什麼打破了信息學的基本定理

⑴ 數學教師研修日誌

數學教師研修日誌（精選5篇）

在學習、工作乃至生活中，大家都看到過日誌吧，不知不覺中一天又要結束了，想必有很多難忘的瞬間吧，需要認真地為此寫一篇日誌了。那麼你有了解過日誌嗎？以下是我收集整理的數學教師研修日誌（精選5篇），希望對大家有所幫助。

數學教師研修日誌1

通過近幾天的培訓學習，我對《校本研修》有了新的認識。我深刻認識到校本研修是教師專業發展的有效途徑。校本教研是促進初中班主任專業自主發展重要方法。隨著新課改的推進，校本研修蓬勃發展，它是新課程改革的需要，是一線教師的呼喚，也是教師專業成長的階梯！

我在今後的教學工作中要努力做到如下幾點：

1、加強師德修養，夯實立教之基

作為一名人民教師，自己的為人處事、治學態度、行為習慣甚至於服飾儀表，一言一行、一舉一動都處在嚴格的監督之下，都會直接對學生產生影響，起著極為重要的作用。自身要為學生和社會作表率，必須要做到：

第一，熱愛教育事業，勇於承擔責任。從事教育事業，走上三尺講台，當好一名合格的人民教師，是我強烈的理想追求。教育是令人陶醉的事業，是我最願意從事的事業。為此，我深知自己任重而道遠。同時，作為一名黨員，必須勇於承擔自己的社會責任，能夠清醒地認識到自己的言行代表著一個群體，始終要注意其產生的社會影響、社會效益。 第二，謙虛好學，刻苦鑽研。把虛心向別人學習、向前人學習，向老教師學習作為自己奮飛的起點。通過學習老教師的工作經驗和敬業精神，來豐富自己的認識、知識及才能。同時我常靜坐獨思己過，剖析自己的不足，以加以改進。

第三，我深刻的懂得教師的思想感情、道德情操和學術品格會潛移默化地影響學生。師愛就是師魂。熱愛教師的職業是做好教學工作的前提。

第四，教師與學生的溝通是十分重要的，它可以使教學雙方互相了解、互相配合，更好地搞好教學工作，並有利於幫助學生解決一些思想認識問題，使他們健康地成長。發現學生有不良習慣或行為，能及時加以制止並正確引導，指出其錯誤之處和危害；如果學生在生活方面有什麼因難，也應該多加以關心和幫助。從我的親身經歷來看，坦誠對待學生，真心面對學生，是教師受學生歡迎的重要法寶之一。

2、努力學習新課程的相關理念

力爭按時參加市、區、校組織的新課程專題培訓，在集中培訓時認真記錄，深入反思，加強與同伴的互助交流，不斷提高新課程銀念桐意識和實踐能力。在關注學生發展的同時，更關注自身的發展，成為能適應新形勢，具有創新精神，在教育中充分發揮自身潛能的現代型教師。認真開展有效備課，有效課堂教學、有效作業設計和批改的研究。

3、教育技術能力的提高方面

積極參加市、區、校組織的教育技術能力培訓，不斷提高自身的信息素養。積極參與網路研修，並對自己感興趣的話題發表評論，及時與各位博友溝通交流，增長自己的見識，開拓自己的視野，使自己能夠更及時的了解外面的世界。力爭使自己製作的課件可操作性強，實用性強，對完成教育教學任務，起到良好的促進作用。

4、教師心理健康教育方面

教師是學校心理健康教育的推行者、具體實施者，一個成功的教師，除了要有淵博的學識和優良的教學技能，還要有健全的人格和高尚的品德。教師的言行對學生有很大影響。教師的衣著舉止，言談風度，以及待人接物等，都會使學生受到深刻的影響。所以，我今後一定要完善自己的心理素質和人格。從自身的心理健康的角度，完善自己的人格，提升自己的人格魅力。調整好心態，使自己的言行有利於教師自身的生理健康，

有利於提高工作效率，而且有利於促進學生心理健康的發展。

總之，今後本人一定增強研修意識，以研究的眼光審視、反思、分析和解決自己在教學實踐中遇到的實際問題。不斷在教學中自我總結、自我反思，不斷進取，努力上進。

數學教師研修日誌2

在教學過程中，很多教師認為自己在上課中講得井井有條，知識條分縷析十分透徹，演算透徹清晰，但結果是有不少學生不能舉一反三，數學學習困難重重。產生這種現象的原因，多數教師都歸因於學生素質差、家庭教育環境不良等教師高歷以外的因素，很少發現是自己教學能力和素養導致而成。

課堂教學是師生的雙邊活動。課堂教學的實質是師生雙方的信息交流，共同學校的過程。教師鋒坦得知學生在數學學習很困難時，是否想到了可能教師自己對教材理解不夠，沒有準確地把握教材的重點、難點，對教材內容層次沒有理清和教學方法不適呢？《數學課程標准》指導下，我們的數學教學目的是要學生在數學學習中，由「聽」到「懂」，再到「會」，最後到「通」。為此，教師必須深刻反思自己的教育教學行為，批判性地考察自我主體行為表現及其行為依據。通過觀察、回顧、診斷、自我監控等方式，或給予肯定、支持與強化，或給予否定、思索與修正，將「學會教學」與「學會學習」結合起來，從而努力提升教學實踐的合理性，提高課堂教學效能，到達提高教學質量的目的。現就以下幾方面談談自己的看法。

一、教師要反思教育觀念

新課標下要求教師要改變學科的教育觀，始終體現「學生是教學活動的主體」科學理念，著眼於學生的終身發展，注重培養學生濃厚的學習興趣和正確的學習習慣。數學非常重視教學內容與實際生活的緊密聯系。但是在教學活動中還是有不少教師習慣於傳統的教學模式，偏重於知識的傳授，強調接受式學習，這樣使很多學生在學習數學上失去了興趣。教學中教師要抓住時機，不斷地引導學生在設疑、質疑、解疑的過程中，創設認知「沖突」，激發學生持續的學習興趣和求知慾望，順利地建立數學概念，把握數學定義、定理和規律。

教師在探究教學中要立足與培養學生的獨立性和自主性，引導他們質疑、調查和探究，學會在實踐中學，在合作中學，逐步形成適合於自己的學習策略。例如，在學習等腰三角形三線合一的性質時可以讓三個同學合作分別去畫出頂角平分線、底邊上的高、底邊上的中線，這是學生會發現三條線為什麼會是一條線？證明三角形全等的方法有多種，為什麼「角邊邊」不能判定兩三角形全等？在學習鑲嵌時，可以提這樣的問題，為什麼正三角形、正方形、長方形正六邊形可以，而正五邊形不可以？等等。

這樣教師不斷地設問，不斷地質疑，就能引導學生進行積極思考，激發起學生濃厚的學習興趣和求知慾望，促使學生在生活中發現和歸納各種各樣的數學規律，為下一步學習數學知識打下堅實的基礎。所以我們的教師必須反思自己的教育觀念，緊緊抓住主導和主體的關系，解決好學生學習積極性的問題。

二、教師要反思教學設計

教學設計是課堂教學的藍本，是對課堂教學的整體規劃和預設，勾勒出了課堂教學活動的效益取向。設計教學方案時，教師對當前的教學內容及其地位（概念的「解構」、思想方法的「析出」、相關知識的聯系方式等），學生已有知識經驗，教學目的，重點與難點，如何依據學生已有認知水平和知識的邏輯過程設計教學過程，如何突出重點和突破難點，學生在理解概念和思想方法時可能會出現哪些情況以及如何處理這些情況，設計哪些練習以鞏固新知識，如何評價學生的學習效果等，都應該有一定的思考和預設。教學設計的反思就是對這些思考和預設是否考慮到了。教學後，要對實際進程和學生的接受程度進行比較和反思，找出成功和不足之處及其原因，從而有效地改進教學。

三、教師要反思教學方法

教師教得好，本質上講是學生學得好。在實際教學過程中我們的教學方法是否合乎學生實際呢？上課、評卷、答疑解難時，有的教師自以為講清楚明白了，學生受到了一定的啟發，但反思後發現，教師的講解並沒有很好地從學生原有的知識基礎出發，從根本上解決學生認識上鴻溝問題。有的教師只是一味的設想按照自己某個固定的程序去解決某一類問題，也許學生當時聽明白了，但往往是是而非，並沒有真正理解問題的本質。

初中數學教學中，例習題教學是數學教學中重要的組成部分，是概念類教學的延伸和發展。教材中的例習題都是編者精心編制的，具有典型性和啟發性，它們不僅是對基礎知識的鞏固，同時對培養學生智力、掌握數學思想和方法，及培養學生應用數學意識和能力，提高學生的數學素養等都有重要意義。

