浅谈生物信息学在生物学研究中的应用

第一篇：浅谈生物信息学在生物学研究中的应用

10生乙 尹竹10517109

浅谈生物信息学在生物学研究中的应用

生物信息学（Bioinformatics）是一门新兴的、正在迅速发展的交叉学科，目前国内外对生物信息学的定义众说纷纭，没有形成统一认识。概括来说，现代生物信息学是以核酸和蛋白质等生物大分子数据库及其相关的图书、文献、资料为主要对象，以数学、信息学、计算机科学为主要手段，对浩如烟海的原始数据和原始资料进行存储、管理、注释、加工，使之成为具有明确生物意义的生物信息。并通过对生物信息的查询、搜索、比较、分析，从中获得基因的编码、凋控、遗传、突变等知识；研究核酸和蛋白质等生物大分子的结构、功能及其相互关系；研究它们在生物体内的物质代谢、能量转移、信息传导等生命活动中的作用机制。

生物信息在生物学研究上的应用主要包括在基因组学研究上的应用和在蛋白质组学研究中的应用。

1.在基因组学研究中的应用

基因组（genome）表示一个生物体所有的遗传信息的总和。一个生物体基因所包含的信息决定了该生物体的生长、发育、繁殖和消亡等所有生命现象。有关基因组的研究称为基因组学(Genomics)，基因组学根据研究重点的不同分为序列基因组学(Sequence genomics)、结构基因组学(Structural genomics)、功能基因组学(Functional genomics)与比较基因组学(Comparative genomics)。结构基因组学的研究：结构基因组学(Structural genomics)是基于基因组学的一个重要组成部分和研究领域，它是一门通过基因作图、核苷酸序列分析确定基因组成、基因定位的科学口。生物信息学在结构基因组学中的应用主要在于：基因组作图、核苷酸序列信息分析、基因定位、新基因的发现和鉴定等方面。比较基因组学的研究：借助生物信息学的手段对不同生物基因组的比较、分析，可以进行生物进化等方面的研究。

功能基因组学的研究：功能基因组学(Functional genomics)是指在全基因组序列测定的基础上，从整体水平研究基因及其产物在不同时空、条件下的结构与功能关系及活动规律的学科。功能基因组的研究是后基因组时代的关键点，它将借助生物信息学的技术平台，利用先进的基因表达技术及庞大的生物功能检测体系，从浩瀚无垠的基因库筛选并确知某一特定基因的功能，并通过比较分析基因及其表达的状态，确定出基因的功能内涵，揭示生命奥秘，甚至开发出基因产品。

2.在蛋白质组学的研究中的应用

在20世纪中后期，随着DNA双螺旋结构的提出和蛋白质空间结构的解析，生生命科学的研究进入了分子生物学时代，而遗传信息载体DNA和生命功能的体现者蛋白质的研究，成为了其主要内容。90年代初期启动的庞大的人类基因组计划，已经取得巨大的成在20世纪中后期，随着DNA双螺旋结构的提出和蛋白质

空间结构的解析，生生命科学的研就，人类基因组序列草图绘制完成后，生命科学研究跨入了后基因组时代。然而，人们清醒地识到基因仅是遗传信息的载体，而生命活动的执行者是基因的表达产物—蛋白质，它是生命现象复杂性和多变性的直接体现者。

蛋白质组一词是澳大利亚学者马克威尔金斯在1994年最先提出来的，它是指基因组表达的所有相应的蛋白质，也可以说是指细胞或组织或机体全部蛋白质的存在及其活动方式。蛋白质组学是从整体的蛋白质水平上,在一个更加深入、更加贴近生命本质的层次上去探讨和发现生命活动的规律和重要生理、病理现象的本质等。蛋白质组学的研究对揭示生命活动规律，探讨重大疾病机制，疾病诊断和防治、新药的开发提供重要的理论基础。

生物信息学在蛋白质组学中的蛋白质数据库的应用

2.1蛋白质组数据库

蛋白质组数据库是蛋白质组学研究的主要内容之一。通过构建不同环境条件下组织或细胞全部蛋白质的数据库来研究蛋白质表达的差异情况。与其他数据库相比, 目前大部分蛋白质组数据库都有以下几个方面的特点:（1）由于蛋白质相关数据的种类繁多,蛋白质组数据库的种类也多种多样,如双向电泳数据库、基于蛋白序列的数据库、蛋白质一级或高级结构数据库、蛋白质相互作用数据库等等;（2）新速度快,网络上的蛋白质组数据库的数据几乎每天都在更新;（3）网共享程度高, 越来越多的数据库资源与互联网相互配合,使得蛋白质相关数据的利用率空前的提高。蛋白质组数据库的主要内容即集中在基于双向电泳结果的数据库和基于蛋白质序列信息的数据库。

2.1.1基于双向电泳图谱的数据库

双向电泳技术是蛋白质组学研究中最重要的实验技术之一，所以基于双向电泳图片的数据库也成了蛋白质组学研究中主要内容。

2.1.2 基于蛋白质序列信息的数据库

基于蛋白质序列信息的数据库是生物信息学数据库中最基本的数据库，这些数据库以氨基酸残基顺序为基本内容，并附有注释信息（计算机的序列分析结果和生物学家查阅文献的结果）。基于蛋白质序列的数据库很多，主要有蛋白质信息资源数据库（PIR）、SWISS3D和 TrEMBL等等。

