生物信息学软件
Bioinformatics software
课程编号： X10001
总学时数： 20学时
主讲教师： 肖 云
教材名称： 生物信息学
出 版 社： 人民卫生出版社
出版时间： 2010年 主 编： 李 霞 开课教研室： 生物信息教研室 学 分： 1学分 开课学期： 第1学期
课程简介：生物信息学软件主要是为研究生开设的基础课。课程内容为生物信息相关专业课程（，课程内容的体系结构涉及功能注释、表达分析以及网络分析等，主要为培养我院各专业研究生灵活运用软件解决问题的能力，使学生通过本课程的学习，能够熟练掌握一些主要的生物信息学软件。
教学目的：该门课程学习的目的，是使学生熟练掌握一些应用广泛的生物信息学软件，并能运用所学软件分析和解决生物信息科研中的实际问题。本课程从多个层面覆盖生物信息各方面常用的软件，如生物学功能注释、系统生物学分析等。本课程重点讲授Cytoscape及其插件的应用。
教学重点及要求掌握的内容：
一、注释软件 Biomart（2学时）
1. 简介 bioMart是一个集成了生物学数据的大型集成数据库，包括Ensemble, Uniprot, NCBI, EBI, TAIR等常用的数据库
2. 主要功能 它可以轻松地完成的在多个生物学数据库上繁琐地检索，获取相关数据在不同数据库间的关联。
3. 实例分析 查找某个基因在染色体上的位置。反之，给定染色体每一区间，返回该区间的基因s
二、功能分析软件 David（2 学时）
1. 主要功能 主要用于基因的功能富集分析，包括GO富集分析以及KEGG通路富集分析.
2. 实例分析 给定某一基因集合，分析其显著参与的生物学过程
三、网络可视化与分析软件 Cytoscape及其插件（16学时）
1. 简介 Cytoscape是一个开源的生物信息软件平台，它可以对分子互作网络及生物学通路
进行可视化分析，并且可以根据需要将网络相关的注释信息、基因表达谱和其他类型的数据整合到网络中。
2. 主要功能
a) 可视化蛋白质互作、转录调控网络
b) 对网络进行基础分析，如度，聚类系数等
c) 对网络进行模块划分
3. 实例分析 从任意一互作数据库中下载互作数据，并从GEO上下载一套case/control表
达谱数据进行差异表达分析，最后利用软件把差异表达基因在映射到互作网络中并进行可视化。
4. 插件介绍 BiNGO，APCluster，MCODE，OmicsAnalyzer，NetworkAnalyzer，
RandomNetworks
参考书目及文献：
1. Durinck, S., Moreau, Y., Kasprzyk, A., Davis, S., De Moor, B., Brazma, A. and Huber, W.
(2005) BioMart and Bioconductor: a powerful link between biological databases and microarray data analysis, Bioinformatics, 21, 3439-3440.
2. Maere, S., Heymans, K. and Kuiper, M. (2005) BiNGO: a Cytoscape plugin to assess
overrepresentation of gene ontology categories in biological networks, Bioinformatics, 21, 3448-3449.
3. Shannon, P., Markiel, A., Ozier, O., Baliga, N.S., Wang, J.T., Ramage, D., Amin, N.,
Schwikowski, B. and Ideker, T. (2003) Cytoscape: a software environment for integrated models of biomolecular interaction networks, Genome Res, 13, 2498-2504.
4. Xia, T. and Dickerson, J.A. (2008) OmicsViz: Cytoscape plug-in for visualizing omics data
across species, Bioinformatics, 24, 2557-2558.
生物信息挖掘技术
Biological Data Mining Techniques
课程编号： X10002 开课教研室： 生物信息学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 李霞
教材名称： 生物信息学
出 版 社： 人民卫生出版社
出版时间： 2010年 主 编： 李霞
课程简介：随着基因组、蛋白质组及转录组研究的不断进展，各级各类的生物学数据库相继出现，从而产生了高通量、大规模的生物学数据。本课程主要介绍在对对这些生物分子信息进行获取、管理之后如何进行分析和应用，并采用数据挖掘技术从海量数据中发现有价值的规律，揭示其生物学奥秘。同时介绍了R语言中的部分软件包在生物信息挖掘技术上的实现。
教学目的：通过本课程学习，使学生深入掌握生物信息挖掘的基础理论和基本技术，熟悉生物数据挖掘领域的发展趋势，了解生物数据挖掘技术的最新进展和前沿成果，并能根据实际问题给出相应的解决方案。
教学重点及要求掌握的内容：
一、生物信息挖掘方法概述（2学时）
1．决策树与决策森林
2．ANN
3．SVM
4．遗传算法
5．常见聚类方法
6．常见统计学分析方法
7．常见的生物学网络构建方法
二、生物信息学挖掘方法应用（10学时）
1．疾病相关基因与疾病基因子网挖掘新方法
（1）集成决策的方法挖掘疾病相关基因
（2）遗传算法与SVM耦合的方法挖掘疾病基因
（3）启发式搜索算法挖掘疾病基因子网
2．生物学模块挖掘方法
（1）基于群体的概率学习方法挖掘microRNA–mRNA调控模块
（2）模块方法整合分析基因表达和药物反应数据
3．药物-靶挖掘方法
（1）整合化学结构与基因组序列信息预测药物-靶的互作网络
（2）药物-靶互作网络
三、R语言实现（8学时）
1．集成决策的方法 party可以用于递归划分计算工具包的核心是ctree(),条件推理树的实现是把基于树的回归模型嵌入到研究很好的条件推理过程理论。这个非参数的回归树可以应用于各种回归模型：包括名义上、顺序、数值的，检查以及多变量和协变量的任意度量。基于条件推论树，cforest（）实现了Breiman的随机森林。mob（）实现了基于参数模型（如线性模型，广义线性回归或生存分析）递归划分，该方法利用参数不稳定检验来检测划分选择。可以对基于树回归模型可视化。
2．SVM方法 e1075包中SVM是用来训练支持向量机的方法，它可用于一般回归和分类，还可以用于密度估计。
参考书目及文献：
1. Li X, Rao S, Wang Y, Gong B (2004) Gene mining: a novel and powerful ensemble decision approach to hunting for disease genes using microarray expression profiling. Nucleic Acids Res 32: 2685-2694.