數學教師研修日誌3

小學數學學習評價是對學生的數學學習過程及其結果做出價值判斷，其內容包括知識與技能、過程與方法以及情感態度價值觀等方面的評價。美國課程理論家斯塔弗爾比姆說：「評價最重要的意圖不是為了證明，而是為了改進。」這就是說評價的目的是全面了解學生的學習狀況，激勵學生的學習熱情，促進學生全面發展，使學生保持後續學習的興趣，進而培養學生「終身學習」的願望與能力，同時也是教師反思和改進教學的有力手段。

一、評價學生學習的過程

《數學課程標准》指出：對學生數學學習過程的評價，應該考察學生是否積極主動地參與數學學習活動，是否樂意與同伴進行交流、合作，是否具有學習數學的興趣。因而，在課堂學習的過程中教師應經常利用口頭評價，激發學生的學習積極性和創新思維，並有效地促進學生朝著既定的學習目標邁進。如：一位老師讓孩子們從不同的角度來說「8」這個數。有的孩子說，明年我8歲;有的孩子說，教室里有8個小組;還有孩子說8+2=10，等等。可是有一個孩子卻站起來大聲說了一句：「8是16的兒子!」教室里頓時鬨堂大笑。按照以前的教育觀念，老師一定會認為這個孩子自作聰明，嘩眾取寵。可是這次老師沒有批評他，而是很感興趣地問他：「為什麼8是16的兒子?」這個孩子回答：「因為8是16的一半，所以8是16的兒子。」接著他滔滔不絕地說：「8的兒子是4!4的兒子是2!2的兒子是1!1的兒子是0!」當時老師也忍不住笑了起來，真沒有想到，孩子的思維這樣特別，他們眼裡的數字竟是這么有趣。老師表揚了他，並對他說：「謝謝你，你的發言總是讓老師吃驚。」

二、及時評價學生的「雙基」

《數學課程標准》中對「雙基」目標的闡述是：經歷將一些實際問題抽象為數與代數問題的過程，掌握數與代數的基礎知識和基本技能，並能解決簡單的問題;經歷探究物體與圖形的形狀、大小、位置關系和變換的過程，掌握空間與圖形的基礎知識和基本技能，並能解決簡單的問題;經歷提出問題、收集和處理數據、作出決策和預測的過程，掌握統計與概率的基礎知識和基本技能，並能解決簡單的問題。

三、評價情感態度價值觀

情感是指學生的情感體驗，讓每一個孩子感到學習數學和動腦筋的快樂。態度是指學生對事物的看法，是在學習活動中形成的。價值觀是指對人生的基本問題的看法和態度。關注學生的發展，重要的是關注學生情感、態度、價值觀的發展。價值觀與數學教學有密切的聯系。任何一個課程、教學活動都有兩個層面，第一是顯性的課程，與數學知識有關的;第二是隱性的課程，既數學活動背後滲透的價值觀，滲透的教育。下面列舉個例子加以說明：1、一堂數學課中，教師提出一個問題：我要為媽媽買一束花作為生日禮物送給她，你們幫我選擇一下。在這個例子中，顯性課程是計算數學問題，隱性課程即滲透了一種尊敬長輩、孝敬父母的價值觀。這個價值觀是我們社會、我們民族所提倡的。

四、倡導評價主體多樣化

學生、教師、家長是參與評價的三大主體，我們要改變過去單一的由教師評價學生的狀況，讓學生、家長及與學生有關的其他人員參與到評價過程中，實現評價主體多元化。新課程要實現「以人為本」，教學過程就要體現學生「自主學習、合作探究」為主旋律，不失時機地引導學生自評和互評。對於學習過程中的一些情感體驗(如是否喜歡數學、學習數學是否有信心)，學生感覺是最真實的'。所以，學生的自評是很有必要的，也是很有價值的。而數學學習又是一個合作的過程，在小組合作中，學生所表現的各種素質(如是否積極參與、是否有獨特的見解)，小組內同學是最有發言權，因此學生的互評也是至關重要的。家長和孩子關系特殊，家長的評價影響孩子的發展。據說一位老師給五年級學生布置了一道作業：假期，如果你們一家人去北京旅遊，請制訂三種旅遊計劃，分高、中、低三檔，其中火車票、飛機票、賓館住宿、各景點門票等費用，必須詳細列出，最後根據家庭經濟收入情況選擇一個最佳方案。顯然，這樣的題目很具有新課程理念，是讓學生動手動腦的、與生活聯系密切的作業，結果很多學生不知所措，家長抱怨老師作業怪，結果有許多作業都是由學生家長包辦。在本案例中，家長如果對學校工作了解、支持，讓學生自己動手動腦，親自體驗數學學習的過程，在學習過程中恰當地給予評價，對學生學會學習是終身受益的。由此可見，對學生的評價，學生、老師、家長三者缺一不可。

五、評價方法的合理選擇

評價學生數學學習的方法是多樣的，每種評價方式都有自己的特點，評價是應結合評價內容與學生學習特點合理進行選擇。常用的評價方法有：

1、課堂中自評、組評、師評相結合

這樣，通過評價學生知識的掌握、學習態度和學習能力等，使學生獲得了成功的體驗，增強了自信心，為自主探究習慣的養成奠定了基礎，值得借鑒。

2、平時評價與期末評價相結合

學生的情感體驗、參與意識、創新意識等素質，需要教師平時仔細觀察記錄，才能給學生較為公正的評價。有些知識和技能需要學生較為系統地學完一部分內容後才能進行考評，這就需要做到過程評價與結果評價相結合。我的做法是：

3、筆試和面試評價相結合

筆試是常用的評價方法，從筆試中可以看出學生對「雙基」的掌握情況，在一定程度上也可以看出學生數學思考和解決問題方面的素質。但筆試的局限性也是顯而易見的，在筆試中，學生有些想法、有些創意無法用書面表達，學生的動手實踐能力得不到體現，教師也無法從試卷中看出學生的思考過程。面試恰恰可以彌補筆試的缺陷。

4、定性與定量評價相結合

定量評價是目前教師習慣運用的評價方法，定量評價可採用百分制或等級制的方式，如做10道題，做對9道得90分。定性評價可採用等級加評語的方式進行，在評語中應使用鼓勵性的語言，客觀、公正的全面描述學生的學習狀況，充分肯定學生的進步和發展，更多地關注學生已經掌握了什麼、獲得了哪些進步、具備了什麼能力、在哪些方面具有潛能，並幫助學生明確自己的不足和努力方向，使評價結果有利於學生樹立學習數學的自信心、提高學習數學的興趣，促進學生的進一步發展。如對一些題目會做，但是作業卻不清楚的同學我在作業本上的評語是：優，如果字跡再清楚一點，你就可以得到一顆星了，希望你繼續努力，相信星會屬於你。果然在以後的作業中，這位同學的作業真的有了很大的進步。

數學教師研修日誌4

我是一名普通的小學數學教師，作為一個教師，首先要愛孩子們，包容孩子們的不足，用愛心和孩子們相處。也許我們工作中也有這樣那樣的失誤，但我會努力去愛我的學生們。我也要讓我的學生知道課堂教學是最重要和最有效的。

我現在是教四年級，家長都知道四年級是一個爬坡的年級，但為什麼是爬坡的年級各位家長並不十分清楚。這是因為一年級的學生剛入學，什麼都不懂，一切都要從頭開始。既要教給他知識，又要培養他良好的行為習慣和學習習慣。而四年級的學生則由低年級剛進入到中年級。這一年同學們要掌握的知識就像泛濫的洪水一樣蜂湧而至。而這時孩子們的發育卻處在緩慢階段，這也就是為什麼四年級的學生成績普遍偏低的主要原因。造成了孩子學習成績的下降。相信經過我剛才的解釋，大家已經對四年級有了新的認識。培養積極探究習慣，發展求異思維能力。在教學中，閱讀者對語言意義、語言情感、語言技巧的感悟，在很大程度上與學生的生活經歷、知識積累、認識能力、理解水平有關。為此，在教學中，構建數感的理解、體會，要引導學生仁者見仁，智者見智，大膽，各抒己見。換角，今年新課程全員培訓又到了，怎樣創新培訓模式，才能使民族地區鄉村小學教師先教學生做人，後教學生學數學。我認為，學生成長發展，做人是根本，學做人比做學問更重要。大家都曉得陶行知先生吧，他有句話讓我很有想法：「什麼是教育?一句話，就是要養成良好的學習習慣。教育就是習慣的培養。積千累萬，不如養個好習慣」。所以，本學期的數學課堂先從最基本的課堂常規，作業常規培養，讓學生養成良好的學習習慣。我認為，學生成長發展，做人是根本，一句話，就是要養成良好的學習習慣。教育就是習慣的培養。積千累萬，不如有個好習慣。

