時間：2024-02-28 14:39:58
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇生物信息學(xué)的研究進(jìn)展，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
“生物信息學(xué)”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國田納西州gatlinburg召開的“生物學(xué)中的信息理論”討論會上首次被提出的［1］，由美國學(xué)者lim在1991年發(fā)表的文章中首次使用。生物信息學(xué)自產(chǎn)生以來，大致經(jīng)歷了前基因組時代、基因組時代和后基因組時代三個發(fā)展階段［2］。2003年4月14日，美國人類基因組研究項(xiàng)目首席科學(xué)家collins f博士在華盛頓隆重宣布人類基因組計(jì)劃（human genome project，hgp）的所有目標(biāo)全部實(shí)現(xiàn)［3］。這標(biāo)志著后基因組時代（post genome era，pge）的來臨，是生命科學(xué)史中又一個里程碑。生物信息學(xué)作為21世紀(jì)生物技術(shù)的核心，已經(jīng)成為現(xiàn)代生命科學(xué)研究中重要的組成部分。研究基因、蛋白質(zhì)和生命，其研究成果必將深刻地影響農(nóng)業(yè)。本文重點(diǎn)闡述生物信息學(xué)在農(nóng)業(yè)模式植物、種質(zhì)資源優(yōu)化、農(nóng)藥的設(shè)計(jì)開發(fā)、作物遺傳育種、生態(tài)環(huán)境改善等方面的最新研究進(jìn)展。
1.生物信息學(xué)在農(nóng)業(yè)模式植物研究領(lǐng)域中的應(yīng)用
1997年5月美國啟動國家植物基因組計(jì)劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經(jīng)濟(jì)價值的關(guān)鍵植物的基因圖譜。國家植物基因組計(jì)劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來，通過各國科學(xué)家的通力合作，植物基因組研究取得了重大進(jìn)展，擬南芥、水稻等模式植物已完成了全基因組測序。人們可以使用生物信息學(xué)的方法系統(tǒng)地研究這些重要農(nóng)作物的基因表達(dá)、蛋白質(zhì)互作、蛋白質(zhì)和核酸的定位、代謝物及其調(diào)節(jié)網(wǎng)絡(luò)等，從而從分子水平上了解細(xì)胞的結(jié)構(gòu)和功能［5］。目前已經(jīng)建立的農(nóng)作物生物信息學(xué)數(shù)據(jù)庫研究平臺有植物轉(zhuǎn)錄本（ta）集合數(shù)據(jù)庫tigr、植物核酸序列數(shù)據(jù)庫plantgdb、研究玉米遺傳學(xué)和基因組學(xué)的mazegdb數(shù)據(jù)庫、研究草類和水稻的gramene數(shù)據(jù)庫、研究馬鈴薯的pomamo數(shù)據(jù)庫，等等。
2.生物信息學(xué)在種質(zhì)資源保存研究領(lǐng)域中的應(yīng)用
種質(zhì)資源是農(nóng)業(yè)生產(chǎn)的重要資源，它包括許多農(nóng)藝性狀（如抗病、產(chǎn)量、品質(zhì)、環(huán)境適應(yīng)性基因等）的等位基因。植物種質(zhì)資源庫是指以植物種質(zhì)資源為保護(hù)對象的保存設(shè)施。至1996年，全世界已建成了1300余座植物種質(zhì)資源庫，在我國也已建成30多座作物種質(zhì)資源庫。種質(zhì)入庫保存類型也從單一的種子形式，發(fā)展到營養(yǎng)器官、細(xì)胞和組織，甚至dna片段等多種形式。保護(hù)的物種也從有性繁殖植物擴(kuò)展到無性繁殖植物及頑拗型種子植物等［6］。近年來，人們越來越多地應(yīng)用各種分子標(biāo)記來鑒定種質(zhì)資源。例如微衛(wèi)星、aflp、ssap、rbip和snp等。由于對種質(zhì)資源進(jìn)行分子標(biāo)記產(chǎn)生了大量的數(shù)據(jù)，因此需要建立生物信息學(xué)數(shù)據(jù)庫和采用分析工具來實(shí)現(xiàn)對這些數(shù)據(jù)的查詢、統(tǒng)計(jì)和計(jì)算機(jī)分析等［7］。
3.生物信息學(xué)在農(nóng)藥設(shè)計(jì)開發(fā)研究領(lǐng)域中的應(yīng)用
傳統(tǒng)的藥物研制主要是從大量的天然產(chǎn)物、合成化合物，以及礦物中進(jìn)行篩選，得到一個可供臨床使用的藥物要耗費(fèi)大量的時間與金錢。生物信息學(xué)在藥物研發(fā)中的意義在于找到病理過程中關(guān)鍵性的分子靶標(biāo)、闡明其結(jié)構(gòu)和功能關(guān)系，從而指導(dǎo)設(shè)計(jì)能激活或阻斷生物大分子發(fā)揮其生物功能的治療性藥物，使藥物研發(fā)之路從過去的偶然和盲目中找到正確的研發(fā)方向。生物信息學(xué)為藥物研發(fā)提供了新的手段［8，9］，導(dǎo)致了藥物研發(fā)模式的改變［10］。目前，生物信息學(xué)促進(jìn)農(nóng)藥研制已有許多成功的例子。itzstein等設(shè)計(jì)出兩種具有與唾液酸酶結(jié)合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結(jié)合活性的250倍［11］。目前，這兩種新藥已經(jīng)進(jìn)入臨床試驗(yàn)階段。tang sy等學(xué)者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經(jīng)設(shè)計(jì)出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設(shè)計(jì)合成了十多類數(shù)百個除草化合物，經(jīng)生物活性測定，部分化合物的活性已超過商品化光合作用抑制劑的水平［14］。
現(xiàn)代農(nóng)藥的研發(fā)已離不開生物信息技術(shù)的參與，隨著生物信息學(xué)技術(shù)的進(jìn)一步完善和發(fā)展，將會大大降低藥物研發(fā)的成本，提高研發(fā)的質(zhì)量和效率。
4.生物學(xué)信息學(xué)在作物遺傳育種研究領(lǐng)域中的應(yīng)用
隨著主要農(nóng)作物遺傳圖譜精確度的提高，以及特定性狀相關(guān)分子基礎(chǔ)的進(jìn)一步闡明，人們可以利用生物信息學(xué)的方法，先從模式生物中尋找可能的相關(guān)基因，然后在作物中找到相應(yīng)的基因及其位點(diǎn)。農(nóng)作物的遺
傳學(xué)和分子生物學(xué)的研究積累了大量的基因序列、分子標(biāo)記、圖譜和功能方面的數(shù)據(jù)，可通過建立生物信息學(xué)數(shù)據(jù)庫來整合這些數(shù)據(jù)，從而比較和分析來自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎(chǔ)上，育種學(xué)家就可以應(yīng)用計(jì)算機(jī)模型來提出預(yù)測假設(shè)，從多種復(fù)雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標(biāo)記中篩選到理想的組合，從而培育出新的優(yōu)良農(nóng)作物品種。
5.生物信息學(xué)在生態(tài)環(huán)境平衡研究領(lǐng)域中的應(yīng)用
在生態(tài)系統(tǒng)中，基因流從根本上影響能量流和物質(zhì)流的循環(huán)和運(yùn)轉(zhuǎn)，是生態(tài)平衡穩(wěn)定的根本因素。生物信息學(xué)在環(huán)境領(lǐng)域主要應(yīng)用在控制環(huán)境污染方面，主要通過數(shù)學(xué)與計(jì)算機(jī)的運(yùn)用構(gòu)建遺傳工程特效菌株，以降解目標(biāo)基因及其目標(biāo)污染物為切入點(diǎn)，通過降解污染物的分子遺傳物質(zhì)核酸 dna，以及生物大分子蛋白質(zhì)酶，達(dá)到催化目標(biāo)污染物的降解，從而維護(hù)空氣［16］、水源、土地等生態(tài)環(huán)境的安全。
美國農(nóng)業(yè)研究中心（ars） 的農(nóng)藥特性信息數(shù)據(jù)庫（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們在環(huán)境中轉(zhuǎn)運(yùn)和降解途徑的16種最重要的物化特性。日本豐橋技術(shù)大學(xué)（toyohashi university of technology） 多環(huán)芳烴危險性有機(jī)污染物的物化特性、色譜、紫外光譜的譜線圖。美國環(huán)保局綜合風(fēng)險信息系統(tǒng)數(shù)據(jù)庫（iris） 涉及 600種化學(xué)污染物，列出了污染物的毒性與風(fēng)險評價參數(shù)，以及分子遺傳毒性參數(shù)［17］。除此之外，生物信息學(xué)在生物防治［18］中也起到了重要的作用。網(wǎng)絡(luò)的普及，情報、信息等學(xué)科的資源共享，勢必會創(chuàng)造出一個環(huán)境微生物技術(shù)信息的高速發(fā)展趨勢。
6.生物信息學(xué)在食品安全研究領(lǐng)域中的應(yīng)用
食品在加工制作和存儲過程中各種細(xì)菌數(shù)量發(fā)生變化，傳統(tǒng)檢測方法是進(jìn)行生化鑒定，但所需時間較長，不能滿足檢驗(yàn)檢疫部門的要求，運(yùn)用生物信息學(xué)方法獲得各種致病菌的核酸序列，并對這些序列進(jìn)行比對，篩選出用于檢測的引物和探針，進(jìn)而運(yùn)用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重?zé)晒舛縫cr等技術(shù)，可快速準(zhǔn)確地檢測出細(xì)菌及病毒。此外，對電阻抗、放射測量、elisa法、生物傳感器、基因芯片等［21-25］技術(shù)也是未來食品病毒檢測的發(fā)展方向。
轉(zhuǎn)基因食品檢測是通過設(shè)計(jì)特異性的引物對食品樣品的dna提取物進(jìn)行擴(kuò)增，從而判斷樣品中是否含有外源性基因片段［26］。通過對轉(zhuǎn)基因農(nóng)產(chǎn)品數(shù)據(jù)庫信息的及時更新，可準(zhǔn)確了解各國新出現(xiàn)和新批準(zhǔn)的轉(zhuǎn)基因農(nóng)產(chǎn)品，便于查找其插入的外源基因片段，以便及時對檢驗(yàn)方法進(jìn)行修改。目前由于某些通過食品傳播的病毒具有變異特性，以及檢測方法的不完善等因素影響，生物信息學(xué)在食品領(lǐng)域的應(yīng)用還比較有限，但隨著食品安全檢測數(shù)據(jù)庫的不斷完善，相信相關(guān)的生物信息學(xué)技術(shù)將在食品領(lǐng)域發(fā)揮越來越重要的作用。 生物信息學(xué)廣泛用于農(nóng)業(yè)科學(xué)研究的各個領(lǐng)域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報部門，以及信息中介服務(wù)機(jī)構(gòu)提供相關(guān)服務(wù)，通過出版物、信息共享平臺、數(shù)字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國生物信息學(xué)發(fā)展還很不均衡，與國際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學(xué)能夠更好地為我國農(nóng)業(yè)持續(xù)健康發(fā)展發(fā)揮作用。
參考文獻(xiàn)：
［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.
［2］鄭國清，張瑞玲.生物信息學(xué)的形成與發(fā)展［j］.河南農(nóng)業(yè)科學(xué)，2002，（11）：4-7.
［3］駱建新，鄭崛村，馬用信等.人類基因組計(jì)劃與后基因組時代.中國生物工程雜志，2003，23，（11）：87-94.
［4］曹學(xué)軍.基因研究的又一壯舉——美國國家植物基因組計(jì)劃［j］.國外科技動態(tài)，2001，1：24-25.
［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.
［6］盧新雄.植物種質(zhì)資源庫的設(shè)計(jì)與建設(shè)要求［j］.植物學(xué)通報，2006，23，（1）：119-125.
［7］guy d，noel e，mike a.using bioinformatics to analyse germplasm collections ［j］.spri
nger netherlands，2004：39-54.
［8］鄭衍，王非.藥物生物信息學(xué)，化學(xué)化工出版社，2004.1：214-215.
［9］俞慶森，邱建衛(wèi)，胡艾希.藥物設(shè)計(jì).化學(xué)化工出版社，2005.1：160-164.
［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.
［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.
［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.
［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.
［14］楊華錚，劉華銀，鄒小毛等.計(jì)算機(jī)輔助設(shè)計(jì)與合成除草劑的研究［j］.計(jì)算機(jī)與應(yīng)用化學(xué)，1999，16，（5）：400.
［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.
［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監(jiān)測分析［j］.微生物學(xué)雜志，2008，28，（4）：93-97.
［17］程樹培，嚴(yán)峻，郝春博等.環(huán)境生物技術(shù)信息學(xué)進(jìn)展［j］.環(huán)境污染治理技術(shù)與設(shè)備，2002，3，（11）：92-94.
［18］史應(yīng)武，婁愷，李春.植物內(nèi)生菌在生物防治中的應(yīng)用［j］.微生物學(xué)雜志，2009，29，（6）：61-64.
［19］趙玉玲，張?zhí)焐瑥埱善G.pcr 法快速檢測肉食品污染沙門菌的實(shí)驗(yàn)研究［j］.微生物學(xué)雜志，2010，30，（3）：103-105.
［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測4種主要致腹瀉性大腸埃希菌［j］.微生物學(xué)雜志，2010，30，（3） ：25-29.
［21］索標(biāo)，汪月霞，艾志錄.食源性致病菌多重分子生物學(xué)檢測技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：71-75
［22］朱曉娥，袁耿彪.基因芯片技術(shù)在基因突變診斷中的應(yīng)用及其前景［j］.重慶醫(yī)學(xué)，2010，（22）：3128-3131.
［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態(tài)學(xué)研究方法［j］.微生物學(xué)雜志，2009，29，（4）：79-83.
［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2009，29，（5）：67-72.