2. Li L, JIang W, Li X, Moser KL, Guo Z, et al.(2005) A robust hybrid between genetic algorithm and support vector machine for extracting an optimal feature gene subset. Genomics 85:16-23.
3. Chuang HY, Lee E, Liu YT, Lee D, Ideker T (2007) Network-based classification of breast cancer metastasis. Mol Syst Biol 3: 140.
4. Joung JG, Hwang KB, Nam JW, Kim SJ, Zhang BT (2007) Discovery of microRNA-mRNA modules via population-based probabilistic learning. Bioinformatics 23: 1141-1147.
5. Kutalik Z, Beckmann JS, Bergmann S (2008) A modular approach for integrative analysis of large-scale gene-expression and drug-response data. Nat Biotechnol 26: 531-539.
6. Yamanishi Y, Araki M, Gutteridge A, Honda W, Kanehisa M (2008) Prediction of drug-target interaction networks from the integration of chemical and genomic spaces. Bioinformatics 24: i232-240.
7. Yildirim MA, Goh KI, Cusick ME, Barabasi AL, Vidal M (2007) Drug-target network. Nat Biotechnol 25: 1119-1126.
8. Klipp E, Wade RC, Kummer U(2010) Biochemical network-based drug-target prediction. Curr Opin Biotechnol.
功能基因组学
Functional Genomics
课程编号： X10002 开课教研室： 生物信息学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 李霞
教材名称： 生物信息学
出 版 社： 人民卫生出版社
出版时间： 2010年
课程简介： （150-200字） 主 编： 李霞
功能基因组学是后基因组研究的核心内容，它强调发展和应用整体的（基因组水平或系统水平）实验方法分析基因组序列信息阐明基因功能，特点是采用高通量的实验方法结合的大规模数据统计计算方法进行研究，基本策略是从研究单一基因或蛋白上升到从系统角度一次研究所有基因或蛋白。随着功能基因组实验研究的深入，大量的数据不断涌现，生物信息学将在功能基因组学研究中的扮演关键角色。
教学目的：掌握和了解基因功能预测的计算方法，对功能基因组研究的理论和前沿问题有初步的了解。
教学重点及要求掌握的内容：
一、功能基因组学概述（1学时）
1．功能基因组学研究的主要方向
2. 功能基因组学研究的主要方法和理论
二、基因功能预测的计算方法 （13学时）
1．基于DNA和蛋白质序列的功能预测
2. 基于蛋白质结构的功能预测
3. 基于基因组信息和进化分析的功能预测
4．基于基因表达分析的功能预测
5. 基于蛋白质网络和系统生物学的功能预测
三、功能基因组学前沿文献讲读（6学时）
1. Protein networks in disease
2. The model organism as a system: integrating ‘omics’ data sets
3. Human disease classification in the postgenomic era: A complex systems approach to human pathobiology
4. Network-based classification of breast cancer metastasis
5. Comparing flux balance analysis to network expansion: producibility, sustainability and the scope of compounds
参考书目及文献：（参照下列例子格式）
1．李霞、李亦学，《生物信息学》，人民卫生出版社，2010年。
2．Protein networks in disease
3．The model organism as a system: integrating ‘omics’ data sets
4. Human disease classification in the postgenomic era: A complex systems approach to human
pathobiology
5．Network-based classification of breast cancer metastasis
6．Comparing flux balance analysis to network expansion: producibility, sustainability and the scope of compounds
7. 周集中，《微生物功能基因组学》，化学工业出版社，2007年。
统计遗传学研究进展
Progress in Statistical Genetics
课程编号： X1004 开课教研室： 统计遗传学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 张瑞杰教授
