解决所有的计算问题，必须要用自然计算去解决。算法统一于自然计算，这正是辩证唯物论中一元论的体现。
关键词：人体解剖生理学实验；实验教学；教学手段；考核机制；改革
Research on reform in the experiment teaching of human anatomy and physiology
Bing Jie, Sun Yingyu, Sun Xiuying, Zeng Shaoju
Beijing normal university, Beijing, 100875, China
Abstract: In this paper, according to the human anatomy and physiology experiments of teaching experience in Beijing normal university ,it concluded an experimental program of teaching content, teaching methods and assessment mechanism for new reform and improvement. In the teaching content mainly from three aspects of reform and improvement; in the experimental teaching methods, to actively explore a variety of experimental teaching platform, designed to improve the quality of teaching experiments; in the evaluation mechanism, a reasonable course evaluation mechanisms can mobilize the enthusiasm of students.
Key words: human anatomy and physiology experiments; experimental teaching; teaching methods; assessment mechanisms; reform
人体解剖生理学是从宏观、药理和生理功能水平上研究人体和动物的生命活动及其功能的一门学科，是高等院校生命科学专业的重要基础学科。人体解剖生理学实验课程是生理学教学的重要组成部分，既是生理学理论与实践的相结合部分，又是对理论课程在形态结构、理论和技术上的进一步补充和深化。随着电子学、生物化学、生物物理学、神经生物学和分子生物学的发展，促进了解剖生理学的研究从宏观向微观领域的不断深入，应用神经生理和药理学，计算机等已能对脑电、心电的活动研究更为精细，交叉学科的不断发展以及生物科学发展的日新月异，生物科学的重要特点是其实验性，传统的实验教学已经不能跟上时代的需要。为此，改变传统的教学模式，引入新的教学手段和多元化的考核体系具有重要的现实意义。
1 人体解剖生理学实验教学内容的改革和完善
1.1 人体解剖生理学实验课程的精心设计是学生巩固学科基础和创新的源泉
为了促进学科间的交叉融合，我们学院将人体解剖学与动物生理学实验进行了合并，即人体及动物生理学实验。该实验课程共48学时，按每周4学时完成，为生物科学与生物技术专业的学科基础实验课程之一，包括人体解剖学和动物及人体生理学两部分内容。人体解剖生理学课教学内容的精心选择有利于学生巩固学科基础，也有利于在此基础上进一步的创新。
1.1.1 人体解剖学实验内容有效整合，重视学生基础知识的系统化
人体解剖学部分打破传统意义上的分章分节的教学内容模式，有效整合，彰显知识系统结构，根据机体功能分为四大部分：运动、循环系统，神经组织及神经系统，消化、呼吸系统结构和泌尿、生殖系统结构。该四部分内容几乎囊括了人体解剖学的全部知识要点，同时也兼顾了解剖学与生理学之间的密切相关性。在系统学习中明确人体解剖是个完整的体系，教学环节中做好整体设计，从而体现整体结构体系；另外，从解剖学各系统间的相互联系及有效衔接中将解剖形态学内容与生理学实验内容贯穿融合，把握和突出重点，夯实基础带动人体解剖生理学实验教学的阶段性发展。
1.1.2 生理学实验把握基础，在基础中勇于创新