上課時注意新課導入新穎。「興趣是最好的老師」。在教學中，我十分注重培養和激發學生的學習興趣。譬如，在導入新課，讓學生一上課就能置身於一種輕松和諧的環境氛圍中，而又不知不覺地學數學，讓學生明白我們的數學來源於我們的生活，我們的生活處處有數學。我們要根據不同的課型，設計不同的導入方式。也可用講述故事的方式導入，採用激發興趣、設計懸念……引發設計，比起簡單的講述更能激發學生的靈性，開啟學生學習之門。讓他們主動去學，從而提高教學效果。

雖然在工作中我們取得了一些成績，但是這離我們所追求的目標還有很長的路要走。集體備課、研修活動培養了教師理解和把握教材的能力，喚醒了教師推進新課程的意識，從而能更好的為學生提供服務。

數學教師研修日誌5

作為一名教師而言，參加繼續教育學習是教師的一部分，就這段時間的學習而言我認為中小學教師繼續教育是教師教育的重要組成部分，是提高全體在職中小學教師整體素質和促進教師專業化的有效途徑，也是全面實施素質教育的關鍵。學習期間，在與實際相結合，不斷的實踐，取得了非常大的進步。現將一些學習體會做個小結。

一、通過對繼續教育的學習，我首先是更新了兩個重要的觀念：其一，對中學教師來說，研究是學習、反思、成長、發展的同義詞，與專業人員的研究具有質的區別。它是「以解決問題為目標的診斷性研究及實踐者對自身實踐情境和經驗所做的多視角、多層次的分析和反省。」其二，我們這些綜合科從現在的教育角度上講不是一門主科，但也是必不可少的學科。教師對此的定位非常迷惑。但通過學習，從「過去的我」與「現在的我」的對話交流，是努力擺脫「已成的我」，為不斷獲得新生的過程。努力研究自己，其目的就是為了提高自己、發展自己、更新自己。

教師是學生成長的守護人。他將教師角色定位於學習者、研究者、實踐者。教師首先是學習者，不僅要善於向實踐學習，向理論學習，而且要向學生學習。教師是研究者，帶領學生主動積極參與科研課題的研究。教師是實踐者，實踐的內涵是「變革」。

二、教育無小事。一個細節可能會影響一個孩子的一生。一個教師最可貴的品質在於他能從日復一日的教學生涯中領悟和體會到教育的真諦，開掘出散發著新鮮芳香、體現著高尚情操的教育細節。學生是具有極大可塑性的個體，是具有自立發展能力充滿創造力的生命體。概括地說，「教育的真諦在於啟發自覺，在於給心靈以向真、善、美方向發展的引力和空間。

三、就人格而言，無論在任何時代、任何地域、任何學段，師生之間都應該是天然平等的。教師和學生不但在人格上、感情上是平等的朋友，而且也是在求知識的道路上共同探索前進的平等的志同道合者。」

在教育中，教師要用自己的行動去感染學生，要用自己的言語去打動學生，把自己對人或事的真情實感流露出來，以此使師生間產生心靈的共鳴。學生只有感受到教師的善良和真誠愛心，才樂於聽從老師的教誨。正所謂「親其師，信其道」，教師要抓住機會，適時地把自己的喜、怒、哀、樂表現給學生，與學生通過交流達到心與心的溝通。教師的語言要有魅力，要富有人情味、趣味，同時又要富有理性。這樣的語言才能讓學生願意接受，達到教育的目的。暖人話語，滋潤心田。溫暖的的話語，可以使學生深深感到教師真誠的關愛，從而拉近師生的距離。教師對學生還要有一種充滿責任感和理智感的愛，這種愛就是嚴格要求，嚴而有度，更要嚴而有理。

除了更新自己的教育教學理念之外，我們還需要結合個人情況及教學環境和特色來很好的貫徹和應用它們。這個過程也是一個自我發現和自我完善的過程，除了需要不斷客觀的看待「過去的我」，我們更需要一份持久的熱情，一份對教育、對學生、對社會的神聖信仰與追求！

在學習研修的過程中，我堅持每天進行網上學習，認真觀看各個專家的視頻錄象，通過學習，解決了我在實際教學中遇到的很多疑難問題，使自己在師德修養、教育理念、教學方法、等各方面有了很大的提升,駕馭課堂、把握教材、交流溝通、教學設計、班級管理、教學反思的技能也有了很大的提高,同時更新了教育理論，豐富了教學經驗,同時也結識了許多優秀的教師，開闊了視野，充實了自己。雖然能夠學習的時間必須得從一點一滴的積累，這樣也更加珍惜這次學習機會。我通過課程視頻聆聽了專家的專題講座;通過課程文本加深了對專題的理解; 通過課程作業反思了以往和展望即將啟動的教學改革;通過網上探討尋找到了思想的沉澱和共鳴。

學習的目的就是要有實效。我根據區、學校制定的學習計劃，幾乎每天都安排了一定的學習時間和內容，把學習、作業、交流、討論互相穿插，保證足夠的時間與空間，獲取最大的學習效益。將近一個月里我用課余時間和雙休日完成了多項選修課程的學習，在網上向全國各地的教育專

家、名師學習，在學習中，我還做了大量的學習筆記，注重突出重點，突破難點，能夠根據網上提供的一些案例發表自己的見解，探索更有效的方式與途徑。每次學習之後，積極獨立高質量地完成了網上作業，達到了預期的學習效果。

學習的過程是一次知識積累與運用、創造的過程，因此要會學、善用。繼續教育學習課程里有豐富的知識講解，我每次看後，總要有一個思考，即如何將這些優秀的、先進的教育教學經驗帶進自己的課堂，有針對性的運用到自己的教育教學實踐中，從而收到事半功倍的效果，縮短同發達地區學校教學上的差距。通過實踐對理論、經驗的檢驗，尋找這些方式方法上的不同點、相同點與銜接點，完善自己的課堂教學方法，提升自身的課堂教學藝術。我刻苦鑽研以求更大程度的吸收這些知識，結合教材所需，將一些抽象的知識內容具體化、形象化，現實化，讓自己不斷進步，爭取做一個稱職的教師。

通過這個月的學習，我受益匪淺。作為一名年輕的教師，聽課是提高自身能力的一種重要途徑。沒有進行這個月的學習之前，一直對聽課問題存在一些這樣的誤區，簡單說一下這三個方面

（1）聽課缺乏計劃。有時高興聽才去聽，隨心所欲，其實，聽課教師應該結合自己的實際情況安排好自己的聽課計劃。

（2）沒有調整好聽課心態。我以前聽課的時候，就是覺得授課教師講得挺不好的。其實不應該這樣，應該抱著學習的態度去聽課。

（3）聽課不能做到跨學科去聽。跨學科聽課是新課程提出的要求。新課程的一個新的特點就是打破學科的界限，注重本學科與其他學科的聯系，利用其他學科的知識解決本學科的問題。掌握豐富的知識，就能夠融會貫通。

還有就是關於評課的問題，以前對於這方面的認識也是比較片面的，沒有深刻的認識。自從聽了《課堂教學診斷》之後，認識也進一步深化了。我也認識到了自身存在的一些問題：思想上沒有重視評課，認識上有偏頗。當時，我就認為，聽課就是找別人的缺點。評課時聽課教師或提出教學方法不當、板書不明晰、提問方式有待提高等籠統的意見，或抓住一個發音、一句話的失誤大做文章，把教師的課堂教學說得一無是處。這樣的評課，不但不利於教師揚長避短，改進課堂教學，而且會使他們產生謹小慎微、不求有功但求無過的消極情緒。對於評課，要進行充分的重視。評課是促進教師教學能力提高和引導課堂教學改革方向的重要手段，是教師之間進行交流的平台，不論是對於聽課教師還是對於被聽課教師來說都有著重要的意義。

⑵ 生物信息學與生態信息學有什麼不同

生物信息學（Bioinformatics）：
是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。它是當今生命科學和自然科學的重大前沿領域之一，同時也將是21世紀自然科學的核心領域之一。其研究重點主要體現在基因組學(Genomics)和蛋白學(Proteomics)兩方面，具體說就是從核酸和蛋白質序列出發，分析序列中表達的結構功能的生物信息。
具體而言，生物信息學作為一門新的學科領域，它是把基因組DNA序列信息分析作為源頭，在獲得蛋白質編碼區的信息後進行蛋白質空間結構模擬和預測，然後依據特定蛋白質的功能進行必要的葯物設計。基因組信息學,蛋白質空間結構模擬以及葯物設計構成了生物信息學的3個重要組成部分。從生物信息學研究的具體內容上看，生物信息學應包括這3個主要部分：(1)新演算法和統計學方法研究；(2)各類數據的分析和解釋；(3)研製有效利用和管理數據新工具。 生物信息學是一門利用計算機技術研究生物系統之規律的學科。
目前的生物信息學基本上只是分子生物學與信息技術（尤其是網際網路技術）的結合體。生物信息學的研究材料和結果就是各種各樣的生物學數據，其研究工具是計算機，研究方法包括對生物學數據的搜索（收集和篩選）、處理（編輯、整理、管理猜改和顯示）及利用（計算、模擬）。

