醫學院校的R語言課程教學重構探索

[摘要]"在人工智能與大數據分析技術迅速發展的背景下，R語言逐漸受到科研工作者，特別是青年學者和研究生的青睞。本文基于R語言的特點，探索醫學院校R語言課程的教學內容及教學模式的重構改革，結合醫學專業的特點，設計實用性強且易學易懂的應用案例，通過對案例的開發，激發醫學生學習R語言的興趣，培養醫學生利用計算機技術進行大數據分析的能力。

[關鍵詞]"大數據分析；R語言；生物信息學

[中圖分類號]"R857.3""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2024.31.020

1""引言

20世紀80年代，分子生物學的快速發展和DNA測序技術的進步，導致DNA序列、蛋白質序列、基因表達數據等生物分子數據呈現出爆炸性的增長。傳統的生物學研究方法難以有效管理和分析這些數據，因此亟需新的分析方法。人類基因組計劃于1990年啟動，至2001年人類基因組工作草圖發表，期間產生大量的基因組數據，標志著生物信息學進入一個新的發展階段。信息技術的進步和跨學科的合作進一步推動生物信息學的迅速發展，使其在醫療健康領域發揮重要作用。

王丹等[1]通過對生物信息學人才需求的調查研究發現，生物信息學人才需具備利用計算機技術解決實際應用問題的能力。王莉等[2]以生物信息學前沿課程為例，探討新理念下的教學改革，實現醫工的有機結合。李曼菲等[3]針對生物信息學課程的教學改革提出培養學生具有創新能力為目標的方案。王莉等[4]以培養學生的創新思維為目標，研究生物信息學前沿課程的教學改革。胡艷玲等[5]通過分析當前生物信息學教學中的不足，提出將科研實踐融入課程教學的新方法。王燕忠等[6]討論醫學檢驗專業學習生物信息學課程的必要性，闡述生物信息學在培養綜合性醫學檢驗人才方面的重要性。阮陟等[7]探討醫學信息學教學對培養醫學研究生計算思維及科研思維能力的重要性。諸多學者對生物信息學課程的教學與實踐進行深入研究和探討[8-12]。

綜合上述研究發現R語言是生物信息學課程學習的一項重要工具。R語言是一種開源編程語言，專為統計計算和圖形生成而設計，由新西蘭奧克蘭大學的Robert"Gentleman和Ross"Ihaka等人開發。R語言具有強大的數據處理能力，能夠高效分析生物信息學中的大型數據集，包括數據清洗、數據歸一化及格式轉換等。R語言內置的統計分析功能，如相關性分析、聚類分析和邏輯回歸分析，能構建多種復雜模型。此外，R語言豐富的圖表生成功能非常適合展示生物學中復雜的數據關系。在生物信息學領域，基因組學、轉錄組學和代謝組學等數據分析可通過R語言的擴展包實現。如可利用R語言的Biostrings包處理生物序列數據，差異表達基因分析則可通過R語言中的DESeq2或edgeR包實現，而對全基因組序列數據的訪問和處理則可通過BSgenome包完成。此外，R語言還可用于生物路徑分析，并實現多種機器學習算法，以構建預測模型用于疾病預測或生物標志物的發現。

R語言對數據處理、圖形生成和統計分析的強大功能為生物學研究提供有力支持。國內外多所高校和研究機構已為本科生開設R語言課程。但目前各醫學院校的生物信息學專業開設時間較短，具備交叉學科背景的師資隊伍相對匱乏，缺乏豐富的R語言課程教學經驗，而R語言課程的內容往往枯燥難懂，學生難以理解。因此，探索R語言課程的教學內容與教學模式，對醫學院校有效開設該課程并取得良好教學效果至關重要。

2""R語言的優勢

2.1""數據分析的意義

數據分析是從數據中提取有價值信息的過程，通常包括數據清洗、數據轉換和建模等步驟。通過運用數學算法、統計方法及多種工具來實現這一過程。大數據分析則是指對大規模數據進行分析。大數據的來源、數據類型及其特征見圖1。