生理学实验部分，在实验教学中保留了传统经典的教学内容，并在基础实验的基础上开设了开放性实验和创新性实验。经典的基础性实验，使学生掌握动物生理学实验的基本实验原理和基本操作方法，培养学生观察、动手、采集和分析实验结果能力，为培养学生创新能力打下良好基础。从整体上强调基础性和系统性，突出人体解剖生理学的基本实验技术，如蛙坐骨神经腓肠肌标本和神经干标本的制备、离体蛙心体外循环标本的制备、膜片钳技术、动物麻醉术、气管插管技术、家兔颈部手术、分离主动脉神经的方法、无创血压测量技术等。随着信息科学在生物学领域的不断开发及应用，引进操作方便简单的生物信号采集系统RM6240，对生理学信号进行多方位的采集分析，在同一个实验环境操作下，进行多通道同时测量和检测。如将蛙坐骨神经腓肠肌标本制备、不同刺激强度和频率对骨骼肌收缩的影响、神经干动作电位及其传导速度的测定、神经兴奋不应期的测定等实验内容可以集中在一次实验中完成。
在此基础上将原来分散的实验经过精心设计，强调实验结果中数据的统计学分析，用统计学软件做出相应的统计图表，从中找出变化规律，而不是简单地显示直接记录到的生理信号波形图，既做到结果的定性又做到了结果的定量分析，以科研数据表格的形式让学生在基础实验中掌握科研实验数据的采集，以及科研实验的思考方式，进而培养学生形成缜密的生物学思维方式。同时，在基础实验中加以创新性自主实验设计，创新实验要有明确的教学目标，只有在学会了该门实验学科的基础性实验操作之后，才能通过不断的学习、推理，进行创造性实验设计。在创新性实验中，学生要在一定的实验理论指导下进行设计实验，提出问题，从多角度、多思维等多方面给出解释。在自主创新实验中，应该让学生明确实验并不是量的积累，即不是为了获得过多的、漂亮的实验数据为目的，而是通过实验要解决怎样的科学问题，做实验的目的是什么，该实验有哪些实际的生物学意义。开放思维，不拘泥于原有的思维方式，大胆创新，大学时期正是学生思维活动最为活跃的时期，如蟾蜍的神经干动作电位速率的测定的过程中，有的学生就提出，咖啡是一种作用于中枢神经系统的兴奋饮品，那么咖啡对周围神经系统的作用又是怎样的呢，是兴奋性增强呢，还是抑制作用呢，这其中的关联又是怎样的呢。又比如酒精对外周神经系统的影响，联系醉酒驾车。实验技术和实验教学过程是一个连续、系统的知识体系，各实验项目之间有着内在的联系，综合性、设计性实验具有实验内容丰富，实验方法多样，实验形式较为灵活等特点，给学生提供极大的自由发挥的空间，有利于培养学生的创造性思维。
1.2 积极探索与运动生理学、心理学专业技术的交叉融合
积极探索与运动生理学及心理学专业技术的交叉融合，培养学生打破传统观念，在交叉学科中发现新的问题。交叉学科是新科学的生长点，对增强科研互利，开拓学科方向具有重要意义，在创新人才培养及实验课程建设中起着极其重要的作用。我校心理学专业在生理学领域一直处于国内外前沿水平，让心理学专业教师走进生理学实验课堂可以开拓学生的视野，启发学生从新的层面认识生理学问题。学科之间的渗透交叉有利于全方位人才的培养。
运动生理学是与我们日常生活最为相关的学科理论，如何有效地在日常生活中做好锻炼及提高锻炼的水平，怎样应用最佳心率指导运动健身等，运动学院的教师从心肺功能评定指标等人体运动生理的定义入手，可以让学生更加全面认识自身身体机能。有效地引进外院课程，增加了学生学习的积极性和主动性，更有效的在第一时间内让学生能学以致用。
2 实验教学方法多样化改革，提高实验课教学质量
2.1 高效引用高教社4A教学平台，促进学生学习自主化
网络教学平台在教学实验过程中发挥着基础性的支撑作用，近年来得到了广泛的应用，但各种网络教学平台功能的同质化及低层次，已经不能跟上新的教育发展趋势，高教社的4A教学平台是在新的学习理念及计算机技术的进步发展基础上发展起来的，该平台在搭建过程中注重学习设计、面向服务的体系构架，以适应学习、协作学习、移动学习的理念，集智能答疑、发展性评价、学习过程中信息的采集与分析、标准化等优势被引进到人体解剖生理学实验教学中。
通过该平台将零散的学习资源和学习内容有机的组合成更系统化，更有针对性的网络课程，以适应学生的课前学习。通过该平台的学习，可以根据学生在平台上的表现，为学生提供不同的学习起点、学习策略和学习方法，从而有效地帮助学生更好地学习该门课程。高教社4A平台为实验教师提供了很好的与学生交流讨论的平台，同时也更加个性化的根据不同的学生个体制定出个性的学习计划，赋予了实验教学空间上的多维性和信息来源的广泛性，充分尊重学生的主体地位和个性发展，使学生在知识掌握和技能学习上更加的高效。
2.2 模拟实验教学软件的引入，提高学生操作技能
人体解剖学实验和生理学实验的合并及交叉融合，使实验课时的比例相应减少，理论和实验安排出现了分离，导致生理学实验学的完整性和系统性受到一定的影响，随着计算机科学的发展，我们逐步将成都仪器厂与浙江医学院合作开发的人体解剖生理学虚拟实验引入到生理学实验教学中，让学生在虚拟实验环境中，生动地理解实验原理和步骤，观看正规的实验操作演示，并通过与课件交互操作，真实、动态地完成生理学实验，下一步我们计划将该模拟系统加载到网络服务器，使学生对实验课程的学习不受时间空间的限制，更好地熟悉实验、预习实验，从而保证实际实验操作中的准确性，对于基础的实验操作的熟悉，可以有效节约课堂教学时间进行综合实验及开放性创新性实验的开展。