關(guān)鍵詞： 生物信息學(xué) 農(nóng)業(yè)研究領(lǐng)域 應(yīng)用
“生物信息學(xué)”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國田納西州gatlinburg召開的“生物學(xué)中的信息理論”討論會上首次被提出的［1］，由美國學(xué)者lim在1991年發(fā)表的文章中首次使用。生物信息學(xué)自產(chǎn)生以來，大致經(jīng)歷了前基因組時代、基因組時代和后基因組時代三個發(fā)展階段［2］。2003年4月14日，美國人類基因組研究項(xiàng)目首席科學(xué)家collins f博士在華盛頓隆重宣布人類基因組計(jì)劃（human genome project，hgp）的所有目標(biāo)全部實(shí)現(xiàn)［3］。這標(biāo)志著后基因組時代（post genome era，pge）的來臨，是生命科學(xué)史中又一個里程碑。生物信息學(xué)作為21世紀(jì)生物技術(shù)的核心，已經(jīng)成為現(xiàn)代生命科學(xué)研究中重要的組成部分。研究基因、蛋白質(zhì)和生命，其研究成果必將深刻地影響農(nóng)業(yè)。本文重點(diǎn)闡述生物信息學(xué)在農(nóng)業(yè)模式植物、種質(zhì)資源優(yōu)化、農(nóng)藥的設(shè)計(jì)開發(fā)、作物遺傳育種、生態(tài)環(huán)境改善等方面的最新研究進(jìn)展。
1.生物信息學(xué)在農(nóng)業(yè)模式植物研究領(lǐng)域中的應(yīng)用
1997年5月美國啟動國家植物基因組計(jì)劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經(jīng)濟(jì)價值的關(guān)鍵植物的基因圖譜。國家植物基因組計(jì)劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來，通過各國科學(xué)家的通力合作，植物基因組研究取得了重大進(jìn)展，擬南芥、水稻等模式植物已完成了全基因組測序。人們可以使用生物信息學(xué)的方法系統(tǒng)地研究這些重要農(nóng)作物的基因表達(dá)、蛋白質(zhì)互作、蛋白質(zhì)和核酸的定位、代謝物及其調(diào)節(jié)網(wǎng)絡(luò)等，從而從分子水平上了解細(xì)胞的結(jié)構(gòu)和功能［5］。目前已經(jīng)建立的農(nóng)作物生物信息學(xué)數(shù)據(jù)庫研究平臺有植物轉(zhuǎn)錄本（ta）集合數(shù)據(jù)庫tigr、植物核酸序列數(shù)據(jù)庫plantgdb、研究玉米遺傳學(xué)和基因組學(xué)的mazegdb數(shù)據(jù)庫、研究草類和水稻的gramene數(shù)據(jù)庫、研究馬鈴薯的pomamo數(shù)據(jù)庫，等等。
2.生物信息學(xué)在種質(zhì)資源保存研究領(lǐng)域中的應(yīng)用
種質(zhì)資源是農(nóng)業(yè)生產(chǎn)的重要資源，它包括許多農(nóng)藝性狀（如抗病、產(chǎn)量、品質(zhì)、環(huán)境適應(yīng)性基因等）的等位基因。植物種質(zhì)資源庫是指以植物種質(zhì)資源為保護(hù)對象的保存設(shè)施。至1996年，全世界已建成了1300余座植物種質(zhì)資源庫，在我國也已建成30多座作物種質(zhì)資源庫。種質(zhì)入庫保存類型也從單一的種子形式，發(fā)展到營養(yǎng)器官、細(xì)胞和組織，甚至dna片段等多種形式。保護(hù)的物種也從有性繁殖植物擴(kuò)展到無性繁殖植物及頑拗型種子植物等［6］。近年來，人們越來越多地應(yīng)用各種分子標(biāo)記來鑒定種質(zhì)資源。例如微衛(wèi)星、aflp、ssap、rbip和snp等。由于對種質(zhì)資源進(jìn)行分子標(biāo)記產(chǎn)生了大量的數(shù)據(jù)，因此需要建立生物信息學(xué)數(shù)據(jù)庫和采用分析工具來實(shí)現(xiàn)對這些數(shù)據(jù)的查詢、統(tǒng)計(jì)和計(jì)算機(jī)分析等［7］。
3.生物信息學(xué)在農(nóng)藥設(shè)計(jì)開發(fā)研究領(lǐng)域中的應(yīng)用
傳統(tǒng)的藥物研制主要是從大量的天然產(chǎn)物、合成化合物，以及礦物中進(jìn)行篩選，得到一個可供臨床使用的藥物要耗費(fèi)大量的時間與金錢。生物信息學(xué)在藥物研發(fā)中的意義在于找到病理過程中關(guān)鍵性的分子靶標(biāo)、闡明其結(jié)構(gòu)和功能關(guān)系，從而指導(dǎo)設(shè)計(jì)能激活或阻斷生物大分子發(fā)揮其生物功能的治療性藥物，使藥物研發(fā)之路從過去的偶然和盲目中找到正確的研發(fā)方向。生物信息學(xué)為藥物研發(fā)提供了新的手段［8，9］，導(dǎo)致了藥物研發(fā)模式的改變［10］。目前，生物信息學(xué)促進(jìn)農(nóng)藥研制已有許多成功的例子。itzstein等設(shè)計(jì)出兩種具有與唾液酸酶結(jié)合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結(jié)合活性的250倍［11］。目前，這兩種新藥已經(jīng)進(jìn)入臨床試驗(yàn)階段。tang sy等學(xué)者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經(jīng)設(shè)計(jì)出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設(shè)計(jì)合成了十多類數(shù)百個除草化合物，經(jīng)生物活性測定，部分化合物的活性已超過商品化光合作用抑制劑的水平［14］。
現(xiàn)代農(nóng)藥的研發(fā)已離不開生物信息技術(shù)的參與，隨著生物信息學(xué)技術(shù)的進(jìn)一步完善和發(fā)展，將會大大降低藥物研發(fā)的成本，提高研發(fā)的質(zhì)量和效率。
4.生物學(xué)信息學(xué)在作物遺傳育種研究領(lǐng)域中的應(yīng)用
隨著主要農(nóng)作物遺傳圖譜精確度的提高，以及特定性狀相關(guān)分子基礎(chǔ)的進(jìn)一步闡明，人們可以利用生物信息
學(xué)的方法，先從模式生物中尋找可能的相關(guān)基因，然后在作物中找到相應(yīng)的基因及其位點(diǎn)。農(nóng)作物的遺傳學(xué)和分子生物學(xué)的研究積累了大量的基因序列、分子標(biāo)記、圖譜和功能方面的數(shù)據(jù)，可通過建立生物信息學(xué)數(shù)據(jù)庫來整合這些數(shù)據(jù)，從而比較和分析來自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎(chǔ)上，育種學(xué)家就可以應(yīng)用計(jì)算機(jī)模型來提出預(yù)測假設(shè)，從多種復(fù)雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標(biāo)記中篩選到理想的組合，從而培育出新的優(yōu)良農(nóng)作物品種。
5.生物信息學(xué)在生態(tài)環(huán)境平衡研究領(lǐng)域中的應(yīng)用
在生態(tài)系統(tǒng)中，基因流從根本上影響能量流和物質(zhì)流的循環(huán)和運(yùn)轉(zhuǎn)，是生態(tài)平衡穩(wěn)定的根本因素。生物信息學(xué)在環(huán)境領(lǐng)域主要應(yīng)用在控制環(huán)境污染方面，主要通過數(shù)學(xué)與計(jì)算機(jī)的運(yùn)用構(gòu)建遺傳工程特效菌株，以降解目標(biāo)基因及其目標(biāo)污染物為切入點(diǎn)，通過降解污染物的分子遺傳物質(zhì)核酸 dna，以及生物大分子蛋白質(zhì)酶，達(dá)到催化目標(biāo)污染物的降解，從而維護(hù)空氣［16］、水源、土地等生態(tài)環(huán)境的安全。
美國農(nóng)業(yè)研究中心（ars） 的農(nóng)藥特性信息數(shù)據(jù)庫（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們在環(huán)境中轉(zhuǎn)運(yùn)和降解途徑的16種最重要的物化特性。日本豐橋技術(shù)大學(xué)（toyohashi university of technology） 多環(huán)芳烴危險性有機(jī)污染物的物化特性、色譜、紫外光譜的譜線圖。美國環(huán)保局綜合風(fēng)險信息系統(tǒng)數(shù)據(jù)庫（iris） 涉及 600種化學(xué)污染物，列出了污染物的毒性與風(fēng)險評價參數(shù)，以及分子遺傳毒性參數(shù)［17］。除此之外，生物信息學(xué)在生物防治［18］中也起到了重要的作用。網(wǎng)絡(luò)的普及，情報、信息等學(xué)科的資源共享，勢必會創(chuàng)造出一個環(huán)境微生物技術(shù)信息的高速發(fā)展趨勢。
6.生物信息學(xué)在食品安全研究領(lǐng)域中的應(yīng)用
食品在加工制作和存儲過程中各種細(xì)菌數(shù)量發(fā)生變化，傳統(tǒng)檢測方法是進(jìn)行生化鑒定，但所需時間較長，不能滿足檢驗(yàn)檢疫部門的要求，運(yùn)用生物信息學(xué)方法獲得各種致病菌的核酸序列，并對這些序列進(jìn)行比對，篩選出用于檢測的引物和探針，進(jìn)而運(yùn)用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重?zé)晒舛縫cr等技術(shù)，可快速準(zhǔn)確地檢測出細(xì)菌及病毒。此外，對電阻抗、放射測量、elisa法、生物傳感器、基因芯片等［21-25］技術(shù)也是未來食品病毒檢測的發(fā)展方向。
轉(zhuǎn)基因食品檢測是通過設(shè)計(jì)特異性的引物對食品樣品的dna提取物進(jìn)行擴(kuò)增，從而判斷樣品中是否含有外源性基因片段［26］。通過對轉(zhuǎn)基因農(nóng)產(chǎn)品數(shù)據(jù)庫信息的及時更新，可準(zhǔn)確了解各國新出現(xiàn)和新批準(zhǔn)的轉(zhuǎn)基因農(nóng)產(chǎn)品，便于查找其插入的外源基因片段，以便及時對檢驗(yàn)方法進(jìn)行修改。目前由于某些通過食品傳播的病毒具有變異特性，以及檢測方法的不完善等因素影響，生物信息學(xué)在食品領(lǐng)域的應(yīng)用還比較有限，但隨著食品安全檢測數(shù)據(jù)庫的不斷完善，相信相關(guān)的生物信息學(xué)技術(shù)將在食品領(lǐng)域發(fā)揮越來越重要的作用。
生物信息學(xué)廣泛用于農(nóng)業(yè)科學(xué)研究的各個領(lǐng)域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報部門，以及信息中介服務(wù)機(jī)構(gòu)提供相關(guān)服務(wù)，通過出版物、信息共享平臺、數(shù)字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國生物信息學(xué)發(fā)展還很不均衡，與國際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學(xué)能夠更好地為我國農(nóng)業(yè)持續(xù)健康發(fā)展發(fā)揮作用。
參考文獻(xiàn)：
［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.
［2］鄭國清，張瑞玲.生物信息學(xué)的形成與發(fā)展［j］.河南農(nóng)業(yè)科學(xué)，2002，（11）：4-7.
［3］駱建新，鄭崛村，馬用信等.人類基因組計(jì)劃與后基因組時代.中國生物工程雜志，2003，23，（11）：87-94.
［4］曹學(xué)軍.基因研究的又一壯舉——美國國家植物基因組計(jì)劃［j］.國外科技動態(tài)，2001，1：24-25.
［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.
［6］盧新雄.植物種質(zhì)資源庫的設(shè)計(jì)與建設(shè)要求［j］.植物學(xué)通報，2006，23，（1）：119-125.
［7］guy d
，noel e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.
［8］鄭衍，王非.藥物生物信息學(xué)，化學(xué)化工出版社，2004.1：214-215.
［9］俞慶森，邱建衛(wèi)，胡艾希.藥物設(shè)計(jì).化學(xué)化工出版社，2005.1：160-164.
［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.
［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.
［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.
［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.
［14］楊華錚，劉華銀，鄒小毛等.計(jì)算機(jī)輔助設(shè)計(jì)與合成除草劑的研究［j］.計(jì)算機(jī)與應(yīng)用化學(xué)，1999，16，（5）：400.
［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.
［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監(jiān)測分析［j］.微生物學(xué)雜志，2008，28，（4）：93-97.
［17］程樹培，嚴(yán)峻，郝春博等.環(huán)境生物技術(shù)信息學(xué)進(jìn)展［j］.環(huán)境污染治理技術(shù)與設(shè)備，2002，3，（11）：92-94.
［18］史應(yīng)武，婁愷，李春.植物內(nèi)生菌在生物防治中的應(yīng)用［j］.微生物學(xué)雜志，2009，29，（6）：61-64.
［19］趙玉玲，張?zhí)焐瑥埱善G.pcr 法快速檢測肉食品污染沙門菌的實(shí)驗(yàn)研究［j］.微生物學(xué)雜志，2010，30，（3）：103-105.
［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測4種主要致腹瀉性大腸埃希菌［j］.微生物學(xué)雜志，2010，30，（3） ：25-29.
［21］索標(biāo)，汪月霞，艾志錄.食源性致病菌多重分子生物學(xué)檢測技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：71-75
［22］朱曉娥，袁耿彪.基因芯片技術(shù)在基因突變診斷中的應(yīng)用及其前景［j］.重慶醫(yī)學(xué)，2010，（22）：3128-3131.
［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態(tài)學(xué)研究方法［j］.微生物學(xué)雜志，2009，29，（4）：79-83.
［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2009，29，（5）：67-72.