2.1.3 其他蛋白质组数据库

蛋白质生物信息学包含很多方面的内容：如蛋白质大分子的结构、相互作用等等，所以，除了上述的一些数据库之外，还有很多关于构象、相互作用等方面的数据库，是基于质谱应用的数据库，属于混合数据库。将生物信息学的实验思路引入蛋白质组学的实验方案后，实验人员可以通过互联网上的信息设计实验方

案，避免了很多重复性的劳动，少走很多弯路，为蛋白质组学的发展提供了可靠的信息资源。值得一提的是，上文提到的大多数数据库都能实现数据接收、在线查询和空间结构的可是化浏览等多种功能。而且，几乎所有这些数据库都是免费的，都可以免费下载或提供免费服务，使得蛋白质组学可以在生物信息学的辅助之下快速发展。

2.2生物信息学与蛋白质分析

在蛋白质组分析过程中，生物信息学的作用不仅仅体现在数据库的查阅和资料的整合中，生物信息学软件在蛋白质组研究领域的作用根式至关重要的。蛋白质分析软件应用主要集中在结合蛋白质组研究中的分离技术和坚定技术识别蛋白质（如2-DE）图像分析、Edman降解的序列组合、质谱数据的综合分析等），对有价值的未知蛋白质进行分析和预测（包括序列分析、结构预测、结构域、电点等性质的检测等）、针对蛋白质的分析预测方法应用的工具有4个方面。

2.2.1 蛋白质一级结构分析

根据20中氨基酸的理化性质可以分析电泳等实验中的未知蛋白质，同样也可以分析已知蛋白质的物化性质。设计PROPSEARCH的目的是为了通过排比方法查询一个新的蛋白质序列失败时,查找公认的蛋白质家族而设计的。PROPSEARCH可以通过氨基酸组分来查询,同时也可以通过其他的特性来进行查询,如从序列中计算所得的分子量、挑选的二肽组分的含量等。

2.2.2 蛋白质的物理性质预测

从蛋白质序列出发，预测蛋白质的许多物理性质，包括等电点、分子量、酶切特性、疏水性、电荷分布等。

2.2.3蛋白质二级结构预测

二级结构是指α螺旋和β折叠等规则的蛋白质局部结构元件。蛋白质的二级结构预测的基本依据是每一段相邻的氨基酸残基具有形成一定二级结构的倾向。因此,进行二级结构预测需要通过统计和分析发现这些倾向或者规律。蛋白质二级结构预测的方法有3种。一是由已知结构统计各种氨基酸残基形成二级结构 的构象趋势,其中最常用的是Chou和Fasman 法;二是基于氨基酸的物理化学性质,包括堆积性、疏水性、电荷性、氢键形成能力等;三是通过序列比对,由已知三维结构的同源蛋白推断未知蛋白的二级结构。各种方法预测的准确率随蛋白质类型的不同而变化。一般对于α螺旋预测精度较好,对β折叠差些,而对除α螺旋和β折叠等之外的无规则二级结构则效果很差。

2.2.4蛋白质的三维结构

蛋白质三维结构是预测时最复杂和最困难的预测技术。序列差异较大的蛋白质序列也可能折叠成类似的三维构象。由于蛋白质的折叠过程并不十分清晰,从理论上解决蛋白质折叠的问题还有待进一步的科学发展,但也有了一些有一定作

用的三维结构预测方法。即与已知结构的序列比较,同源模建,threading算法和 折叠识别方法。常见的预测算法有:SWISS-MODEL(自动蛋白质同源模建服务器)、CPHmodels等。

2.3 生物信息学与蛋白质功能

生物信息学发展到今天不仅可以对蛋白质组数据进行分析和预测，而且可以对已知或者未知的基因产物进行功能上全面的分析和预测。

生物信息学最常用的分析方法是模式识别。主要是利用存在于蛋白质序列结构中的某些特殊的特征模体来识别相关蛋白质性质。换而言之，就是从新的蛋白序列中发现标志性的序列或者结构，以此建立模式，然后在已经建立好的已知蛋白质数据库中，搜集于此相似的模式，来确定未知蛋白质的归属，从而预测它的功能。许多基因是在特定时期和条件下被激活，才能表达出来，在正常人工模拟的环境下根本无法表达。类似于这样的恩未知蛋白质也需要通过生物信息学的方法计算分析预测，以获得它的功能信息。

生物信息学的发展将给生命科学研究带来革命性的变革，将帮助人类认识生命的起源、进化、遗传和发育的本质，揭示人体生理和病理过程的分子基础，为人类疾病的预测、诊断、预防和治疗提供合理和有效的方法或途径，同时还将对医药、卫生、食品、农业等产业产生巨大的推动作用，甚至可能引发新的产业革命。21世纪是生命科学的时代，生物信息学为生命科学的发展提供了便利和强有利的技术支持，推动着生命科学的迅速发展。