2.2""數據分析工具的對比

數據分析工具主要包括R、Python、Stata、MATLAB、EViews、SAS和SPSS等。每種數據分析工具的特點描述見圖2。

2.3""R語言的特點

R語言具有強大的統計數據分析能力和繪圖功能，其源代碼是開放的。與其他統計分析工具相比，R語言具有諸多優點，因此更適用于生物大數據的分析與挖掘，見圖3。

生物信息學專業注重學科交叉與融合，因此醫

學院校生物信息學專業的學生學習R語言課程，旨在啟發他們綜合運用數學、物理和計算機知識的能力，拓寬知識面，了解學科前沿及最新進展，培養解決該領域實際問題的能力，為今后進行生命科學研究奠定基礎。因此，在醫學院校生物信息學專業開設R語言課程十分必要。

3""R語言課程設計

3.1""教學內容重構設計

R語言的主要功能包括統計分析和可視化，因此R語言課程的教學內容主要分為R語言的基礎知識、可視化和統計分析，見圖4。

由于醫學院校的學生大多計算機編程基礎較薄弱，因此R語言課程的內容安排盡可能簡潔、通俗易懂。該課程大致分為三個部分：第一部分主要介紹R語言的基礎知識。R是一種解釋型編程語言，輸入的命令能夠直接執行，與C語言等其他編程語言不同，無需編譯和鏈接等操作。在R語言中，所有操作都是針對存儲在活動內存中的對象進行的。因此，本部分引入數據對象和數據類型的相關介紹。數據、結果及圖形的輸入和輸出通過文件的讀寫實現。R語言通過使用工作目錄來處理文件的讀取和寫入，即數據的存儲和讀取。這一部分的最后將從編程的角度闡述R語言中的基本技術。第二部分內容主要描述R語言的可視化繪圖功能。R語言中主要有兩種繪圖函數：一種是高級繪圖函數，用于創建新的圖形；另一種是低級繪圖函數，用于在現有圖形上添加元素。本部分將重點介紹R語言中常見圖形的繪制方法。第三部分主要是R語言的數據分析功能。將通過具體實例介紹R語言的多種數據分析功能，包括相關分析、經典回歸分析、時間序列分析、主成分分析與因子分析、判別分析與聚類分析、典型相關分析與對應分析。每種數據分析方法都將通過應用案例的方式進行引入和闡述，以便更好地理解其實際應用。

3.2""教學模式設計

為幫助學生更好地理解和掌握R語言，教學方式采用理論與實踐相結合、線上與線下相結合、課內教學與課后實踐相結合以及項目化實現的綜合方法。這4種教學方式在教學過程中交替運用，通過與專業相關的案例驅動，旨在實現開發案例目標。結合多種教學方式，可加深學生對R語言課程理論內容的理解，并熟練掌握R語言的編程操作。具體的教學方式見圖5。

3.3""應用案例

結合醫學專業，以應用案例驅動的方式引入直方圖的制作方法，通過以下簡單易懂的案例講解如何使用R語言制作直方圖。

案例：使用R語言制作上海市各區手足口病患病人數的直方圖。相關數據以.xlsx格式的文件分發給學生。核心程序代碼如下：

gt;library（RODBC）

gt;zlt;-odbcConnectExcel2007（\"C：/data/disease.xlsx\"）

gt;sqlt;-sqlFetch（z，\"Sheet1\"）

gt;close（z）

gt;hist（sq$DLXF）

請為上述直方圖添加標題，并修改坐標軸的刻度和名稱。可使用以下語句對直方圖進行相應修改。

gt;hist（sq$\"手足口病人數/萬人\"，

main=\"手足口病人數分布\"，xlim=c（0，10），"ylim=c（0，10），

xlab=\"手足口病人數\"，ylab=\"人數\"）

在上述程序運行過程中，學生可能遇到各種程序運行錯誤，如在執行sqlFetch（z，\"Sheet1\"）時出現錯誤提示：“第一個參數不是一個打開的RODBC通道”。通過對程序運行中出現的錯誤進行分析，引入R語言的理論知識講解。在顯示正確結果后，返回程序源代碼，通過逐行講解每一句代碼，逐步引入R語言的基礎理論知識。如R函數的安裝、調用及數據文件的讀取和關閉等。案例驅動的教學方式簡單易懂，初學者易接受。這不僅能激發非計算機專業的醫學生對R語言課程的興趣，還能通過實際操作加深他們對R語言理論知識的理解。