2.3 RM6240B系统的开发性应用，有效降低实验操作难度
RM6240B多道生物信号采集与处理系统是多媒体智能计算机生理学实验系统，集生物信号采集、放大、显示、记录与分析为一体，使得传统的人体解剖生理实验无论在操作过程上还是在波形描记上都得到极大的改善提高。RM6240生理信息采集系统利用到人体解剖生理实验中，具有强大的优势，为该学科的实验提供一个直观的教学用具，对学生理解该学科的知识点具有重要作用。实验手段和设备的不断更新，促进了人体解剖生理学实验教学的发展。该软件在数据分析上的开发利用，可以更加精确地分析数据、计算数据、自动完成数据统计等工作，使得本科生对实验数据的采集及生物学研究的数据分析有了更加全面的认识。
3 建立合理的人体解剖生理学实验考核体系，调动学生学习积极性
以手术操作为主体的人体解剖生理学实验在实验考核问题上，一直以来都存在着很大的分歧，过去实验课总是与理论课合在一起考核，实验的分数仅占30%左右，这样不能真实反映学生的实验水平，一些学生往往通过提高理论课成绩来弥补实验课成绩的不足，这对全面考核学生的实验能力具有一定的缺陷，在传统考核中虽然平时实验考核在最后成绩中也占一定的分数比例，但由于缺乏一套完善的评分体系，所以对学生实验平时成绩的评定缺乏客观公正性。合理的成绩评价有利于学生平时更认真地掌握实验操作，从而巩固和提高学生动手的能力。为此我们参考一些成功的教学研究制定了符合人体解剖生理学实验的考核体系方案，该方案主要包括3个部分：(1)课前预习，高教社4A平台有一项功能可以针对本学期选修课程的学生在线学习时间、学习活动和自测，在学期末的时候自动形成学生学习档案，通过该项预习学习档案，我们给出该门课程的第一部分成绩。(2)第二部分成绩，是通过实验课上学生对待实验的态度、实验操作技能、实验课上随堂测试以及每组实验后对实验室物品的维护和值日情况给出成绩，其中，为什么要把实验室物品每组的维护及值日也作为考核的一项标准？原因在于对年轻的大学生来说，为培养学生从实践中认识普通劳动的意义，让学生在值日中及自身实验物品规划中培养一种情商教育，学生有一种惰性，学习好一切都不管，以至于实验好，但不收拾，不懂得理解并尊重劳动，这对于未来自身的发展有很大的局限性，所以将此项也作为一项量化的标准，帮助学生全面的发展。(3)第三部分成绩取决于学生实验报告的总结归纳，以及综合性、创新性实验论文的实验答辩讨论、提出的问题等给予相应的成绩。因为学生在实验中不仅要掌握科学的实验方法，还要对实验原理进行深刻的思考，对实验现象进行细致观察和深入分析，以便实现对知识的透彻理解和掌握，所以实验后对实验内容的总结归纳讨论，也是实验学习考核中重要的组成部分。
4 结束语
实验教学实践表明，在人体解剖生理学实验教学过程中，逐渐由以教师为主转向以学生为主，从基础实验教学到引导学生在实践中发现新知识、掌握新内容，不断提高学生的理论水平和实验操作能力，并培养学生的合作精神及解决问题的能力。在不断创新改革人体解剖生理学实验教学，不断深化教学内容方法改革，不断创新借鉴适应新的发展需求中，不断地提高教学质量，为新时期人才培养做出相应的贡献。
参考文献
[1] 左明雪.人体解剖生理学[M].北京:高等教育出版社,2003.
[2] 黄艳红.生理学实验教学改革初探[J].实用预防医学,2006,4:1048-1049.
[3] 赵蕾.食品与发酵工艺学课程的教学改革与实践[J].微生物学通报,2009,9:1429-1431.
[4] 郑宏珍,初佃辉.交叉学科建设与创新型研究生培养[J].信息系统工程,2010:114-116.
[5] 谢晓林,余胜泉,程罡,等.网络教学平台的新发展[J].开放教育研究,2007,5:12-25.
[6] 林桂平,向秋玲,王淑珍,等.虚拟实验及其在生理学教学中的应用[J].医学教育探索,2007,10:948-955.
[7] 李家敏.Rm6240B/C在人体解剖生理学实验中的应用[J].实验科学与技术,2007,6:32-34.
[8] 阮琴.人体解剖生理学实验教学改革的探索[J].考试周刊,2010,24:30.
随着国家创新体系的建立，统计创新工程已经提上议事日程，统计创新包括两个方面，一是统计实践的创新；二是统计教育的创新。创新的基础在于教育，没有统计教育的创新，就谈不上统计实践的创新。准确把握统计学的发展方向与发展形势，培养适应新世纪社会经济发展需要的人才，是统计教育工作者必须面对的问题，本文从统计学的基本发展趋势谈一谈统计教育急需改革的几个方面。
一、统计学的基本发展趋势
纵观统计学的发展状况，与整个科学的发展趋势相似，统计学也在走与其他科学结合交融的发展道路。归纳起来，有两个基本结合趋势。
（一）统计学与实质性学科结合的趋势
