您好, 访客   登录/注册

高校生物信息学科研机构组织模式与科研热点研究

来源:用户上传      作者: 雷丹

  摘要 通过网上信息资源,查找了国内200所高校,总共有29所高校有生物信息学领域研究组织机构,对国内高校生物信息学科研机构组织模式以及研究历程进行分析研究。运用共词聚类法分析得出高校生物信息学科研主题主要集中在蛋白组学研究、转录组研究、序列分析、生物学数据库的建设、结构分析与功能预测、大规模功能表达谱的分析、生物信息学中计算机技术的应用等方面。
  关键词 高校;生物信息学;科研机构;组织模式;共词聚类;科研热点
  中图分类号 Q811.4 文献标识码 A 文章编号 1007-5739(2016)11-0337-03
  生物信息学以计算机技术为基础,对生物学数据进行系统研究。人类基因组计划开始后,大量的生物序列需要进行测定,生物信息学正是在这样的契机下运用于对海量生物数据的分析,运用计算机方法对生物信息进行分析预测[1]。
  1 生物信息学学科研究团队及科研机构组织模式
  1.1 高校生物信息学学科研究团队
  1.1.1 高校生物信息学学科学术梯队。生物信息学采用跨学科培养人才的方式,正是教育观念改变的体现。生物信息学人才培养模式的宗旨是培养知识面广、基础知识扎实的综合性人才。人才培养严格按照生物信息学的研究方向进行,为生物信息学专业培养一支高水平的专业人才团队。一是表现在研究团队成员的年龄分布、知识结构、专业分布上。二是表现在研究团队成员的能力匹配度上。各高校生物信息学研究中心、实验室还需继续推进人才队伍建设。结合学校的人才引进和培养政策,培养和造就一批从事农业信息学研究的高水平学术人才,形成在国内外具有学术影响力、创新能力强、结构合理的研究团队[2-4]。
  1.1.2 高校生物信息学研究成果发表期刊。从表1可以看出,《中国农业科学》《生物技术通报》《生物信息学》《中国畜牧兽医》《遗传》这几个期刊是国内高校生物信息科研成果发表较多的刊物,且高校生物信息科研成果发表相对较多的期刊的复合影响因子和综合影响因子都较高。
  1.2 高校生物信息学科研机构组织模式
  1.2.1 实体模式。高校生物信息学科研的实体模式主要以实验室、研究中心或研究所为代表。研究型大学中的跨学科实验室兼有跨学科研究与教学职能,是当前跨学科研究最主要的组织模式。这些研究型大学科研实力较强,综合实力过硬,在资金支持与政策扶植方面优势明显,高校生物信息学科研实体组织模式机构见表2。
  1.2.2 虚拟组织模式。跨学科研究虚拟组织模式以生物信息学研究为基础,通过科研课题及项目将不同科研机构、企业及高校的科研工作者联系起来,合力共同解决相关问题。该模式虽然具有组织模式灵活等优点,但其缺点是组织结构不够稳定,导致组织的凝聚力不强,加上软硬件资源的短缺,阻碍了我国研究型大学中生物信息学科学研究的发展。
  2 数据处理与研究方法
  2.1 数据采集与处理
  2.1.1 数据采集。采用关键词检索的方式来确定本次研究的数据集合。以中国知网、万方数据库和维普数据库为数据源,以生物信息学、计算生物学、计算分子生物学、基因组学和蛋白组学为检索主题词,对我国1986―2015年29所高校生物信息学领域公开发表的研究论文进行检索,检索到6 008篇文献。
  2.1.2 数据处理。将检索到的高校6 008篇生物信息学科研文献的题录信息保存为EndNote格式的文档,然后将EndNote格式的文档导入到统计分析工具SATI 3.2中,对期刊、作者、关键词等主要题录信息进行统计分析。为避免误差,研究中剔除了与生物信息学研究主题关联性不强的词,并对同义词进行合并,从而得到11 767个关键词。最后选取了68个高频词,高频词的出现频次为22次及以上,并将其按照频次高低进行排序[5]。
  2.2 研究方法
  2.2.1 构造共现矩阵。同一篇文献中关键词或主题词并不是单独存在的,往往包含多个词,并且彼此之间存在着紧密联系。共词分析就是根据词之间的共现关系来进行内容分析的。本研究利用SATI 3.2软件对68个高频关键词两两配对,构造了高频关键词共现矩阵(表3)。
  2.2.2 构造相异矩阵。2个关键词的绝对频次会影响它们的共现频次。因此,仅根据共词矩阵进行分析,不足以全面地反映主题内容的关系。为了消除原始共词矩阵绝对值差异对结果带来的影响,需要对共词矩阵进行标准化处理。用Ochiia 系数将共词矩阵转换成相关矩阵,即将共词矩阵中的每个数字都除以与之相关的2个词总频次开方的乘积,其计算公式是:
  对角线上的数据表示某词自身的相关程度经上式计算均为1。为方便进一步处理,用“1”与全部矩阵相减,得到表示两词间相异程度的相异矩阵(表4)。