生態信息學或者信息生態學(Ecological Informatics)：
是以現代系統理論、方法和現代計算機技術來分析、處理整日趨膨脹的試驗和觀測的生態學信息，尋求生態學系統整體水平的規律。專家們認為，現今世界科學研究的發展趨勢的應該是強調整合和系統的整體論，而強調解析的還原論的結果通常是導致科學家對越來越小局部和的片斷的越來越深的了解。對於象生態系統這樣的復雜系統而言，僅僅了解系統的內部的局部環節遠遠不足以解釋系統的行為，因為系統各部分（子系統）之間的相互作用在解釋系統行為方面同等重要。專家們提出如下信息生態學優先研究領域。

1．生態學數據採集技術的規范化及資料庫的系統化
在生態學數據的採集方法、技術、手段、及數據精度等方面，應盡量實現規范化和標准化，盡可能利 用新的數據感測技術（如近紅外技 術），使之盡可能符合國際、國家。或者行業的標准，為後續的信息分析和處理打下良好的基礎，為信息的交流傳播和共享創造條件。鑒於數據生態學數據的形式、時空范圍、獲取背景等諸多方面的多樣化，有必要對現有的生態學數據進 行系統化的整編、改造，使之能夠 互相補充，互相印證。同時，有必要就上述問題展開方法和技術方面的研究。
2．生態系統信息分析與模型化以不同方法手段對生態學數據進行分析和處理，從中導出有關生態學規律
發展各種不同類型、不同尺度、不同層次的生態系統模型，通過對系統的模擬分析，從生態學數據中提取有關生態系統的行為和規律方面的信息。主要包括如下方面：①．生物群落的綜合信息分析理行早論。發展包括環境、空間因素、生物要素在內的群落學多元統計分析方法將是信息生態學在群落分析方穗帶判面的重要的潛在突破曰。②．基於過程的植物個體（包括農作物、森林樹木）生長發育動態模擬模型。模擬不同氣候、土壤條件下，植物個體各部分的生長。發育以及凈第一性生產力、產量。材積形成的過程。③．森林群落結構動態模型。建立適合於我國特殊情況的（災害頻繁、人為活動干擾強度大等）森林群落物種演替動態模擬模型。④．空間耦合動態模擬模型理論、空間模擬軟體系統。很有必要建立一個空間異質生態系統模擬的計算機環境，專門用於各種不同的空間異質生態系統的模擬模 型的建立。⑤．空間異質生態系統模擬模型。針對景觀尺度和區域尺度的生態學問題，建立生態系統結構和功能耦合、空間格點耦合的雙重耦合生態系統模擬模型。⑹．不同尺度生態系統模擬模型的尺度轉換。
3．生態系統管理的信息化咨詢與決策
結合理論模型和生態系統管理方面的定性的和定量的專家經驗性知識，建立生態系統管理咨詢與決策系統。關鍵問題包括：專家經驗和知識的規范化和知識庫建立。理論模型與專家經驗的結合。研究有關的方法和技術，正確客觀地處理理論模型結果和專家經驗知識之間的矛盾。
盡管處理的科學問題不同、時空尺度不同，但生物信息學和信息生態學所用的信息分析工具卻有許多是相同的或相近的。研究和發 展一些通用的信息工具是共同的需要。

生物信息學和信息生態學的研究需要發展有效的能支持大尺度作圖與測序需要的軟體和資料庫以及若干資料庫工具，包括互聯網路上的遠程通訊工具，使之能容易地處理日益增長的物理圖、遺傳圖和序列信息、地理信息。改進現有的理論分析方法，如統計方法，隱含馬爾科夫過程方法，非線性動力系統方法，特別是混濁和分維方法，神經網路方法，復雜性分析方法，密碼學方法，多序列比較方法等；要研究系統自組織問題、熵或其它信息的測度問題，創建一切適用於基因組信息和信息生態學分析的新方法、新技術，包括引人復雜系統分析技術、信息系統分析技術等，例如，發展離散數學和組合數學相結合的方法；發展統計語言學和代數語言學相結合的方法；發展研究基因組完整信息結構和信 息網路的研究方法等。如近紅外光譜技術、計算計視覺技術、圖像和圖形的識別技術的研究，也是非常重要的。這一切是我國生物信息學和信息生態學研究取得突破的技術保障。

⑶ 生物信息學

一, 生物信息學發展簡介

生物信息學是建立在分子生物學的基礎上的,因此,要了解生物信息學,就

必須先對分子生物學的發展有一個簡單的了解.研究生物細胞的生物大分子的結

構與功能很早就已經開始,1866年孟德爾從實驗上提出了假設:基因是以生物

成分存在[1],1871年Miescher從死的白細胞核中分離出脫氧核糖核酸(DNA),

在Avery和McCarty於1944年證明了DNA是生命器官的遺傳物質以前,人們

仍然認為染色體蛋白質攜帶基因,而DNA是一個次要的角色.

1944年Chargaff發現了著名的Chargaff規律,即DNA中鳥嘌呤的量與胞嘧

定的量總是相等,腺嘌呤與胸腺嘧啶的量相等.與此同時,Wilkins與Franklin

用X射線衍射技術測定了DNA纖維的結構.1953年James Watson 和Francis

Crick在Nature雜志上推測出DNA的三維結構(雙螺旋).DNA以磷酸糖鏈形

成發雙股螺旋,脫氧核糖上的鹼基按Chargaff規律構成雙股磷酸糖鏈之間的鹼基

對.這個模型表明DNA具有自身互補的結構,根據鹼基對原則,DNA中貯存的

遺傳信息可以精確地進行復制.他們的理論奠定了分子生物學的基礎.

DNA雙螺旋模型已經預示出了DNA復制的規則,Kornberg於1956年從大

腸桿菌(E.coli)中分離出DNA聚合酶I(DNA polymerase I),能使4種dNTP連接

成DNA.DNA的復制需要一個DNA作為模板.Meselson與Stahl(1958)用實驗

方法證明了DNA復制是一種半保留復制.Crick於1954年提出了遺傳信息傳遞

的規律,DNA是合成RNA的模板,RNA又是合成蛋白質的模板,稱之為中心

法則(Central dogma),這一中心法則對以後分子生物學和生物信息學的發展都起

到了極其重要的指導作用.

經過Nirenberg和Matthai(1963)的努力研究,編碼20氨基酸的遺傳密碼

得到了破譯.限制性內切酶的發現和重組DNA的克隆(clone)奠定了基因工程

的技術基礎.

正是由於分子生物學的研究對生命科學的發展有巨大的推動作用,生物信息

學的出現也就成了一種必然.

2001年2月,人類基因組工程測序的完成,使生物信息學走向了一個高潮.

由於DNA自動測序技術的快速發展,DNA資料庫中的核酸序列公共數據量以每

天106bp速度增長,生物信息迅速地膨脹成數據的海洋.毫無疑問,我們正從一

個積累數據向解釋數據的時代轉變,數據量的巨大積累往往蘊含著潛在突破性發

現的可能,"生物信息學"正是從這一前提產生的交叉學科.粗略地說,該領域

的核心內容是研究如何通過對DNA序列的統計計算分析,更加深入地理解DNA

序列,結構,演化及其與生物功能之間的關系,其研究課題涉及到分子生物學,

分子演化及結構生物學,統計學及計算機科學等許多領域.

生物信息學是內涵非常豐富的學科,其核心是基因組信息學,包括基因組信

息的獲取,處理,存儲,分配和解釋.基因組信息學的關鍵是"讀懂"基因組的核

苷酸順序,即全部基因在染色體上的確切位置以及各DNA片段的功能;同時在

發現了新基因信息之後進行蛋白質空間結構模擬和預測,然後依據特定蛋白質的

功能進行葯物設計[2].了解基因表達的調控機理也是生物信息學的重要內容,根

據生物分子在基因調控中的作用,描述人類疾病的診斷,治療內在規律.它的研

究目標是揭示"基因組信息結構的復雜性及遺傳語言的根本規律",解釋生命的遺

傳語言.生物信息學已成為整個生命科學發展的重要組成部分,成為生命科學研

究的前沿.

二, 生物信息學的主要研究方向

生物信息學在短短十幾年間,已經形成了多個研究方向,以下簡要介紹一些

主要的研究重點.

1,序列比對(Sequence Alignment)

序列比對的基本問題是比較兩個或兩個以上符號序列的相似性或不相似

性.從生物學的初衷來看,這一問題包含了以下幾個意義[3]:

從相互重疊的序列片斷中重構DNA的完整序列.