教材名称： 统计遗传学
出 版 社： 科学出版社
出版时间： 2004年 主 编： 顾万春
课程简介： 随着人类基因组计划和人类单体型计划的逐步实施，复杂性状尤其是人类复杂疾病的遗传学机制研究得到了飞速发展。本课程结合当今国际最前沿的科研进展，在连锁分析、全基因组关联分析、单体型分析以及其中非常关键的多重检验校正问题等方面做了详细的讲解，并对未来可能的一些研究方向进行了展望。
教学目的：通过本课程的学习，使学生了解统计遗传学的最新研究进展，为今后进行统计遗传学相关科研工作打下基础。
教学重点及要求掌握的内容：
一、第一讲 连锁分析与关联分析最新进展（4学时）
1、 LOD方法与亲属对方法简单回顾
2、 方差组分关联分析模型
3、 连锁分析方法的比较及应用举例
第二讲 单体型分析最新进展（4学时）
1、 连锁与连锁不平衡
2、 常用单体型的识别方法及软件
3、 全基因组单体型分析方法
4、 人类复杂疾病相关单体型数据库（CDRH）介绍
第三讲 多重检验校正的原理及方法（4学时）
1、 多重检验校正在生物信息学中的重要性
2、 Bonferroni多重检验校正方法
3、 FDR原理和方法
4、 常用FDR软件介绍（Fdrtool）
第四讲 全基因组关联分析及最新进展（4学时）
1、 全基因组关联分析方法基本流程
2、 下一代测序技术对全基因组关联分析的影响
3、 Meta-analysis of genome-wide association
第五讲 系统遗传学研究方法（4学时）
1、 eQTL研究方法
2、 结合GO、KEGG的系统遗传学方法
3、 The genetics of quantitative traits: challenges and prospects
参考书目及文献：
1．胡永华，《医学流行病学》，北京大学医学出版社，2008年。
2．Trudy F. C. Mackay, Eric A. Stone and Julien F. Ayroles (2009) The genetics of quantitative traits:challenges and prospects. Nature Reviews| Genetics,volume 10,August 2009
生物芯片表达谱分析技术
Biochip Expression Profile Analysis Technology
课程编号： X10005 开课教研室： 系统生物学教研室
总学时数： 20 学 分： 1
主讲教师： 郭政 开课学期：第1学期
教材名称： 自编讲义
课程简介： 本课程讲述生物芯片从概念的提出及发展过程，系统介绍基因芯片的原理、类型、制备、检测、数据存储管理与处理分析以及在基因表达、基因多态性、病原体检测、新药筛选等方面的应用，最后对其他生物芯片也做一定介绍和展望。主要教授基因芯片表达谱数据库的相关知识以及以此为数据源的几种科研分析软件的用法。
教学目的： 了解生物芯片（重点基因芯片）的原理、制备、数据检测、数据处理与分析。 教学重点及要求掌握的内容：
一、简略讲解芯片的杂交和探针筛选原理（4学时）
1. 微珠芯片原理简介
2. Affymatrix芯片原理简介
二、差异表达基因筛选方法及相关软件（4学时）
1. Significance Analysis of Microarrays
2. Arraytool简介
三、基因、蛋白质功能注释与分类体系以及功能模块筛选方法及相关软件（4学时）
1. Gene Ontology计划
2. 蛋白质互作网络以及其拓扑特征
四、基因与蛋白质功能研究的生物芯片信息学技术（4学时）
1. 条件相关的蛋白质互作子网络
2. 组织特异的蛋白质互作子网络
五、生物信息融合分析技术（4学时）
1. 如何结合基因表达信息解析蛋白质互作网络，识别条件特异应答子网，发现其功能模块化组织关系
2. 结合基因表达谱与蛋白质互作网络，介绍基于实验条件相关功能模块的基因功能预测算法。
参考书目：
1. Mark Schena. Microarray Analysis, Wiley-Liss, John Wiley & Sons, Inc., 2003.
2. 蒋知俭．《医学统计学》．人民卫生出版社，1999年
3. 郭政，李霞，饶绍奇．《医学信息分析方法》．哈尔滨出版社，2001
医用多因素分析
Medical Multivariate Statistics Analysis
课程编号： X10006 开课教研室： 统计遗传学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 张瑞杰教授，张岩教授
教材名称： 医学统计学
出 版 社： 人民卫生出版社
出版时间： 2002年 主 编： 孙振球
课程简介：本课程对多因素分析方法在医学上的应用进行了系统的介绍，包括Logistic回归分析的基本原理、Logistic回归模型的建立和检验、配对病例对照研究的的条件Logistic回归分析、多元Logistic回归分析在基因型和表型联系的应用、主成分分析和因子分析、生存分析的基本概念、生存率估计及其区间估计、生存曲线的比较、Cox比例风险回归模型。详细讲解了基因集分析方法的原理、常用软件及应用。此外本课程还介绍了生物信息学的一些方法在表观遗传领域的应用及相关数据库。
教学目的：通过本课程的学习，使学生掌握多因素分析的相关方法，并会应用这些方法解决相关的医学及生物信息学问题。
教学重点及要求掌握的内容：
一、Logistic回归分析 、主成分分析和因子分析方法及其在医学上的应用 (4学时)
1. 多元Logistic回归分析及配对病例对照研究的条件Logistic回归分析原理
2. Logistic回归分析在基因型与表型联系的应用，SAS软件的简介，应用SAS软件进行回归分析
3. 主成分分析，因子分析基本原理
4. 主成分分析与因子分析应用实例，利用SAS软件对医用统计数据进行主成分分析和因子分析的方法介绍
二、生存分析 (4学时)
1. 生存分析的基本概念
2. 生存率估计及生存率区间估计
3. 生存曲线的比较
4. Cox比例风险回归模型
三、基因集分析方法 (4学时)
1. 单基因分析与基因集分析