统计学是一门通用方法论的科学，是一种定量认识问题的工具。但作为一种工具，它必须有其用武之地。否则，统计方法就成为无源之水，无用之器。统计方法只有与具体的实质性学科相结合，才能够发挥出其强大的数量分析功效。并且，从统计方法的形成历史看，现代统计方法基本上来自于一些实质性学科的研究活动，例如，最小平方法与正态分布理论源于天文观察误差分析，相关与回归源于生物学研究，主成分分析与因子分析源于教育学与心理学的研究。抽样调查方法源于政府统计调查资料的搜集。历史上一些著名的统计学家同时也是生物学家或经济学家等。同时，有不少生物学家、天文学家、经济学家、社会学家、人口学家、教育学家等都在从事统计理论与方法的研究。他们在应用过程中对统计方法进行创新与改进。另外，从学科体系看，统计学与实质性学科之间的关系绝对不是并列的，而是相交的，如果将实质性学科看作是纵向的学科，那么统计学就是一门横向的学科，统计方法与相应的实质性学科相结合，才产生了相应的统计学分支，如统计学与经济学相结合产生了经济统计，与教育学相结合产生了教育统计，与生物学相结合产生了生物统计等，而这些分支学科都具有“双重”属性：一方面是统计学的分支，另一方面也是相应实质性学科的分支，所以经济统计学、经济计量学不仅属于统计学，同时属于经济学，生物统计学不仅是统计学的分支，也是生物学的分支等。这些分支学科的存在主要不是为了发展统计方法，而是为了解决实质性学科研究中的有关定量分析问题，统计方法是在这一应用过程中得以完善与发展的。因此，统计学与各门实质性学科的紧密结合，不仅是历史的传统更是统计学发展的必然模式。实质性学科为统计学的应用提供了基地，为统计学的发展提供了契机。21世纪的统计学依然会采取这种发展模式，且更加注重应用研究。
这个趋势说明：统计方法的学习必须与具体的实质性学科知识学习相结合。必须以实质性学科为依据，因此，财经类统计专业的学生必须学好有关经济类与管理类的课程，只有这样，所学的统计方法才有用武之地。统计的工具属性才能够得以充分体现。
（二）统计学与计算机科学结合的趋势
纵观统计数据处理手段发展历史，经历了手工、机械、机电、电子等数个阶段，数据处理手段的每一次飞跃，都给统计实践带来革命性的发展。上个世纪40年代第一台电子计算机的诞生，给统计学方法的广泛应用创造了条件。20年展起来的多元统计方法虽然对于处理多变量的种类数据问题具有很大的优越性，但由于计算工作量大，使得这些有效的统计分析方法一开始并没有能够在实践中很好推广开来。而电子计算机技术的诞生与发展，使得复杂的数据处理工作变得非常容易，那些计算繁杂的统计方法的推广与应用，由于相应统计软件的开发与商品化而变得更加方便与迅速，非统计专业的理论工作者可以直接凭借商品化统计分析软件来处理各类现实问题的多变量数据分析，而无需对有关统计方法的复杂理论背景进行研究。计算机运行能力的提高，使得大规模统计调查数据的处理更加准确、充分与快捷。目前企业经营管理中建立的决策支持系统（DSS）更加离不开统计模型。最近国外兴起的数据挖掘（Data mining，又译“数据掏金”）技术更是计算机专家与统计学家共同关注的领域。随着计算机应用的越来越广泛，每年都要积累大量的数据，大量信息在给人们带来方便的同时也带来了一系列问题：信息过量，难以消化；信息真假，难以辨识；信息安全，难以保证；信息形式不一致，难以统一处理；于是人们开始提出一个新的口号“要学会抛弃信息”。人们考虑“如何才能不被信息淹没，而是从中及时发现有用的知识，提高信息利用率？”面对这一挑战，数据挖掘和知识发现（DMKD）技术应运而生，并显示出强大的生命力。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。虽然统计学家与计算机专家关心Data mining的视角不完全相同，但可以说，Data mining与DSS一样，使得统计方法与计算机技术的结合达到了一个更高的层次。
因此，统计学越来越离不开计算机技术，而计算机技术应用的深入，也同样离不开统计方法的发展与完善。这个趋势说明：充分利用现代计算技术，通过计算机软件将统计方法中复杂难懂的计算过程屏障起来，让用户直接看到统计输出结果与有关解释，从而使统计方法的普及变得非常容易。所以，对于财经类统计专业的学生来说，一方面要学好统计方法，但另一方面更加要学会利用商品化统计软件包解决实践中的统计数量分析问题，学好计算机信息系统开发的基本思想与基本程序设计，能够将具体单位的统计模型通过编程来实现，以建立起统计决策支持系统。
所以统计与实质性学科相结合，与计算机、与信息相结合，这是发展的趋势。了解这一点，再来看我们目前教育中的问题就更加明显了，所以一些课程要改革，教学方式也要改革。以下谈一谈统计教育需要改革的几个方面。
二、统计教育的改革
(一)统计专业课程建设问题