關(guān)鍵詞： 生物信息學(xué) 農(nóng)業(yè)研究領(lǐng)域 應(yīng)用
“生物信息學(xué)”是英文單詞“bioinformatics”的中文譯名，其概念是1956年在美國田納西州gatlinburg召開的“生物學(xué)中的信息理論”討論會上首次被提出的［1］，由美國學(xué)者lim在1991年發(fā)表的文章中首次使用。生物信息學(xué)自產(chǎn)生以來，大致經(jīng)歷了前基因組時代、基因組時代和后基因組時代三個發(fā)展階段［2］。2003年4月14日，美國人類基因組研究項(xiàng)目首席科學(xué)家collins f博士在華盛頓隆重宣布人類基因組計(jì)劃（human genome project，hgp）的所有目標(biāo)全部實(shí)現(xiàn)［3］。這標(biāo)志著后基因組時代（post genome era，pge）的來臨，是生命科學(xué)史中又一個里程碑。生物信息學(xué)作為21世紀(jì)生物技術(shù)的核心，已經(jīng)成為現(xiàn)代生命科學(xué)研究中重要的組成部分。研究基因、蛋白質(zhì)和生命，其研究成果必將深刻地影響農(nóng)業(yè)。本文重點(diǎn)闡述生物信息學(xué)在農(nóng)業(yè)模式植物、種質(zhì)資源優(yōu)化、農(nóng)藥的設(shè)計(jì)開發(fā)、作物遺傳育種、生態(tài)環(huán)境改善等方面的最新研究進(jìn)展。
1.生物信息學(xué)在農(nóng)業(yè)模式植物研究領(lǐng)域中的應(yīng)用
1997年5月美國啟動國家植物基因組計(jì)劃（npgi），旨在繪出包括玉米、大豆、小麥、大麥、高粱、水稻、棉花、西紅柿和松樹等十多種具有經(jīng)濟(jì)價值的關(guān)鍵植物的基因圖譜。國家植物基因組計(jì)劃是與人類基因組工程（hgp）并行的龐大工程［4］。近年來，通過各國科學(xué)家的通力合作，植物基因組研究取得了重大進(jìn)展，擬南芥、水稻等模式植物已完成了全基因組測序。人們可以使用生物信息學(xué)的方法系統(tǒng)地研究這些重要農(nóng)作物的基因表達(dá)、蛋白質(zhì)互作、蛋白質(zhì)和核酸的定位、代謝物及其調(diào)節(jié)網(wǎng)絡(luò)等，從而從分子水平上了解細(xì)胞的結(jié)構(gòu)和功能［5］。目前已經(jīng)建立的農(nóng)作物生物信息學(xué)數(shù)據(jù)庫研究平臺有植物轉(zhuǎn)錄本（ta）集合數(shù)據(jù)庫tigr、植物核酸序列數(shù)據(jù)庫plantgdb、研究玉米遺傳學(xué)和基因組學(xué)的mazegdb數(shù)據(jù)庫、研究草類和水稻的gramene數(shù)據(jù)庫、研究馬鈴薯的pomamo數(shù)據(jù)庫，等等。
2.生物信息學(xué)在種質(zhì)資源保存研究領(lǐng)域中的應(yīng)用
種質(zhì)資源是農(nóng)業(yè)生產(chǎn)的重要資源，它包括許多農(nóng)藝性狀（如抗病、產(chǎn)量、品質(zhì)、環(huán)境適應(yīng)性基因等）的等位基因。植物種質(zhì)資源庫是指以植物種質(zhì)資源為保護(hù)對象的保存設(shè)施。至1996年，全世界已建成了1300余座植物種質(zhì)資源庫，在我國也已建成30多座作物種質(zhì)資源庫。種質(zhì)入庫保存類型也從單一的種子形式，發(fā)展到營養(yǎng)器官、細(xì)胞和組織，甚至dna片段等多種形式。保護(hù)的物種也從有性繁殖植物擴(kuò)展到無性繁殖植物及頑拗型種子植物等［6］。近年來，人們越來越多地應(yīng)用各種分子標(biāo)記來鑒定種質(zhì)資源。例如微衛(wèi)星、aflp、ssap、rbip和snp等。由于對種質(zhì)資源進(jìn)行分子標(biāo)記產(chǎn)生了大量的數(shù)據(jù)，因此需要建立生物信息學(xué)數(shù)據(jù)庫和采用分析工具來實(shí)現(xiàn)對這些數(shù)據(jù)的查詢、統(tǒng)計(jì)和計(jì)算機(jī)分析等［7］。
3.生物信息學(xué)在農(nóng)藥設(shè)計(jì)開發(fā)研究領(lǐng)域中的應(yīng)用
傳統(tǒng)的藥物研制主要是從大量的天然產(chǎn)物、合成化合物，以及礦物中進(jìn)行篩選，得到一個可供臨床使用的藥物要耗費(fèi)大量的時間與金錢。生物信息學(xué)在藥物研發(fā)中的意義在于找到病理過程中關(guān)鍵性的分子靶標(biāo)、闡明其結(jié)構(gòu)和功能關(guān)系，從而指導(dǎo)設(shè)計(jì)能激活或阻斷生物大分子發(fā)揮其生物功能的治療性藥物，使藥物研發(fā)之路從過去的偶然和盲目中找到正確的研發(fā)方向。生物信息學(xué)為藥物研發(fā)提供了新的手段［8，9］，導(dǎo)致了藥物研發(fā)模式的改變［10］。目前，生物信息學(xué)促進(jìn)農(nóng)藥研制已有許多成功的例子。itzstein等設(shè)計(jì)出兩種具有與唾液酸酶結(jié)合化合物：4-氨基-neu5ac2en和4-胍基-neu5ac2en。其中，后者是前者與唾液酸酶的結(jié)合活性的250倍［11］。目前，這兩種新藥已經(jīng)進(jìn)入臨床試驗(yàn)階段。tang sy等學(xué)者研制出新一代抗aids藥物saquinavir［12］。pungpo等已經(jīng)設(shè)計(jì)出幾種新型高效的抗hiv-1型藥物［13］。楊華錚等人設(shè)計(jì)合成了十多類數(shù)百個除草化合物，經(jīng)生物活性測定，部分化合物的活性已超過商品化光合作用抑制劑的水平［14］。
現(xiàn)代農(nóng)藥的研發(fā)已離不開生物信息技術(shù)的參與，隨著生物信息學(xué)技術(shù)的進(jìn)一步完善和發(fā)展，將會大大降低藥物研發(fā)的成本，提高研發(fā)的質(zhì)量和效率。
4.生物學(xué)信息學(xué)在作物遺傳育種研究領(lǐng)域中的應(yīng)用
隨著主要農(nóng)作物遺傳圖譜精確度的提高，以及特定性狀相關(guān)分子基礎(chǔ)的進(jìn)一步闡明，人們可以利用生物信息學(xué)的方法，先從模式生物
中尋找可能的相關(guān)基因，然后在作物中找到相應(yīng)的基因及其位點(diǎn)。農(nóng)作物的遺傳學(xué)和分子生物學(xué)的研究積累了大量的基因序列、分子標(biāo)記、圖譜和功能方面的數(shù)據(jù)，可通過建立生物信息學(xué)數(shù)據(jù)庫來整合這些數(shù)據(jù)，從而比較和分析來自不同基因組的基因序列、功能和遺傳圖譜位置［15］。在此基礎(chǔ)上，育種學(xué)家就可以應(yīng)用計(jì)算機(jī)模型來提出預(yù)測假設(shè)，從多種復(fù)雜的等位基因組合中建立自己所需要的表型，然后從大量遺傳標(biāo)記中篩選到理想的組合，從而培育出新的優(yōu)良農(nóng)作物品種。
5.生物信息學(xué)在生態(tài)環(huán)境平衡研究領(lǐng)域中的應(yīng)用
在生態(tài)系統(tǒng)中，基因流從根本上影響能量流和物質(zhì)流的循環(huán)和運(yùn)轉(zhuǎn)，是生態(tài)平衡穩(wěn)定的根本因素。生物信息學(xué)在環(huán)境領(lǐng)域主要應(yīng)用在控制環(huán)境污染方面，主要通過數(shù)學(xué)與計(jì)算機(jī)的運(yùn)用構(gòu)建遺傳工程特效菌株，以降解目標(biāo)基因及其目標(biāo)污染物為切入點(diǎn)，通過降解污染物的分子遺傳物質(zhì)核酸 dna，以及生物大分子蛋白質(zhì)酶，達(dá)到催化目標(biāo)污染物的降解，從而維護(hù)空氣［16］、水源、土地等生態(tài)環(huán)境的安全。
美國農(nóng)業(yè)研究中心（ars） 的農(nóng)藥特性信息數(shù)據(jù)庫（ppd） 提供 334 種正在廣泛使用的殺蟲劑信息，涉及它們在環(huán)境中轉(zhuǎn)運(yùn)和降解途徑的16種最重要的物化特性。日本豐橋技術(shù)大學(xué)（toyohashi university of technology） 多環(huán)芳烴危險性有機(jī)污染物的物化特性、色譜、紫外光譜的譜線圖。美國環(huán)保局綜合風(fēng)險信息系統(tǒng)數(shù)據(jù)庫（iris） 涉及 600種化學(xué)污染物，列出了污染物的毒性與風(fēng)險評價參數(shù)，以及分子遺傳毒性參數(shù)［17］。除此之外，生物信息學(xué)在生物防治［18］中也起到了重要的作用。網(wǎng)絡(luò)的普及，情報、信息等學(xué)科的資源共享，勢必會創(chuàng)造出一個環(huán)境微生物技術(shù)信息的高速發(fā)展趨勢。
6.生物信息學(xué)在食品安全研究領(lǐng)域中的應(yīng)用
食品在加工制作和存儲過程中各種細(xì)菌數(shù)量發(fā)生變化，傳統(tǒng)檢測方法是進(jìn)行生化鑒定，但所需時間較長，不能滿足檢驗(yàn)檢疫部門的要求，運(yùn)用生物信息學(xué)方法獲得各種致病菌的核酸序列，并對這些序列進(jìn)行比對，篩選出用于檢測的引物和探針，進(jìn)而運(yùn)用pcr法［19］、rt-pcr法、熒光rt-pcr法、多重pcr［20］和多重?zé)晒舛縫cr等技術(shù)，可快速準(zhǔn)確地檢測出細(xì)菌及病毒。此外，對電阻抗、放射測量、elisa法、生物傳感器、基因芯片等［21-25］技術(shù)也是未來食品病毒檢測的發(fā)展方向。
轉(zhuǎn)基因食品檢測是通過設(shè)計(jì)特異性的引物對食品樣品的dna提取物進(jìn)行擴(kuò)增，從而判斷樣品中是否含有外源性基因片段［26］。通過對轉(zhuǎn)基因農(nóng)產(chǎn)品數(shù)據(jù)庫信息的及時更新，可準(zhǔn)確了解各國新出現(xiàn)和新批準(zhǔn)的轉(zhuǎn)基因農(nóng)產(chǎn)品，便于查找其插入的外源基因片段，以便及時對檢驗(yàn)方法進(jìn)行修改。目前由于某些通過食品傳播的病毒具有變異特性，以及檢測方法的不完善等因素影響，生物信息學(xué)在食品領(lǐng)域的應(yīng)用還比較有限，但隨著食品安全檢測數(shù)據(jù)庫的不斷完善，相信相關(guān)的生物信息學(xué)技術(shù)將在食品領(lǐng)域發(fā)揮越來越重要的作用。
生物信息學(xué)廣泛用于農(nóng)業(yè)科學(xué)研究的各個領(lǐng)域，但是僅有信息資源是不夠的，選出符合自己需求的生物信息就需要情報部門，以及信息中介服務(wù)機(jī)構(gòu)提供相關(guān)服務(wù)，通過出版物、信息共享平臺、數(shù)字圖書館、電子論壇等信息媒介的幫助，科研工作者可快速有效地找到符合需要的信息。目前我國生物信息學(xué)發(fā)展還很不均衡，與國際前沿有一定差距，這需要從事信息和科研的工作者們不斷交流，使得生物信息學(xué)能夠更好地為我國農(nóng)業(yè)持續(xù)健康發(fā)展發(fā)揮作用。
參考文獻(xiàn)：
［1］yockey hp，platzman rp，quastler h.symposium on information.theory in biology.pergamon press，new york，london，1958.
［2］鄭國清，張瑞玲.生物信息學(xué)的形成與發(fā)展［j］.河南農(nóng)業(yè)科學(xué)，2002，（11）：4-7.
［3］駱建新，鄭崛村，馬用信等.人類基因組計(jì)劃與后基因組時代.中國生物工程雜志，2003，23，（11）：87-94.
［4］曹學(xué)軍.基因研究的又一壯舉——美國國家植物基因組計(jì)劃［j］.國外科技動態(tài)，2001，1：24-25.
［5］michael b.genomics and plantcells：application ofgenomics strategies to arabidopsis cellbiology［j］.philostransr soc lond b bio sci，2002，357（1422）：731-736.
［6］盧新雄.植物種質(zhì)資源庫的設(shè)計(jì)與建設(shè)要求［j］.植物學(xué)通報，2006，23，（1）：119-125.
［7］guy d，noel
e，mike a.using bioinformatics to analyse germplasm collections ［j］.springer netherlands，2004：39-54.
［8］鄭衍，王非.藥物生物信息學(xué)，化學(xué)化工出版社，2004.1：214-215.
［9］俞慶森，邱建衛(wèi)，胡艾希.藥物設(shè)計(jì).化學(xué)化工出版社，2005.1：160-164.
［10］austen m，dohrmann c.phenotype—first screening for the identification of novel drug targets.drug discov today，2005，10，（4）：275-282.
［11］arun agrawal，ashwini chhatre.state involvement and forest cogovernance：evidence from the indianhmi alayas.stcomp international developmen.t sep 2007：67-86.
［12］tang sy.institutionsand collective action：self-governance in irrigation ［m］.san francisco，ca：icspress，1999.
［13］pungpo p，saparpakorn p，wolschann p，et a.l computer-aided moleculardesign of highly potenthiv-1 rt inhibitors：3d qsar and moleculardocking studies of efavirenz derivatives［j］.sar qsar environres，2006，17，（4）：353-370.
［14］楊華錚，劉華銀，鄒小毛等.計(jì)算機(jī)輔助設(shè)計(jì)與合成除草劑的研究［j］.計(jì)算機(jī)與應(yīng)用化學(xué)，1999，16，（5）：400.
［15］vassilev d，leunissen j，atanassov a.application of bioinformatics in plant breeding［j］.biotechnology & biotechnological equipment，2005，3：139-152.
［16］王春華，謝小保，曾海燕等.深圳市空氣微生物污染狀況監(jiān)測分析［j］.微生物學(xué)雜志，2008，28，（4）：93-97.
［17］程樹培，嚴(yán)峻，郝春博等.環(huán)境生物技術(shù)信息學(xué)進(jìn)展［j］.環(huán)境污染治理技術(shù)與設(shè)備，2002，3，（11）：92-94.
［18］史應(yīng)武，婁愷，李春.植物內(nèi)生菌在生物防治中的應(yīng)用［j］.微生物學(xué)雜志，2009，29，（6）：61-64.
［19］趙玉玲，張?zhí)焐瑥埱善G.pcr 法快速檢測肉食品污染沙門菌的實(shí)驗(yàn)研究［j］.微生物學(xué)雜志，2010，30，（3）：103-105.
［20］徐義剛，崔麗春，李蘇龍等.多重pcr方法快速檢測4種主要致腹瀉性大腸埃希菌［j］.微生物學(xué)雜志，2010，30，（3） ：25-29.
［21］索標(biāo)，汪月霞，艾志錄.食源性致病菌多重分子生物學(xué)檢測技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：71-75
［22］朱曉娥，袁耿彪.基因芯片技術(shù)在基因突變診斷中的應(yīng)用及其前景［j］.重慶醫(yī)學(xué)，2010，（22）：3128-3131.
［23］陳彥闖，辛明秀.用于分析微生物種類組成的微生物生態(tài)學(xué)研究方法［j］.微生物學(xué)雜志，2009，29，（4）：79-83.
［24］王大勇，方振東，謝朝新等.食源性致病菌快速檢測技術(shù)研究進(jìn)展［j］.微生物學(xué)雜志，2009，29，（5）：67-72.
［25］蘇晨曦，潘迎捷，趙勇等.疏水網(wǎng)格濾膜技術(shù)檢測食源性致病菌的研究進(jìn)展［j］.微生物學(xué)雜志，2010，30，（6）：76-81.