在各種試驗條件下從探測數據(probe data)中決定物理和基因圖

存貯,遍歷和比較資料庫中的DNA序列

比較兩個或多個序列的相似性

在資料庫中搜索相關序列和子序列

尋找核苷酸(nucleotides)的連續產生模式

找出蛋白質和DNA序列中的信息成分

序列比對考慮了DNA序列的生物學特性,如序列局部發生的插入,刪除(前

兩種簡稱為indel)和替代,序列的目標函數獲得序列之間突變集最小距離加權

和或最大相似性和,對齊的方法包括全局對齊,局部對齊,代溝懲罰等.兩個

序列比對常採用動態規劃演算法,這種演算法在序列長度較小時適用,然而對於海

量基因序列(如人的DNA序列高達109bp),這一方法就不太適用,甚至採用算

法復雜性為線性的也難以奏效.因此,啟發式方法的引入勢在必然,著名的

BALST和FASTA演算法及相應的改進方法均是從此前提出發的.

2, 蛋白質結構比對和預測

基本問題是比較兩個或兩個以上蛋白質分子空間結構的相似性或不相似性.

蛋白質的結構與功能是密切相關的,一般認為,具有相似功能的蛋白質結構一般

相似.蛋白質是由氨基酸組成的長鏈,長度從50到1000~3000AA(Amino Acids),

蛋白質具有多種功能,如酶,物質的存貯和運輸,信號傳遞,抗體等等.氨基酸

的序列內在的決定了蛋白質的3維結構.一般認為,蛋白質有四級不同的結構.

研究蛋白質結構和預測的理由是:醫葯上可以理解生物的功能,尋找docking

drugs的目標,農業上獲得更好的農作物的基因工程,工業上有利用酶的合成.

直接對蛋白質結構進行比對的原因是由於蛋白質的3維結構比其一級結構

在進化中更穩定的保留,同時也包含了較AA序列更多的信息.

蛋白質3維結構研究的前提假設是內在的氨基酸序列與3維結構一一對應

(不一定全真),物理上可用最小能量來解釋.

從觀察和總結已知結構的蛋白質結構規律出發來預測未知蛋白質的結構.同

源建模(homology modeling)和指認(Threading)方法屬於這一范疇.同源建模用

於尋找具有高度相似性的蛋白質結構(超過30%氨基酸相同),後者則用於比較

進化族中不同的蛋白質結構.

然而,蛋白結構預測研究現狀還遠遠不能滿足實際需要.

3, 基因識別,非編碼區分析研究.

基因識別的基本問題是給定基因組序列後,正確識別基因的范圍和在基因組

序列中的精確位置.非編碼區由內含子組成(introns),一般在形成蛋白質後被丟

棄,但從實驗中,如果去除非編碼區,又不能完成基因的復制.顯然,DNA序

列作為一種遺傳語言,既包含在編碼區,又隱含在非編碼序列中.分析非編碼

區DNA序列目前沒有一般性的指導方法.

在人類基因組中,並非所有的序列均被編碼,即是某種蛋白質的模板,已

完成編碼部分僅占人類基因總序列的3~5%,顯然,手工的搜索如此大的基因序

列是難以想像的.

偵測密碼區的方法包括測量密碼區密碼子(codon)的頻率,一階和二階馬爾

可夫鏈,ORF(Open Reading Frames),啟動子(promoter)識別,HMM(Hidden

Markov Model)和GENSCAN,Splice Alignment等等.

4, 分子進化和比較基因組學

分子進化是利用不同物種中同一基因序列的異同來研究生物的進化,構建進

化樹.既可以用DNA序列也可以用其編碼的氨基酸序列來做,甚至於可通過相

關蛋白質的結構比對來研究分子進化,其前提假定是相似種族在基因上具有相似

性.通過比較可以在基因組層面上發現哪些是不同種族中共同的,哪些是不同的.

早期研究方法常採用外在的因素,如大小,膚色,肢體的數量等等作為進化

的依據.近年來較多模式生物基因組測序任務的完成,人們可從整個基因組的角

度來研究分子進化.在匹配不同種族的基因時,一般須處理三種情況:

Orthologous: 不同種族,相同功能的基因

Paralogous: 相同種族,不同功能的基因

Xenologs: 有機體間採用其他方式傳遞的基因,如被病毒注入的基因.

這一領域常採用的方法是構造進化樹,通過基於特徵(即DNA序列或蛋白

質中的氨基酸的鹼基的特定位置)和基於距離(對齊的分數)的方法和一些傳統

的聚類方法(如UPGMA)來實現.

5, 序列重疊群(Contigs)裝配

根據現行的測序技術,每次反應只能測出500 或更多一些鹼基對的序列,

如人類基因的測量就採用了短槍(shortgun)方法,這就要求把大量的較短的序列

全體構成了重疊群(Contigs).逐步把它們拼接起來形成序列更長的重疊群,直

至得到完整序列的過程稱為重疊群裝配.從演算法層次來看,序列的重疊群是一個

NP-完全問題.

6, 遺傳密碼的起源

通常對遺傳密碼的研究認為,密碼子與氨基酸之間的關系是生物進化歷史上

一次偶然的事件而造成的,並被固定在現代生物的共同祖先里,一直延續至今.

不同於這種"凍結"理論,有人曾分別提出過選擇優化,化學和歷史等三種學說

來解釋遺傳密碼.隨著各種生物基因組測序任務的完成,為研究遺傳密碼的起源

和檢驗上述理論的真偽提供了新的素材.

7, 基於結構的葯物設計

人類基因工程的目的之一是要了解人體內約10萬種蛋白質的結構,功能,

相互作用以及與各種人類疾病之間的關系,尋求各種治療和預防方法,包括葯物

治療.基於生物大分子結構及小分子結構的葯物設計是生物信息學中的極為重要

的研究領域.為了抑制某些酶或蛋白質的活性,在已知其蛋白質3級結構的基礎

上,可以利用分子對齊演算法,在計算機上設計抑制劑分子,作為候選葯物.這一

領域目的是發現新的基因葯物,有著巨大的經濟效益.

8, 其他

如基因表達譜分析,代謝網路分析;基因晶元設計和蛋白質組學數據分析等,

逐漸成為生物信息學中新興的重要研究領域;在學科方面,由生物信息學衍生的

學科包括結構基因組學,功能基因組學,比較基因組學,蛋白質學,葯物基因組

學,中葯基因組學,腫瘤基因組學,分子流行病學和環境基因組學.

從現在的發展不難看出,基因工程已經進入了後基因組時代.我們也有應對

與生物信息學密切相關的如機器學習,和數學中可能存在的誤導有一個清楚的認

識.

三, 生物信息學與機器學習

生物信息的大規模給數據挖掘提出了新課題和挑戰,需要新的思想的加入.

常規的計算機演算法仍可以應用於生物數據分析中,但越來越不適用於序列分析問

題.究竟原因,是由於生物系統本質上的模型復雜性及缺乏在分子層上建立的完

備的生命組織理論.

西蒙曾給出學習的定義:學習是系統的變化,這種變化可使系統做相同工作

時更有效[4].機器學習的目的是期望能從數據中自動地獲得相應的理論,通過采

用如推理,模型擬合及從樣本中學習,尤其適用於缺乏一般性的理論,"雜訊"

模式,及大規模數據集.因此,機器學習形成了與常規方法互補的可行的方法.

機器學習使得利用計算機從海量的生物信息中提取有用知識,發現知識成為可能

[5].

機器學習方法在大樣本,多向量的數據分析工作中發揮著日益重要的作用,

而目前大量的基因資料庫處理需要計算機能自動識別,標注,以避免即耗時又花

費巨大的人工處理方法.早期的科學方法—觀測和假設----面對高數據的體積,

快速的數據獲取率和客觀分析的要求---已經不能僅依賴於人的感知來處理了.因

而,生物信息學與機器學習相結合也就成了必然.

機器學習中最基本的理論框架是建立在概率基礎上的,從某種意義來說,是

統計模型擬合的延續,其目的均為提取有用信息.機器學習與模式識別和統計推

理密切相關.學習方法包括數據聚類,神經網路分類器和非線性回歸等等.隱馬

爾可夫模型也廣泛用於預測DNA的基因結構.目前研究重心包括:1)觀測和

探索有趣的現象.目前ML研究的焦點是如何可視化和探索高維向量數據.一般

的方法是將其約簡至低維空間,如常規的主成分分析(PCA),核主成分分析

(KPCA),獨立成分分析(Independent component analysis),局部線性嵌套(Locally

Linear embedding).2)生成假設和形式化模型來解釋現象[6].大多數聚類方法可

看成是擬合向量數據至某種簡單分布的混合.在生物信息學中聚類方法已經用於

microarray數據分析中,癌症類型分類及其他方向中.機器學習也用於從基因數

據庫中獲得相應的現象解釋.