专业建设考虑的是应当培养什么样的人才和怎样培养这样的人才。专业建设的核心问题是课程设置和规范课程内容。课程设置主导学生的知识结构，培养统计理论人才应当设置较多的数学课程，目的是让学生能对各种统计方法有较深刻的理性认识；培养应用统计人才应当设置较多的相关应用领域的专业课程，目的是让学生如何能将统计方法正确地运用到相关领域。例如培养从事经济管理的统计人才，在课程设置上至少应当包括四方面的知识：（1）经济理论课程，让学生了解经济活动的主要进程和基本规律；（2）研究社会经济问题主要统计方法，包括常用的统计数据搜集方法，统计数据处理方法和分析方法；（3）适用电脑技术，让学生初步掌握运用电脑进行统计数据处理和分析的基本理论和技能；（4）有关统计理论和统计实践中的前沿性问题，目的不在于要学生真正掌握这些问题，而是让学生了解统计理论和统计实践的前沿发展动态，启迪学生的科学思维能力。
(二)教学方法和教学手段的改革
统计教学方法和教学手段改革中，有两个焦点问题：一是如何激发学生学习统计学的兴趣；二是应用什么教学手段来达到较好的统计教学效果等。充分运用现代教育技术、教学手段，更新教学方法，促使教育技术、教学手段和教学方法有机结合。
1.改灌输式教学为启发式教学，特别注重教育多样化和多层次性，不仅让学生掌握如何搜集、整理数据的技术，还要教学生读懂数字背后的事实。学会按照具体与抽象、动态与静态、个体与总体、绝对与相对、一般与特殊、演绎与归纳等不同的思维方式分析问题和解决问题。注重利用一题多解与一题多变，开拓学生的发散思维。
2.改单向接受式的教学为双向互动式教学，以案例分析与情景教学开启学生的思维闸门，使学生更形象、快捷的接受知识，发挥其独立思考与创造才能，培养学生创造性思维能力。
3.构建以课堂、实验室和社会实践多元化的立体教育教学体系。在传授和学习已经形成的知识的同时，加强实践能力锻炼，提高学生的动手能力和创新能力。只有将统计学的方法结合实际进行应用，找到应用的结合点，才能使统计学获得最大的生命力。
（三）统计学与计算机教学相结合
教材要与统计软件的应用相结合。现在许多教材都是内容与软件分家，现在计算机已非常普及，无论是高校、高职和中专，培养出来的学生不会用统计软件分析数据，不管哪一个层次，都已说不过去。统计学是一门应用的方法型学科，统计学应从数据技巧教学转向数据分析的训练。统计学与计算机教学有机地合为一体，让学生掌握一些常用统计软件的使用。除了要培养学生搜集数据、分析数据的能力外，还要培养学生处理大量数据的能力，即数据挖掘的能力。
（四）教学与实际的数据分析相结合
统计的教学不能只停留在课本上，案例教学与情景教学应成为统计课程的重要内容。统计教学和教材增加统计实际案例，通过计算机对大量实际数据进行处理，可以在试验室进行，亦可在课堂上进行讨论，这样学生不仅理解了统计思想和方法，而且锻炼和培养了研究和解决问题的能力。
（五）要有一批能用电脑、网络来教学的新型教师
电脑、网络的出现，不仅改变了教学的手段，还深深地影响着教学的内容，因为它影响着经济、生活的发展和需求。语文（中文、外文）、数学、计算机、专业知识是一个统计人才必备的素质，它们之间不是分离的，而是要尽可能结合在一起来进行教学，各管各教一套的办法已不适应现代化教育教学的需要，现代教育特别注重教育信息技术中的多媒体、网络化、社会化和国际化、多样化和多层次，有了电脑、网络，必需要更新，要培养出一批能用电脑、网络来教学的新型教师，以便培养出新型的21世纪的人才。
[参考文献]
[1]贺铿.关于统计学的性质与发展问题.中国统计，2001.9.
[2]袁卫.国外统计高等教育发展的趋势及对我国统计教育改革的思考.中国统计，2001.10.
2011年5月21日，中华医学会数字医学分会在第三军医大学举办隆重的成立大会。该学会的成立，标志着在钟世镇院士倡导下，以解剖学为基础的“虚拟人”发展到“数字医学”，数字医学成为生命科学、工程学与计算机科学交叉的新兴学科。
中华医学会、重庆市政府、总后卫生部、第三军医大学等单位的领导，以及来自全国医疗行业的专家教授200余人出会。大会选举张绍祥教授为中华医学会数字医学分会第一届委员会主任委员。
张绍祥教授认为：数字医学是指现代医学和数字技术相结合，包括医学、计算机科学、数学、电子学、机械工程等多学科的一门新兴的交叉学科。数字医学具有强大的生命力，它不仅突破了传统的学科架构，而且渗透到医学的各个方面，带来医学的革命性变化，现已成为当今世界最为活跃的前沿学科之一。数字医学涉及许多方面，目前在外科手术导航、影像立体重建、人体器官个性化制造等方面有所建树和突破，为临床医学带来全新的手段。
在医学界，钟世镇院士被誉为中国现代临床解剖学的奠基人、中国数字人和数字医学研究的倡导者。2001年，钟世镇院士在第174次“香山科学会议”上首次研讨了“中国数字化虚拟人体的科技问题”。中国人体数据库初步建成后，钟世镇院士开始担任“中国数字人研究联络组组长”。
