學科教育論文-將生物信息學知識帶進醫(yī)學統(tǒng)計學課堂教學.doc

學科教育論文-將生物信息學知識帶進醫(yī)學統(tǒng)計學課堂教學摘要:生物信息學的蓬勃發(fā)展已使醫(yī)學研究由宏觀逐步探索到微觀。醫(yī)學統(tǒng)計學作為一門醫(yī)學院校的基礎(chǔ)課程，其理論和方法在醫(yī)學研究的新要求下其理論和方法也有了新的發(fā)展與應(yīng)用。將生物信息學知識帶入醫(yī)學統(tǒng)計學課堂教學，介紹醫(yī)學統(tǒng)計學的新發(fā)展，不但能使學員了解到本學科的前沿研究內(nèi)容，有效地激發(fā)學員的學習興趣，還能使他們掌握生物信息學研究的工具，提高今后從事醫(yī)學科研工作的能力。關(guān)鍵詞:生物信息學醫(yī)學統(tǒng)計學課堂教學生物信息學融合了生物技術(shù)、計算機技術(shù)、數(shù)學和統(tǒng)計學的大量方法，已逐漸成為發(fā)現(xiàn)生命過程中所蘊涵知識的一門重要學科。其基本問題主要包括：DNA分析、蛋白質(zhì)結(jié)構(gòu)分析、分子進化。醫(yī)學統(tǒng)計學作為醫(yī)科院校的基礎(chǔ)課程之一，長期以來其理論和方法就廣泛應(yīng)用于臨床醫(yī)學、基礎(chǔ)醫(yī)學的各類研究中。隨著生物新技術(shù)的誕生，在推動生物信息學發(fā)展的同時，醫(yī)學研究對象也由宏觀的病人、生物組織拓展到微觀的基因領(lǐng)域，所面對的實驗數(shù)據(jù)在性質(zhì)和結(jié)構(gòu)上也都有所不同，這對醫(yī)學統(tǒng)計學的應(yīng)用提出了新的更高的要求。目前，醫(yī)學統(tǒng)計學的很多原理和方法已成功地應(yīng)用于這些新研究之中，并在此基礎(chǔ)之上有了新的發(fā)展和改進。如概率分布的知識與序列相似性分析、蛋白質(zhì)分類等技術(shù)密切相關(guān)；方差分析、非參數(shù)檢驗方法經(jīng)改進和結(jié)合后在基因表達數(shù)據(jù)的前期分析中發(fā)揮了較好的作用；而聚類分析、判別分析、相關(guān)分析這些大家所熟知的統(tǒng)計學方法更是在基因分類和調(diào)控網(wǎng)絡(luò)的建立中得到了廣泛的應(yīng)用。在進行醫(yī)學統(tǒng)計學課堂教學時加入生物信息學方面的應(yīng)用實例，不僅可以使學員了解本學科研究的前沿和醫(yī)學、生物信息學研究的新發(fā)展，還可以提高學員對于醫(yī)學統(tǒng)計學理論學習的興趣，掌握先進的生物實驗數(shù)據(jù)分析方法，提高今后從事醫(yī)學科研的能力。下面，本文在回顧醫(yī)學統(tǒng)計學授課主要內(nèi)容的基礎(chǔ)上，就醫(yī)學和生物信息學中的可能應(yīng)用舉例如下：一、概率分布概率分布（probabilitydistribution）是醫(yī)學統(tǒng)計學中多種統(tǒng)計分析方法的理論基礎(chǔ)。授課內(nèi)容一般包括：二項分布、Possion分布、正態(tài)分布、t分布、F分布等。借助概率分布常?？梢詭椭覀兞私馍笜说奶卣鳌⑨t(yī)學現(xiàn)象的發(fā)生規(guī)律等等。例如，臨床檢驗中計量實驗室指標的參考值范圍就是依據(jù)正態(tài)分布和t分布的原理計算得到；許多醫(yī)學試驗的“陽性”結(jié)果服從二項分布，因此它被廣泛用于化學毒性的生物鑒定、樣本中某疾病陽性率的區(qū)間估計等；而一定人群中諸如遺傳缺陷、癌癥等發(fā)病率很低的非傳染性疾病患病數(shù)或死亡數(shù)的分布，單位面積（或容積）內(nèi)細菌數(shù)的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現(xiàn)象進行研究。在生物信息學中概率分布也有一定應(yīng)用。例如，Poisson分布可以用于基因（蛋白質(zhì)）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質(zhì)（或DNA）數(shù)據(jù)與公開數(shù)據(jù)庫進行相似性序列比對。對于序列a和b，BLAST發(fā)現(xiàn)的高得分匹配區(qū)稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)t)可以依據(jù)Poisson分布的性質(zhì)計算得到。二、假設(shè)檢驗假設(shè)檢驗（hypothesis）是醫(yī)學統(tǒng)計學中統(tǒng)計推斷部分的重要內(nèi)容。假設(shè)檢驗根據(jù)反證法和小概率原理，首先依據(jù)資料性質(zhì)和所需解決的問題，建立檢驗假設(shè)；在假設(shè)該檢驗假設(shè)成立的前提下，采用適當?shù)臋z驗方法，根據(jù)樣本算得相應(yīng)的檢驗統(tǒng)計量；最后，依據(jù)概率分布的特點和算得的檢驗統(tǒng)計量的大小來判斷是否支持所建立的檢驗假設(shè)，進而推斷總體上該假設(shè)是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數(shù)檢驗方法。