大数据药物设计学教学探讨
徐英岐 白静 徐娟 李霞
摘 要：大数据药物设计学是随着生物信息学发展，生物信息学与药物设计学相结合的新兴学科，是生物信息学药物组学专业，药学专业的必修课程。因此开设大数据药物设计学课程，是提高药物研发数据挖掘的关键。因此优化教学内容、改进教学方法，使教学效果提升是大数据药物设计学的关键问题。
关键词：大数据 生物信息学 药物设计学 教学方法
目前，全球药物研发普遍面临着成功率低、花费高、研发生产周期长的瓶颈。随着高通量筛选、深度基因组测序、临床实验等生物、化学、医药研究数据急速积累，生物医药大数据持续增长。生物信息学可以快速地分析、选择，帮助人们从海量數据中发现和确定和药物研发有关的关键信息，有助于提高药物研发的成功率。大数据药物设计学以药物研发流程为主线，主要围绕大数据在药物研发过程中各个阶段的应用，研究内容主要包括基于大数据的药靶发现，基于大数据的药物毒理学研究，个体化用药，药物重置等。哈尔滨医科大学生物信息科学与技术学院2015在本科教育中开设大数据药物设计学课程，全国首家。经过四年的教学探索与实践，取得了优异的教学成果。本文主要从课程内容的选择，优化和教学方法两个方面进行总结。
一、教学内容设置
1.大数据药物设计学基础理论
药物设计学是随着药物化学学科的诞生相应出现的。是药物化学的一个分支学科，是围绕着发现和设计新的药物分子，药物设计学的两个核心目标就是先导化合物的发现和先导化合物的优化。药物设计学的教学内容包括基于药物结构的药物设计，基于理化性质的药物设计，基于作用机理的药物设计[1]。随着人们对疾病和药物的认识，以及各类学科的出现，所以药物设计从出现开始的偶然盲目，向有目标的科学合理的设计方向发展。经过长时间的发展，人们对药物设计有了更新、更深入的认识，药物设计不再是简单的对先导化合物的设计了，药物设计是一个逐步的过程，是一个集合各种方法设计发现理想药物的过程。
随着医药大数据的发展，各类组学技术产生，我们发现，医药大数据贯穿药物研发的整个过程中，传统的药物研发过程主要包括药物发现，临床前研究，临床研究，药物上市。而随着大量药物应用的大数据产生，也为上市药物的二次开发提供了新思路[2]，因此，大数据药物设计的教学理论内容主要是讲授大数据在药物研发各个环节中的具体应用，主要包括融合多组学的药靶识别，大数据与药物分子机理、大数据与药物应答标志物发现、大数据与药物毒理、大数据与精准治疗。
2.课程数据来源
大数据获取是大数据药物设计学的关键内容，本课程所需的数据主要是疾病组学数据，药物组学数据，以及生物分子网络的相关数据。疾病组学数据主要是疾病相关的基因组学数据，转录组学数据，蛋白组学数据，代谢组学数据，疾病组学数据主要来源是GEO数据库、TCGA数据库。药物组学数据主要来源于cMAP数据库，Cellminer数据库等等。生物分子网络的相关数据主要包括生物学信号通路数据库（KEGG），人类蛋白质互作数据库（HPRD）以及功能注释相关数据库（GO）。
二、教学方法改进
大数据药物设计学作为新兴交叉学科，同时该课程具有一定的前沿性，开放性和创新性。需要学生既要具备生物信息学相关专业知识，又要具备药学相关基础理论，因此适当的教学方法有助于教学效果的提升，本文主要探讨案例式教学和探讨式教学。
1.案例式教学
案例教学起源于"哈佛大学"的情景案例教学课，目前也是公认的最有效的教学方式之一。在本课程的教学中，案例式教学是主要的教学方法之一。在讲授药物设计学的相关基础理论的时候，为了让学生更好地理解药物设计的研究内容，我们选取我国自主研发的药物青蒿素和三氧化二砷的发现为例，通过讲述青蒿素和三氧化二砷的研发历程，让学生充分理解药物开发的每一个阶段，以及每个阶段面临的问题，每个阶段的不足。然后给学生讲述，大数据时代下，药物研发的途径。通过对比大数据参与药物设计前后的优势，强调本课程的实用性。让学生充分领会本课程的教学内容和目标，对所学课程感兴趣。
2.探讨式教学
由于大数据药物设计课程的前沿性，老师在教学过程中，在给学生讲授相关李理论后，给予学生一些示例和问题，让学生通过实验、思考、讨论、听讲等途径去主动探究。从而提高学生对所学知识的应用能力。我们在没讲授完成一个理论点后，都会给学生一些相关数据。和学生一起互动探讨，引导学生应该所学理论知识去进行相关的药物设计。让学生更全面深入的了解所学内容。
大数据药物设计学是一个助力药物研发，应用方法的新兴交叉学科，我们对新课程的教学内容和教学方法进行了探讨和研究，有利于提升本课程的实用性，激发学生的创新意识，加速创新型新药研发人才的培养。
参考文献
[1]李炜，叶德泳，仇缀百等.基于创新型人才培养的药物设计学课程建设[J].药学教育，2011，27（1）：24-27.
[2]李霞主编.生物信息学[M].北京：人民卫生出版社，2010：13-25.