钟院士介绍，数字医学由“虚拟人”发展而来，而“虚拟人”研究分为四个发展阶段：第一阶段是数字可视人；第二阶段是数字物理人，拥有人体的物理性能，可以模拟肌肉的运动；第三阶段是数字生理人，可模拟人的生理功能，到达第四个阶段的数字智能人则将具备一定的思维能力。
目前，中国对“虚拟人”的研究已经达到第三个阶段――数字生理人。数字人课题组已构建了八套男女全身数据集，数十套人体器官数据集，以及数十套用于了解人体结构的数字化解剖软件。
“虚拟人”技术一经推出便吸引了各个领域的目光。除医学领域，在汽车碰撞实验、航天技术、服装设计业、影视等方面，“虚拟人”技术也充分得到运用。在“神六”返回舱设计和着陆过程中，“虚拟人”数据集同样功不可没。
然而，令钟世镇更为关心的是，如何能让“虚拟人”技术在医学领域推陈出新，将解剖学这一古老的学科变为真正的“朝阳学科”。“要解决‘治病救人’的问题，现在我们更应该倡导‘数字医学’，转向临床当中的实际运用问题。”钟院士说。
为了使“数字医学”这门新兴的学科更好的发展，在钟世镇、戴戎、王正国等院士和傅征教授的联名提议下，经中华医学会、中国科协、国家民政部批准，中华医学会数字医学分会于2011年5月正式成立。
“虚拟人”研究
人体是由一百多万亿个细胞组成的复杂整体，仅人的神经系统就约有1000亿个神经元，而且由细胞构成的组织器官间的相互作用，人体与外界环境的冲突与和谐，这些极为复杂的变化对于人类自身至今还是一个充满未知的神秘世界。
1895年德国科学家伦琴在一次实验中偶然看到了射线下妻子的手骨，这是人类有史以来第一次透过皮肤看到自身内部，由此揭开了人类利用以X线为代表的透视工具探索人体内部奥秘的序幕。
今天科学家们掌握的透视工具越来越多，但是仍然无法满足人类更为全面了解自身的渴望。科学家们为此所做的全部努力都在指向同一个问题，究竟利用什么样的手段能重建可以真实的反应人类生理机能活动的虚拟人体。
1989年美国人在这个领域率先跨出了关键性的一步，他们设想：能否将人体标本通过计算机技术转换成人体数据集，能够让使用者象检索图书资料那样方便的查询、获取人体信息。这个项目由美国国立医学图书馆发起，计划的名字通俗易懂而且充满想象力，它被正式命名为：虚拟人类计划。这个大胆的设想在当时一度引起医学界的怀疑。要采集这些数据必须先将人体标本切成薄片，并用数码相机和扫描仪对切面进行拍照、扫描，之后将数据在计算机里合成三维的立体模型，其中的精心程度与庞大的工作量可想而知。1991年和1994年研究小组分别选择了男女各一具尸体作为标本获取了完整的人体数据，这些数据称为V.H.P.数据集。在1989年到1994年的五年里，美国人把虚拟人类的构想推进到了试验阶段，这意味着美国“虚拟人”技术已经达到了可视程度。
虚拟人类自己这显然是一个大胆的设想，而当人们通过理性分析发现“虚拟人”绝不是另外一种克隆时，“虚拟人”研究就必然成为一项激动人心的重大科研项目。
1996年在美国国防部非致命武器委员会的积极支持下，橡树岭国家实验室牵头酝酿“虚拟人”创新计划。在他们的构想中，“虚拟人”应该能够模拟人体在外界物理刺激下的反应，他会象真人一样骨头会断、血管会出血，有专家称之为：虚拟物理人。如果说虚拟可视人还仅仅是一个可供人们观看的人体模型，虚拟物理人则使得这个模型有史以来第一次对外界刺激有了反应。在科学家的计划中它不再是一个静止的标本，人类将在计算机建造的虚拟世界中看到另一个自己在呼吸、走动，更会通过模拟各种环境的变化，探测人体极限。这个计划的目标已经非常接近科学家一直梦想的虚拟人类。
由于构成“虚拟人”的数据来源于自然人，因而“虚拟人”具有民族、区域等特征，东方人的特点明显的与欧美人不同，因此中国建立具有自已国家人种特征的数字化人体模型成为填补空白的问题。
美国“虚拟人”研究小组在2000年就已经建立了人体主要器官的三维模型，中国的“虚拟人”计划要在技术上占领哪个制高点？人体内的血管系统可以分为四级，数量达到上千万条，手术时医生往往需要更为完整、微观的血管地图，以制定安全的手术方案。长期以来尽管医学专家尝试了很多办法，但是这些大大小小错综复杂的血管网络的具体形态分布仍然充满未知，因此怎样将人体血管系统通过不同颜色准确区分出来，成为一项具有挑战性的课题。
从1996年开始，美国“虚拟人”研究小组就面向全球征集建立血管模型的解决方案，但是其中的关键问题一直没有获得解决，而钟世镇院士独有的血管铸型技术为中国人在这个领域有所突破提供了可能。由此中国“虚拟人”项目的关键技术被正式确定为攻克血管模型。2001年11月举行的第174次香山科学会议被认为是中国数字“虚拟人”研究的开篇。中科院李华博士、第一军医大学钟世镇院士、首都医科大学罗述谦教授等人向国家提出了研究中国“虚拟人”的设想，很快“虚拟人”技术研究被列入国家863项目。
