生物信息專業R語言課程教學的探索和研究

摘 要：生物信息學是自然科學領域中前沿的、重要的交叉學科之一，各高校十分重視生物信息專業的教學。R語言作為常用數據處理軟件，有開源免費、操作簡單、功能全面、易擴展等優點，也越來越受到領域內學者的關注和認可。本人結合實際教學經驗，對R語言課程的教學現狀進行分析，分析R語言軟件在生物信息專業教學中的優勢，探索適合于生物信息學專業特點的R語言課程的教學方法。

關鍵詞：生物信息學；R語言；生物醫學大數據

中圖分類號：G642 文獻標識碼：A 文章編號：2096-4706（2018）11-0108-03

Exploration and Research of R Language Teaching for Bioinformatics

YAN Wenying

（School of Biology Basic Medical Sciences，Soochow University，Suzhou 215123，China）

Abstract：Bioinformatics is one of the frontier and important interdisciplinary disciplines in the field of natural science. Many universities attach great importance to the teaching of bioinformatics. R language is one of the commonly used data processing software with the advantages of open source，simple operation，comprehensive function and easy expansion，so it is more and more concerned and approved by the scholars in the field. Combining with actual teaching experience，This paper analyzed the present situation of the teaching of R language course，explained the advantages of R language software in the teaching of bioinformatics，and explored the teaching method of R language course which is suitable for the bioinformatics.

Keywords：bioinformatics；R language；biomedical big data

0 引 言

生物信息學（bioinformatics）是一門由生命科學、計算機科學、數學、物理學和化學等學科交叉而形成的前沿學科，研究內容涵蓋了大規模的基因組、轉錄組、蛋白質組、代謝組等多個組學層次的各自及整合性的研究，應用領域也覆蓋了生物、醫學、藥學、農學、環境檢測等多個領域。生物信息學已經成為生命科學中重要的領域之一，同時也是生物化學、細胞生物學、基礎醫學等相關學科發展的強大推動力。生物信息學具有很強的專業性和實踐性。

近年來，隨著深度測序數據的大量涌現，如何闡明和理解生物大數據所包含的生物學意義，是生物信息學面臨的挑戰，也是生物信息學專業培養人才所必須具備的能力。R語言是生物信息學領域處理生物醫學大數據的關鍵技術之一，在分析和處理數據方面功能尤為強大，對于生物信息學專業的學生有著重要的應用價值。R語言課程是在生物信息學專業的本科或研究生階段開設，對該課程的掌握有助于學生的畢業設計和科研工作的開展及工作所用知識的積累。但是，目前生物信息學專業中R語言課程的教材和教學方法存在一些不足之處。R語言課程的教學應根據生物信息學專業的特點以及R語言自身的特點，采用相適應的教學方法和實用的教學內容。本文通過R語言課程的教學實踐和總結思考，對生物信息學專業R語言課程的現狀和存在的問題進行了仔細分析，提出具有針對性的解決方案，為R語言課程教學的探索提供一定的幫助，如圖1所示。

1 基于R語言的生物信息專業教學優勢

R語言統計領域是S語言的一個分支，是S語言的實現。早期是由新西蘭奧克蘭大學的Ross Ihaka和Robert Gentleman共同創立的[1]，現在則由“R開發核心團隊”負責開發和維護。它具有一套完整的數據處理、計算和繪圖的功能，含有豐富的各類函數、完善的幫助系統，邏輯簡單清晰。R語言有以下幾個優勢：

（1）開源免費。R語言是完全免費的軟件，可以從R官網CRAN（http：//cran.r- project.org）上直接下載最新版本的R語言安裝到本地計算機上。截至2018年9月，其官網上提供了13031個R語言包，包括下載安裝程序、相應的源代碼和文檔材料等。這一特性使得在教學過程中，教學資源的獲取變得簡單方便。

（2）易擴展性。R語言很重要的一個特點就是易擴展性。由于其語法開放及通俗易懂，大部分學生容易學習并掌握，最重要的是學生可以通過編制自己的函數來擴展現有語言的功能，增加學生對語言學習的成就感。

（3）跨平臺性。跨平臺性主要是指R語言有很好的兼容性，可以在目前主流的操作系統如Linux、Windows、MacOS上穩定運行，這是很多類似軟件所做不到的。這一特性也符合現在學生所使用的基于不同操作系統的計算機。

（4）資源豐富。R語言社區強大而活躍，碰到問題很容易在互聯網上找到解決辦法。特別是在生物信息學領域，還有基于R語言的Bioconductor項目[2]提供了海量的專門針對組學數據的注釋、分析、實例等資源。這為R語言教學和學習提供了強大的資源來源，也為培養學生解決實際問題創造了可能性并提供了有效途徑。

（5）強互動性。R語言的軟件的輸入和輸出都是在同一個窗口進行的。圖形輸出是在新的窗口處，輸出的圖形可以直接保存為多種圖片格式。此外Rstudio軟件是編輯、運行R語言的最為理想的工具之一，具有更強的互動性，整合了腳本等寫作窗口、命令交互式窗口、變量或歷史記錄框、系統目錄框、幫助框、圖形輸出框等窗口。較強的互動性大大降低了廣大研究者和在校師生處理數據和繪圖的成本，并有效提高了工作和學習效率。