第二篇：数学模型在生物信息学教学中的应用

目 录

目录...............................................................................................................................................i 摘要..............................................................................................................................................ii 第一部分 数学建模........................................................................................................................1 数学建模的介绍...................................................................................................................1 2 数学建模的主要内容...........................................................................................................1 3 数学建模的流程...................................................................................................................2 4 数学建模的主要算法...........................................................................................................3 5 数学建模的软件...................................................................................................................3 第二部分 生物信息学....................................................................................................................3 什么是生物信息学...............................................................................................................3 2 生物信息学的研究方向.......................................................................................................4 第三部分 生物信息学与数学建模的交叉.....................................................................................4 方法和技术的交叉...............................................................................................................4

1.1 数学统计方法............................................................................................................4 1.2 动态规划方法............................................................................................................4 1.3 机器学习....................................................................................................................5 1.4 数据挖掘....................................................................................................................5 1.5 生物分子的计算机模拟............................................................................................5 2 目的上的相似.......................................................................................................................5 第四部分 数学建模在生物信息学中的部分应用.........................................................................6 运用数学模型的预测...........................................................................................................6 2 运用数学模型的数据分析...................................................................................................7 参考文献..........................................................................................................................................7

i 数学建模在生物信息学中的应用研究

摘 要

本文首先介绍了数学建模和生物信息学的基础知识，然后分析了数学建模和生物信息学的交叉知识点。分析显示，数学建模和生物信息学不仅在统计方法和数据挖掘等使用方法和技术方面存在交叉知识点，还在目的上具有一定的相似性，即两者都是对大量的数据进行统计和分析，都以解决问题为最终目的。最后，文章重点回顾了数学建模在生物信息学中数据分析和结构预测方面的部分应用。

关键词：数学建模 生物信息学 应用研究

ii

第一部分 数学建模 数学建模的介绍

从航空航天领域中的火箭发射、武器的自动导航，到企业中该如何配置人力、物力和财力，进而用最小的成本产生最大的利润，再到生活中如何规划自己有限的时间复习期末考试，等等。这都或多或少地运用到了数学建模的知识。数学建模是一个将实际问题用数学的语言、方法，去近似刻画、建立相应数学模型并解决科研、生产和生活中的实际问题的过程。数学建模的问题比较广泛，涉及到多学科知识，它不追求解决方法的天衣无缝，不追求所用数学知识的高深，也不追求理论的严密逻辑，它以解决问题为主要目的。

模型的建立，即把错综复杂的实际问题简化、抽象化为具有合理的数学结构的过程。通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分折和解决问题。

随着科学技术的飞速发展，人们越来越认识到数学的重要性：数学的思考方式具有根本的重要性，数学为组织和构造知识提供了方法，将它用于技术时能使科学家和工程师生产出系统的、能复制的、且可以传播的知识„„数学对于经济竞争是必不可少的，数学科学是一种关键性的、普遍的、可实行的技术。在当今高科技与计算机技术日新月异且日益普及的社会里，高新技术的发展离不开数学的支持，没有良好的数学素养已无法实现工程技术的创新与突破。数学建模的主要内容

数学建模理论包含统计回归模型、优化模型、图论模型、微分模型和概率模型等【1-3】，如表1所示。

表1 数学建模的主要内容

统计回归模型 数学挖掘 聚类分析 层次分析 线性回归 非线性回归 主成分分析 时间序列分析 运筹与优化模型 博弈论

图论模型

线性规划

最小生成树

整数规划

最大流问题

目标规划

最短路径问题

动态规划

最长路径问题

非线性规划

PERT网络图模型

多目标决策

最小费用流问题

数据拟合与插值 存贮论模型

偏微分方程模型 灰色预测模型

马氏链模型

差分方差模型

排队论模型

稳定性模型

决策论模型

微分方程模型

计算机模拟

GM模型

随机模拟

图论与网络模型

微分差分模型

概率模型 数学建模的流程

图1数学建模的流程[3] 数学建模的主要算法

蒙特卡罗算法——该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性。

数据处理算法——通常会遇到大量的数据需要数据拟合、参数估计、插值等处理，通常使用Matlab作为工具。

规划算法——遇到线性规划、整数规划、多元规划、二次规划等最优化问题，可以用数学规划算法来描述，通常使用Lingo软件实现。

图论算法——包括最短路、网络流、二分图等算法。动态规划、回溯搜索、分治算法、分支定界等算法。

非经典算法——模拟退火法、神经网络、遗传算法为最优化理论的三大非经典算法。数学建模的软件

数学建模有专用的软件：Matlab 7，Lingo 8为其中最主要的软件，其他重要的软件有Mathematice，S-plus，SAS等。

第二部分 生物信息学 什么是生物信息学

生物信息学是一门新兴的交叉学科，它使用数学和计算机这两项工具，对日益增长的生物数据进行快速、高效的组织与分析。生物信息学的近期任务是大规 3 模的基因组测序中的信息分析、新基因和新SNP的发现与鉴定、完整基因组的比较研究、大规模基因功能表达谱的分析、生物大分子的结构模拟与药物分析，其远期任务是非编码区信息结构分析、遗传密码起源和生物进化的研究。2 生物信息学的研究方向