2002年12月，广西一名19岁的女孩因不慎误食毒蘑菇引起食物中毒死于广州，家属同意捐献其遗体。经过科学家们仔细检查与评估，最终决定以她作为人体标本采集数据。中国第一例“虚拟人”――虚拟人女一号数据开始采集。中国第一例“虚拟人”数据采集，每片标本的切削间距为0.2mm，对每片标本进行拍摄平均需要3分钟，为保证切削连续性，工作人员要在低温环境下昼夜轮换持续工作，整个切削过程持续了一个月。2003年2月16日虚拟人女一号完成图像采集。中国第一例虚拟人体数据采集共获得8556张断层图片，每片间距0.2mm，总数据量149.7GB，切片数据被存成计算机可以识别的数字信息，进行数据处理。罗述谦教授领导着一个研究小组，海量数据汇集到这里，他们面对的问题就是将近万张二维图片在计算机里合成，并将其数字化变为三维立体人。要完成这个工作，首先要解决的是数据的精确配准问题，所谓配准就是把这8556层对齐，因为切削加工时间比较长，前后有一个多月的时间，由于机械加工的一些晃动，数码相机的移动，以及照明的不一致性，因此就造成一些断层图像有相对左右位移和上下位移，如果不能有效地校正这些位移的话，重建出来的这个人体周围就是虚的。将8556张图片中大大小小上千个器官组织一一对准，是一个要付出极大耐心的工作。尽管可以利用专门的软件作为工具，要完成这样的任务对于负责模型重建的工作人员仍然是一项极大的挑战。
大脑是人体最为重要的生命器官，人体许多疾病的发生、发展与大脑深度的核团密切相关，长期以来大脑核团的具体形态与结构一直是一个谜。研究人员希望通过“虚拟人”技术将这些大脑核团准确标识出来，为临床医学家提供更为精确的三维图谱。
人体三维模型建立的精确与否直接关系到“虚拟人”数据集的应用价值。血管模型的精确重建为将来临床上的进一步应用奠定了基础。同时李华博士的小组还进行了另一项具有挑战性的工作，他们尝试对人体最为复杂的神经组织进行重建。从2003年虚拟人女一号数据集采集完成以来，经过近一年多的努力，基本完成了人体标本大部分器官组织的重建工作。
数字医学研究取得重要进展
“虚拟人”能做什么？究竟有什么用？成为大家日益关心的问题。
近百年来尽管人类医疗手段在不断更新，但是针对人体重要器官的手术风险依然严重威胁着患者的健康与生命。医生一直致力于建立更为有效地模拟手术平台，训练临床医生便捷的获得手术经验。“虚拟人”技术的出现有助于这个梦想成为现实。它给全球的医学工作者在改变现有手术训练模式方面提供了极大的想象空间。
眼睛是人身上最为脆弱的器官之一，长期以来眼科手术的复杂性以及高危险性，一直是令临床医生头疼的问题。一名眼科医生在走上手术台之前至少要经过50次手术训练。医学上一直在探索一种能够低成本、耗时短、有效的手术培训方式。
针对眼科医生在手术训练方面遇到的困难，厦门大学计算机系王博亮教授尝试建立人体眼球单个器官的模型。在他的实验中，眼球的切削精度达到了20μm的细胞级别。为了使自己的研究成果能够紧密结合临床，王博亮找到了眼科手术专家吴医师作为合作伙伴，共同研究虚拟眼球在临床上应用的可能性。他们的目标是建造一只能模拟人类眼睛的各种生理机能的虚拟眼球。它不仅能够帮助眼科医生进行手术训练，还帮助眼科专家揭示人类眼科疾病的发生机理。
今天已经有越来越多的科学家从自己的专业角度出发加入“虚拟人”技术研究领域。他们纷纷从人体单元器官的重建入手，尝试对人体主要组织器官进行更为细致、精确的重建。他们设想在不远的将来可以通过复杂技术将这些分散的器官整合为一个三维的立体人体模型。这个模型的建立将把人类对自身的认知提高到一个前所未有的水平。尽管目前还处于研究的初级阶段，但是科学家们坚信：他们目前所做的种种努力正在为将来激动人心的各种可能性铺平道路。
在完成可视化人体模型的基础上，科学家们还希望“虚拟人”还能像真实的人类那样具有各种物理、生化反应。在以往的科学实验中，大量的采用动物甚至是真人来得到实验数据，在成本居高不下的同时，实验结果还存在各种不确定性。“虚拟人”技术的成熟有助于改变这种现状。在“虚拟人”身上加载人体物理反应模型之后，能够很方便的获取各种反应数据，从而让“虚拟人”代替人类在不可想象的严酷环境中完成人类不可能完成的任务。
今天“虚拟人”技术的应用设想还在不断延伸，更多领域专家的介入使得我们看到“虚拟人”应用的更多可能，在交通、体育、服装、航空、航天等领域，“虚拟人”将如何改变我们的生活，这个充满诱惑的问题正在不断激发着人类的想象力。毫无疑问“虚拟人”技术的发展为人类生活的改变展现了广阔的前景，与民众对此表现出的极大热情相对应，科学家们对于这种预测表现出更为谨慎的态度。
以“虚拟人”技术为基础的数字医学是新兴的学科，在我国已经有了积极的探索和长足的发展，在服务临床方面进行了积极有益的探索。
