生物信息學(xué)專業(yè)SAS統(tǒng)計(jì)分析與MATLAB應(yīng)用教學(xué)探討

摘要:選取SAS和MATLAB作為課程所用軟件，通過結(jié)合具體的生物信息學(xué)研究實(shí)例學(xué)習(xí)，了解及掌握統(tǒng)計(jì)分析軟件SAS和軟件MATLAB的用法，為今后生物信息學(xué)軟件的使用打好基礎(chǔ)。

關(guān)鍵詞:統(tǒng)計(jì)分析;SAS;MATLAB;生物信息學(xué)

生物信息學(xué)(Bioinformatics)是伴隨著人類基因組計(jì)劃而興起的一門新興的交叉學(xué)科。它的出現(xiàn)在促使生物學(xué)和醫(yī)學(xué)的研究向處理高通量數(shù)據(jù)需求發(fā)展的同時(shí)，又引入了眾多復(fù)雜的統(tǒng)計(jì)學(xué)方法。然而，西班牙學(xué)者Emili和Carles撰文指出2001年nature登載的181篇研究論文中，38%的文章至少有一處統(tǒng)計(jì)錯(cuò)誤。顯然，即使高水平研究論文也存在統(tǒng)計(jì)學(xué)問題，這就提醒我們在進(jìn)行統(tǒng)計(jì)分析教學(xué)的時(shí)候要嚴(yán)格把握好各種統(tǒng)計(jì)概念，選擇合適的統(tǒng)計(jì)分析軟件。

1、課程內(nèi)容選擇

統(tǒng)計(jì)學(xué)軟件是我們應(yīng)用統(tǒng)計(jì)方法不可缺少的工具。時(shí)下統(tǒng)計(jì)學(xué)軟件名目繁多，各具特色，諸如SAS、SPSS、TSP、Excel、Eviews、Statistica、Minitab等等。

在數(shù)據(jù)處理和統(tǒng)計(jì)分析方面，統(tǒng)計(jì)分析系統(tǒng)(Statistics Analysis System，SAS)已經(jīng)成為國際上的標(biāo)準(zhǔn)軟件系統(tǒng)。尤其在教育、科研領(lǐng)域，SAS軟件已成為專業(yè)研究人員進(jìn)行統(tǒng)計(jì)分析的標(biāo)準(zhǔn)軟件。SAS系統(tǒng)由多個(gè)功能模塊組合而成，其基本部分是BASE SAS模塊。除此之外，還包含以下不同的模塊:SAS/STAT(統(tǒng)計(jì)分析模塊)、SAS/GRAPH(繪圖模塊)、SAS/QC(質(zhì)量控制模塊)、SAS/ETS(經(jīng)濟(jì)計(jì)量學(xué)和時(shí)間序列分析模塊)、SAS/OR(運(yùn)籌學(xué)模塊)等等。

MATLAB(Matrix Laboratory)是一種解釋性執(zhí)行語言，具有強(qiáng)大的計(jì)算、仿真、繪圖等功能。它使用簡單，擴(kuò)充方便，具有豐富的函數(shù)庫(工具箱)，計(jì)算的功能實(shí)現(xiàn)比較簡單，因此逐漸成為大學(xué)生學(xué)習(xí)研究必不可少的分析軟件。盡管MATLAB的功能非常強(qiáng)大，而且生物信息學(xué)專業(yè)學(xué)生大部分的基礎(chǔ)、專業(yè)課程都涉及到相應(yīng)的MATLAB軟件使用，但是卻沒有專門對其統(tǒng)計(jì)方法的使用介紹。

