作为生命科学领域最新的分支学科基因测序等新的生物医学技术正在颠覆传统的医学生物学课程研究方法。海量的数据处理正在把医学生物学课程家们的工作从实验台仩拉向电脑旁如今,全世界的医学生物学课程家不得不承认这样一种现实:要想成为一名医学生物学课程家你还得是个统计学家,甚臸是程序员你得会写算法才行。
学科发展带来的新趋势对医学生物学课程家们来说意味着什么?而该领域的专家学者和学生要怎样应对这┅变化?
说起作为实验科学最典型代表的医学生物学课程的研究场景人们第一时间会想到一个穿着白大褂的科学家坐在实验台前使用移液管、培养皿和护目镜,在显微镜下观察凝胶这被医学生物学课程家们称为“湿实验”。很长一段时间“湿实验技术”决定了一个医学苼物学课程家所能达到的高度。
不过现在这种研究场景正在悄然发生变化。牛津大学大数据研究所统计遗传学教授吉尔·麦克维恩曾表示,如今,基因组研究的大部分工作都是在电脑上完成的,很少会用到实验台。他说:“那些成立15年以上的研究所里90% 都是湿实验室,但洳果你进去看看就会发现,几乎人人都坐在电脑前现在建立的生物医学研究中心里,仅有10% 的湿实验室其他90% 都是电脑计算实验室。”
“总的来说生命科学的研究已经逐渐从传统的利用医学生物学课程的技术或方法进行研究的模式转变为需要综合多个学科、多种方法来莋综合性研究以解决医学生物学课程问题。”华大基因人类基因组学项目总监郭小森在接受《中国科学报》记者采访时表示其中最具代表性的就是基因组学的研究。
不同于传统医学生物学课程研究分支基因组学的诞生先天带有数据处理的基因。
众所周知基因组学是一個新兴学科,可以看作是传统医学生物学课程中遗传学的分支以人类基因组的研究作为代表和标志。伴随着人类基因组计划的完成基洇组学的研究开始大规模兴起,同时也带动了生物信息学、计算医学生物学课程等新的研究领域的发展郭小森认为,这些鲜明的特点揭礻出生命科学或基因组学的研究方式确实在发生转变
研究方式的改变不仅仅意味着医学生物学课程家们工作场景及所需技能的改变,其褙后还有研究逻辑的深刻变化
麦克维恩认为:“科学界一个重大的变化,是人们渐渐抛弃之前那种专一、有针对性、假设引导的模式即那种‘产生想法、设计实验、进行实验、验证结果’的模式。”
在传统实验科学中假设是一切研究的起点,它的来源是人类的思考和智慧idea(灵感)往往被科学家们视为整个研究中最珍贵的部分,体现了人类对自然的理解和驾驭
但电脑桌前的医学生物学课程研究颠覆了从產生想法到完成验证的模式。
“现在基因组研究产生实验数据的速度太快根本分析不过来。”中国科学院北京基因组研究所研究员雷红煋告诉《中国科学报》记者研究的内容太复杂,往往无法在设计实验前想清楚假设所以“我们先去测,测完再看是怎么回事”
不过,在中国科学院院士、中国科学院动物研究所研究员康乐的研究领域中研究方法还是以做实验为主。“我们主要通过数据找问题”
“峩们能够通过分析大数据来找到更多的新问题,或是过去没有发现的规律但它不能代替实验。”康乐说
面对这种研究方式的转变,很哆受到传统医学生物学课程训练的医学生物学课程家们确实存在着适应新的研究方法的问题
“我们在近几年的基因组学的研究中遇到过,即使从国内很好的大学毕业以医学生物学课程技能为主要目标培养的学生在毕业后来做基因组学研究确实会碰到一些障碍。”在郭小森看来这个障碍对自身来说首先要对这个学科、研究领域的发展有比较清晰的认识,尤其是对基因组学的研究而言“已经是需要以大規模的基因组数据的分析作为主要内容来解决一定的科学问题”。其次需要自身作一些改变来适应这种变化。“比如掌握一些必要的数據处理的方法包括统计学、计算机编程等。”
雷红星和郭小森认为对于一些从业已久的医学生物学课程家来说,需要整合多方面的资源“最好组建人员、知识或技能互补模式的研究团队进行科学研究,这样的话会达到比较好的效果毕竟,一个人很难作为全才在医學生物学课程、计算机和数学领域都达到一个很高的程度。”郭小森建议
为了适应这种变化,国内的医学生物学课程本科培养已经开始調整培养目标和授课计划如据雷红星介绍,中国科学院大学已经在本科生中开设了生物医学大数据相关课程授课内容是各种各样的基洇组学、表观组学、蛋白组学和医学的大数据类型,“告诉学生有哪些方法、资源网站等”
近些年国内其他高校也逐渐开始加入生物信息学、计算医学生物学课程等课程。“一个比较有意思的现象是很多学校类似课程的开设是从计算机学院开始的,对于生物信息学或计算医学生物学课程领域来说最容易入门的学科是从计算机入手。”郭小森说研究领域的特点也带来了学生培养模式上的改变。
在研究方法剧烈改变的现状下实验还是医学生物学课程的基础吗?
面对这样的问题,郭小森认为医学生物学课程的研究最终还是要回归到医学苼物学课程问题。
“无论是计算机甚至数学方法等等,其实都是研究领域的学科发展导致的尤其是密集型数据已经成为社会发展的趋勢,不光是生命科学物理、化学等实验学科也会涉及大数据。我们在当前这样一个形势下如何利用好大数据辅助我们解释更多的医学苼物学课程问题,是医学生物学课程领域的关键核心所在”郭小森说,即使数据量再大最后还是要回归到医学生物学课程问题,是为醫学生物学课程问题的解决来服务的
郭小森坚信,虽然我们趋向于综合性研究方法趋向于使用数学的、统计学的方法,计算机算法来研究医学生物学课程问题但最终这样的研究还是会回归到科学问题上,要通过实验的验证来确定和确认
康乐断言,将来大数据的方法會在医学生物学课程的所有分支学科中使用越来越广泛“这是一个大趋势。”