生物信息学的发展异常迅速，现主要包括DNA序列对比、蛋白质结构对比与预测、编码区的基因识别、序列重叠群(Contigs)装配、基于结构的药物设计、非编码区的分析研究、遗传密码的起源、分子进化与比较基因组学、生物系统的建模和仿真、生物信息学技术方法的研究等几个研究方向【4-6】。

第三部分 生物信息学与数学建模的交叉

生物信息学是利用数学和计算机作为工具，不可避免地与数学建模，这一利用计算机和数学理论解决实际问题的学科，无论在研究方法和技术上，还是在运用目的上均产生一定的交叉。1 方法和技术的交叉

生物信息学所使用的方法与技术包括数学统计方法、动态规划方法、机器学习与模式识别技术、数据库技术与数据挖掘、人工神经网络技术、生物分子的计算机模拟等，而这些恰恰是数学建模领域的核心理论与知识。1.1 数学统计方法

数据统计、因素分析、多元回归分析是生物学研究必备的工具，而这些是数学建模的统计回归模型中最为基础的知识；隐马尔科夫模型（Hidden Markov Models）在序列分析方面有着重要的应用，与隐马尔科夫模型相关的技术是马尔科夫链（Markov Chain），而马尔科夫链模型正是数学建模中针对离散状态按照离散时间的随机转移而建立的模型。总之，生物信息学和数学建模有的第一个共同点是，都有对海量数据进行统计分析的过程。1.2 动态规划方法

动态规划（Dynamic Programming）是一种解决多阶段决策过程的最优化方法，在每个阶段做出一定的决策并影响后续的决策，最终选择一个最优决策。

当两个DNA序列长度较小时，采用动态规划算法可以很好地解决两个序列的相似性问题。当序列长度太长时，改进的BALST和FASTA算法也是基于动态规划 的思想。同时，动态规划在数学建模领域也被用来解决最短路线、库存管理、资源分配等生产和生活中的现实问题。1.3 机器学习

机器学习一般采用遗传算法、神经网络或聚类分析等，模拟人类的学习过程，以计算机为工具获取知识、积累经验，在拥有大样本、多向量数据的数据分析中发挥着日益重要的作用。比如，聚类分析已经运用于癌症类型的分类，神经网络和隐马尔可夫模型对于缺乏完备理论体系的生物领域也同样奏效。以上聚类分析、神经网络和隐马尔可夫模型均为数学建模中的重点方法。1.4 数据挖掘

数据挖掘又被称作数据库中的知识发现，在此意义上，生物信息学也是在海量的生物数据中发掘生命的奥秘。基因序列包括外显子和内含子，其中外显子只占其中的一小部分。大部分的内含子序列的作用并不为人知，如何从这些简单的ACGT序列中发现内含子如何参与基因的转录与翻译变得异常重要。比如，利用一阶和二阶马尔可夫链的方法侦测密码区。1.5 生物分子的计算机模拟

所谓生物分子的计算机模拟就是从分子或者原子水平上的相互作用出发，建立分子体系的数学模型，利用计算机进行模拟实验，预测生物分子的结构和功能，预测动力学及热力学等方面的性质，常用的方法是蒙特卡罗法和模拟退火方法。2 目的上的相似

数学建模与生物信息学都会对大量的数据进行统计和分析，都以解决问题为最终目的，并且以求得满意解为重点，因为有时全局最优解难以得到。另外，数学建模和生物信息学的研究都更强调能否具有实用性。比如生物信息学的机器学习技术中运用到了神经网路或隐马氏模型，但人们目前并不清楚该算法或模型是如何到达解的，即对其具体的机理并不十分了解。但这并不妨碍我们使用这种方法，因为这种方法具有使用成功性和可用性。在这个意义上，数学建模也经常通过此类“黑箱” 操作达到特定解。正如Cynthia Gibas和Per Jambeck在《Developing Bioinformatics Computer Skills》的前言所说，生物信息学“is often less about developing perfectly elegant algorithms than it is about answering practical questions”。从这个意义上说，数学建模与生物信息学有着目的上的相似性。

第四部分 数学建模在生物信息学中的部分应用

1.运用数学模型的预测

1993年Rost和Sander[6]提出了三级网络模型，这种神经网络方法已经成为了蛋白质结构预测普遍采用的方法。2003年闫化军等[7]人也通过神经网络算法预测蛋白质二级结构。2007年林卫中等[8]人将GM(1,1)模型应用于蛋白质二级结构类型的预测，把提取出的蛋白质氨基酸的排列信息作为伪氨基酸成分，从而较大的提高了预测的成功率。2008年邱望仁等[9]人将OET-KNN算法应用于蛋白质二级结构类型的预测，通过LZ复杂度的算法计算了伪氨基酸的成分，再用OET-KNN算法分类预测，从而也较大的提高了预测的成功率。