2. 基因集分析中的两个零假设及模型
3. 基于基因和类别标签两种permutation方法
4. 常见基因集分析软件及比较
5. SNP基因集分析方法简介
四、生物信息学方法在计算表观遗传学研究中的应用 (4学时)
1. 计算表观遗传学发展简介
2. DNA甲基化芯片数据的处理方法
3. 最新DNA甲基化分析软件
4. 基于高通量测序技术识别组蛋白修饰谱
5. 基于组蛋白修饰预测基因表达的方法
五、与癌症相关的表观遗传谱矩阵分析 (4学时)
1. 表观遗传学与癌症
2. 癌症差异甲基化区域的筛选方法及分析
3. 常用的癌症表观遗传学相关的数据库介绍
参考书目及文献：
1.于秀林，任雪松编著，多元统计分析，中国统计出版社，2005
2.北野宏明编，刘笔锋，周艳红等译，系统生物学基础，化学工业出版社，2007
3.贺福初，杨芃原，朱云平主译，系统生物学的理论，方法和应用，复旦大学出版社，2007
4.表观遗传学，C.D. 艾利斯，科学出版社，2008
医学结构生物信息学
Structural Bioinformatics in Medical Research
课程编号： X10007 开课教研室： 生物物理学教研室
学 分： 1学分 总学时数： 20学时
主讲教师： 陈丽娜
教材名称： 结构生物信息学
出 版 社： 化学工业出版社
出版时间： 2009年3月 开课学期： 第1学期 主 编： B．E波恩 H．魏西希
课程简介： 生物系统的高分辨结构信息将允许我们对生命系统的功能、对系统修饰或扰动的后果进行精确的解释和推理。这一结构信息的展现与日益增长的基因组、蛋白组、代谢组信息相联系，为分析生物医学问题提供了强大的研究背景。本课程侧重以基础理论与科研实例相结合的方式，介绍特定结构生物分子在生物通路和重要细胞过程中的作用；同时深入讲解结构生物学信息的方法，在复杂疾病基因挖掘、功能蛋白设计(药靶设计)及蛋白质功能预测等方面的应用。
教学目的： 通过本课程的学习，使学生了解结构生物信息学研究内容及方法，掌握常用的结构生物信息学数据库及相关软件的原理和使用方法，能够根据结构生物学数据资源设计并开展生物医学相关领域课题的研究。
教学重点及要求掌握的内容：
一、结构生物信息学简介（4学时）
1．结构生物信息学基础
主要掌握结构生物信息学的概念和研究的内容；熟悉生物分子的基本结构特征；了解结构生物信息学的起源、研究现状和未来发展趋势。
2．生物分子结构解析技术
主要介绍生物分子结构解析的实验技术和信息学处理方法，要求了解实验技术和信息学处理方法的基本范畴：实验技术包括NMR波谱分析技术、X射线衍射技术、近场光学光谱技术、表面等离子体激元共振技术等获得生物大分子的静态或动态结构信息；信息学处理方法主要包括结构比对方法、高级结构预测方法和可视化软件等。
3．结构生物信息学数据库
主要讲授生物分子结构相关的数据库基础，介绍结构数据库分类和生物分子结构相关的功能信息，要求掌握PDB、SCOP、CATH、HOMSTARAD和CAMPASS等数据库中数据存储格式及使用方法等。
二、结构域蛋白质组学（4学时）
基础理论讲授部分
1．结构域蛋白质组学基础
掌握结构域的概念，结构域蛋白组学的内涵及外延，以及其所涉及的重要生命科学领域（如：信号整合器Caveolae处的结构域互作、复合物中的结构域结合方式、复杂疾病相关的结构域作用、结构域与蛋白质折叠机制、结构域与蛋白质分子进化等）。
2．结构域分析方法和软件简介
着重讲述结构域分析方法及其原理：SMART数据库分析蛋白结构和功能入门，SANGER的Pfam数据库根据序列搜索结构域，NCBI维护的保守结构域数据库CDD。另外，了解结构域比对分析软件及其原理，蛋白质结构域注释工具(Webgestal在线分析软件等)等。
3．结构域相互作用公共数据库
主要介绍3DID、iPfam、InterDom、DIMA和DOM1NE等常用的结构域互作数据库。要求熟悉结构域相关数据库基础和应用。
科研实践讲授部分
应用（一）：相互作用结构域在功能蛋白组学研究中的应用
Human Protein Structural Interaction Network: Domain Effects on Network Topology and Protein Function （CHEN Li-Na,WANG Qian, SHANG Yu-Kui, ZHANG Liang-Cai, SUN Zhao, HE Wei-Ming, ZHAOYan, LI Wan, WANGHong, HE Yue-Han, LI Xia）
三、基于结构的功能预测及应用实例（4学时）
基础理论讲授部分
1．结构与功能基础
着重讲述结构决定功能，结构和功能预测技术（二级结构预测，识别结构域）等，基于结构信息预测PPI调控次序。
2．从蛋白质结构推断其功能的方法与分析软件
主要介绍根据序列预测功能的一般过程、通过比对数据库相似序列确定功能、序列特性预测疏水性和跨膜螺旋等、通过比对模序数据库等确定功能。蛋白质结构预测功能的分析软件主要介绍：二级结构预测分析PHD、三级结构预测Swiss-Model网站、折叠的识别技术TOPITS和Frsvr等。
科研实践讲授部分
应用（一）： 基于结构的蛋白质功能预测
Combining structure and sequence information allows automated prediction of substrate specificities within enzyme families.（Röttig M, Rausch C, Kohlbacher O）
应用（二）：结构域互作影响功能进而诱发人类遗传疾病研究实例
Protein interactions in human genetic diseases（Benjamin Schuster-Böckler and Alex Bateman）
四、结构生物信息学在复杂疾病研究中的应用（4学时）
基础理论讲授部分
1．蛋白质结构异常与疾病关系实质：介绍结构异常与疾病关系的本质，了解导致疾病的结构异常现象。
2．蛋白质结构异常与疾病关系
介绍现有的结构异常与疾病关系实例①蛋白质序列变化引发疾病，如镰刀形贫血症②蛋白质折叠错误引发的疾病，如阿尔兹海默症③疾病过程中的蛋白质相互作用，随着蛋白质精