2009年，衛(wèi)生部立項(xiàng)“十二五”八年制規(guī)劃教材《生物信息學(xué)》的編寫工作，并將生物信息學(xué)列為八年制醫(yī)學(xué)生的必修課。這是中國現(xiàn)代醫(yī)學(xué)教育的一件大事，一方面體現(xiàn)國家對高等醫(yī)學(xué)人才全面發(fā)展、提高理工科理論水平的重視程度；另一方面也表明生物信息學(xué)理論已經(jīng)深入到生物醫(yī)學(xué)科研和實(shí)際應(yīng)用層面，理論生物醫(yī)學(xué)研究已經(jīng)被國內(nèi)院校所接受，成為生物醫(yī)學(xué)學(xué)科群的重要組成部分[1]。
生物信息學(xué)是一門新興的交叉學(xué)科，有非常明顯的理工科特性，即在有良好的生物醫(yī)學(xué)背景下，注重?cái)?shù)學(xué)思維和計(jì)算機(jī)操作能力，這對于我們目前以醫(yī)學(xué)專業(yè)學(xué)習(xí)為主的高等醫(yī)學(xué)教育產(chǎn)生一定的挑戰(zhàn)。如何在有限的學(xué)時基礎(chǔ)上，完成生物信息學(xué)教學(xué)任務(wù)的同時，讓學(xué)生初步掌握科研、臨床中應(yīng)用生物信息學(xué)的能力，形成理工科處理醫(yī)學(xué)問題的思維，是目前在八年制學(xué)生中開展生物信息學(xué)教學(xué)迫切需要研討的問題。筆者作為主講教師于哈爾濱醫(yī)科大學(xué)完成了兩輪八年制生物信息學(xué)教學(xué)任務(wù)，通過教學(xué)過程、課后調(diào)研及考試分析，總結(jié)了八年制學(xué)生對學(xué)習(xí)生物信息學(xué)的一些認(rèn)識和學(xué)習(xí)期間遇到的問題，在這里共同探討，以便于推進(jìn)醫(yī)學(xué)院校生物信息學(xué)的教學(xué)工作，培養(yǎng)更高理論和實(shí)踐層次的醫(yī)學(xué)人才。
一、授課對象
課程面向臨床醫(yī)學(xué)八年制學(xué)生93人、基礎(chǔ)醫(yī)學(xué)八年制（基地班）學(xué)生60人，學(xué)生入學(xué)錄取分?jǐn)?shù)高于生源地重本線50分以上。開課時兩個專業(yè)的學(xué)生均處于大學(xué)三年級，已經(jīng)學(xué)完高數(shù)、計(jì)算機(jī)基礎(chǔ)等理工基礎(chǔ)課，分子生物、細(xì)胞生物等生物學(xué)基礎(chǔ)課，以及組胚、生理等醫(yī)學(xué)基礎(chǔ)課，開課學(xué)期同時學(xué)習(xí)遺傳、免疫、病理和藥理學(xué)課程；部分學(xué)生參加PBL教學(xué)，已經(jīng)完成呼吸、消化、循環(huán)系統(tǒng)的知識學(xué)習(xí)。
二、教材和課程內(nèi)容選擇
面向兩個軌道分別開展《醫(yī)學(xué)信息分析方法》（36學(xué)時）和《生物信息學(xué)概論》（56學(xué)時）兩門課程。兩個軌道均以人民衛(wèi)生出版社規(guī)劃教材《生物信息學(xué)》2010年第一版為主講教材[2]，結(jié)合臨床醫(yī)學(xué)和基礎(chǔ)醫(yī)學(xué)的學(xué)科特點(diǎn)，采取教師自主選擇內(nèi)容的方式講授。
在臨床專業(yè)中以疾病理論和分析方法為中心，專題式講解疾病分析相關(guān)資源、研究策略和常用軟件工具。36學(xué)時的《醫(yī)學(xué)信息分析方法》講授疾病數(shù)據(jù)資源和系統(tǒng)理論、遺傳多態(tài)與疾病定位、轉(zhuǎn)錄調(diào)控信息學(xué)與復(fù)雜疾病分析、miRNA表達(dá)與疾病分類、疾病狀態(tài)表觀遺傳改變，及測序技術(shù)與疾病研究進(jìn)展等6個專題。每個專題包括4學(xué)時理論課程和2學(xué)時上機(jī)實(shí)踐。理論課程強(qiáng)調(diào)分子生物學(xué)基礎(chǔ)、實(shí)驗(yàn)設(shè)計(jì)思想和分析理念，實(shí)踐課程以疾病為中心，由教師指引，學(xué)生自主完成一個小規(guī)模的實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)下載到結(jié)果分析的全程化信息學(xué)實(shí)踐。
在基礎(chǔ)專業(yè)中強(qiáng)調(diào)生物醫(yī)學(xué)研究數(shù)據(jù)資源、計(jì)算生物醫(yī)學(xué)方法和實(shí)驗(yàn)設(shè)計(jì)手段，系統(tǒng)講解生物信息學(xué)在生物醫(yī)學(xué)研究中的理論和實(shí)踐技術(shù)。講授內(nèi)容涉及序列數(shù)據(jù)資源與分析方法、分子進(jìn)化、基因表達(dá)與調(diào)控、蛋白質(zhì)組學(xué)信息學(xué)、網(wǎng)絡(luò)系統(tǒng)生物學(xué)、遺傳和表觀遺傳計(jì)算分析、疾病的計(jì)算系統(tǒng)生物學(xué)等較全面的生物信息學(xué)方法和理論，要求學(xué)生能夠在生物醫(yī)學(xué)研究中貫穿理工科分析思維，不僅能熟練運(yùn)用相應(yīng)的網(wǎng)絡(luò)資源和軟件工具，還能對生物信息學(xué)方法理論有一定了解，熟悉不同方法的擴(kuò)展性應(yīng)用。理論和實(shí)踐課基本按照2比1分配，實(shí)踐課程根據(jù)內(nèi)容需要選取生物學(xué)或醫(yī)學(xué)問題進(jìn)行全程模擬實(shí)驗(yàn)。
三、考試形式和分析
現(xiàn)階段，兩個八年制專業(yè)的生物信息學(xué)教學(xué)以必修考查課形式進(jìn)行，采取開卷考試、實(shí)驗(yàn)報告和標(biāo)書設(shè)計(jì)三種考核方式，以便于了解學(xué)生對本門課程的學(xué)習(xí)和對生物信息學(xué)研究思想的領(lǐng)悟情況。
開卷考試試題均為主觀題，其中理論基礎(chǔ)題考查概念、重要的研究思路和經(jīng)典的研究方法；案例分析題要求學(xué)生能夠在學(xué)過的或書本上的知識基礎(chǔ)上，聯(lián)系生物醫(yī)學(xué)知識進(jìn)行案例分析，選取相應(yīng)的方法解決特定的問題；思維拓展題給定學(xué)生主題詞，由學(xué)生進(jìn)行以生物信息學(xué)方法為工具的課題流程設(shè)計(jì)。考試結(jié)果表明學(xué)生能夠通過學(xué)習(xí)了解基本的生物信息學(xué)方法，并具備初步運(yùn)用新方法解決實(shí)際問題的能力，但考試也反映出，大學(xué)三年級學(xué)生還具有一定的科研思維局限性，不能夠完全把握課題設(shè)計(jì)過程的創(chuàng)新性和可靠性原則。
實(shí)踐能力考查主要通過實(shí)驗(yàn)報告進(jìn)行，實(shí)驗(yàn)報告要寫明研究問題名稱、實(shí)驗(yàn)數(shù)據(jù)、處理方法、處理結(jié)果和結(jié)果分析討論。通過實(shí)驗(yàn)報告的提交，學(xué)生基本能夠就相應(yīng)的問題自主選擇數(shù)據(jù)、進(jìn)行一般性軟件分析，并能夠?qū)?shí)驗(yàn)結(jié)果進(jìn)行知識面內(nèi)的討論和思考，得出符合問題要求的結(jié)論。
標(biāo)書設(shè)計(jì)作為課后實(shí)踐，要求學(xué)生就自己感興趣的研究方向進(jìn)行課題設(shè)計(jì)。設(shè)計(jì)內(nèi)容可以為生物信息學(xué)方法研究，也可以以生物信息學(xué)為工具進(jìn)行生物醫(yī)學(xué)問題的探討和分析。大多數(shù)學(xué)生能夠通過文獻(xiàn)查閱、原先具備的生物醫(yī)學(xué)知識總結(jié)，發(fā)現(xiàn)有意義的生物醫(yī)學(xué)問題，設(shè)計(jì)內(nèi)容具有現(xiàn)實(shí)意義和一定創(chuàng)新性的，部分課題還有較好的可行性。很多標(biāo)書設(shè)計(jì)也暴露出在三年級開展生物信息學(xué)時，學(xué)生的臨床醫(yī)學(xué)知識還比較欠缺，有時候不能很好的發(fā)現(xiàn)具有醫(yī)學(xué)意義或應(yīng)用價值的課題，也比較難于理解生物信息學(xué)在實(shí)際應(yīng)用中的價值。
四、學(xué)生反饋和教學(xué)心得
通過課堂互動、課程臨近結(jié)束時進(jìn)行的問卷調(diào)查，筆者進(jìn)一步了解了學(xué)生在生物信息學(xué)學(xué)習(xí)過程中的一些困惑，及一些意見和建議。主要問題如下：
1、課程理論性強(qiáng)，計(jì)算強(qiáng)度大
學(xué)生們普遍反映生物信息學(xué)與他們學(xué)習(xí)的其他課程不一樣，生物醫(yī)學(xué)課程偏向于文科性質(zhì)，主要靠記憶，而生物信息學(xué)理科特性很強(qiáng)，需要深入理解分析。另外學(xué)生的數(shù)理知識有限，感到有些算法比較難，根本聽不懂。
2、課程內(nèi)容多，課時少
許多學(xué)生通過學(xué)習(xí)對生物信息學(xué)產(chǎn)生了濃厚的興趣，真切感受到生物信息學(xué)對于他們未來的學(xué)習(xí)、科研和臨床工作將有很大幫助，但是課時太少，不能夠在現(xiàn)有課時下理解全部理論。
3、實(shí)踐課時少，計(jì)算機(jī)能力薄弱
絕大多數(shù)學(xué)生都認(rèn)為生物信息學(xué)需要通過理論結(jié)合實(shí)踐的方法來學(xué)習(xí)才能更好的掌握。現(xiàn)有的實(shí)踐課程只能完成基本的教學(xué)任務(wù)，對于眾多的研究工具和研究方法只有感性認(rèn)識。另外大家在實(shí)踐中也感覺到自身的計(jì)算機(jī)知識很有限，在高通量數(shù)據(jù)處理面前力不從心，影響對問題的分析能力。
4、課程開課偏早，背景知識不全
很多學(xué)生反映三年級時，八年制學(xué)生還沒有進(jìn)行統(tǒng)計(jì)學(xué)、臨床各學(xué)科的培養(yǎng)，知識背景不足，很難理解生物信息學(xué)中重要的算法公式，也很難對醫(yī)學(xué)問題進(jìn)行更為深入的思考。
學(xué)生們的反饋基本上反映出他們在學(xué)習(xí)生物信息學(xué)時所遇到的困難。筆者所在教研室教師（包括多名規(guī)劃教材的參編者）共同進(jìn)行了深入探討，認(rèn)為應(yīng)當(dāng)根據(jù)學(xué)生意愿向?qū)W校申請①增加理論課課時，分別由24和36增加為28和44學(xué)時；②增加實(shí)踐課課時，分別由12和20增加20和28學(xué)時；③適當(dāng)降低理論難度，減少不必要的數(shù)學(xué)理論推導(dǎo)，提請學(xué)校為八年制學(xué)生增設(shè)概率統(tǒng)計(jì)和計(jì)算機(jī)編程課程。
生物信息學(xué)的理工科特性決定了生物信息學(xué)課程在醫(yī)學(xué)教育中開展的難度。雖然醫(yī)學(xué)院校學(xué)生課業(yè)重、訓(xùn)練強(qiáng)度大，但是現(xiàn)代生物醫(yī)學(xué)發(fā)展趨勢告訴我們，生物信息學(xué)必然在未來的生物醫(yī)學(xué)研究中處于關(guān)鍵地位[3]。不斷改進(jìn)教學(xué)手段、加強(qiáng)教學(xué)過程的趣味性，更為全面的貫徹以疾病和問題為中心的教學(xué)理念，培養(yǎng)理工醫(yī)結(jié)合的現(xiàn)代化醫(yī)學(xué)人才是生物信息教學(xué)工作者共同的努力方向，這些理念在不久的將來也會隨著教學(xué)實(shí)踐的不斷深入而在新版《生物信息學(xué)》出版時得到進(jìn)一步體現(xiàn)。
參考文獻(xiàn)
[1] Wei Liping and Yu Jun; Bioinformatics in China: A Personal Perspective [J]; Plos Computational Biology， 2008， 4(4): e1000020.