Bader等[10]人将Logistic回归模型用来预测蛋白质之间的生物学关系，这种运用使得通过遗传学和基因表达数据来分析蛋白质数据成为了可能。2006年王明会等[11]人将Markov链模型应用于蛋白质可溶性的预测，预测精度普遍好于或接近于神经网络、信息论和支持向量机法的结果，而且该模型的运算复杂度低，耗时也更短。2006年张菁晶等[12]人将隐马尔可夫模型运用于目标基因全基因组的预测，同量高、准确度高并且操作简单，尤其在多结构域蛋白家族的预测上优势明显。2008年刘桂霞等[13]人提出了一种带偏差单元的递归神经网络模型。该模型根据BP算法得出权系数调整规则，使得收敛速度比一般的BP网络更快，对于预测蛋白质关联图有一定的实用价值。

2.运用数学模型的数据分析

1997年Carr等[14]研究了大鼠脊髓的基因活动，通过聚类分析证明具有已知相似功能的基因属于一类。2006年张文彤等[15]人综合了聚类方法和进化树分析的优点，通过先聚类将数据拆分，然后根据聚类的类别构建进化树，这种方法可以很好地在大样本数据中应用，并以甲型流感病毒的H3A1序列作为实例，构建拼接出了完整的进化树结果。

2006年徐丽等[16]人针对Viterbi算法和Baum-Welch算法在隐马尔可夫模型（Hidden Markov Model）的参数估计中无法找到全局最优解，提出了基于遗传算法的HMM参数估计，这种方法用于多序列对比研究时可以更好的避免局部最优解。2007年周晓彦等[17]人通过综合模糊数学和核判别方法的优点，提出了一种基于模糊核判别分析的基因表达数据分析方法，并以多发性骨髓瘤的基因表达数据为例证实了这种方法的可行性和精确性。2007年刘万霖等[18]人介绍了构建基因调控网络的多种算法和方法，比如马尔可夫链可以用于分析时间序列微阵列表达数据；将随机和概率等引入布尔网络模型，可以增强基因网络调控的精确性；贝叶斯网络模型在Friedman和Pe’er等人做出了开拓性的工作后，在基因表达数据和调控网络方面得到了快速的发展。

参考文献

[1] 冯杰等.数学建模原理与案例.科学出版社,2007.[2] 高隆昌,杨元著.数学建模基础理论.科学出版社,2007.[3] 戴朝寿,孙世良.数学建模简明教程.高等教育出版社,2007.[4] 陶士珩.生物信息学.科学出版社,2007.[5] DAVID W.MOUNT.生物信息学: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] 闫化军,傅

彦,章

毅等.神经网络方法预测蛋白质二级结构.计算机科学.2003,30(11):48-52 [8] 林卫中, 肖绚.基于GM(1,1)模型的蛋白质二级结构类型预测.计算机工程与应用, 2007, 43(34): 41-45 [9] 邱望仁, 肖绚, 林卫中.基于OET-KNN算法的蛋白质二级结构类型预测.计算机工程与应用, 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] 王明会, 李 骜, 王娴等.Markov链模型在蛋白质可溶性预测中的应用.生物医学工程学杂志, 2006, 23(5): 1109-1113 [12] 张菁晶,冯

晶,朱英国.全基因组预测目标基因的新方法及其应用.遗传.2006,28(10):1299-1305 [13] 刘桂霞, 于哲舟, 周春光.基于带偏差递归神经网络蛋白质关联图的预测.吉林大学学报(理学版), 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] 张文彤, 姜庆五.聚类技术在大样本序列进化树分析中的应用.中国卫生统计.2006,23(5):393-396 [16] 徐丽,康瑞华.基于遗传算法的HMM参数估计.湖北工业大学学报.2006,21(4):68-71 [17] 周晓彦,郑文明.基于模糊核判别分析的基因表达数据分析方法.华中科技大学学报(自然科学版), 2007, 35(I): 173-176 [18] 刘万霖,李

栋,朱云平等.基于微阵列数据构建基因调控网络.遗传,2007,29(12):1434-1442 8

第三篇：生物学在日常生活中的应用

生物在我们生活中无处不在！

经常有老师们在私下进行交流，特别羡慕生物课堂，因为它充满乐趣、有意思，而实际上我们身临其境的老师却只有苦笑，生物学科虽然作为自然科学的基础学科，但在初中阶段一直处于两难：课本知识枯燥、现实生活无用，生物学科成了二张皮，不能真正溶到学生的生活中，而且在中考指挥棒的隐性弱化，这都无疑让生物课处于尴尬的地位。

二十一世纪初，美国教育学家杜威提出：对于科学，学生要掌握的不只是知识，还应包括过程和方法。他主张开展探究教学，以培养和提高学生解决实际问题的能力，让学生积极地“做”科学，而不是被动的“读”科学。

伴随新课程提出的关注学生的全面发展，培养提高学生的基本生物科学素养，突出创新精神和实践能力的培养，生物课是初中阶段的一门基础课，也是与日常生活、农业生产，自身健康息息相关的一门学科，因此在生物教学中以知识点为依托，从生活生产中蕴含的知识激发学生的兴趣点，不断培养学生的实践和创新能力，应用知识解决实践问题的能力，而这正是使生物学焕发生命活力的最佳切入点，我认为在生物教学中贯彻“从实践中来，到实践中去”，充分发挥生物学学以致用的作用，恰恰可以突破生物教学的困境的瓶颈。