  2.2.3 利用SPSS聚类。选择系统聚类(Hierarchical Cluster)的方法,其基本思路是:先将每个样品(或变量)各自看成一类,然后逐步并类,直至全部并成一个大类。在具体操作时,选择最近邻元法来计算类间距离,选择欧式平方距离来计算点间距离,完成2个时期高频关键词的共词聚类,得到各自的类团,并输出高频关键词聚类树状图(图1)。
  3 结果与分析
  3.1 蛋白组学研究
  关键词9(蛋白质组学)、17(基因组学)、25(人类基因组计划)、44(生命科学)、61(计算机科学),此部分主要介绍了生物信息学蛋白组学研究。目前研究蛋白质间相互作用的方法有亲和层析、酵母双杂交系统、蛋白质交联、免疫沉淀等[6]。各种蛋白质组数据库的建立标志着蛋白质组的研究水平,其中最有代表性的是SWISS-PROT。
  3.2 转录组研究
  关键词35(系统生物学)、52(转录调控)、7(启动子)、12(转录因子),此部分主要介绍了国内生物信息学研究方向涉及转录组。随着蛋白组学、转录组学、代谢组学等的出现,生物学研究已经进入后基因组时代,转录组学在生物学前沿研究中得到了广泛的应用。   3.3 序列分析
  关键词1(克隆)、3(序列分析)、2(基因克隆)、4(表达分析)、6(原核表达)、5(基因表达),此部分主要包含了生物信息学研究方向序列分析。经典的算法如记分法和概率统计法,Needleman-Wunsch算法、Smith-Waterlnan算法和Hidden Markov ModelNeural Network,还有语言学方法、z曲线法等。目前有关DNA特别是RNA序列及针对系统发育推断大规模序列(全基因组的序列)的更新更灵敏,效率高的算法也不断推出[7]。
  3.4 生物学数据库的建设
  关键词14(数据库)、18(基因组)、43(蛋白质组),此部分主要包含了生物学数据建设研究方向。目前主要有美国国立卫生研究院全国生物技术研究中心的GenBank,欧洲生物信息学研究所的EMBL数据库,日本国立遗传学研究所的DNA数据库,瑞士生物信息学研究所的SWISSPROT,美国Brookhaven国家实验室的PDB。NCBI开发的ENTERZ系统综合了上述各大数据库的信息和MEDLINE的文献信息。
  3.5 结构分析与功能预测
  关键词60(蛋白质)、47(结构预测)、63(蛋白质相互作用)、59(功能预测)、34(序列比对),此部分包含了生物信息学的结构分析与功能预测研究方向。结构分析主要是对蛋白质的空间结构进行研究分析。分子模拟技术及图形分析技术能够将蛋白质的分子结构更加形象直观的展现出来,对于研究蛋白质的结构与功能、总结蛋白质结构规律等具有积极作用[8]。
  3.6 大规模功能表达谱的分析
  关键词62(表达谱)、11(MicroRNA)、15(miRNA)、13(靶基因),此部分包含了生物信息学生物大规模功能表达谱的分析研究。生物芯片可进行自动化分析,并对不同组织来源、不同细胞类型及不同生理状态的基因表达、蛋白质反应进行监测,从而获得功能表达谱,可用于DNA、蛋白质的快速检测及药物筛选等。因此,生物信息学技术广泛地应用于生物芯片的发展应用中。
  3.7 生物信息学中计算机技术的应用
  关键词28(数据挖掘)、50(机器学习)、66(支持向量机),此部分包含了生物信息学中计算机技术的应用。生物学是生物信息学的核心与灵魂,计算机技术则是它的基本工具之一。计算机技术包括机器学习、随机模型、字符串和图形算法等,获取信息资源的主要媒介为互联网。生物信息学从产生到发展都与计算机科学联系紧密,包括数据库的建立和维护、生物信息学软件的开发和利用等。
  4 结论
  通过科研管理组织结构的创新,以实体组织模式或虚拟组织模式有效运行,充分发挥其科研人才、学科等多方面优势,使高校生物信息学科学研究快速、稳步发展。
  5 参考文献
  [1] 何懿菡,孙坤.生物信息学研究进展[J].青海师范大学学报(自然科学版),2011(3):69-72.
  [2] 任仙文,李北平,王月兰,等.蛋白质相互作用的生物信息学研究进展[J].生物技术通讯,2006(6):976-980.
  [3] 郑国清,黄静,段韶芬,等.生物信息学研究进展与展望[J].河南农业科学,2003(1):4-8.
  [4] 刁雪涛,张小芳,宋洁,等.生物信息学研究进展[J].安徽农学通报,2008(22):160-162.
  [5] 赵屹,谷瑞升,杜生明.生物信息学研究现状及发展趋势[J].医学信息学杂志,2012(5):2-6.
  [6] 朱杰.生物信息学的研究现状及其发展问题的探讨[J].生物信息学,2005(4):185-188.
  [7] 陈文聪,胡朝晖,朱庆义.生物信息学的进展及其在分子微生物学研究中的应用[J].分子诊断与治疗杂志,2011(3):207-211.
  [8] 孟双,徐冲,陈丽媛,等.生物信息学在生物学研究领域的应用[J].微生物学杂志,2011(1):78-81.
转载注明来源:https://www.xzbu.com/8/view-7529933.htm