在1956年美國召開的首次“生物學(xué)中的信息理論研討會”上人們提出了生物信息學(xué)的概念[1]。近幾年，隨著人類基因組計(jì)劃(HGP)的迅猛發(fā)展，各種數(shù)學(xué)軟件以及生物分析軟件的出現(xiàn)，將之前積累的大量不同生物基因序列、蛋白質(zhì)氨基酸殘基序列、不同生物種屬之間基因序列、蛋白質(zhì)以及結(jié)構(gòu)序列的保守結(jié)構(gòu)位點(diǎn)進(jìn)行整合，并據(jù)此建立了龐大的數(shù)據(jù)庫系統(tǒng)。而對于這些數(shù)據(jù)的分析，必須依靠計(jì)算機(jī)分析技術(shù)的不斷發(fā)展，所以就形成了一門由生物科學(xué)、計(jì)算機(jī)科學(xué)、信息科學(xué)、應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)等多門學(xué)科相互交叉的學(xué)科——生物信息學(xué)技術(shù)[2-4]。
生物信息學(xué)的基礎(chǔ)是各種數(shù)據(jù)庫的建立和分析工具的發(fā)展。迄今為止，生物學(xué)數(shù)據(jù)庫總數(shù)已達(dá)500個以上。歸納起來可分為4大類：即基因組數(shù)據(jù)庫、核酸和蛋白質(zhì)一級結(jié)構(gòu)數(shù)據(jù)庫、生物大分子三維空間結(jié)構(gòu)數(shù)據(jù)庫，以及以上述3類數(shù)據(jù)庫和文獻(xiàn)資料為基礎(chǔ)構(gòu)建的二級數(shù)據(jù)庫[7]。常用生物信息學(xué)數(shù)據(jù)庫[8-10]：
European Molecular Biology Laboratory(EMBL)——?dú)W洲分子生物學(xué)實(shí)驗(yàn)室http：//ebi.ac.uk/ebi_docs/embl_db/ebi/topembl.html
UK Human Genome Mapping Project-Resource Center(HGMP-RC)——英國醫(yī)學(xué)研究委員會所屬人類基因組圖譜資源中心 http：//hgmp.mrc.ac.uk/default.htm
SeqNet：UK Node of European Molecular Biology Network(EMBNet)——?dú)W洲分子生物學(xué)信息網(wǎng)http：//seqnet.dl.ac.uk/default.htm
GenBank——美國國家生物技術(shù)信息中心(NCBI)所維護(hù)的供公眾自由讀取的、帶注釋的DNA序列的總數(shù)據(jù)庫http：//ncbi.nlm.nih.gov/Web/Search/index.html
National Center for Biotechnology Information(NCBI)——美國國家生物技術(shù)信息中心http：//ncbi.nlm.nih.gov/
DNA Databank of Japan(DDBJ)——日本核酸數(shù)據(jù)庫http：//ddbj.nig.ac.jp/default.htm
Genome Sequence DataBase(GSD)——美國國家基因組資源中心維護(hù)的DNA序列關(guān)系數(shù)據(jù)庫http：//seqsim.ncgr.org/default.htm
Online Mendelian Inheritance in Man(OMIM)——在線人類孟德爾遺傳數(shù)據(jù)庫http：//www3.ncbi.nlm.nih.gov/Omim/searchomim.html
European Drosophila Genome Project http：//edgp.ebi.ac.uk/default.htm
The Institute for Genomic Research(TIGR)——美國基因組研究所http：//tigr.org/default.htm
The Sanger Centre http：//sanger.ac.uk/default.htm
Swiss Institute of Bioinformatics(Expasy)http：//expasy.ch/default.htm
GenomeNet(Japan)http：//genome.ad.jp/default.htm
Australian National Genomic Information Service(ANGIS)http：//morgan.angis.su.oz.au/default.htm
Bioinformatics and Biology Resources on the Internet http：//aeiveos.wa.com/biology/index.html
List of other Genome Sites http：//hgmp.mrc.ac.uk/GenomeWeb/default.htm
Brunel University Online Teaching Programme http：//brunel.ac.uk/depts/bl/project/front.htm
Whitehead Institute for Biomedical Research(WI)http：//wi.mit.edu/
WICGR(WI/MIT Center for Genome Research)http：//www-genome.wi.mit.edu/
Cold Spring Harbor Laboratory(CSHL)——冷泉港實(shí)驗(yàn)室http：//clio.cshl.org/
SMI(Stanford Medical Informatics)http：//www-smi.stanford.edu/projects/helix/
BNL(Brookhaven National Laboratory)——美國布魯克海文國家實(shí)驗(yàn)室http：//genome1.bio.bnl.gov/
Weizmann Institute of Science——以色列魏茲曼科學(xué)研究所 http：//bioinformatics.weizmann.ac.il/
中國科學(xué)院上海生命科學(xué)院生物信息中心(BioSino)http：//biosino.org.cn/
北京大學(xué)生物信息中心(CBI或PKUCBI)http：//cbi.pku.edu.cn/
中國軍事醫(yī)學(xué)科學(xué)院情報研究所 http：//bmi.ac.cn/bio/
1 生物信息學(xué)在寄生蟲基礎(chǔ)研究中的現(xiàn)狀
隨著HGP的開展[11-12]，人體寄生蟲基因組研究也受到了廣泛的重視。1993年美國人類基因組研究中心對HGP 作了修訂，修訂后的HGP 將模式生物基因組列入了HGP的內(nèi)容[13]，認(rèn)為通過對較為簡單的模式生物基因組的研究，可為人類基因的功能鑒定提供線索，并可從簡單的基因組分析入手建立技術(shù)積累經(jīng)驗(yàn)。人體寄生蟲是一類結(jié)構(gòu)較簡單的單細(xì)胞生物如原蟲或多細(xì)胞生物如蠕蟲[14]，是研究模式生物較理想的材料。因此，人體寄生蟲基因組計(jì)劃也已成為人類基因組計(jì)劃中模式生物基因組研究重要內(nèi)容之一[15-16]。其中，基因序列測定和新基因的發(fā)現(xiàn)是人體寄生蟲基因組計(jì)劃的首要任務(wù)。目前應(yīng)用生物信息學(xué)對下列人體寄生蟲基因組進(jìn)行了研究[17-18]：
1.1 惡性瘧原蟲 基因組計(jì)劃開展較早，研究表明惡性瘧原蟲的基因組大小約30Mb，含15000～17000個基因。在GenBank 中已記載的惡性原蟲5031個基因順序資料中，有3755個為抗原/蛋白質(zhì)的編基因序列。
1.2 利什曼原蟲 基因組大小約為35Mb，通過構(gòu)建利什曼原蟲不同時期特異性cDNA文庫和長片段基因組文庫，已經(jīng)獲得了2000多個EST 序列。
1.3 美洲錐蟲 基因組大小為55 Kb，已建立了標(biāo)化cDNA 文庫，BAC 文庫和YAC 文庫。現(xiàn)已完成了7000個EST序列的測定，3號和4號染色體序列已測定。
1.4 絲蟲 基因組大小為100Mb(以馬來絲蟲代表)，至目前為止，在GenBank 中EST 序列已達(dá)到16500個，鑒定出新基因6000個，占預(yù)測基因總數(shù)的1/3。
1.5 碩大利什曼原蟲 已有約500個EST 序列進(jìn)入數(shù)據(jù)庫，均是從含有引導(dǎo)序列的全長cDNA的5端測出的序列，對利什曼原蟲的目標(biāo)是測出至少1500個新序列。
1.6 血吸蟲 基因組大小為270 Mb，估計(jì)基因數(shù)為20000個。血吸蟲基因組計(jì)劃始于1995年，早期研究工作主要是新基因的發(fā)現(xiàn)和繪制低分辨率的物理圖譜。目前在GenBank中已有的血吸蟲基因EST序列超過45900條，3500 個新基因已被鑒定，占基因總數(shù)的15%。
2 生物信息學(xué)在包蟲基礎(chǔ)研究中的應(yīng)用前景
包蟲病是一個世界性的流行病，其防治工作倍受各國研究者重視。包蟲生活史復(fù)雜，同一包蟲的不同種株，以及在同一種株的不同發(fā)育階段，不同組織，甚至隨著環(huán)境的改變，其基因表達(dá)變化很大。目前有關(guān)包蟲的研究還不是很多，研究資源主要集中于研究包蟲單個基因的序列及其功能，隨著后基因組時代的發(fā)展，以及生物信息學(xué)的興起，包蟲的研究將從單個基因和功能向全基因組和功能研究轉(zhuǎn)變，從局部向整體轉(zhuǎn)變，從而使有目的地大規(guī)模研究疫苗和藥物相關(guān)基因成為可能。
目前，應(yīng)用生物信息學(xué)在對血吸蟲的基礎(chǔ)研究中取得了很大的進(jìn)展。這便給了我們一個提示，可以應(yīng)用生物信息學(xué)對包蟲進(jìn)行基礎(chǔ)研究。首先，可以通過生物信息學(xué)的相關(guān)網(wǎng)站得到目前已知的包蟲的基因或蛋白序列。目前報道包蟲的核酸序列共11106條[美國國立生物技術(shù)信息中心(NCBI)數(shù)據(jù)庫]，見下表：
核酸序列線粒體
內(nèi)核酸線粒體
外核酸總核酸
序列數(shù)Nucleotide5625321097相關(guān)EST01000210002GSS077 之后可以通過生物信息學(xué)相關(guān)工具做以下工作[19]：
2.1 基因功能預(yù)測 一個新基因得到后，接下來的工作就是尋找該基因的功能。序列同源比較是預(yù)測基因功能的第一步。利用同源比較算法，將待檢測的新基因序列從DNA和蛋白質(zhì)序列數(shù)據(jù)庫中進(jìn)行同源檢索后，就可以得到一系列與新基因同源性較高的基因或片段。這些基因和片段的已知功能信息就為進(jìn)一步分析新基因功能提供了具有相當(dāng)參考價值的導(dǎo)向。最主要的生物學(xué)數(shù)據(jù)庫是核酸、蛋白質(zhì)序列數(shù)據(jù)庫及其三維結(jié)構(gòu)數(shù)據(jù)庫[20]。
2.2 尋找蛋白質(zhì)家族保守序列 通過同源檢索，尋找新基因中包含的該蛋白質(zhì)家族的保守序列，為進(jìn)一步深入研究其功能作好準(zhǔn)備。多重序列同源比較，被用來尋找基因家族或蛋白質(zhì)家族中的保守部分[21-22]。由于保守部分常常與家族成員的功能密切相關(guān)，蛋白質(zhì)家族數(shù)據(jù)庫能夠幫助科學(xué)家更好地認(rèn)識基因的功能。最具代表性的蛋白質(zhì)家族保守序列的數(shù)據(jù)庫有PRINTS、BLOCKS、Sbase 和Prosite等。這些數(shù)據(jù)庫可以幫助我們把新基因所屬的蛋白質(zhì)家族及其保守部分找出來，并提供該家族其他成員的結(jié)構(gòu)和功能信息[23]。
2.3 蛋白質(zhì)結(jié)構(gòu)的預(yù)測 如果一個可能的新基因通過同源檢索后沒有同源性，就成為孤獨(dú)基因了。孤獨(dú)基因可以通過結(jié)構(gòu)同源比較，尋找結(jié)構(gòu)同源的基因或直接預(yù)測其高級結(jié)構(gòu)來推測其可能的功能。有很多蛋白質(zhì)高級結(jié)構(gòu)數(shù)據(jù)庫提供結(jié)構(gòu)同源比較的檢索[20]。
目前，在后基因組時代，研究者們面對的不僅是序列和基因，也有越來越多的完整基因組。對不同種株包蟲基因組之間的比較性研究很可能會得到大量有用信息，而對同一種包蟲生活史不同階段基因組的比較性研究可能會使人們對于該物種的認(rèn)識更加深入。因此，隨著生物信息學(xué)的迅速發(fā)展和后基因組計(jì)劃的深入，包蟲的基礎(chǔ)研究必將得到極大地發(fā)展。人們能夠期望從對基因和基因的生物學(xué)功能研究著手，發(fā)現(xiàn)更有效的抗包蟲的藥物靶位或疫苗[24-25]，并為徹底揭開包蟲的奧秘以及有效的治療與預(yù)防包蟲病打下基礎(chǔ)。
參考文獻(xiàn)
[1] 陳穎健.生物信息學(xué)[J]. 國外科技動態(tài)，2002，10(399)：39-41.
[2] Ezio Bartocci，F(xiàn)lavio Corradini，Emanuela Merelli.BioWMS：a web-based Workflow Management System for bioinformatics[J]. BMC Bioinformatics，2007，8(Suppl 1)：S2.
[3] Stephen H，Wefer Keith Sheppard.Bioinformatics in High School Biology Curricula：A Study of State Science Standards[J]. CBE-Life Sciences Education，2008，7：155-162.
[4] 馮毅.生物信息學(xué)在藥物研發(fā)中的應(yīng)用與展望[J].西部醫(yī)學(xué)，2007，19(5)：971-973
[5] 孫敏，馬月輝.生物信息學(xué)研究進(jìn)展[J].家畜生態(tài)學(xué)報，2006，27(1)：6-10.
[6] 汪凡軍.生物信息學(xué)在醫(yī)學(xué)上的應(yīng)用[J].國際檢驗(yàn)醫(yī)學(xué)雜志，2006，27(2)：161-163.
[7] Yang Yong Mei.Application Development of Bioinformatics in Medicine Study[J]. Medical Recapitulate，2007，13(22)：1681-1683.
[8] Michelle D，Brazas BF，F(xiàn)rancis Ouellette.2008 update on the Bioinformatics Links Directory[J]. Nucl Acid Res，2008，36：W2-W4.
[9] Benson D，Karsch-Mizrachi I，Lipman D，et al.Gen-Bank：update[J]. Nucleic Acids Res，2004，6：23-26.
[10] Apweiler R，Bairoch A，Wu C，et al.UniProt：the Universal Protein knowledgebase[J]. Nucleic Acids Res，2004，6：115-119.
[11] International Human Genome Sequencing Consortium：Initial sequencing and analysis of the human genome[J]. Nature，2001，409：860-921.
[12] Pennisi E.The sequence of the human genome[J]. Science，2001，291：1173-1180.
[13] Collins F，Galas D.Human genome[J]. Science，1993，262(130)：43-46.
[14] Alan F，Cowman Brendan S.Functional genomics：identifying drug targets for parasitic diseases[J]. Crabb Trends Parasitology，2003，19(11)：538-543.
[15] Rick L，Tarleton Jessica Kissinger.Parasite genomics：current status and future prospects[J]. Current Opinion in Immunology，2001，13(4)：395-402.
[16] David A，Johnston Mark L.Genomics and the biology of parasites[J]. BioEssays，2008，21(2)：131-147
[17] Sara E，Melville Christiane，Neil Hall.Methods in Molecular Biology Parasite Genomics Protocols[M]. Humana Press，2004：
[18] Yvan Strahm，David Powell，Christophe Lefebvre.EST-PAC a web package for EST annotation and protein sequence prediction[J]. Source Code for Biology and Medicine，2006，(1)：2
[19] Samuel Karlin.Statistical signals in bioinformatics[J]. PNAS，2005，102(38)：13355-13362.
[20] Sebastien Ribrioux，Adrian Brüngger.Bioinformatics prediction of overlapping frameshifted translation products in mammalian transcripts[J]. BMC Genomics，2008，9：122.
[21] Catherine H，Schein Ovidiu Ivanciuc，Werner Braun. Bioinformatics Approaches to Classifying Allergens and Predicting Cross-Reactivity[J]. Immunol Allergy Clin North Am，2007，27(1)：1-27.
[22] Chua Kek Heng，Rofina Yasmin Othman.Bioinformatics in molecular immunology laboratories demonstrated：Modeling an anti-CMV scFv antibody[J]. Bioinformation，2006，1(4)：118-120.
[23] Omar J，Jabado Sean Conlan P. Comprehensive viral oligonucleotide probe design using conserved protein regions[J]. Nucl Acid Res，2008，36(1)：10.