经过几年的教学实践，我采取以下方法注重学生解决实际问题能力的培养。

一、从课堂内容中延伸

在学习细菌、真菌对疾病防治的过程中，一提到抗生素，学生们马上想到青霉素和输液，这是不够的，通过《科学.技术.社会》中抗生素今昔的介绍和课后练习题2相结合，让学生明确了抗生素的含义及在生活中如何正确应用，同时课后布臵了一道开放题：收集生活中人们对抗生素的认识及应用。随后的课上，学生不仅交流介绍了常用抗生素的种类、应用方法、人们的用法、滥用抗生素的后果，甚至还有同学从药房里拿到所有抗生素的药品成分说明书，对全班同学进行抗生素的优缺点分析。事后，一位学生对我说，她回去对她妈妈说今后生病应该怎样合理使用抗生素。还有对于传染病的相关知识，同学们现在也能学以致用了。而这种现象正是生物学应该给予学生最有用的。

课堂教学的反馈中，认真用好课后练习，其实课文后面的思考题很多是让学生灵活运用所学知识，联系生产生活问题的。如“早春播种后用塑料薄膜覆盖地面，为什么会促进出苗”？这在农业生产中是地膜覆盖问题，而在生物学中是温度对种子萌发的影响问题，即通过地膜覆盖可以提高地表层土壤的温度，从而促使种子提早萌发，再就是家里养花为什么要松土，为什么要换盆，家里养的鱼为什么长时间不换水会有绿苔，经过这样贴近生活的问题的引入，引起学生学习的兴趣，并激发学生学以致用，以用促学，越学越有劲。

二、从自身体验中深入

从心理的观点来看，人们一般倾向于对与自己有直接或间接的事件、活动感兴趣，对于自己充当角色的活动，这种兴趣会更加强烈，因此在教学中要高度重视学生的参与，让学生从自身体验中去感知，使他们在参与中发展和提高实践和创新能力。

在学习完食物的营养与吸收后，关注合理营养过程中，我们选取从学生的一日三餐中入手：你最喜欢吃的菜和你认为最有营养的菜，让他们谈谈自己对营养的看法和认识，在小组充分讨论合作设计营养餐的基础上，指导学生再分析哪类食物在哪里消化在哪里吸收在哪里利用等等，深入到生活实际中，开展对现实生活中初中生的营养状况分析，同学们完成分析之后，不仅充分消化吸收了营养的相关知识，还提高了对生活问题进行实际解决的能力。

三、从社会焦点、热点中引入

对同学们普遍关注的话题，多用实例、多用客观的内容引起他们的警觉，如“如关于艾滋病的学习中，通过问卷调查，我们发现学生们对艾滋病的认识还存在很大的盲区：什么途径、什么方式进行传播，怎样与艾滋病人交往等，开设“艾滋病及预防”相关内容的专题课，通过专题课的讲授，再组织学生完成防艾小报，不仅有利于他们顺利渡过“危险期”，而且对于他们形成社会责任心，提高自身素质也具有一定的意义。

例如蔬菜大棚为什么要经常通风？在移栽树苗或蔬菜时，为什么要去掉一些叶片？锄地的目的是什么？果蔬贮藏为什么采取低温、低压法？新疆地区的瓜果为啥特别甜？蚕农为什么给末龄家蚕喷施保幼激素？糖渍、盐渍食品为什么不会变质？“发面”时为什么要加入酵母粉？加酶洗衣粉为什么不能用开水溶化？近亲结婚的后代为什么容易得遗传病？

当然，关于生物学知识在生产和生活中应用的例子还有很多，如转基因食品、克隆动物等。这说明生物学与人类的生活息息相关，我们在教学过程中要注意联系和引入这样的例子，以引起学生的思考和探究，加深他们对知识的理解，为自己将来从事生产劳动或生活做好知识储备。

在学习植物蒸腾作用时，课堂让学生用干燥塑料袋罩紧花盆里一株菊花上方，过一段时间，学生观察到塑料袋内出现水雾。通过这一实验指导，学生加深对蒸腾作用的理解。教师又让学生把森林与气候关系用动画图片连贯起来：一草一木构成森林，成片森林蒸腾作用产生大量水分，汇集到天空，形成云雾，大量云雾聚集形成乌云，乌云碰击最后形成雨滴降落下来，滋润地球上的万物，这样使抽象的知识具体化，学生容易理解森林调节气候的原理，深深体验到了“大树底下好乘凉”。教师有目的性地把书本知识与有关社会实际问题结合起来，学生愿意学习，丰富了书本知识，拓展了教材的局限，也培养了学生环保意识。用生物学的观点来关注社会问题，不仅培养了学生自我研讨的能力，还无形中提高了学生解决实际问题的能力。

四、从科技活动中强化

培养学生的创造能力，不仅体现在课堂教学活动中，而且更为突出的体现和落实在各种课外科技活

动中，学生在课外科技活动中可以不受教材和教师倾向的束缚，独立自主的发展，用科技小活动来创造学生学习生物的兴趣，如：自己种植土豆、豆芽，养殖泥鳅，制作叶脉书签，采集制作昆虫标本，蚯蚓生活状态实验，家庭酸奶的制备，甜酒的制作等。