2 R語言課程教學思考與探索

2.1 結合專業特點

R語言的教材良莠不齊，特別是針對生物信息學專業的教材就更是鳳毛麟角。教材中與該專業應用相關度不大、且非課程核心的內容應當適當減少，例如簡化數學證明和統計理論等內容過重而實際應用較少的內容。這樣課程內容過多且理論知識過難的問題在很大程度上能夠得到改善。應適當增加課程所需的基礎內容，特別是具有應用價值以及實際案例內容的學時數。例如，logistic回歸和線性回歸算法的R語言實現的內容對于該專業非常重要。授課時利用案例來深入淺出地講解該方法及其R語言實現，以及相關函數中參數的設置。對于重要的方法，以多個案例來反復加深理解，并讓學生實際操作，提高他們的動手能力。

2.2 開展PBL教學

PBL（Project-Based Learning/Problem-Based Learning）即指“基于項目（或基于問題）”的教學模式，以學生為中心、以項目為基礎的過程[3]，其有助于培養學生的自主性和合作意識。在項目設計過程中，以R語言為實現手段，提煉和簡化平時科研工作中的問題，結合學生的背景知識，設計合理的項目。在具體實施過程中統籌安排，將他們分成各個高效配合的小團隊，激發學生的學習動力和熱情。學生在項目任務的牽引下，分工合作，學習時間自然延伸到了課堂之外。在整個過程中學生的態度、參與程度、任務完成的質量、學習的效果等等都可作為評估依據。

2.3 開展情境教學

情境教學是指在講課過程中加入具體的有趣的情境，以活躍課堂的學習氛圍，提高學生對于R語言編程的興趣，幫助學生更好地掌握學習的知識并且靈活運用[4]。最終通過有趣的教學情境提高學生的學習質量。

3 R語言生物信息實例

基于高通量數據尋找癌癥樣本、組織樣本和癌旁正常組織樣本中顯著差異表達的基因是常見的生物問題。這里選取6個胃癌癌癥樣本和6個胃癌癌旁非腫瘤樣本的基因表達譜數據（以2為底的對數的格式）為例，基于R語言中的limma包[5]，采用經驗貝葉斯的方法來尋找顯著差異表達的基因。

代碼如下：

>library（limma）#加載limma包

#讀入基因表達譜數據，并轉換成數字矩陣，以基因名為行名，以樣本名為列名。其中前6列為癌癥樣本，后6列為癌旁樣本

>Ex <- read.csv（\"mRNAEx.csv\"）

>M <- data.matrix（Ex[，-1]）

>rownames（M） <- Ex$GeneSymbol

#構建分組矩陣

>gsms <- \"111111000000\"

>sml <- c（）

>for （i in 1：nchar（gsms）） { sml[i] <- substr （gsms，i，i） }

>sml <- paste（\"G\"， sml， sep=\"\"） # set group names

>fl <- as.factor（sml）#癌癥樣本為G1組，癌旁非腫瘤樣本為G0

>design <- model.matrix（～0+fl）

>colnames（design） <- levels（fl）

#構建模型

>fit <- lmFit（M， design）

>cont.matrix <- makeContrasts（G1-G0， levels=design）

>fit2 <- contrasts.fit（fit， cont.matrix）

>fit2 <- eBayes（fit2）

>tT <- topTable（fit2， adjust=\"fdr\"， p.value= 0.01，number = nrow（Ex））

>head（tT）

ID logFC AveExpr t P.Value adj.P.Val B

9176 PGA5 -9.356 13.808 -43.84 1.031e-15 1.658e-11 23.35

5867 PGA4 -10.108 13.516 -34.77 2.159e-14 1.188e-10 21.57

9802 PGA3 -10.327 13.299 -34.70 2.216e-14 1.188e-10 21.55

6647 CLDN7 4.489 10.542 28.09 3.496e-13 1.405e-09 19.62

3456 GIF -12.891 9.776 -26.79 6.475e-13 2.082e-09 19.15

8722 CXorf61 8.588 7.574 25.78 1.070e-12 2.364e-09 18.76

#輸出差異基因的列表到txt文件

>write.table（tT， file=\"DE.txt\"， row.names=F， sep=\"＼t\"）

4 結 論

在大數據時代，是否擁有數據分析能力直接影響著一個生物信息學者能否真正融入數據化的時代。在高等學校的生物信息專業的本科或研究生階段的教學中將R語言的運用作為一項技能訓練，使學生不僅僅停留在對基礎理論知識的掌握上，更重要的是培養學生深入了解和掌握數據處理、運用程序對實際問題進行具體分析的能力。該教學方法自實施以來，提高了學生學習的效率和積極性。筆者以后將不斷地總結經驗、摸索新方法，創新思維以促進該課程教學水平的提高，從而培養綜合型和應用型人才。

參考文獻：

[1] Robert I. Kabacoff. R in Action：Data Analysis and Graphics with R [M]. Manning Publications. 2nd edition，2015.

[2] Robert C Gentleman，Vincent J Carey，Douglas M Bates，et al. Bioconductor：open software development for computational biology and bioinformatics [J]. Genome Biology，2004（5）：80.

[3] 陳培清，韓秋琴，辛曉明.PBL教學模式的發展及應用現狀[J].教育教學論壇，2018（35）：214-215.

[4] 方玉峰.情境教學在軟件開發教學中的應用方法研究[J].現代信息科技，2017，1（5）：127-128.

[5] IRIZARRY RA. Bioinformatics and Computational Biology Solutions Using R and Bioconductor [M]. New York，NY：Springer New York，2005.

作者簡介：嚴文穎（1985.12-），女，漢族，江蘇泰興人，講師。研究方向：生物信息學和系統生物學。