生物信息學(xué)教學(xué)模式探索任務(wù)引領(lǐng)生物信息學(xué)是用數(shù)理和信息科學(xué)的觀點(diǎn)、理論和方法研究生命現(xiàn)象、組織和分析呈現(xiàn)指數(shù)增長的生物醫(yī)學(xué)數(shù)據(jù)的一門學(xué)科，它是生物醫(yī)學(xué)、數(shù)學(xué)、信息科學(xué)以及計(jì)算機(jī)科學(xué)等諸多學(xué)科的嶄新交叉學(xué)科。生物信息學(xué)幾乎是今后所有生物（醫(yī)藥）研究開發(fā)所必需的工具。
21世紀(jì)是生物科學(xué)的世紀(jì)。近年，我國生物技術(shù)公司對生物信息學(xué)人員的相關(guān)需求也迅速增加，浙江理工大學(xué)生命科學(xué)學(xué)院生物技術(shù)專業(yè)在進(jìn)行了行業(yè)調(diào)研并進(jìn)行專業(yè)課程體系構(gòu)建研究后，于2006年定位和開設(shè)了生物信息學(xué)課程。該門課程經(jīng)過8年多的建設(shè)后，對教學(xué)團(tuán)隊(duì)的建設(shè)、課程目標(biāo)的設(shè)定、教學(xué)內(nèi)容及教學(xué)教法的選擇等方面進(jìn)行了卓有成效的探索，這些探索所形成的結(jié)論，可為即將開設(shè)或正在進(jìn)行該課程教學(xué)改革的學(xué)校提供可借鑒的經(jīng)驗(yàn)。
一、生物信息學(xué)的課程特點(diǎn)
諾貝爾獎獲得者W.Gilbert1991年提出了這樣一個觀點(diǎn)：傳統(tǒng)生物學(xué)解決問題的方式是實(shí)驗(yàn)的，而現(xiàn)在，基于全部基因都將知曉，并以電子可操作的方式駐留在數(shù)據(jù)庫中，新的生物學(xué)研究模式的出發(fā)點(diǎn)應(yīng)是理論的，是一個科學(xué)家先從理論推測出發(fā)設(shè)定研究目標(biāo)，然后再回到實(shí)驗(yàn)中去追蹤或驗(yàn)證這些理論假設(shè)。而生物信息學(xué)研究正是從英特網(wǎng)上源源不斷地采集數(shù)據(jù)，進(jìn)行分析、歸類與重組，發(fā)現(xiàn)新線索、新現(xiàn)象和新規(guī)律，用以指導(dǎo)實(shí)驗(yàn)工作設(shè)計(jì)，是一條既快又省的研究路線。它對于找尋一個研究項(xiàng)目的突破口是非常重要的，選定合適的研究出發(fā)點(diǎn)，可避免許多不必要的重復(fù)，最大程度節(jié)約研究資源，使研究成果最大化。鑒于該門技術(shù)對生物科學(xué)的理論、實(shí)踐要求以及對信息技術(shù)掌握的要求，生物信息學(xué)課程與其他課程的教學(xué)有很大不同。
1.在課程目標(biāo)定位中，提高學(xué)生對相關(guān)網(wǎng)絡(luò)資源的使用能力是該門課程的重要目標(biāo)之一。學(xué)生必需使用強(qiáng)大的搜索功能實(shí)現(xiàn)數(shù)據(jù)儲存、檢索和分析，學(xué)校在教學(xué)資源配置上必需向此傾斜。
2.該門課程學(xué)科交叉性強(qiáng)，所涉及的生物及計(jì)算機(jī)等學(xué)科的相關(guān)知識更新都很快，導(dǎo)致其理論和實(shí)踐內(nèi)容不斷推陳出新，這使得在教學(xué)內(nèi)容選擇上要緊跟這些更新，不斷進(jìn)行調(diào)整。
3.課程教學(xué)實(shí)踐性強(qiáng)，同時涉及生物技術(shù)專業(yè)實(shí)踐和計(jì)算機(jī)應(yīng)用技術(shù)的實(shí)踐，這需要教師在授課過程中根據(jù)學(xué)生的學(xué)習(xí)規(guī)律合理安排實(shí)踐項(xiàng)目，發(fā)揮好這兩種技術(shù)的協(xié)同作用。
二、生物信息學(xué)課程教學(xué)模式探索
1.教學(xué)目標(biāo)與其所培養(yǎng)學(xué)生的核心技能
合理的課程目標(biāo)與定位是決定課程建設(shè)成敗和教學(xué)效果的基礎(chǔ)，其主要依據(jù)是人才培養(yǎng)需求與授課對象的實(shí)際情況。經(jīng)過對該門課程教學(xué)對象的研究發(fā)現(xiàn)，在生物專業(yè)課程體系下培養(yǎng)的本科生，其前導(dǎo)課程主要集中在生物領(lǐng)域，通常沒有系統(tǒng)的學(xué)習(xí)過計(jì)算機(jī)、信息技術(shù)、編程等知識。對信息檢索、模型建立、軟件的識別及應(yīng)用的能力相當(dāng)薄弱。因此，本門課程將提高學(xué)生的信息技術(shù)能力也作為一個重要的課程目標(biāo)。學(xué)生在本門課程中將學(xué)習(xí)與生物技術(shù)相關(guān)的各種數(shù)據(jù)庫和軟件的使用。當(dāng)然，對學(xué)生信息技術(shù)能力的要求也定位在能使用、會使用就行，不需要將學(xué)生掌握生物數(shù)據(jù)庫構(gòu)建和軟件開發(fā)作為課程教學(xué)的目標(biāo)。
在課程目標(biāo)的設(shè)定過程中，應(yīng)牢記高校對文化的傳承的功能，要使學(xué)生了解生物信息學(xué)發(fā)展的歷程。在生物信息學(xué)學(xué)科發(fā)展過程中所涌現(xiàn)出來的著名學(xué)者，眾所周知的震撼人心、啟迪心靈的奇聞秩事，能使學(xué)生對這門課程產(chǎn)生濃厚的興趣，甚至更深刻地領(lǐng)會這門課程的含義。
熟練掌握生物數(shù)據(jù)庫的檢索和使用是生物信息學(xué)課程教學(xué)的首要目標(biāo)。到目前為止，生物學(xué)數(shù)據(jù)庫總數(shù)已達(dá)500個以上，在DNA序列方面有GenBank、EMBL和DDBJ等；在蛋白質(zhì)一級結(jié)構(gòu)方面有UniProt、SWISS-PROT、PIR和MIPS等；在蛋白質(zhì)和其他生物大分子的結(jié)構(gòu)方面有PDB等；在蛋白質(zhì)結(jié)構(gòu)分類方面有SCOP和CATH等。各數(shù)據(jù)庫均通過Internet提供多種形式的數(shù)據(jù)檢索服務(wù)。例如，NCBI-GenBank數(shù)據(jù)庫就提供Retrieve（Email），Entrez（Web集成信息檢索）及Query（Email集成檢索）等多種方式的檢索服務(wù)。這類檢索服務(wù)是生物數(shù)據(jù)庫所能提供的多種服務(wù)中最基本的信息共享和應(yīng)用服務(wù)，也是生物專業(yè)學(xué)生和科研工作者經(jīng)常使用的。在教學(xué)過程中需通過設(shè)計(jì)檢索任務(wù)來完成對這些數(shù)據(jù)庫使用方法的學(xué)習(xí)，如通過生物數(shù)據(jù)庫檢索家蠶profilin基因的相關(guān)信息。
增強(qiáng)學(xué)生使用生物信息處理軟件的能力，是生物信息學(xué)課程教學(xué)的重要目標(biāo)。在世界各地，科學(xué)家每天都要通過序列比對軟件進(jìn)行成千上萬次的序列比對。學(xué)生需要通過課程的學(xué)習(xí)熟練掌握各種生物信息處理軟件，有時還有必要進(jìn)行一些簡單程序的設(shè)計(jì)，進(jìn)而掌握發(fā)現(xiàn)新線索、查找新規(guī)律的工具。例如，目前，借助于生物信息手段的蛋白質(zhì)預(yù)測是提供蛋白質(zhì)結(jié)構(gòu)及功能信息的重要方法，對這種預(yù)測方法的學(xué)習(xí)將使學(xué)生更多更快地了解蛋白質(zhì)的信息，加深對生物技術(shù)科學(xué)的理解和運(yùn)用。除了生物數(shù)據(jù)庫和生物軟件使用學(xué)習(xí)外，還要著重體現(xiàn)生物學(xué)文獻(xiàn)調(diào)研和閱讀、論文撰寫等基本能力的訓(xùn)練，如EndNote文獻(xiàn)管理軟件的使用。
2.教學(xué)內(nèi)容選擇和教學(xué)順序的組織
生物信息學(xué)的課程教學(xué)內(nèi)容的選擇，要緊隨生物信息學(xué)的發(fā)展方向，涵蓋最前沿知識和最先進(jìn)技術(shù)領(lǐng)域。與此同時，教學(xué)內(nèi)容的選擇還應(yīng)充分考慮學(xué)生基礎(chǔ)和對該門課程的需求。生物信息學(xué)選課學(xué)生通常有兩類，一類是具有較為扎實(shí)的生物學(xué)基礎(chǔ)的學(xué)生，他們學(xué)習(xí)目的非常明確，其學(xué)習(xí)重點(diǎn)在于提高對生物信息實(shí)驗(yàn)所得結(jié)果的分析解釋和驗(yàn)證能力。另一類是生物學(xué)基礎(chǔ)相對較弱的學(xué)生，這些學(xué)生主要是為了了解生物信息學(xué)發(fā)展前沿、掌握檢索能力以及初步的分析技能，對分析、處理、預(yù)測結(jié)果的驗(yàn)證涉及不多。無論哪種學(xué)生，都比較欠缺信息技術(shù)方面的知識，因此，這類知識在前面部分介紹。而后面部分則隨學(xué)生的類型有所改變，我們根據(jù)授課學(xué)生的分類選擇不同的授課內(nèi)容和授課重點(diǎn)，嘗試據(jù)此來劃分教學(xué)組織的各個階段，在每個教學(xué)節(jié)點(diǎn)精心設(shè)置任務(wù)（如表1所示）。
與其他課程的教學(xué)一樣，生物信息學(xué)課程的教學(xué)需遵守學(xué)生對知識的掌握規(guī)律，其內(nèi)容的選擇與安排應(yīng)按照循序漸進(jìn)的原則。從第一階段到第二階段，教學(xué)內(nèi)容“由易到難”。隨著教學(xué)過程的深入，課程內(nèi)容更側(cè)重于對生物信息學(xué)某一專業(yè)領(lǐng)域的引導(dǎo)，此時授課教師的指導(dǎo)更加重要，這類領(lǐng)域往往與開課院系專業(yè)的優(yōu)勢研究領(lǐng)域和導(dǎo)師研究方向相結(jié)合。
3.課程教學(xué)方法的改革
生物信息學(xué)是一門涉及知識面深刻而廣泛，學(xué)生獨(dú)立自學(xué)的難度很大的交叉科學(xué)。依據(jù)建構(gòu)主義教學(xué)理論的特點(diǎn)，這類難度大、技術(shù)性和實(shí)踐性強(qiáng)的課程要特別重視以學(xué)生為教學(xué)主體的教學(xué)方法，應(yīng)嘗試從任務(wù)引領(lǐng)入手，將生物信息學(xué)的一些重要學(xué)習(xí)內(nèi)容逐步展現(xiàn)出來。
在生物信息學(xué)教學(xué)中，教學(xué)內(nèi)容側(cè)重于任務(wù)引領(lǐng)，設(shè)定與學(xué)生生活相貼近的、接合學(xué)科發(fā)展前沿的引領(lǐng)任務(wù)。例如，可以從高水平雜志（Nature、Science）上根據(jù)任務(wù)引領(lǐng)的關(guān)鍵詞搜索綜述，根據(jù)綜述總結(jié)出該任務(wù)發(fā)展脈絡(luò)，提煉教學(xué)任務(wù)，將較為抽象的計(jì)算機(jī)算法、生物學(xué)基礎(chǔ)知識融于任務(wù)中，使學(xué)生有積極參與的意愿。及時將任務(wù)相關(guān)工具提供給學(xué)生，或是提前引導(dǎo)學(xué)生自己查詢工具，使學(xué)生有完成任務(wù)的基礎(chǔ)。
學(xué)生在每個節(jié)點(diǎn)都非常清晰地知道下個節(jié)點(diǎn)的主題，并在完成教師的任務(wù)過程中，構(gòu)建局部知識框架，形成自己的見解。教師需在課堂上和課堂以外及時掌握學(xué)生對各個節(jié)點(diǎn)知識的掌握情況，找到學(xué)生的最近發(fā)展區(qū)，針對重點(diǎn)、難點(diǎn)解惑，提高教學(xué)效果。這樣可以使選擇的教學(xué)任務(wù)吸引學(xué)生、引領(lǐng)學(xué)科前沿，還能在教學(xué)過程與學(xué)生的互動中有效地實(shí)現(xiàn)教學(xué)相長。
4.重視切合課程設(shè)計(jì)的教材編寫
生物信息學(xué)不同于其他學(xué)科，其很多內(nèi)容和知識節(jié)點(diǎn)更新很快，很多最新成果必須教師根據(jù)生物信息學(xué)發(fā)展前沿及時整理和總結(jié)，其教學(xué)內(nèi)容設(shè)置著重于保證教學(xué)內(nèi)容的先進(jìn)性和前沿性。教材的更新和修訂周期較短，幾乎每學(xué)期均需要重新修訂。
2001年，教育部在[2001]4號文件中明確要求直屬高校的“本科教育要創(chuàng)造條件使用英語等外語進(jìn)行公共課和專業(yè)課教學(xué)”，在信息技術(shù)、生物科學(xué)、管理、金融、法律等專業(yè)力爭在3年內(nèi)使外語講授的課程達(dá)到所開課程的5%～10%，尤其強(qiáng)調(diào)了生物科學(xué)更要先行一步。現(xiàn)實(shí)情況也使英文自編教材的編寫刻不容緩，現(xiàn)在，絕大部分前沿生物數(shù)據(jù)信息（最主要的核酸和蛋白質(zhì)）數(shù)據(jù)庫均為全英文操作界面，操作者只有熟練掌握生物信息學(xué)英文術(shù)語才能自如地使用該系統(tǒng)，才能更有效的進(jìn)行生物信息學(xué)的學(xué)習(xí)和研究工作。在英文自編教材編寫時，理論部分的參考書我們精心應(yīng)選定了具有非常嚴(yán)謹(jǐn)理論體系和反應(yīng)了最前沿生物信息技術(shù)的《BIOINFORMATICS：Databases，Tools， and Algorithms》。編寫時需要特別注意應(yīng)依據(jù)教學(xué)設(shè)計(jì)來設(shè)定來序化任務(wù)，突出不同教學(xué)階段的教學(xué)重點(diǎn)，使學(xué)生學(xué)習(xí)過程是個循序漸進(jìn)的過程。我校采用的自編教材根據(jù)教學(xué)階段共設(shè)置五個引領(lǐng)任務(wù)：
（1）Pubmed檢索profilin基因研究進(jìn)展；
（2）家蠶profilin基因結(jié)構(gòu)分析與PCR擴(kuò)增引物的設(shè)計(jì)；
（3）家蠶profilin基因同源序列的獲取與進(jìn)化樹的構(gòu)建；
（4）家蠶profilin蛋白二級和三級結(jié)構(gòu)的模擬；
（5）家蠶profilin蛋白理化性質(zhì)和功能位點(diǎn)的分析.