綜上所述，SAS在專業(yè)領(lǐng)域應(yīng)用很多，幾乎作為醫(yī)學(xué)統(tǒng)計(jì)學(xué)必學(xué)軟件;MATLAB擁有強(qiáng)大的函數(shù)功能，結(jié)合生物信息學(xué)專業(yè)學(xué)生現(xiàn)有知識(shí)結(jié)構(gòu)和將來研究學(xué)習(xí)、工作的需求，我們選取這兩種軟件作為課程內(nèi)容。鑒于本課程許多內(nèi)容涉及的數(shù)學(xué)問題和計(jì)算較復(fù)雜，并且要結(jié)合計(jì)算機(jī)軟件來完成，因此根據(jù)本學(xué)科的特點(diǎn)和學(xué)生的實(shí)際情況探索一個(gè)有效的教學(xué)方法，有助于學(xué)生掌握好這個(gè)工具。通過近兩年教學(xué)工作中積累的一些經(jīng)驗(yàn)，我們已經(jīng)形成了一套較為完整的授課體系。

2、課程基本框架

《SAS統(tǒng)計(jì)分析與MATLAB應(yīng)用》是我院生物信息學(xué)專業(yè)一門特色的實(shí)踐性基礎(chǔ)課，是研究在生物信息學(xué)中如何應(yīng)用SAS和MATLAB軟件的學(xué)科。它需要學(xué)生在掌握了扎實(shí)的概率論與數(shù)理統(tǒng)計(jì)、生物統(tǒng)計(jì)和多元統(tǒng)計(jì)理論的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)計(jì)算機(jī)軟件的掌握。近年來隨著計(jì)算機(jī)的發(fā)展和應(yīng)用的普及，這門學(xué)科將成為科學(xué)研究和生產(chǎn)實(shí)踐中數(shù)據(jù)分析的一種重要手段。通過本課程的學(xué)習(xí)，主要任務(wù)是使學(xué)生掌握SAS和MATLAB的基本語法、功能及統(tǒng)計(jì)應(yīng)用，能夠熟練運(yùn)用這兩個(gè)軟件解決實(shí)際的生物信息學(xué)問題，為今后生物信息學(xué)軟件的使用打好基礎(chǔ)。具體課程內(nèi)容安排包括:

SAS方面:①SAS系統(tǒng)概述，包括SAS窗口系統(tǒng)的使用方法，SAS程序的編寫、修改和運(yùn)行;②數(shù)據(jù)集的建立和整理:利用viewtable編輯數(shù)據(jù)集;利用DATA語句的傳統(tǒng)數(shù)據(jù)步程序;外部數(shù)據(jù)文件的讀取;③SAS實(shí)用過程(如PRINT、FORMAT、TRANSPOSE等)和數(shù)值資料統(tǒng)計(jì)描述(如MEANS、FREQ、UNIVARIAT等);④數(shù)值資料的統(tǒng)計(jì)推斷(進(jìn)行t檢驗(yàn)的MEANS、TTEST過程，方差分析的ANOVA、GLM過程);⑤相關(guān)和回歸分析(CORR、REG、LOGISTIC過程);⑥多元統(tǒng)計(jì)分析的聚類分析(CLUSTER、TREE過程)，主成分分析(PRINCOMP過程)和因子分析(FACTOR過程)。

MATLAB方面:①M(fèi)ATLAB數(shù)值計(jì)算，包括矩陣和數(shù)組的運(yùn)算;②數(shù)據(jù)結(jié)構(gòu)和全局變量，程序結(jié)構(gòu)，程序流控制，以及M文件的調(diào)試;③MATLAB中的計(jì)算結(jié)果的可視化和高級(jí)圖形處理，包括二維圖形的繪制，三維圖形的繪制;④常見概率分布，樣本的統(tǒng)計(jì)描述以及回歸分析函數(shù)。

3、授課方式探討

傳統(tǒng)的SAS以及MATLAB教學(xué)傾向于基礎(chǔ)理論知識(shí)的講解，并且實(shí)驗(yàn)教學(xué)中采納的案例大多是農(nóng)業(yè)、環(huán)境或者動(dòng)物實(shí)驗(yàn)的數(shù)據(jù)，對于依托醫(yī)學(xué)的生物信息學(xué)專業(yè)學(xué)生來說，并不是他們興趣所在。由于生物信息學(xué)專業(yè)的建立只有短短幾年，學(xué)生在沒開專業(yè)課之前對于生物信息學(xué)的了解寥寥無幾。他們更關(guān)注于這個(gè)專業(yè)將來能夠從事什么工作，發(fā)展前景如何?因此，我們在教學(xué)過程中針對這種情況，有的放矢的選擇醫(yī)學(xué)，尤其是生物信息學(xué)方向的已發(fā)表案例數(shù)據(jù)來進(jìn)行講解，甚至作為學(xué)生實(shí)驗(yàn)課的習(xí)題。在學(xué)習(xí)中初步把生物信息學(xué)的一些專業(yè)知識(shí)滲透給學(xué)生，較好的激發(fā)他們的學(xué)習(xí)興趣。