细结构的逐步解析，从蛋白质结构互作的角度来研究和探索复杂疾病的潜在发生机制，是结构生物信息学十分有意义的研究方向。
3．结构生物信息学与遗传图谱和表达谱数据整合，在复杂疾病研究中的应用简介。 科研实践讲授部分
应用（一）：结构生物信息学在风湿性关节炎致病基因挖掘中的应用
A Towards-Multidimensional Screening Approach to Predict Candidate Genes of Rheumatoid Arthritis based on SNP, Structural and Functional Annotations（Liangcai Zhang, Wan Li, Leilei Song, Lina Chen）
应用（二）：结构域互作网络与表达数据整合及其应用
Integrating expression data with domain interaction networks（Emig D, Cline MS, Lengauer T, Albrecht M.）
五、结构生物信息学在药物发现中的应用（4学时）
基础理论讲授部分
掌握结构信息学辅助估计靶标的成药性、靶标类选和靶标确认以及辅助药物设计方面的基础；熟悉基于结构的药物设计的基本流程；了解细胞色素P450模型在药物代谢预测研究中的应用等。
科研实践讲授部分
应用（一）：结构基因组学与药物发现
Structural genomics and drug discovery: all in the family
应用（二）：结构生物信息学方法挖掘药物靶点实例
Drug-like Index: A New Approach To Measure Drug-like Compounds and Their Diversity （Jun Xu* and James Stevenson）
主要参考书目及文献：
1．B．E波恩 H．魏西希，《结构生物信息学》，化学工业出版社，2009年3月。
2．Ng K L|Huang C H，Liu H C．Applications of domain—domain interactions in pathway study．Comput Biol Chem，2008，32(2)：81～ 87
3．Raghavachari B，Tasneem A，Przytycka T M．DOMINE：a database of protein domain interactions．Nucl Acid Res，2008，36(Database issue)：D656～D661
4．Pagel P，Oesterheld M，Tovstukhina O，et a1．DIM A 2.0 Predicted and known domain interactions．Nucl Acid Res，2008，36(Database issue)：D651～D655
SCI论文与学位论文写作
Technical Writing
课程编号： 开课教研室： 生物信息学教研室
总学时数： 20 学 分： 1
主讲教师： 李霞 开课学期： 第3学期
教材名称： How to Write & Publish a Scientific Paper
出 版 社： ORYX PRESS
出版时间： 1998年 主编：Robert A. Day
课程简介：学术论文通常是指对社会科学和自然科学领域中的某些现象和问题进行比较系统的研究，以探讨其本质特征及其发展规律等的理论性文章。它和一般文章不同，具有科学性、理论性、独创性、专业性的特点。应该按规范格式和要求来撰写，同时在表达方面力求有较高的可读性。科技论文是科技信息交流和新知识及时传播的重要手段，发表科技论文是公布研究成果，取得同行承认的主要途径。因此，论文写作是科技工作者必备的基本功；学位论文撰写是研究生科学素质和基本功训练的重要环节。
教学目的：指导学生掌握科技论文写作的基本技巧和规则，了解SCI论文发表流程以及学位论文的书写过程。辅导学生规范写作流程，提高学生的科研协作能力。
教学重点及要求掌握的内容：
1. 科研论文写作基本技巧
2. SCI论文投稿和发表流程
3. 科研论文中图和表的规范写作，以及画图软件介绍
4. 参考文献整理和辅助软件使用
5. 经典范文解析。
参考书目：
1. How to Write & Publish a Scientific Paper，ORYX PRESS，1998
2. 经典科技范文若干篇
生物信息学软件
Bioinformatics software
课程编号： X10001
总学时数： 20学时
主讲教师： 肖 云
教材名称： 生物信息学
出 版 社： 人民卫生出版社
出版时间： 2010年 主 编： 李 霞 开课教研室： 生物信息教研室 学 分： 1学分 开课学期： 第1学期
课程简介：生物信息学软件主要是为研究生开设的基础课。课程内容为生物信息相关专业课程（，课程内容的体系结构涉及功能注释、表达分析以及网络分析等，主要为培养我院各专业研究生灵活运用软件解决问题的能力，使学生通过本课程的学习，能够熟练掌握一些主要的生物信息学软件。
教学目的：该门课程学习的目的，是使学生熟练掌握一些应用广泛的生物信息学软件，并能运用所学软件分析和解决生物信息科研中的实际问题。本课程从多个层面覆盖生物信息各方面常用的软件，如生物学功能注释、系统生物学分析等。本课程重点讲授Cytoscape及其插件的应用。
教学重点及要求掌握的内容：
一、注释软件 Biomart（2学时）
1. 简介 bioMart是一个集成了生物学数据的大型集成数据库，包括Ensemble, Uniprot, NCBI, EBI, TAIR等常用的数据库
2. 主要功能 它可以轻松地完成的在多个生物学数据库上繁琐地检索，获取相关数据在不同数据库间的关联。
3. 实例分析 查找某个基因在染色体上的位置。反之，给定染色体每一区间，返回该区间的基因s
二、功能分析软件 David（2 学时）
1. 主要功能 主要用于基因的功能富集分析，包括GO富集分析以及KEGG通路富集分析.