5.合理配置網(wǎng)絡(luò)資源和多媒體教學(xué)資源
首先，學(xué)會利用互聯(lián)網(wǎng)、計(jì)算機(jī)、數(shù)據(jù)庫和應(yīng)用軟件進(jìn)行生物信息分析的基本方法和技能本身就是生物信息學(xué)教學(xué)重點(diǎn)。以往普通的多媒體教室已難以提供一個交互式的網(wǎng)絡(luò)化、信息化的教學(xué)環(huán)境，如果想上好生物信息學(xué)這門課程，網(wǎng)絡(luò)資源和多媒體教學(xué)資源的應(yīng)用，將貫穿于整個生物信息學(xué)課程（從任務(wù)下發(fā)及申領(lǐng)、任務(wù)控制及執(zhí)行、任務(wù)完成結(jié)果檢驗(yàn)與反饋）的整個教與學(xué)的過程。而我們通過極域電子教室和學(xué)校4A網(wǎng)絡(luò)教學(xué)平臺結(jié)合，較好的實(shí)現(xiàn)了生物信息學(xué)交互式的網(wǎng)絡(luò)化、信息化的教學(xué)環(huán)境。
課前，教師通過網(wǎng)絡(luò)平臺將任務(wù)教學(xué)內(nèi)容、任務(wù)序列、工具等傳遞給學(xué)生，學(xué)生通過登陸互聯(lián)網(wǎng)絡(luò)，利用網(wǎng)絡(luò)資源和軟件嘗試完成預(yù)習(xí)任務(wù)。此處可以設(shè)置學(xué)情反饋點(diǎn)，教師通過網(wǎng)絡(luò)論壇等形式掌握學(xué)生預(yù)習(xí)情況。授課過程中，教師利用教師機(jī)客戶端的文件分發(fā)系統(tǒng)將任務(wù)教學(xué)內(nèi)容、任務(wù)序列、工具等發(fā)送到學(xué)生桌面，再通過廣播教學(xué)多媒體技術(shù)為學(xué)生形象的講解任務(wù)內(nèi)容以及完成方法。每位學(xué)生在教師的監(jiān)督下在互聯(lián)網(wǎng)上執(zhí)行任務(wù)。教師在監(jiān)控學(xué)生完成任務(wù)過程中，不斷的得到學(xué)生任務(wù)進(jìn)程的反饋，對于任務(wù)中學(xué)生出現(xiàn)共性問題，利用網(wǎng)絡(luò)、廣播教學(xué)或演示等形式及時解決。課下，學(xué)生同樣可通過學(xué)校4A網(wǎng)絡(luò)教學(xué)平臺將任務(wù)報告、作業(yè)、問題和意見等反饋給教師，教師在平臺上批改任務(wù)報告后將成績和評語發(fā)送給學(xué)生，讓學(xué)生及時了解自己的學(xué)習(xí)情況，師生還可以通過平臺中的網(wǎng)絡(luò)論壇進(jìn)行問題討論等。網(wǎng)絡(luò)環(huán)境下的生物信息學(xué)任務(wù)引領(lǐng)式教學(xué)，不僅能提高學(xué)生的學(xué)習(xí)興趣，還能創(chuàng)造更為有效的師生互動信息教學(xué)環(huán)境。
三、結(jié)束語
經(jīng)過多年的生物信息學(xué)教學(xué)實(shí)踐發(fā)現(xiàn)，如果想建設(shè)好生物信息學(xué)課程，我們需要設(shè)定非常清晰的教學(xué)目標(biāo)，理清課程需要培養(yǎng)學(xué)生的核心技能；結(jié)合行業(yè)發(fā)展的技術(shù)前沿精心選擇教學(xué)內(nèi)容，合理序化教學(xué)順序；要依據(jù)建構(gòu)教學(xué)理論，重視以學(xué)生為教學(xué)主體的教學(xué)方法，嘗試從任務(wù)引領(lǐng)入手引領(lǐng)學(xué)生學(xué)習(xí)，提高學(xué)生的學(xué)習(xí)興趣；要重視切合課程設(shè)計(jì)的教材編寫，理論部分引自精選英文參考書，設(shè)計(jì)教材結(jié)構(gòu)應(yīng)切合任務(wù)引領(lǐng)的教學(xué)方法；合理配置網(wǎng)絡(luò)資源和多媒體教學(xué)資源，加強(qiáng)學(xué)生互動，為成功地實(shí)現(xiàn)“反轉(zhuǎn)課堂”提供保障。
參考文獻(xiàn)：
[1]張林，柴惠.現(xiàn)代教學(xué)手段在生物信息學(xué)教學(xué)中的應(yīng)用[J].新課程研究，2011，219（4）：156-158.
[2]柴惠，趙虹，張婷.高等院校生物信息學(xué)雙語教學(xué)課程建設(shè)之我見[J].中國高等醫(yī)學(xué)教育，2010，（4）：83-84.
[3]Gilbert，W.Towards a paradigm shift in biology[J].Nature，1991，（349）：99.
[4]劉偉，張紀(jì)陽.“生物信息學(xué)”課程中研討式教學(xué)實(shí)踐[J].中國電力教育，2012，（23）：60-61.
[5]范丙友，賈小平，胥華偉.生物信息學(xué)課程教學(xué)改革與探索[J].大學(xué)教育，2013，（16）：61-62.
關(guān)鍵詞 合成生物學(xué)；醫(yī)藥；能源；實(shí)踐
中圖分類號 R122 文獻(xiàn)標(biāo)識碼 A 文章編號 1673-9671-（2012）121-0161-01
目前科學(xué)家已測定了包括人類在內(nèi)的700多種生物的基因組，這表明生命科學(xué)進(jìn)入遺傳密碼的全面解析階段，在分子水平研究基因結(jié)構(gòu)和功能。這些成果為工程師創(chuàng)造新世界提供了有力的生物元器件。工程師可以用這些已知的功能，重新設(shè)計(jì)和構(gòu)建具有新功能的生命，甚至可以全合成新生命，這就是進(jìn)入21世紀(jì)新興的合成生物學(xué)。合成生物學(xué)是繼人類基因組研究之后，生物領(lǐng)域的又一熱門學(xué)科，是整體系統(tǒng)論生物學(xué)思潮在工程學(xué)領(lǐng)域的
再現(xiàn)。
1 合成生物學(xué)與其他學(xué)科的關(guān)系
1.1 合成生物學(xué)與系統(tǒng)生物學(xué)
合成生物學(xué)的出現(xiàn)是與系統(tǒng)生物學(xué)的發(fā)展密不可分的。從哲學(xué)思維上，二者都遵從系統(tǒng)論，生物系統(tǒng)的整體功能不可分割。系統(tǒng)生物學(xué)將在基因、蛋白質(zhì)、代謝物等多維分子水平獲得大量的細(xì)胞行為知識和建立生物網(wǎng)絡(luò)，為合成生物學(xué)提供理論和模型。合成生物學(xué)可為系統(tǒng)生物學(xué)的定量分析提供模式生物。
1.2 合成生物學(xué)與生物信息學(xué)、化學(xué)
如果把基因組測序看成閱讀和解碼遺傳信息的過程，那么合成生物學(xué)就是人工書寫和編程過程，是測序的逆過程。這個過程對生物信息學(xué)提出了更大的挑戰(zhàn)，與所有的工程學(xué)一樣，合成生物的設(shè)計(jì)和優(yōu)化過程中需要用新的算法進(jìn)行模擬和測試。合成生物的過程是以原料核酸的高速合成為基礎(chǔ)的，因此需要高效、低成本的化學(xué)合成技術(shù)提供支持。目前，常規(guī)化學(xué)方法合成一個堿基核苷酸商業(yè)化價格是2元左右，而新方法有望把成本降到更低。
1.3 合成生物學(xué)與基因工程
二者既有聯(lián)系，也有區(qū)別。就操作對象和主要技術(shù)手段而言，二者相同，都是以基因?yàn)閷ο螅夹枰怂崦负瓦B接酶作為剪切和組裝的工具，也都需要載體來承載基因，進(jìn)行擴(kuò)大繁殖和保存。然而僅采用基因工程技術(shù)，只能在較小的范圍內(nèi)對已經(jīng)存在生命進(jìn)行改造，合成生物學(xué)研究將降低關(guān)鍵技術(shù)成本，解決基因操作的經(jīng)濟(jì)性問題，從而在工程領(lǐng)域?qū)⒌玫綇V泛應(yīng)用。
2 醫(yī)藥與能源創(chuàng)新發(fā)展中的合成生物學(xué)技術(shù)
創(chuàng)新藥物的發(fā)現(xiàn)是整個新藥研究中最富創(chuàng)造性的環(huán)節(jié)。20世紀(jì)70年代之后，DNA重組技術(shù)、基因組學(xué)、蛋白質(zhì)組學(xué)、生物信息學(xué)及生物芯片技術(shù)的研究成果為新藥研究提供了指導(dǎo)性的理論知識和多樣化的實(shí)驗(yàn)手段，極大地促進(jìn)了新藥的研制和產(chǎn)業(yè)化。
2.1 DNA重組技術(shù)與創(chuàng)新藥物研究
DNA重組技術(shù)通過人為的基因拼接，構(gòu)建攜帶外源目的基因的表達(dá)系統(tǒng)，在宿主細(xì)胞中表達(dá)外源基因編碼的蛋白質(zhì)、多肽類藥物。DNA重組技術(shù)為創(chuàng)新藥物的研究和產(chǎn)業(yè)化提供了全新的技術(shù)，開創(chuàng)了現(xiàn)代生物技術(shù)藥物的新階段。在微生物藥物的制備中，具有良好遺傳特性的高產(chǎn)菌株是產(chǎn)業(yè)化的關(guān)鍵。重組DNA技術(shù)已成功地應(yīng)用于構(gòu)建具有特定遺傳特性的高產(chǎn)菌株。如將放線菌紫紅素的合成基因?qū)胱霞t鏈霉菌，產(chǎn)生了新型抗生素二氫榴菌紫紅素；將紅霉素抗性基因轉(zhuǎn)入紅霉素產(chǎn)生菌，可構(gòu)建出耐自身產(chǎn)物抑制的高產(chǎn)菌株；將透明顫菌的血紅蛋白基因?qū)私鹈顾禺a(chǎn)生菌，工程菌可以在低溶氧條件下正常代謝，達(dá)到降低供氧能耗的目的。
2.2 蛋白質(zhì)組學(xué)與創(chuàng)新藥物研究
蛋白質(zhì)組學(xué)（proteomics）是繼人類基因組計(jì)劃之后又一個引人注目的新興學(xué)科。蛋白質(zhì)組學(xué)是從整體蛋白質(zhì)水平上，從更貼近生命活動規(guī)律的角度去探討機(jī)體生理、病理現(xiàn)象及其本質(zhì)。人體細(xì)胞有3000～10000種以上的蛋白質(zhì)。蛋白質(zhì)的種類和數(shù)量及其功能狀態(tài)在同一機(jī)體的不同細(xì)胞中是不相同的，即使是同一種細(xì)胞，在不同時期，其蛋白質(zhì)的種類和數(shù)量也不盡相同。正常和病變狀態(tài)下細(xì)胞內(nèi)的蛋白質(zhì)譜存在差異，服藥前后的蛋白質(zhì)譜也存在差異，通過定性和定量地分析蛋白質(zhì)譜的差異，可以探討疾病發(fā)生的可能機(jī)制，發(fā)現(xiàn)藥物作用的新靶點(diǎn)，從而為研發(fā)新藥，研究藥物作用機(jī)制以及指導(dǎo)臨床合理用藥提供重要的依據(jù)。
靶向藥物的研制是創(chuàng)新藥物研制的主流。據(jù)統(tǒng)計(jì)，已發(fā)展了多種類型的功能或疾病靶標(biāo)，涉及：腫瘤、血液與造血、免疫調(diào)節(jié)、心腎系統(tǒng)、胃腸系統(tǒng)、神經(jīng)系統(tǒng)、內(nèi)分泌系統(tǒng)及泌尿系統(tǒng)等。據(jù)Drew報告（2000年），目前使用的、據(jù)認(rèn)為安全有效的多種疾藥的分子靶點(diǎn)483個，按生物化學(xué)分類，其中受體45％，酶28％，激素與細(xì)胞因子11％，其他為離子通道、核多體等。在分子水平對疾病研究結(jié)果顯示，潛在的藥物靶點(diǎn)數(shù)目可能為5000～10000個，均可能作為研制藥物的作用靶點(diǎn)。
2.3 生物信息學(xué)與創(chuàng)新藥物研究
生物信息學(xué)是生物學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)和信息科學(xué)等多學(xué)科交叉產(chǎn)生的嶄新學(xué)科。生物信息學(xué)借助計(jì)算機(jī)強(qiáng)大的信息儲存和信息分析功能處理生物學(xué)領(lǐng)域、尤其是基因組學(xué)和蛋白質(zhì)組學(xué)研究領(lǐng)域中爆炸性增長的海量數(shù)據(jù)。生物信息學(xué)的核心內(nèi)容至少包括基因組信息學(xué)、蛋白質(zhì)組信息學(xué)和代謝調(diào)控信息學(xué)三大部分。基因組信息學(xué)指對基因信息的獲取、處理、存儲和分析，目的是確定全部基因的確切位置，以及各DN段的功能。蛋白質(zhì)組信息學(xué)包括對有關(guān)細(xì)胞或組織中的全部蛋白質(zhì)的結(jié)構(gòu)、組成、功能、定位以及各蛋白質(zhì)問的相互作用的信息進(jìn)行處理和分析，目的是確定各種蛋白質(zhì)的組成、結(jié)構(gòu)和功能及相互作用。
2.4 生物芯片技術(shù)與創(chuàng)新藥物研究
生物芯片（biochip）是近年來生命科學(xué)、微電子學(xué)和生物信息學(xué)結(jié)合交叉領(lǐng)域的重大進(jìn)展。生物芯片分為DNA芯片、RNA芯片、蛋白質(zhì)芯片、抗體芯片、PCR芯片及藥物傳輸芯片等。生物芯片通過原位化學(xué)合成或機(jī)械點(diǎn)樣構(gòu)成高密度探針微陣列。比如DNA芯片可在1 cm2的玻璃或硅片襯底上，集中排列數(shù)萬至數(shù)十萬個DNA探針。從理論上講，十至數(shù)十個這樣的芯片就可以全面檢查一個人的基因，從而發(fā)現(xiàn)結(jié)構(gòu)異常或功能異常的基因。生物芯片主要用于基因序列測定，分析基因組突變和單核苷酸多態(tài)性突變位點(diǎn)，同時也用于測定特定基因的表達(dá)水平和比較同源基因的表達(dá)差異，以實(shí)現(xiàn)對細(xì)胞、蛋白質(zhì)、DNA及其他生物組分的準(zhǔn)確、快速和大信息量的檢測。生物芯片技術(shù)的發(fā)展為疾病的臨床診斷和個性化治療開辟了全新的途徑，同時為創(chuàng)新藥物的高通量篩選（high throughput screening，HTS）提供了強(qiáng)有力的技術(shù)支撐平臺。
3 結(jié)束語
合成生物學(xué)為很多領(lǐng)域的研究提供新視角：生物學(xué)家用它來重建不同層次的研究對象，由此加深對生命活動和生命過程的理解；化學(xué)家用它創(chuàng)造新分子化合物；物理學(xué)家用它來發(fā)現(xiàn)自然狀態(tài)下分子的運(yùn)動行為；工程技術(shù)人員則用它進(jìn)行藥物、生物材料和生物能源等工程設(shè)計(jì)并簡單、低廉、高效地制造，滿足人類和社會發(fā)展的需要。
參考文獻(xiàn)
[1]劉奪，杜瑾，趙廣榮等.合成生物學(xué)在醫(yī)藥及能源領(lǐng)域的應(yīng)用[J].化工學(xué)報，2011，62（9）：2391-2397.
[2]梁泉峰，王倩，祁慶生等.合成生物學(xué)與微生物遺傳物質(zhì)的重構(gòu)[J].遺傳，2011，33（10）：1102-1112.