基于R語言制作直方圖的程序代碼，完成課后作業：制作散點圖。提示：散點圖的函數為plot（）。素材文件以.xlsx格式分發。結果要求顯示見圖6。

對R語言的其他圖表制作采用案例驅動方式。如制作人口普查情況曲線標繪圖和箱線圖見圖7、圖8。在學習每一類圖表制作的過程中，結合多種教學方法完成案例的開發。通過對每個應用案例的程序編寫過程，融入R語言的基礎理論知識講解。在程序運行過程中，可出現各種類型的代碼錯誤，通過對這些錯誤的修改，能加深對R語言基礎知識的理解。程序編寫的過程也是鍛煉學生計算思維能力的過程。最終，通過綜合案例的開發，提升學生利用計算機技術解決實際問題的邏輯思維能力和創新應用能力。

4""結語

在大數據背景下，生命科學領域的數據量迅速增加，促進生物信息學的產生與發展。對生物信息的處理、存儲及分析是生物醫藥數據科學領域學生必須掌握的基本能力。首先，R語言作為一種新興的統計編程語言，其眾多優點使其成為醫學院生物信息學專業學生進行數據分析的理想工具。然而，由于生物信息學是一門交叉學科，授課教師需具備生命科學、數學和計算機等多方面的背景，這類人才目前十分緊缺，導致R語言課程建設進展緩慢。其次，傳統的教學手段多以理論教學為主，實際操作時間不足，課程內容往往顯得抽象和枯燥，學生難以理解，興趣較低，導致課程內容的掌握變得困難。第三，教學內容缺乏新穎性，教學案例未能與醫學相關專業相結合，無法有效解決學生在本專業中遇到的實際問題。因此在醫學院校開設R語言課程不僅需要提升教師的專業水平，還需從教學內容和教學方式等方面對R語言課程進行改革和建設。本文基于對R語言課程的分析，探索教學內容及教學方式改革，重構R語言課程的教學內容和教學模式。期望通過對R語言課程的學習，醫學院的學生能熟練掌握R語言，利用其進行生物醫學大數據的分析，并有效解決本專業相關的實際問題。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 王丹，"王晨宇，"沙巖."生物信息學人才培養的需求調查研究[J]."繼續醫學教育，"2022，"36（10）："61–64.

[2] 王莉，"林佳，"曹蕾，"等."基于“新發展理念”的醫工融合教學探析——以《生物信息學前沿》為例[J]."華北理工大學學報（社會科學版），"2022，"22（1）："142–146.

[3] 李曼菲，"黃敏，"杜何為."創新創業背景下《生物信息學》課程的教學改革與實踐[J]."科技資訊，"2022，"20（23）："152–156.

[4] 王莉，"林佳，"曹蕾."基于生物信息學前沿課程的醫工融合教學改革研究[J]."高教學刊，"2022，"8（18）："142–145.

[5] 胡艷玲，"黃海純，"蔣永華，"等."科研實踐融進生物信息學課程教學研究[J]."大學教育，"2023（5）："53–55.

[6] 王燕忠，"但青，"張鈞."生物信息學在醫學檢驗中的研究進展及研究生教學中的意義與應用[J]."全科醫學臨床與教育，"2023，"21（3）："242–244，"255.

[7] 阮陟，"王澤宇，"馮曄."醫學生物信息學培養研究生科研思維初探[J]."基礎醫學教育，"2021，"23（1）："64–66.

[8] 古麗娟，"曾智."生物信息學在醫學研究生科研活動中的意義及培養途徑[J]."繼續醫學教育，"2021，"35（7）："53–55.

[9] 華琳，"夏翃."淺談醫學院校《生物信息學》課程的在線教學[J]."醫學教育管理，"2021，"7（z1）："78–80，"107.

[10] 陳湖星，"嚴海丹，"王先龍，nbsp;等."具有醫學特色的生物信息學研究型教學模式探究[J]."福建醫科大學學報（社會科學版），"2020，"21（2）："60–64.

[11] 王慧，"張培培，"蔡潤林，"等."《生物信息學》課程的跨學科教學模式探索與實踐[J]."汕頭大學學報（自然科學版），"2022，"37（2）："75–80.

[12] 王喻."《生物信息學課程設計》教學探索[J]."產業與科技論壇，"2020，"19（5）："181–182.

（收稿日期：2024–07–29）

（修回日期：2024–10–17）