第三军医大学交通医学研究所尹志勇等人采用计算机仿真技术开展模拟颅脑、胸部撞击伤的研究，深化了对损伤机制的认识，事故再现的分析研究，协助交通管理部门更准确地判断事故的发生情况和肇事者的责任，受到有关部门的高度评价。第三军医大学野战外科研究所陈青等利用计算机图像重建技术，采用三维图像对外周神经再生规律进行可视化研究。类似的研究工作在全国多家研究机构已经大量开展。
2007年，“怪头娃”刘京在厦门市第一医院手术成功。这是我国完成的首例颅腔重建全颅再造手术，也是国内首例在临床上成功运用计算机三维仿真技术设计全颅再造。厦门大学计算机系王博亮教授带领团队应邀参加设计了颅骨切割和重建的计算机模拟手术过程，精确测算了刘京大脑的容积与颅腔的容积，为手术的成功奠定了基础。
张绍祥教授主持的“中国人体三维结构数据库建立”、“中国数字化可视人体数据获取关键技术研究”、“中国数字化可视人体分割数据集的建立”等6项国家自然科学基金课题获重要研究成果。
北京天坛医院开展的“颅内肿瘤虚拟仿真研究”；昆明军区总医院开展的“数字技术在脊柱侧弯手术治疗中的应用”；广东省自然科学基金支持的“数字医学技术在肝胆胰外科疾病诊断和治疗的应用研究”；南方医科大学珠江医院开展的“数字医学技术在肝血管瘤切除术中的应用研究”、数字医学技术在V、VI段肝癌切除术中的应用”等研究对推动我国数字医学研究的发展做出了重要的贡献。
数字化医学内植物技术研究工程化
植入物在医学领域的应用已非常普遍，仅以在骨科的应用为例， 2002年世界骨科植入物的销售额已达到140亿美元，随着人口的老龄化和严重创伤疾病等的增加，这一数字还以每年20％的速度增长。近年来，随着数字化高新技术和生物科学技术的发展，借助计算机辅助设计与制造技术（CAD/CAM技术）、快速原型技术、计算机图像处理与三维建模等手段，上海交大以人工关节为切入点，研发人工关节设计、制造及临床应用中的数字医学关键技术，同时借助已开发的系列细胞学和分子生物学的手段，增强植入物的生物学功能，促进与人体组织的整合。
1. 个体化人工关节的快速化制作技术和应用
在国家863项目基金支持下，为了进一步克服影响个体化人工关节临床应用与推广的主要障碍，缩短假体的生产周期、降低成本，上海交大基于大批量定制理念开展了有关个体化人工关节的快速化制作技术的研发。依靠CAD/CAE/CAM/PDM技术、参数化变量化设计技术、虚拟制造技术、成组技术等新技术，对各关节假体的个性化需求进行分类，找出尽量多的共性元素，除关节优先区外，在不影响人工关节的力学性能和功能条件下，通过改变肩、肘、髋、膝、踝关节的设计，增加人工关节的共用组件，并减少共用组件的规格品种；统一原材料探伤、表面喷涂、焊接、杀菌、包装的工艺装备。对手术辅助器械设计和工艺流程采用同样的原则，生产用模具、夹具设计尽可能采用互换件，使制造技术合理化，优质、高效、快速地制造出满足用户个体化需求的假体。
2. 人体化人工关节的结构仿生和生物学优化
个体化人工关节多数以形态仿生为主。手术以恢复病损部位的大体形态和基本的生理功能为目的，甚至仅为了保肢，远未达到功能仿生的要求。为了进一步提高个体化人工关节对毁损关节功能替代的质量，上海交大开展了人工关节结构仿生优化研究：包括运动学仿生和稳定性仿生，研发符合正常肩、膝、髋、肘、踝关节的三维共轭活动模式以及重建大节段骨切除和软组织切除患者的关节稳定性，研发出具有自主知识产权的新型个体化假体。同时为了提高人工关节的生物相容性，上海交大开展了假体材料的优化研究，如在β型钛合金中加入生物相容性良好的铌和锆，使钛合金在保持其抗腐蚀性和力学强度的同时，进一步提高生物相容性、降低弹性模量，从而有效降低假体的应力遮挡效应；又如对假体表面真空等离子喷涂生物活性钛（Ti）、氧化钛（TiO2）涂层，使其具有优良的力学性能，加强涂层与合金基体的结合以及假体-骨整合，并实现个体化加工。
数字医学研究机构
全国各地纷纷成立数字医学研究机构，第三军医大学、上海交大、复旦大学分别成立了数字医学研究院和研究中心，国内至今已经构建了8个高精密度的中国人体数据集。
重庆市数字医学研究所（重庆市数字化人体工程研究中心）由第三军医大学建立，开展数字化可视人体的相关研究。第三军医大学于2002年正式成立“计算医学研究室”，并建立了首套中国数字化可视人体数据集，使中国成为继美国之后世界上第二个拥有完整可视人体自主知识产权的国家；2003年5月成立“重庆市数字医学研究所”；2007年成立“重庆市数字化人体工程研究中心”。目前建立了基于数字解剖学和数字医学研究的开放性实验室。研究成果包括2002年完成中国男性数字化可视人体数据集的建立和三维可视化；2003年完成女性数字化可视人体数据集等。中国数字化可视人体数据集荣获2007年国家科技进步二等奖；手部创伤修复解剖学研究及临床应用荣获2001年国家科技进步二等奖。