2. 实例分析 给定某一基因集合，分析其显著参与的生物学过程
三、网络可视化与分析软件 Cytoscape及其插件（16学时）
1. 简介 Cytoscape是一个开源的生物信息软件平台，它可以对分子互作网络及生物学通路
进行可视化分析，并且可以根据需要将网络相关的注释信息、基因表达谱和其他类型的数据整合到网络中。
2. 主要功能
a) 可视化蛋白质互作、转录调控网络
b) 对网络进行基础分析，如度，聚类系数等
c) 对网络进行模块划分
3. 实例分析 从任意一互作数据库中下载互作数据，并从GEO上下载一套case/control表
达谱数据进行差异表达分析，最后利用软件把差异表达基因在映射到互作网络中并进行可视化。
4. 插件介绍 BiNGO，APCluster，MCODE，OmicsAnalyzer，NetworkAnalyzer，
RandomNetworks
参考书目及文献：
1. Durinck, S., Moreau, Y., Kasprzyk, A., Davis, S., De Moor, B., Brazma, A. and Huber, W.
(2005) BioMart and Bioconductor: a powerful link between biological databases and microarray data analysis, Bioinformatics, 21, 3439-3440.
2. Maere, S., Heymans, K. and Kuiper, M. (2005) BiNGO: a Cytoscape plugin to assess
overrepresentation of gene ontology categories in biological networks, Bioinformatics, 21, 3448-3449.
3. Shannon, P., Markiel, A., Ozier, O., Baliga, N.S., Wang, J.T., Ramage, D., Amin, N.,
Schwikowski, B. and Ideker, T. (2003) Cytoscape: a software environment for integrated models of biomolecular interaction networks, Genome Res, 13, 2498-2504.
4. Xia, T. and Dickerson, J.A. (2008) OmicsViz: Cytoscape plug-in for visualizing omics data
across species, Bioinformatics, 24, 2557-2558.
生物信息挖掘技术
Biological Data Mining Techniques
课程编号： X10002 开课教研室： 生物信息学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 李霞
教材名称： 生物信息学
出 版 社： 人民卫生出版社
出版时间： 2010年 主 编： 李霞
课程简介：随着基因组、蛋白质组及转录组研究的不断进展，各级各类的生物学数据库相继出现，从而产生了高通量、大规模的生物学数据。本课程主要介绍在对对这些生物分子信息进行获取、管理之后如何进行分析和应用，并采用数据挖掘技术从海量数据中发现有价值的规律，揭示其生物学奥秘。同时介绍了R语言中的部分软件包在生物信息挖掘技术上的实现。
教学目的：通过本课程学习，使学生深入掌握生物信息挖掘的基础理论和基本技术，熟悉生物数据挖掘领域的发展趋势，了解生物数据挖掘技术的最新进展和前沿成果，并能根据实际问题给出相应的解决方案。
教学重点及要求掌握的内容：
一、生物信息挖掘方法概述（2学时）
1．决策树与决策森林
2．ANN
3．SVM
4．遗传算法
5．常见聚类方法
6．常见统计学分析方法
7．常见的生物学网络构建方法
二、生物信息学挖掘方法应用（10学时）
1．疾病相关基因与疾病基因子网挖掘新方法
（1）集成决策的方法挖掘疾病相关基因
（2）遗传算法与SVM耦合的方法挖掘疾病基因
（3）启发式搜索算法挖掘疾病基因子网
2．生物学模块挖掘方法
（1）基于群体的概率学习方法挖掘microRNA–mRNA调控模块
（2）模块方法整合分析基因表达和药物反应数据
3．药物-靶挖掘方法
（1）整合化学结构与基因组序列信息预测药物-靶的互作网络
（2）药物-靶互作网络
三、R语言实现（8学时）
1．集成决策的方法 party可以用于递归划分计算工具包的核心是ctree(),条件推理树的实现是把基于树的回归模型嵌入到研究很好的条件推理过程理论。这个非参数的回归树可以应用于各种回归模型：包括名义上、顺序、数值的，检查以及多变量和协变量的任意度量。基于条件推论树，cforest（）实现了Breiman的随机森林。mob（）实现了基于参数模型（如线性模型，广义线性回归或生存分析）递归划分，该方法利用参数不稳定检验来检测划分选择。可以对基于树回归模型可视化。
2．SVM方法 e1075包中SVM是用来训练支持向量机的方法，它可用于一般回归和分类，还可以用于密度估计。
参考书目及文献：
1. Li X, Rao S, Wang Y, Gong B (2004) Gene mining: a novel and powerful ensemble decision approach to hunting for disease genes using microarray expression profiling. Nucleic Acids Res 32: 2685-2694.