機器學習加速了生物信息學的進展,也帶了相應的問題.機器學習方法大多

假定數據符合某種相對固定的模型,而一般數據結構通常是可變的,在生物信息

學中尤其如此,因此,有必要建立一套不依賴於假定數據結構的一般性方法來尋

找數據集的內在結構.其次,機器學習方法中常採用"黑箱"操作,如神經網路

和隱馬爾可夫模型,對於獲得特定解的內在機理仍不清楚.

四, 生物信息學的數學問題

生物信息學中數學佔了很大的比重.統計學,包括多元統計學,是生物信息

學的數學基礎之一;概率論與隨機過程理論,如近年來興起的隱馬爾科夫鏈模型

(HMM),在生物信息學中有重要應用;其他如用於序列比對的運籌學;蛋白質

空間結構預測和分子對接研究中採用的最優化理論;研究DNA超螺旋結構的拓

撲學;研究遺傳密碼和DNA序列的對稱性方面的群論等等.總之,各種數學理

論或多或少在生物學研究中起到了相應的作用.

但並非所有的數學方法在引入生物信息學中都能普遍成立的,以下以統計學

和度量空間為例來說明.

1, 統計學的悖論

數學的發展是伴隨悖論而發展的.對於進化樹研究和聚類研究中最顯著的悖

論莫過於均值了,如圖1:

圖1 兩組同心圓的數據集

圖1是兩組同心圓構成的數據集,顯然,兩組數據集的均值均在圓點,這也

就說明了要採用常規的均值方法不能將這兩類分開,也表明均值並不能帶來更多

的數據的幾何性質.那麼,如果數據呈現類似的特有分布時,常有的進化樹演算法

和聚類演算法(如K-均值)往往會得錯誤的結論.統計上存在的陷阱往往是由於

對數據的結構缺乏一般性認識而產生的.

2, 度量空間的假設

在生物信息學中,進化樹的確立,基因的聚類等都需要引入度量的概念.舉

例來說,距離上相近或具有相似性的基因等具有相同的功能,在進化樹中滿足分

值最小的具有相同的父系,這一度量空間的前提假設是度量在全局意義下成立.

那麼,是否這種前提假設具有普適性呢

我們不妨給出一般的描述:假定兩個向量為A,B,其中,

,則在假定且滿足維數間線性無關的前提下,兩個

向量的度量可定義為:

(1)

依據上式可以得到滿足正交不變運動群的歐氏度量空間,這也是大多數生物信息

學中常採用的一般性描述,即假定了變數間線性無關.

然而,這種假設一般不能正確描述度量的性質,尤其在高維數據集時,不考

慮數據變數間的非線性相關性顯然存在問題,由此,我們可以認為,一個正確的

度量公式可由下式給出:

(2)

上式中採用了愛因斯坦和式約定,描述了變數間的度量關系.後者在滿足

(3)

時等價於(1),因而是更一般的描述,然而問題在於如何准確描述變數間的非線

性相關性,我們正在研究這個問題.

五, 幾種統計學習理論在生物信息學中應用的困難

生物信息學中面對的數據量和資料庫都是規模很大的,而相對的目標函數卻

一般難以給出明確的定義.生物信息學面臨的這種困難,可以描述成問題規模的

巨大以及問題定義的病態性之間的矛盾,一般從數學上來看,引入某個正則項來

改善性能是必然的[7].以下對基於這一思想產生的統計學習理論[8],Kolmogorov

復雜性[98]和BIC(Bayesian Information Criterion)[109]及其存在的問題給出簡要介

紹.

支持向量機(SVM)是近來較熱門的一種方法,其研究背景是Vapnik的統計

學習理論,是通過最大化兩個數據集的最大間隔來實現分類,對於非線性問題則

採用核函數將數據集映射至高維空間而又無需顯式描述數據集在高維空間的性

質,這一方法較之神經方法的好處在於將神經網路隱層的參數選擇簡化為對核函

數的選擇,因此,受到廣泛的注意.在生物信息學中也開始受到重視,然而,核

函數的選擇問題本身是一個相當困難的問題,從這個層次來看,最優核函數的選

擇可能只是一種理想,SVM也有可能象神經網路一樣只是機器學習研究進程中

又一個大氣泡.

Kolmogorov復雜性思想與統計學習理論思想分別從不同的角度描述了學習

的性質,前者從編碼的角度,後者基於有限樣本來獲得一致收斂性.Kolmogorov

復雜性是不可計算的,因此由此衍生了MDL原則(最小描述長度),其最初只

適用於離散數據,最近已經推廣至連續數據集中,試圖從編碼角度獲得對模型參

數的最小描述.其缺陷在於建模的復雜性過高,導致在大數據集中難以運用.

BIC准則從模型復雜性角度來考慮,BIC准則對模型復雜度較高的給予大的

懲罰,反之,懲罰則小,隱式地體現了奧卡姆剃刀("Occam Razor")原理,近

年也廣泛應用於生物信息學中.BIC准則的主要局限是對參數模型的假定和先驗

的選擇的敏感性,在數據量較大時處理較慢.因此,在這一方面仍然有許多探索

的空間.

六, 討論與總結

人類對基因的認識,從以往的對單個基因的了解,上升到在整個基因組水平

上考察基因的組織結構和信息結構,考察基因之間在位置,結構和功能上的相互

關系.這就要求生物信息學在一些基本的思路上要做本質的觀念轉變,本節就這

些問題做出探討和思索.

啟發式方法:

Simond在人類的認知一書中指出,人在解決問題時,一般並不去尋找最優

的方法,而只要求找到一個滿意的方法.因為即使是解決最簡單的問題,要想得

到次數最少,效能最高的解決方法也是非常困難的.最優方法和滿意方法之間的

困難程度相差很大,後者不依賴於問題的空間,不需要進行全部搜索,而只要能

達到解決的程度就可以了.正如前所述,面對大規模的序列和蛋白質結構數據集,

要獲得全局結果,往往是即使演算法復雜度為線性時也不能夠得到好的結果,因此,

要通過變換解空間或不依賴於問題的解空間獲得滿意解,生物信息學仍需要人工

智能和認知科學對人腦的進一步認識,並從中得到更好的啟發式方法.

問題規模不同的處理:

Marvin Minsky在人工智慧研究中曾指出:小規模數據量的處理向大規模數

據量推廣時,往往並非演算法上的改進能做到的,更多的是要做本質性的變化.這

好比一個人爬樹,每天都可以爬高一些,但要想爬到月球,就必須採用其他方法

一樣.在分子生物學中,傳統的實驗方法已不適應處理飛速增長的海量數據.同

樣,在採用計算機處理上,也並非依靠原有的計算機演算法就能夠解決現有的數據

挖掘問題.如在序列對齊(sequence Alignment)問題上,在小規模數據中可以採用

動態規劃,而在大規模序列對齊時不得不引入啟發式方法,如BALST,FASTA.

樂觀中的隱擾

生物信息學是一門新興學科,起步於20世紀90年代,至今已進入"後基因

組時代",目前在這一領域的研究人員均呈普遍樂觀態度,那麼,是否存在潛在

的隱擾呢

不妨回顧一下早期人工智慧的發展史[11],在1960年左右,西蒙曾相信不出

十年,人類即可象完成登月一樣完成對人的模擬,造出一個與人智能行為完全相

同的機器人.而至今為止,這一諾言仍然遙遙無期.盡管人工智慧研究得到的成

果已經滲入到各個領域,但對人的思維行為的了解遠未完全明了.從本質來看,

這是由於最初人工智慧研究上定位錯誤以及沒有從認識論角度看清人工智慧的

本質造成的;從研究角度來看,將智能行為還原成一般的形式化語言和規則並不

能完整描述人的行為,期望物理科學的成功同樣在人工智慧研究中適用並不現

實.

反觀生物信息學,其目的是期望從基因序列上解開一切生物的基本奧秘,從

結構上獲得生命的生理機制,這從哲學上來看是期望從分子層次上解釋人類的所

有行為和功能和致病原因.這類似於人工智慧早期發展中表現的樂觀行為,也來

自於早期分子生物學,生物物理和生物化學的成就.然而,從本質上來講,與人

工智能研究相似,都是希望將生命的奧秘還原成孤立的基因序列或單個蛋白質的

功能,而很少強調基因序列或蛋白質組作為一個整體在生命體中的調控作用.我

們因此也不得不思考,這種研究的最終結果是否能夠支撐我們對生物信息學的樂

觀呢 現在說肯定的話也許為時尚早.

綜上所述,不難看出,生物信息學並不是一個足以樂觀的領域,究竟原因,

是由於其是基於分子生物學與多種學科交叉而成的新學科,現有的形勢仍表現為

各種學科的簡單堆砌,相互之間的聯系並不是特別的緊密.在處理大規模數據方

面,沒有行之有效的一般性方法;而對於大規模數據內在的生成機制也沒有完全

明了,這使得生物信息學的研究短期內很難有突破性的結果.那麼,要得到真正

的解決,最終不能從計算機科學得到,真正地解決可能還是得從生物學自身,從

數學上的新思路來獲得本質性的動力.