调动学生积极地参与课外活动，如组织采集制作生物标本，参观苗圃、花园，做校园环保调查，办《生物小报》等，学生通过他们参与这些丰富多彩的课外活动，可以培养他们的实践能力，开阔视野，拓宽知识面。

五、顺口溜及俗语的引入

在现在的生物考试中，经常出现一些成语、谚语、歇后语等等知识与生物知识的结合：如：

在夏天的时候，我们经常看到一种现象“蜻蜓点水”，请问这是什么现象？考察蜻蜓产卵的方式； “儿童急走追黄蝶，飞入菜花无处寻。”考察动物的保护色；

“有收无收在于水，收多收少在于肥。”考察水和无机盐对植物生长的作用；

“种瓜得瓜，种豆得豆。”考察遗传现象；

“大鱼吃小鱼，小鱼吃虾米，虾米吃泥巴。”考察生态中的食物链和食物网的知识，还有 “螳螂捕蝉，黄雀在后。”；

“桔生淮南为桔，生淮北则为枳”考察温度对生物生长的影响；

“山上多植树，胜似修水库，有雨它能吞，无雨它能吐。”考察保持水土、涵养水源的重要性；

同时还可以借助成语与谜语知识来考察生物学的概念。如：

视而不见——保护色；望而生畏——警戒色；以假乱真——拟态；移花接木——嫁接；鹦鹉学舌——模仿行为；孔雀开屏——求偶行为；望梅止渴——条件反射；种豆南山下，草盛豆苗稀——竞争；无中生有——隐性；有中生无——显性

这样的题目的出现，即扩大了学生的知识面，又考察了学生的生物学常识。因此在平时多积累这方面的素材，并在平时的授课当中适当的渗透，既能提高学生的学习兴趣，又让学生抓住了特点，更利于知识的记忆。另外在以往的听课中，有些教师自编了顺口溜，这样让学生记起来不仅琅琅上口，而且效果更较明显。如我在讲到维生素的功能的时候，就借用了一个：A，火眼金睛看得清；B，脑筋急转我最灵；C，大力水手羡慕我；D，加钙增高我能赢；还有一个小小E，不怕病菌来入侵……。这样不仅使学生一下胃口大开，课堂气氛异常活跃，而且，许多的学生还在反复的哼唱。

兴趣是最好的老师，兴趣需要我们教师的正确引导和培养与呵护，让学生在学习中找到了乐趣，一定能事半功倍。而且在讨论、角色扮演、各种科学探究活动中，不仅能提高学生的动手操作能力，还能发展创新意识，提高实践能力，围绕从“从实践中来，到实践中去”无疑能更好地促进学生的全面发展，用理论解决实践将是点燃学生学习生物学热情的火把。——王昊

第四篇：浅谈比喻在生物学教学中的应用

浅谈比喻在生物学教学中的应用

谭邦应

（湖北省秭归县职教中心

443600）

著名教育家夸美纽斯曾说：“兴趣是创造一个欢乐和光明的教学环境的主要途径之一”。当学生对学习产生兴趣时，学习起来就会积极主动、精力充沛、信心百倍。高中生物学教材中有很多概念性的知识表述往往比较抽象枯燥，显得深奥难懂，如果在教学中引用一些恰当的比喻，就可以使这些知识变得形象生动、通俗易懂，从而大大提高学生的学习兴趣。下面举几个例子间要说明比喻在生物学教学中的应用。

1用储蓄存款比喻人体内的能源物质

人体内的能源物质有ATP、葡萄糖、肝糖元、脂肪等，它们为机体供能时有先后顺序并且高协调。可以这样比喻：

ATP——零花钱。其特点是数目不多，但可以随时利用存折向银行支取。葡萄糖——活期存折。当机体内ATP含量下降，可立即由葡萄糖分解补充。

肝糖元、脂肪——定期存折。如机体内能量过多，会合成糖元和脂肪等大分子物质储存起来。肝糖元则属于定期较短的存折，脂肪相当于定期较长的那种，在饥荒年月（如动物冬眠）就可排上大用场了。2 噬菌体侵染细菌的程好比是医生在给病人注射

在教学中发现学生对噬菌体侵染细菌的过程容易误认为是整个噬菌体都侵入了，通过以下比喻可以让学生一次性记住。

蛋白质外壳——注射器，医生给病人注射时，注射器自然是留在外面的。注射液——DNA，噬菌体侵染细菌以后，只有DNA进入到细菌内部去了。蛋白质的合成过程可以比喻为人们织毛衣

氨基酸——毛绒，毛绒是构成毛线的基本单位，氨基酸则是构成蛋白质基本单位。

多肽链——毛线，把氨基酸脱水缩合成多肽链比作是用毛绒纺成毛线。蛋白质——毛衣，由多肽链折叠盘旋而成蛋白质就好象是用毛线编织成的毛衣，有它独特的空间结构。DNA的空间结构很象是一架螺旋状的梯子