2. Li L, JIang W, Li X, Moser KL, Guo Z, et al.(2005) A robust hybrid between genetic algorithm and support vector machine for extracting an optimal feature gene subset. Genomics 85:16-23.
3. Chuang HY, Lee E, Liu YT, Lee D, Ideker T (2007) Network-based classification of breast cancer metastasis. Mol Syst Biol 3: 140.
4. Joung JG, Hwang KB, Nam JW, Kim SJ, Zhang BT (2007) Discovery of microRNA-mRNA modules via population-based probabilistic learning. Bioinformatics 23: 1141-1147.
5. Kutalik Z, Beckmann JS, Bergmann S (2008) A modular approach for integrative analysis of large-scale gene-expression and drug-response data. Nat Biotechnol 26: 531-539.
6. Yamanishi Y, Araki M, Gutteridge A, Honda W, Kanehisa M (2008) Prediction of drug-target interaction networks from the integration of chemical and genomic spaces. Bioinformatics 24: i232-240.
7. Yildirim MA, Goh KI, Cusick ME, Barabasi AL, Vidal M (2007) Drug-target network. Nat Biotechnol 25: 1119-1126.
8. Klipp E, Wade RC, Kummer U(2010) Biochemical network-based drug-target prediction. Curr Opin Biotechnol.
功能基因组学
Functional Genomics
课程编号： X10002 开课教研室： 生物信息学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 李霞
教材名称： 生物信息学
出 版 社： 人民卫生出版社
出版时间： 2010年
课程简介： （150-200字） 主 编： 李霞
功能基因组学是后基因组研究的核心内容，它强调发展和应用整体的（基因组水平或系统水平）实验方法分析基因组序列信息阐明基因功能，特点是采用高通量的实验方法结合的大规模数据统计计算方法进行研究，基本策略是从研究单一基因或蛋白上升到从系统角度一次研究所有基因或蛋白。随着功能基因组实验研究的深入，大量的数据不断涌现，生物信息学将在功能基因组学研究中的扮演关键角色。
教学目的：掌握和了解基因功能预测的计算方法，对功能基因组研究的理论和前沿问题有初步的了解。
教学重点及要求掌握的内容：
一、功能基因组学概述（1学时）
1．功能基因组学研究的主要方向
2. 功能基因组学研究的主要方法和理论
二、基因功能预测的计算方法 （13学时）
1．基于DNA和蛋白质序列的功能预测
2. 基于蛋白质结构的功能预测
3. 基于基因组信息和进化分析的功能预测
4．基于基因表达分析的功能预测
5. 基于蛋白质网络和系统生物学的功能预测
三、功能基因组学前沿文献讲读（6学时）
1. Protein networks in disease
2. The model organism as a system: integrating ‘omics’ data sets
3. Human disease classification in the postgenomic era: A complex systems approach to human pathobiology
4. Network-based classification of breast cancer metastasis
5. Comparing flux balance analysis to network expansion: producibility, sustainability and the scope of compounds
参考书目及文献：（参照下列例子格式）
1．李霞、李亦学，《生物信息学》，人民卫生出版社，2010年。
2．Protein networks in disease
3．The model organism as a system: integrating ‘omics’ data sets
4. Human disease classification in the postgenomic era: A complex systems approach to human
pathobiology
5．Network-based classification of breast cancer metastasis
6．Comparing flux balance analysis to network expansion: producibility, sustainability and the scope of compounds
7. 周集中，《微生物功能基因组学》，化学工业出版社，2007年。
统计遗传学研究进展
Progress in Statistical Genetics
课程编号： X1004 开课教研室： 统计遗传学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 张瑞杰教授
教材名称： 统计遗传学
出 版 社： 科学出版社
出版时间： 2004年 主 编： 顾万春