毫無疑問,正如Dulbecco1986年所說:"人類的DNA序列是人類的真諦,

這個世界上發生的一切事情,都與這一序列息息相關".但要完全破譯這一序列

以及相關的內容,我們還有相當長的路要走.

（來源 ------[InfoBio.org | 生物信息學研討組]）http://www.infobio.org
生物信息學（Bioinformatics）是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。它是當今生命科學和自然科學的重大前沿領域之一，同時也將是21世紀自然科學的核心領域之一。其研究重點主要體現在基因組學(Genomics)和蛋白學(Proteomics)兩方面，具體說就是從核酸和蛋白質序列出發，分析序列中表達的結構功能的生物信息。

生物信息學是一門利用計算機技術研究生物系統之規律的學科。

目前的生物信息學基本上只是分子生物學與信息技術（尤其是網際網路技術）的結合體。生物信息學的研究材料和結果就是各種各樣的生物學數據，其研究工具是計算機，研究方法包括對生物學數據的搜索（收集和篩選）、處理（編輯、整理、管理和顯示）及利用（計算、模擬）。

1990年代以來，伴隨著各種基因組測序計劃的展開和分子結構測定技術的突破和Internet的普及，數以百計的生物學資料庫如雨後春筍般迅速出現和成長。對生物信息學工作者提出了嚴峻的挑戰：數以億計的ACGT序列中包涵著什麼信息？基因組中的這些信息怎樣控制有機體的發育？基因組本身又是怎樣進化的？

生物信息學的另一個挑戰是從蛋白質的氨基酸序列預測蛋白質結構。這個難題已困擾理論生物學家達半個多世紀，如今找到問題答案要求正變得日益迫切。諾貝爾獎獲得者W. Gilbert在1991年曾經指出：「傳統生物學解決問題的方式是實驗的。現在，基於全部基因都將知曉，並以電子可操作的方式駐留在資料庫中，新的生物學研究模式的出發點應是理論的。一個科學家將從理論推測出發，然後再回到實驗中去，追蹤或驗證這些理論假設」。

生物信息學的主要研究方向： 基因組學 - 蛋白質組學 - 系統生物學 - 比較基因組學

姑且不去引用生物信息學冗長的定義，以通俗的語言闡述其核心應用即是：隨著包括人類基因組計劃在內的生物基因組測序工程的里程碑式的進展，由此產生的包括生物體生老病死的生物數據以前所未有的速度遞增，目前已達到每14個月翻一番的速度。同時隨著互聯網的普及，數以百計的生物學資料庫如雨後春筍般迅速出現和成長。然而這些僅僅是原始生物信息的獲取，是生物信息學產業發展的初組階段，這一階段的生物信息學企業大都以出售生物資料庫為生。以人類基因組測序而聞名的塞萊拉公司即是這一階段的成功代表。
原始的生物信息資源挖掘出來後，生命科學工作者面臨著嚴峻的挑戰：數以億計的ACGT序列中包涵著什麼信息？基因組中的這些信息怎樣控制有機體的發育？基因組本身又是怎樣進化的？生物信息學產業的高級階段體現於此，人類從此進入了以生物信息學為中心的後基因組時代。結合生物信息學的新葯創新工程即是這一階段的典型應用。