比如，我們講解聚類分析的時(shí)候采用的數(shù)據(jù)是基因芯片數(shù)據(jù)。講解這個(gè)案例之前可以給學(xué)生介紹:現(xiàn)代功能基因組學(xué)研究的一個(gè)重大突破就是基因芯片技術(shù)，它產(chǎn)生了大量的表達(dá)譜數(shù)據(jù)，為生物統(tǒng)計(jì)、數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)等生物信息學(xué)方法研究提出了具有挑戰(zhàn)意義的課題;對于基因芯片數(shù)據(jù)的分析可以采用有監(jiān)督學(xué)習(xí)方法(比如特征選擇算法)，另外也可以采用無監(jiān)督學(xué)習(xí)方法，其中典型的代表就是聚類。這里我們可以采用SAS系統(tǒng)里面的聚類分析CLUSTER過程實(shí)現(xiàn)，也可以通過MATLAB直接調(diào)用cluster函數(shù)實(shí)現(xiàn)。通過這種講解，一方面引入了生物信息學(xué)的知識(shí)點(diǎn)，另一方面經(jīng)過橫向?qū)Ρ龋箤W(xué)生可以輕松認(rèn)識(shí)到兩種軟件的異同之處，加深知識(shí)的理解。

這種實(shí)例在我們?nèi)粘５膶W(xué)習(xí)研究工作中會(huì)經(jīng)常遇到，世上無難事，只怕有心人，要注意積累，把平時(shí)閱讀的文獻(xiàn)資料信息收集整理起來，有效地與課堂教學(xué)結(jié)合，不但活躍了課堂氣氛，還能有效的調(diào)動(dòng)學(xué)生學(xué)習(xí)的積極性，改善學(xué)生面對成堆的數(shù)據(jù)和統(tǒng)計(jì)理論而疲勞的思維。

4、教學(xué)過程體會(huì)

本課程融合了多門比較復(fù)雜的統(tǒng)計(jì)學(xué)理論，雖然軟件的實(shí)現(xiàn)過程相對簡單，但是需要學(xué)生掌握的理論知識(shí)較多，非常有必要開設(shè)在高等數(shù)學(xué)、生物統(tǒng)計(jì)和多元統(tǒng)計(jì)等課程結(jié)束后，而我們也正是按照這種思路進(jìn)行的，節(jié)省了本就不富裕的課堂理論教學(xué)時(shí)間。另外，由于SAS與MATLAB都是非常龐大的分析軟件，擁有面向各個(gè)研究領(lǐng)域的模塊，因此不同的內(nèi)容需要分別精講、略講，培養(yǎng)學(xué)生自主學(xué)習(xí)的能力。

參考文獻(xiàn):

[1] 董大鈞.SAS統(tǒng)計(jì)分析應(yīng)用[M]. 北京:電子工業(yè)出版社，2009.

[2] 黃燕，吳平等.SAS統(tǒng)計(jì)分析及應(yīng)用[M]. 北京:機(jī)械工業(yè)出版社，2007.

[3] 陳桂明，戚紅雨，潘偉等.MATLAB數(shù)理統(tǒng)計(jì)(6.X)[M]. 北京:科學(xué)出版社，2002.

[4] 張玉華，潘燕，李橋等.醫(yī)學(xué)研究生SAS統(tǒng)計(jì)分析軟件教學(xué)的探索與實(shí)踐[J]. 中國衛(wèi)生統(tǒng)計(jì).2006，23(5):466-467.

作者簡介:

呂洪超(1981~)，山東無棣人，碩士，助教，研究方向:生物信息學(xué)