多核苷酸链——扶手，由脱氧核糖和磷酸交替连接而成，一共有两条，共同构成梯子的骨架。

碱基对——梯板，碱基对间的氢键相当于给两块木板间上的销，G和C之间有三个，A和T之间有两个。

这架梯子的扶手之间、梯板之间以及上下螺旋之间的距离都很规则，不仅外形美观，而且结构牢固，从而保证了遗传物质的稳定性。5 物质出入细胞的方式好象是不同的人过河一样 顺水自由漂流——自由扩散，会游泳的人可采用这种方式。

顺水乘船漂流——协助扩散，不会游泳的人需要借助船（载体蛋白质）才能完成。

逆水行舟——主动运输，不会游泳的人从下游到上游时，他必须乘船（需载体蛋白质），需奋力划船（消耗ATP）方可完成。这样，把原本很抽象的知识形象化，能吸引学生的注意力，且容易记住。6 遗传信息的表达就象是邮局发电报

电报密码——遗传密码，电报密码由阿拉伯数字组成，而遗传密码则由碱基组成。

电报文字——氨基酸，用电报密码可翻译成中文汉字，氨基酸则是通过遗传密码翻译而成的。

电报语句——多肽链，用文字可以组成语言，由氨基酸脱水缩合而形成多肽链。染色质与染色体的关系简直就是钢丝与弹簧的关系

纲丝——染色质，呈细丝状，比较长。

弹簧——染色体，是由染色质螺旋化缩短变粗而成的，与染色质是同一物质，只不过形态不同。把细胞比喻为我们生活中的电视机

若把细胞比喻为电视机，那么构成电视机的电子元件就是细胞器，各种电子元件不具备收看电视的功能，必须组装成电视机才能收看电视。细胞也是这样，它是生物体结构和功能的基本单位。

其实生活中与生物学有关的比喻还有很多，教师在平时要注意加强积累，并灵活地应用于教学，可以让书本知识化难为易、化繁为简，达到事半功倍的教学效果。

第五篇：同位素标记法在高中生物学中的应用总结

同位素标记法在高中生物学中的应用总结

同位素标记法是利用放射性同位素作为示踪剂对研究对象进行标记的微量分析方法，生物学上经常使用的同位素是组成原生质的主要元素，即H、N、C、S、P和O等的同位素。

1．分泌蛋白的合成与分泌（必修1P40简答题）

20世纪70年代，科学家詹姆森等在豚鼠的胰腺细胞中注射3H标记的亮氨酸。3min后被标记的亮氨酸出现在附有核糖体的内质网中；17min后，出现在高尔基体中；117min后，出现在靠近细胞膜内侧的囊泡中及释放到细胞外的分泌物中。由此发现了分泌蛋白的合成与分泌途径：核糖体→内质网→高尔基体→囊泡→细胞膜→外排。

2．光合作用中氧气的来源

1939年，鲁宾和卡门用18O分别标记H2O和CO2，然后进行两组对比实验：一组提供H2O和C18O2，另一组提供H218O和CO2。在其他条件相同情况下，分析出第一组释放的氧气全部为O2，第二组全部为18O2，有力地证明了植物释放的O2来自于H2O而不是CO2。

3．光合作用中有机物的生成20世纪40年代美国生物学家卡尔文等把单细胞的小球藻短暂暴露在含14C的CO2里，然后把细胞磨碎，分析14C出现在哪些化合物中。经过10年努力终于探索出了光合作用的“三碳途径”——卡尔文循环。为此，卡尔文荣获“诺贝尔奖”。

4．噬菌体侵染细菌的实验

1952年，赫尔希和蔡斯以T2噬菌体为实验材料，用35S、32P分别标记噬菌

32体的蛋白质外壳和DNA，再让被35S、P分别标记的两种噬菌体去侵染大肠杆菌，经离心处理后，分析放射性物质的存在场所。此实验有力证明了DNA是遗传物质。

5．DNA的半保留复制

1957年，美国科学家梅塞尔森和斯坦尔用含15N的培养基培养大肠杆菌，使之变成“重”细菌，再把它放在含14N的培养基中继续培养。在不同时间取样，并提取DNA进行密度梯度离心，根据轻重链浮力等的不同，就分出新生链和母链，这就证实了DNA复制的半保留性。

6．基因工程

在目的基因的检测与鉴定中，采用了DNA分子杂交技术。将转基因生物的基因组DNA提取出来，在含有目的基因的DNA片段上用放射性同位素作标记，以此为探针使之与基因组DNA杂交，如果显示出杂交带，就表明目的基因已导入受体细胞中。

另外，还可采用同样方法检测目的基因是否转录出了mRNA，不同的是从转基因生物中提取的是mRNA。

7．基因诊断

基因诊断是用放射性同位素（如P）、荧光分子等标记的DNA分子作探针，依据DNA分子杂交原理，鉴定被检测样本上的遗传信息，从而达到检测疾病的目的。

另外，还可以用在植物有机物的运输研究过程中。

示踪原子不仅用于科学研究，还用于疾病的诊断和治疗。例如，射线能破坏甲状腺细胞，使甲状腺肿大得到缓解。因此，碘的放射性同位素就可用于治疗甲状腺肿大。