⑷ 信息不是守恆的那信息守恆定律是怎麼回事

2004年7月21日，在愛爾蘭都柏林舉行的「第17屆國際廣義相對論和萬有引力大會」上，英國傳奇科學家斯蒂芬·霍金教授宣布了他對宇宙黑洞的最新研究結果，霍金 信息守恆定律的態度來了個180度轉彎，表示自己原來的觀點錯了，信息應該守恆：黑洞並非如他和其他大多數物理學家以前認為的那樣，對其周遭的一切「完全吞食」，事實上被吸入黑洞深處的物質的某些信息實際上可能會在某個時候釋放出來：信息守恆。 原因是先前把黑洞想得太理想化了，把黑洞熱輻射也想得太理想化了。不過，霍金一直沒有給出嚴格的證明來支持自己的新觀點。索恩表示此事不能由霍金一個人說了算，他仍堅持信息不守恆的看法。普瑞斯基則表示沒有聽懂霍金的演講，不明白自己為什麼贏了。目前，這一牽扯到量子論基礎的敏感問題還遠未解決。 黑洞不是一顆死亡了的星體,它具有豐富的內涵。黑洞的霍金輻射理論表明,黑洞不僅具有一般的力學性質,而且具有量子性質和熱性質。如果黑洞的輻射譜為嚴格的黑體譜,則黑洞輻射過程中信息丟失。Parikh和Wilczek認為,黑洞的霍金輻射的確可以看成是一種量子效應,但輻射粒子貫穿的勢壘不是預先存在的,而是由出射粒子自身產生的。他們的研究結果支持信息守恆。 黑洞理論的研究已經超出了黑洞本身，它不僅通過信息疑難觸及了量子論的重要基石——幺正性，而且掀開了探討時間性質的新篇章。 黑洞內部有一個奇點，那是時間終結的地方。大爆炸宇宙有一個初始奇點，那是時間開始的地方。彭若斯和霍金曾經證明過一個「奇性定理」，該定理表明，任何一個真實的時空都一定存在奇點，即一定存在時間有開始或終結的過程。時間有沒有開始和結束，原本是哲學家和神學家議論的話題，現在經過對黑洞和宇宙的研究，這一話題被納入了物理學的領域。 宇宙學家相信，太空中有許多類型的黑洞，從質量相當於一座山的小黑洞，到位於星系中央的超級黑洞，不一而足。科學家過去認為，從巨大的星體到星際塵埃等，一旦掉進去，就再不能逃出，就連光也不能「倖免於難」。而霍金教授關於黑洞的最新研究有可能打破這一結論。經過長時間的研究，他發現，一些被黑洞吞沒的物質隨著時間的推移，慢慢地從黑洞中「流淌」出來。 霍金關於黑洞的這一新理論解決了關於黑洞信息的一個似是而非的觀點，他的劍橋大學的同行都為此興奮不已。過去，黑洞一直被認為是一種純粹的破壞力量，而現在的最新研究表明，黑洞在星系形成過程中可能扮演了重要角色。 [編輯本段]自認「黑洞悖論」錯誤 1976年，霍金稱自己通過計算得出結論，他認為黑洞在形成過程中，其質量 霍金輻射減少的同時還不斷在以能量的形式向外界發出輻射。這就是著名的「霍金輻射」理論。但是，理論中提到的黑洞輻射中並不包括黑洞內部物質的任何信息，一旦這個黑洞濃縮並蒸發消失後，其中的所有信息就都隨之消失了。這便是所謂的「黑洞悖論」。 這種說法與量子力學的相關理論出現相互矛盾之處。因為現代量子物理學認定這種物質信息是永遠不會完全消失的。近30年來，霍金試圖以各種推測來解釋這一自相矛盾的觀點。霍金曾表示，黑洞中量子運動是一種特殊情況，由於黑洞中的引力非常強烈，量子力學在此時已經不再適用了。但是霍金的這種說法並沒有得到科學界眾多持懷疑態度學者的信服。 如今，霍金終於給了這個當年自相矛盾觀點一個更具有說服力的答案。霍金稱 量子物理學，黑洞從來都不會完全關閉自身，他們在一段漫長的時間里逐步向外界輻射出越來越多的熱量，隨後黑洞將最終開放自己並釋放出其中包含的物質信息。 新成果令人振奮 盡管這一重大研究成果還沒有公開以論文的形式發表，已經在學術界引起了軒然大波。霍金在劍橋大學的同事、著名的物理理論學家馬爾科姆·佩里博士表示，「霍金在這次研討會上提出的觀點也許是一種可行的解決方案。但是具體是否能得到最終認可，我看還需要由大家說了算。」但他認為，霍金最新的研究成果將可以和30年前發表的「霍金輻射」相媲美。 另一位物理學家科特·卡特勒在接受《新科學家》雜志的訪問時說：「霍金發出了一個信息，他似乎在說『我已經解決了黑洞理論中的矛盾之處，我想就此發表一些新的看法』。但是我們作為該信息的接受者，預先卻並沒有看到任何有關的書面闡述。作為對霍金本人的尊重，根據他的名譽，我只能暫且先接受這種說法。」科學家們都期待著明天的學術會議上，霍金教授對他全新成果的完整闡釋。 新理論有待證實 對於霍金教授拋出的黑洞新論，本報記者采訪了我國黑洞研究專家，北京師范大學的趙崢教授。趙教授說，目前霍金關於黑洞的最新研究成果只有媒體消息，學術論文還沒有發表，所以這一新的理論還有待證實。專家指出，上世紀70年代，霍金提出的「黑洞熱輻射」理論是20世紀最傑出的理論物理成就之一，但當時這一理論的一些觀點受到了量子物理學者的質疑，科學家們認為被黑洞「吞掉」的物質的信息最終將會隨黑洞一起消失，在量子物理的角度上是無法解釋的。為此，30年來學術界一直存在著爭論，此次霍金提出的新觀點―――黑洞在某一時間，將會把它吞掉的信息釋放出來，從表面上看彌補了他以前理論的缺陷，但是這也不足以肯定這一理論就是正確的。趙教授解釋，物質所包含的信息並不像質量或能量一樣具有守恆的性質，因此霍金此前的信息消失理論並不是完全無法接受的。 從20世紀60年代到80年代，黑洞研究取得了重大進展。最初人們認為黑洞是一顆死亡了的星體，什麼東西都可以掉進去，但任何東西都跑不出來。1974年霍金證明黑洞有溫度、有輻射。霍金輻射的發現使黑洞和霍金本人都變得家喻戶曉。 20世紀80年代以後，黑洞研究的重點逐漸從溫度轉向信息佯謬。人們早已知道，黑洞外部觀測者會失去形成黑洞以及後來落入黑洞的物質的幾乎全部信息，這就是「 無毛定理 」。所謂「毛」是指「信息」。黑洞只剩下 總質量、總電荷和總角動量3 根「毛」可以被外界探知。人們最初認為，雖然外部觀測者不能探知黑洞內部物質的信息，但這些信息並沒有從宇宙中消失，只不過隱藏在了黑洞的內部。霍金輻射發現之後，人們知道黑洞中的物質最後將全部轉化為熱輻射，而熱輻射幾乎不帶出任何信息。這樣，形成和落入黑洞的物質的信息將從宇宙中消失，信息不再守恆，不僅重子數守恆、輕子數守恆等定律不再成立，量子論的幺正性也將受到破壞。面對如此嚴重的理論困難，物理學家展開了激烈的爭論。理論物理學家大都相信信息守恆，堅信幺正性這一量子論的基石不會被破壞。總之，信息應該守恆。以霍金和索恩為代表的相對論專家則認為信息不一定守恆，幺正性完全有可能被破壞。為此，霍金和索恩與堅信信息守恆的普瑞斯基打賭。 "這種理論從誕生之初就遇到了麻煩:它同很多科學家堅持的"信息守恆定律"互為矛盾.這一度被人們稱為"黑洞悖論". 如同19世紀的科學家斷定了能量守恆定律一樣,20世紀的許多科學家提出了信息守恆一說——假如這個說法成立,那麼"信息守恆定律"無疑將成為科學界最為重要的定律,也許比物質,能量守恆定律的意義更為深遠.霍金的黑洞理論引起的激烈爭執就是"信息"在黑洞中是否能夠保存,守恆." [編輯本段]資訊理論第一定律： 信息守恆定律 DENG'S信息守恆基本方程序 (鄧宇等，2005年，《中華新醫學》雜志發表） NQ=Nu+Nw dNu=dNq-dNw 信息守恆與轉換定律（基本信息方程序）的定義1： 總的流進系統的信息必等於總的從系統中流出的信息，加上系統內部信息的變化；信息能夠轉換，從一種狀態轉變成另一種狀態；信息可以創造，可以失存。用公式表示為 NQ= NW +ΔNU 象鄧宇們新提出的「信息守恆定律基本方程序[10]」與 「信息守恆：N=∑ni」這個概念的定義（定律的定義）2： 信息守恆定律是指「系統中儲存信息的增加等於進入系統的信息減去離開系統的信息」 ΔNU= NQ-NW 系統中儲存信息的變化=進入系統的信息-離開系統的信息 =新創造的信息-失去(『消失』離開)的信息 由「系統中信息的變化＝進入系統的信息-離開系統的信息」而變換為「（信息）可以創造，可以失存」的『信息守恆概念』的發生定義： 系統中信息的變化等於進入系統的新創造的信息減去系統失去（離開、失存、消失、消滅）的信息。是信息轉換守恆定律特有屬性，本質內涵的：「信息可以創造，可以失存」的原創表達公式： 系統中儲存信息的變化=新創造的信息－失存的信息 ΔNU =Ncre－Nlos 信息守恆定律（Law of Conservation of Information）或總狀態守恆，公式： N=∑ni or Ω=∑ωi I=∑Ii 引申出「熵守恆」：S=∑Si 廣義信息守恆等。 [編輯本段]信息定義（新） 1.信息是事物屬性標識的集合——信息的新定義DY,「屬性+種差」的標准邏輯DY。 Deng's改造（創造）的新信息定義 2.逆Shannon信息定義：信息是確定性的增加； 3.Wiener信息定義的逆：信息就是信息，信息是物質、能量、信息的標示。 鄧宇們提出的」信息」概念定義 「信息是事物及其屬性標識的集合」的信息實質定義。 香農信息定義逆：將著名的否定式的維納和香農的「信息定義」換成「肯定式」成為香農信息定義逆1——香農信息定義的逆定義1： 信息是確定性的增加 。 或香農信息逆定義2： 信息是確認肯定性（確定性）的東西。或 信息是肯定性的確認。 對應公式 Ir=-logPi+1 或 Ir『=log((N-ni)/N)＝log(nq/N)＝logPq 即仙農信息，由形式上的負熵——不確定度，變換成形式上的正熵補——確定度。見原否定式的Shannon信息定義：信息是消除隨機不定性的東西。公式 I=-logPi=-log((ni)/N) =-(logni-logN)=logN-log ni =-log((N-nq)/N)=1-1- logPi=1-(1+ logPi)=(1- logPi) –1 維納信息定義逆：信息是物質、能量、信息的logo（標示，表示、表號——表現符號、信號、標號,表徵、標識）。或「信息是與物質、能量、信息及屬性相伴隨的標識（logo，標示）」；或「信息就是信息，是物質、能量、信息的標識（表徵、……）」。 鍾義信定義的小縮： 信息是事物變化狀態的方式 。

⑸ 簡述生物信息學的含義，並說明其主要研究內容和主要應用有哪些

生物信息學(Bioinformatics)是研究生物信息的採集、處理、存儲、傳播，分析和解釋等各方面的學科，也是隨著生命科學和計算機科學的迅猛發展，生命科學和計算機科學相結合形成的一門新學科。它通過綜合利用生物學，計算機科學和信息技術而揭示大量而復雜的生物數據所賦有的生物學奧秘。
生物信息學是一門利用計算機技術研究生物系統之規律的學科。
生物信息學基本上只是分子生物學與信息技術（尤其是網際網路技術）的結合體。生物信息學的研究材料和結果就是各種各樣的生物學數據，其研究工具是計算機，研究方法包括對生物學數據的搜索（收集和篩選）、處理（編輯、整理、管理和顯示）及利用（計算、模擬）。

⑹ 信息科學技術的核心是什麼

信息科學技術是適應信息社會的發展需要而迅速發展起來的新興科學技術。它的任務就是研究信息的性質、信息的取得、信息的傳輸、檢測、存儲、處理和控制的基本原理和方法，為人類在信息的海洋中查找所需要的信息時提供理論和技術上的幫助。而它的理論基礎則是從通信科學發展起來的資訊理論。即研究信息量、編碼和通信的科學技術。現代信息技術是以微電子技術為基礎，把計算機技術和通信技術結合起來，收集、處理、存儲和傳播語言、文字、圖像和數字等信息的一門新技術。在全球信息化的進程中，新的信息技術必將得到廣泛的應用和發展。

信息科學技術的核心是信息學。信息學是科學知識中一個飛速發展的具有戰略意義的領域。它是人類文明向信息社會形成階段過渡時期形成的新的學科群。信息學從研究信息加工方法和手段的技術性學科演變成研究自然界和社會中信息過程規律的基礎科學。目前，信息學發展速度最快的四個基本方面是理論信息學、技術信息學、社會信息學和生物信息學。理論信息學是信息學的基礎，它主要研究信息和信息過程。技術信息學研究實現信息過程及其自動化的技術手段，即採用電子計算機技術和通訊手段進行信息搜集、存儲、加工和傳遞的技術手段。社會信息學研究社會信息資源形成的一般特性和規律。生物信息學研究動植物肌體中信息過程的共同規律和特徵。另外，還有礦物信息學、應用信息學等等。總之，信息學是研究以計算機技術和通信手段實現信息過程自動化方法的技術學科，從自然界或人類社會的不同領域研究信息和信息過程，就可以形成不同領域的信息學。

信息技術應包括建立信息資源的技術，信息處理的技術和信息傳遞的技術。如計算機技術、光纖技術、復制技術、聲像技術、光碟技術等都是信息技術的重要組成部分。