>> 丹參類貝殼杉烯氧化酶（SmKOL）基因全長克隆及其生物信息學(xué)分析 紅白忍冬SABATH甲基轉(zhuǎn)移酶基因克隆及其生物信息學(xué)分析 雷公藤貝殼杉烯酸氧化酶基因的全長cDNA克隆與表達(dá)分析 丹參SmNAC1基因的克隆和生物信息學(xué)分析 黃芩葡萄糖醛酸水解酶基因的克隆、生物信息學(xué)分析及表達(dá) 太子參分解代謝關(guān)鍵酶8′羥化酶基因的克隆及生物信息學(xué)分析 人組蛋白去乙酰化酶11的克隆表達(dá)與生物信息學(xué)分析 金鐵鎖糖基轉(zhuǎn)移酶PtT1的克隆與生物信息學(xué)分析 平邑甜茶MhWRKY15基因cDNA克隆及其生物信息學(xué)分析 茶陵野生稻冷響應(yīng)基因OrCr3的克隆及其生物信息學(xué)分析 唇形科植物腳6基腳6基焦磷酸合酶編碼基因及其氨基酸序列的生物信息學(xué)分析 棉鈴蟲類胰蛋白酶的生物信息學(xué)分析 玉米谷胱甘肽過氧化物酶的生物信息學(xué)分析 黔北麻羊RERGL基因cDNA克隆與生物信息學(xué)分析 小菜蛾p38MAPK基因的克隆與生物信息學(xué)分析 高叢越桔UFGT基因電子克隆和生物信息學(xué)分析 小菜蛾P(guān)xALP1基因的克隆與生物信息學(xué)分析 希金斯炭疽菌腺苷酸環(huán)化酶生物信息學(xué)分析 黃瓜DVR基因的生物信息學(xué)分析 FZ6基因及其蛋白的生物信息學(xué)分析 常見問題解答 當(dāng)前所在位置：l）查找開放閱讀框（ORF）。生物信息學(xué)分析主要采用一些網(wǎng)上軟件包進(jìn)行分析，如采用Interpro （http：//ebi.ac.uk/tools/interproscan）進(jìn)行結(jié)構(gòu)域比對，ExPASy在線服務(wù)器的Compute pI/Mw工具（http：///compute_pi/）預(yù)測相對分子質(zhì)量與理論等電點(diǎn)，TargetP1.1 server （http： //cbs.dtu. dk /serv- ices/targetP/）進(jìn)行信號肽分析，Psort （http：//psort.hgc.jp/）及WOLFPSORT （http：///）分析亞細(xì)胞定位，TRMHMM server v 2.0 （http：// cbs. dtu.dk/services/TMHMM-2.0/）進(jìn)行跨膜域分析，Predictprotein （https：///）進(jìn)行二級結(jié)構(gòu)預(yù)測，SWISS-MODEL （http：//swissmodel.expasy. org/）進(jìn)行二級結(jié)構(gòu)分析和結(jié)構(gòu)域的三維同源建模。使用DNAMAN軟件對序列進(jìn)行多重比對，用ClustalW分析軟件與其他植物的MCS氨基酸序列進(jìn)行同源比對，根據(jù)分析結(jié)果選擇17種植物的MCS氨基酸用MEGA 5.1軟件構(gòu)建進(jìn)化樹。
2.4 SmKOL基因的表達(dá)分析 取0.1 g毛狀根樣品采用Trizol試劑盒提取總RNA，用Takara反轉(zhuǎn)錄試劑盒反轉(zhuǎn)錄成cDNA。其過程為：總RNA模板1 μL（約200 ng），dNTP 1 μL， Radom 6 mers 2 μL，不含RNase的去離子水至10 μL，離心，置于PCR儀上，65 ℃ 5 min，之后冰上急冷。然后加入5×PrimerScript Buffer 4 μL，RNase Inhibitor 0.5 μL，PrimerScript Rtase 1 μL，RNase free H2O 4.5 μL。PCR反應(yīng)條件為30 ℃ 10 min，42 ℃ 60 min，70 ℃ 15 min，所得cDNA用于Real-time PCR。根據(jù)丹參內(nèi)參β-actin和目標(biāo)基因SmKOL的核苷酸序列設(shè)計(jì)引物。其中β-actin上游引物為5′ -AGGAACCACCGATCCAGACA-3′，下游引物為5′ -GGTGCCCTGAGGTCCTGTT-3′；SmKOL上游引物為5′ -GCTTCTGGCAAGGCAATCAAC-3′，下游引物為5′ -CTTTTCCTCGTTGAGTTGGTCG-3′。轉(zhuǎn)錄后的cDNA用管家基因引物β-actin進(jìn)行普通PCR反應(yīng)，用于反轉(zhuǎn)錄質(zhì)量控制，待目的基因引物及管家基因引物檢測合格后，在ABI7300 RT-PCR儀上進(jìn)行熒光定量檢測，反應(yīng)體系為：5 μL Power SYBR Green PCR Master Mix，0.2 μL引物F，0.2 μL引物R，1.0 μL cDNA，3.6 μL ddH2O。PCR反應(yīng)條件為95 ℃ 30 s；95 ℃ 5 s；60 ℃ 34 s，40個擴(kuò)增循環(huán)；檢測溶解曲線。反應(yīng)結(jié)束后分析熒光值變化曲線和溶解曲線。每個反應(yīng)重復(fù)3次，采用2-ΔΔCT法分析結(jié)果。
3 結(jié)果
3.1 丹參毛狀根SmKOL基因的全長克隆及序列分析 將基因cDNA序列進(jìn)行Blast比對分析，結(jié)果表明測得的片段與其他植物中的KO基因有70%左右的同源性，并有相似的保守區(qū)域。將所得的片段進(jìn)行拼接，獲得基因全長序列，共1 884 bp核苷酸，命名為SmKOL，GenBank登錄號為KJ606394，DNAMAN軟件結(jié)合ORF Finder在線軟件對SmKOL基因全長cDNA序列進(jìn)行分析，推測編碼519個氨基酸的蛋白質(zhì)，并含有完整的開放閱讀框（open reading frame， ORF），SmKOL基因的開放閱讀框位于23～1 582 bp，序列的1～22 bp為5′非翻譯區(qū)（5′UTR），1 583～1 884 bp為3′非翻譯區(qū)（3′UTR）。
Blast結(jié)果顯示SmKOL基因與甜橙Citrus sinensis的KO基因有68%相似， 西洋梨Pyrus communis的KO基因有66%相似、苜蓿Medicago truncatula的KO基因有67%相似、葡萄Vitis vinifera的KO基因有65%相似、擬南芥Arabidopsis thaliana的KO基因有64%相似、粳稻Oryza sativa Japonica Group的KOL基因有57%相似。KOL具有比較保守的結(jié)構(gòu)域，用DNAMAN程序?qū)Ρ绕咸眩ˋFD54196.1）、苜蓿（XP_003637273.1）、西洋梨（AEK01241.1）、粳稻（AAT81230.1）擬南芥（AED93499.1）的氨基酸序列進(jìn)行多序列比對（圖1）。結(jié)果表明家族具有較高同源性。使用Interpro結(jié)構(gòu)域比對，結(jié)果表明SmKOL具有與IPR001128的Cytochrome P450 domain和IPR017972的Cytochrome P450相同保守位點(diǎn)（圖2）。
3.2 KOL氨基酸序列的分子系統(tǒng)進(jìn)化樹分析 將SmKOL與GenBank中的17種植物的17種蛋白進(jìn)行比對分析，在軟件MEGA 5.1上采用相鄰鏈接法構(gòu)建KOL進(jìn)化樹，進(jìn)行聚類分析（圖3）。SmKOL與阿拉比卡種小果咖啡KOL聚為一類，兩者在本文所選蛋白中的親緣關(guān)系最近。
3.3 理化性質(zhì)和3D結(jié)構(gòu)預(yù)測 使用ExPASy在線服務(wù)器的Compute pI/Mw工具預(yù)測，SmKOL蛋白的相對分子質(zhì)量為58.88 kDa，等電點(diǎn)pI 7.62。亞細(xì)胞定位結(jié)果表明可能定位于細(xì)胞質(zhì)或者細(xì)胞核。信號肽分析表明為分泌蛋白，前23個氨基酸可能是信號肽，跨膜域分析可能為膜蛋白。SmKOL蛋白的二級結(jié)構(gòu)預(yù)測結(jié)果顯示，α螺旋結(jié)構(gòu)占50.10%、β折疊結(jié)構(gòu)占6.36%、無規(guī)則卷曲結(jié)構(gòu)占43.55%。蛋白質(zhì)的功能很大程度上取決于其空間結(jié)構(gòu)，無規(guī)則卷曲結(jié)構(gòu)決定了蛋白質(zhì)，尤其是酶的功能部位常常位于這種構(gòu)象區(qū)域，而α螺旋主要對蛋白質(zhì)骨架起穩(wěn)定作用，通過對蛋白質(zhì)二級與三級結(jié)構(gòu)預(yù)測和分析，有助于理解蛋白質(zhì)功能與結(jié)構(gòu)的關(guān)系[10]。使用Swiss Model進(jìn)行同源建模，以人Cytochrome P450 2R1蛋白A鏈（PDB注冊號3czh.1.A）作為同源模板，用于建模的氨基酸序列殘基為46～511位，序列相似性為23.56%，模型質(zhì)量得分（GMQE）0.55（圖4）。
3.4 SmKOL受茉莉酸甲酯（MeJA）誘導(dǎo)的誘導(dǎo)表達(dá)分析 實(shí)時熒光定量PCR實(shí)驗(yàn)數(shù)據(jù)結(jié)果采用2-ΔΔCT法進(jìn)行相對定量表達(dá)分析，即確定目標(biāo)基因（SmKOL）和參照基因（β-actin）有相近的擴(kuò)增效率，就可以確定不同樣本中目標(biāo)基因表達(dá)水平的相對差異。不同時段MeJA誘導(dǎo)的丹參毛狀根中SmKOL相對表達(dá)發(fā)現(xiàn)，MeJA能明顯誘導(dǎo)丹參毛狀根中SmKOL基因mRNA的表達(dá)。實(shí)驗(yàn)檢測了丹參毛狀根經(jīng)MeJA處理12，24，36，120 h后SmKOL基因的誘導(dǎo)表達(dá)情況，結(jié)果顯示經(jīng)MeJA處理后的SmKOL基因的誘導(dǎo)表達(dá)水平在0～36 h逐漸升高，在36 h時達(dá)到最大值，隨后120 h時SmKOL基因的表達(dá)量下降（圖5）。
4 討論
由于丹參毛狀根具有遺傳穩(wěn)定性高、產(chǎn)率高等優(yōu)點(diǎn)，近年來常應(yīng)用于次生代謝產(chǎn)物的生產(chǎn)。本研究首次從丹參毛狀根中克隆得到了赤霉素代謝途徑上的KOL基因，獲得含有完整ORF的基因全長，并利用生物信息學(xué)的方法對其核酸及其推測的蛋白序列組成進(jìn)行分析。結(jié)果表明，該基因與其他物種中的KO基因有較高的同源性，命名為SmKOL，它具有Cytochrome P450 domain，這在所有的家族成員中都是保守的。
同時，SmKOL基因誘導(dǎo)表達(dá)結(jié)果表明，經(jīng)誘導(dǎo)子MeJA誘導(dǎo)后，SmKOL的mRNA表達(dá)量逐漸上調(diào)，在36 h達(dá)到最大值，之后表達(dá)量下降。隨著丹參赤霉素生物合成途徑中基因的不斷挖掘，為在分子水平上認(rèn)識赤霉素合成途徑中的編碼基因、調(diào)控方式、酶反應(yīng)動力學(xué)及其代謝調(diào)節(jié)的分子機(jī)制奠定基礎(chǔ)[11]。SmKOL基因的克隆為進(jìn)一步研究該基因的功能和丹參赤霉素生物合成及其次生代謝調(diào)控機(jī)制提供了靶基因。
[參考文獻(xiàn)]
[1] Ogawa M， Kusano T， Koizumi N， et al. Gibberellin-responsive genes： high level of transcript accumulation in leaf sheath meristematic tissue from Zea mays L[J]. Plant Mol Biol， 1999， 40（4）： 645.
[2] 虞慧芳， 曹家樹， 王永勤. 植物矮化突變體的激素調(diào)控[J].生命科學(xué)，2002， 14（2）：85.
[3] Wang Q， Hillwig M L， Wu Y S， et al. CYP701A8： a rice ent-kaurene oxidase paralog diverted to more specialized diterpenoid metabolism[J]. Plant Physiol， 2012， 158（3）： 1418.
[4] 李節(jié)法， 田義軻， 王彩虹， 等. 梨貝殼杉烯氧化酶基因PpKO的克隆及生物信息學(xué)分析[J]. 園藝學(xué)報， 2012， 10： 1575.
[5] Miyazaki S， Katsumata T，Natsume M， et al. The CYP701B1 of Physcomitrella patens is an ent-kaurene oxidase that resists inhibition by uniconazole-P[J]. FEBS Lett， 2011， 585（12）： 1879.
[6] Lei L， Fan Z R， Tang L， et al. Molecular cloning and identification of tissue-specific expression of ent-kaurene oxidase gene in Momordica charantia[J]. Afr J Biotechnol， 2011， 10（70）： 15724.
[7] Ko K W， Lin F Q， Katsumata T， et al. Functional identification of a rice ent-kaurene oxidase， OsKO2， using the pichia pastoris expression system[J]. Biosci Biotechnol Biochem， 2008， 72（12）： 3285.
[8] Song J， Guo B J， Song F W， et al. Genome-wide identification of gibberellins metabolic enzyme genes and expression profiling analysis during seed germination in maize[J]. Gene， 2011， 482（1-2）： 34.
[9] Morrone D， Chen X M， Coates R M， et al. Characterization of the kaurene oxidase CYP701A3， a multifunctional cytochrome P450 from gibberellin biosynthesis[J]. Biochem J， 2010， 431： 337.
[10] Zhou X Y， Li J Y， Fan Z Q. Cloning and expression analysis of chalcone isomerase gene cDNA from Camellia nitidissima[J]. Forest Res， 2012， 25： 93.
[11] 談心， 馬欣榮. 赤霉素生物合成途徑及其相關(guān)研究進(jìn)展[J]. 應(yīng)用與環(huán)境生物學(xué)報，2008， 14（4）： 571.
Cloning and bioinformatics analysis of ent-kaurene oxidase
synthase gene in Salvia miltiorrhiza
HU Ya-ting1， GAO Wei2， LIU Yu-jia2， CHENG Qi-qing2， SU Ping2， LIU Yu-zhong1， CHEN Min1*
（1. State Key Laboratory of Dao-di Herbs， National Resource Center for
Chinese Materia Medica， China Academy of Chinese Medical Sciences， Beijing 100700， China；
2. School of Traditional Chinese Medicine， Capital Medical University， Beijing 100069， China）
[Abstract] Based on the transcriptome database of Salvia miltiorrhiza， specific primers were designed to clone a full-length cDNA of ent-kaurene oxidase synthase （SmKOL） using the RACE strategy. ORF Finder was used to find the open reading frame of SmKOL cDNA， and ClustalW has been performed to analysis the multiple amino acid sequence alignment. Phylogenetic tree has been constructed using MEGA 5.1. The transcription level of SmKOL from the hairy roots induced by elicitor methyl jasmonate （MeJA） was qualified by real-time quantitative PCR. The full length of SmKOL cDNA was of 1 884 bp nucleotides encoding 519 amino acids. The molecular weight of the SmKOL protein was about 58.88 kDa with isoelectric point （pI） of 7.62. Results of real-time quantitative PCR analyses indicated that the level of SmKOL mRNA expression in hairy roots was increased by elicitor oMeJA，and reached maximum in 36 h. The full-length cDNA of SmKOL was cloned from S. miltiorrhiza hairy root， which provides a target gene for further studies of its function， gibberellin biosynthesis and regulation of secondary metabolites.