假設(shè)檢驗為醫(yī)學研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數(shù)）與該年齡段兒童應(yīng)有的標準平均身高（總體均數(shù)）做u檢驗，其檢驗結(jié)果可以幫助我們推斷出該市該年齡段兒童身高是否與標準身高一致，為了解該市該年齡段兒童的生長發(fā)育水平提供參考。又如，醫(yī)學中常?？梢圆捎胻檢驗、秩和檢驗比較兩種藥物的療效有無差別；用2檢驗比較不同治療方法的有效率是否相同等等。這些假設(shè)檢驗的方法在生物實驗資料的分析前期應(yīng)用較多，但由于研究目的和資料性質(zhì)不同，一般會對某些方法進行適當調(diào)整和結(jié)合。例如，基于基因芯片實驗數(shù)據(jù)尋找差異表達基因的問題?；蛐酒╣enechip）是近年來實驗分子生物學的技術(shù)突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設(shè)定實驗條件下的表達數(shù)據(jù)。為了從這海量的數(shù)據(jù)中尋找有意義的信息，在對基因表達數(shù)據(jù)進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎(chǔ)和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復(fù)測量數(shù)據(jù)看作一個樣本，尋找差異表達基因的問題其實就可以采用假設(shè)檢驗方法加以解決。如果表達數(shù)據(jù)服從正態(tài)分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。但是，由于表達數(shù)據(jù)很難滿足正態(tài)性假定，目前常用的方法基于非參數(shù)檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統(tǒng)計量對基因排秩，用秩代替表達值本身；其次，為排秩統(tǒng)計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統(tǒng)計量有：任一特定基因在重復(fù)序列中表達水平M值的均值；考慮到基因在不同序列上變異程度的統(tǒng)計量，其中，s是M的標準差；以及用經(jīng)驗Bayes方法修正后的t-統(tǒng)計量：，修正值a由M的方差s2的均數(shù)和標準差估計得到。三、一些高級統(tǒng)計方法在基因研究中的應(yīng)用（一）聚類分析聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據(jù)聚類對象的某些性質(zhì)與特征，運用統(tǒng)計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內(nèi)的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統(tǒng)計分析方法，其基本內(nèi)容包括：相似性度量方法、系統(tǒng)聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。聚類分析可以幫助我們解決醫(yī)學中諸如：人的體型分類，某種疾病從發(fā)生、發(fā)展到治愈不同階段的劃分，青少年生長發(fā)育分期的確定等問題。近年來隨著基因表達譜數(shù)據(jù)的不斷積累，聚類分析已成為發(fā)掘基因信息的有效工具。在基因表達研究中，一項主要的任務(wù)是從基因表達數(shù)據(jù)中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關(guān)聯(lián)性。這種探索完全未知的數(shù)據(jù)特征的方法就是聚類分析，生物信息學中又稱為無監(jiān)督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達數(shù)據(jù)對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據(jù)聚類結(jié)果通過已知基因（樣本）的功能去認識那些未知功能的基因。對于基因表達數(shù)據(jù)而言，系統(tǒng)聚類法易于使用、應(yīng)用廣泛，其結(jié)果系統(tǒng)樹圖能提供一個可視化的數(shù)據(jù)結(jié)構(gòu)，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯(lián)接法(AverageLinkageClustering)一般能給出較為合理的聚類結(jié)果2。（二）判別分析判別分析（discriminantanalysis）是根據(jù)觀測到的某些指標的數(shù)據(jù)對所研究的對象建立判別函數(shù)，并進行分類的一種多元統(tǒng)計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經(jīng)網(wǎng)絡(luò)（ANNs）和支持向量機（SVMs）。判別分析常用于臨床輔助鑒別診斷，計量診斷學就是以判別分析為主要基礎(chǔ)迅速發(fā)展起來的一門科學。如臨床醫(yī)生根據(jù)患者的主訴、體征及檢查結(jié)果作出診斷；根據(jù)各種癥狀的嚴重程度預(yù)測病人的預(yù)后或進行某些治療方法的療效評估；以及流行病學中某些疾病的早期預(yù)報