课程简介： 随着人类基因组计划和人类单体型计划的逐步实施，复杂性状尤其是人类复杂疾病的遗传学机制研究得到了飞速发展。本课程结合当今国际最前沿的科研进展，在连锁分析、全基因组关联分析、单体型分析以及其中非常关键的多重检验校正问题等方面做了详细的讲解，并对未来可能的一些研究方向进行了展望。
教学目的：通过本课程的学习，使学生了解统计遗传学的最新研究进展，为今后进行统计遗传学相关科研工作打下基础。
教学重点及要求掌握的内容：
一、第一讲 连锁分析与关联分析最新进展（4学时）
1、 LOD方法与亲属对方法简单回顾
2、 方差组分关联分析模型
3、 连锁分析方法的比较及应用举例
第二讲 单体型分析最新进展（4学时）
1、 连锁与连锁不平衡
2、 常用单体型的识别方法及软件
3、 全基因组单体型分析方法
4、 人类复杂疾病相关单体型数据库（CDRH）介绍
第三讲 多重检验校正的原理及方法（4学时）
1、 多重检验校正在生物信息学中的重要性
2、 Bonferroni多重检验校正方法
3、 FDR原理和方法
4、 常用FDR软件介绍（Fdrtool）
第四讲 全基因组关联分析及最新进展（4学时）
1、 全基因组关联分析方法基本流程
2、 下一代测序技术对全基因组关联分析的影响
3、 Meta-analysis of genome-wide association
第五讲 系统遗传学研究方法（4学时）
1、 eQTL研究方法
2、 结合GO、KEGG的系统遗传学方法
3、 The genetics of quantitative traits: challenges and prospects
参考书目及文献：
1．胡永华，《医学流行病学》，北京大学医学出版社，2008年。
2．Trudy F. C. Mackay, Eric A. Stone and Julien F. Ayroles (2009) The genetics of quantitative traits:challenges and prospects. Nature Reviews| Genetics,volume 10,August 2009
生物芯片表达谱分析技术
Biochip Expression Profile Analysis Technology
课程编号： X10005 开课教研室： 系统生物学教研室
总学时数： 20 学 分： 1
主讲教师： 郭政 开课学期：第1学期
教材名称： 自编讲义
课程简介： 本课程讲述生物芯片从概念的提出及发展过程，系统介绍基因芯片的原理、类型、制备、检测、数据存储管理与处理分析以及在基因表达、基因多态性、病原体检测、新药筛选等方面的应用，最后对其他生物芯片也做一定介绍和展望。主要教授基因芯片表达谱数据库的相关知识以及以此为数据源的几种科研分析软件的用法。
教学目的： 了解生物芯片（重点基因芯片）的原理、制备、数据检测、数据处理与分析。 教学重点及要求掌握的内容：
一、简略讲解芯片的杂交和探针筛选原理（4学时）
1. 微珠芯片原理简介
2. Affymatrix芯片原理简介
二、差异表达基因筛选方法及相关软件（4学时）
1. Significance Analysis of Microarrays
2. Arraytool简介
三、基因、蛋白质功能注释与分类体系以及功能模块筛选方法及相关软件（4学时）
1. Gene Ontology计划
2. 蛋白质互作网络以及其拓扑特征
四、基因与蛋白质功能研究的生物芯片信息学技术（4学时）
1. 条件相关的蛋白质互作子网络
2. 组织特异的蛋白质互作子网络
五、生物信息融合分析技术（4学时）
1. 如何结合基因表达信息解析蛋白质互作网络，识别条件特异应答子网，发现其功能模块化组织关系
2. 结合基因表达谱与蛋白质互作网络，介绍基于实验条件相关功能模块的基因功能预测算法。
参考书目：
1. Mark Schena. Microarray Analysis, Wiley-Liss, John Wiley & Sons, Inc., 2003.
2. 蒋知俭．《医学统计学》．人民卫生出版社，1999年
3. 郭政，李霞，饶绍奇．《医学信息分析方法》．哈尔滨出版社，2001
医用多因素分析
Medical Multivariate Statistics Analysis
课程编号： X10006 开课教研室： 统计遗传学教研室
学 分： 1学分
开课学期： 第1学期 总学时数： 20学时 主讲教师： 张瑞杰教授，张岩教授
教材名称： 医学统计学
出 版 社： 人民卫生出版社
出版时间： 2002年 主 编： 孙振球
课程简介：本课程对多因素分析方法在医学上的应用进行了系统的介绍，包括Logistic回归分析的基本原理、Logistic回归模型的建立和检验、配对病例对照研究的的条件Logistic回归分析、多元Logistic回归分析在基因型和表型联系的应用、主成分分析和因子分析、生存分析的基本概念、生存率估计及其区间估计、生存曲线的比较、Cox比例风险回归模型。详细讲解了基因集分析方法的原理、常用软件及应用。此外本课程还介绍了生物信息学的一些方法在表观遗传领域的应用及相关数据库。
教学目的：通过本课程的学习，使学生掌握多因素分析的相关方法，并会应用这些方法解决相关的医学及生物信息学问题。
教学重点及要求掌握的内容：
一、Logistic回归分析 、主成分分析和因子分析方法及其在医学上的应用 (4学时)
1. 多元Logistic回归分析及配对病例对照研究的条件Logistic回归分析原理
2. Logistic回归分析在基因型与表型联系的应用，SAS软件的简介，应用SAS软件进行回归分析
3. 主成分分析，因子分析基本原理
4. 主成分分析与因子分析应用实例，利用SAS软件对医用统计数据进行主成分分析和因子分析的方法介绍
二、生存分析 (4学时)
1. 生存分析的基本概念
2. 生存率估计及生存率区间估计
3. 生存曲线的比较
4. Cox比例风险回归模型
三、基因集分析方法 (4学时)
1. 单基因分析与基因集分析
2. 基因集分析中的两个零假设及模型
3. 基于基因和类别标签两种permutation方法
4. 常见基因集分析软件及比较
5. SNP基因集分析方法简介
四、生物信息学方法在计算表观遗传学研究中的应用 (4学时)
1. 计算表观遗传学发展简介
2. DNA甲基化芯片数据的处理方法
3. 最新DNA甲基化分析软件
4. 基于高通量测序技术识别组蛋白修饰谱
5. 基于组蛋白修饰预测基因表达的方法
五、与癌症相关的表观遗传谱矩阵分析 (4学时)
1. 表观遗传学与癌症
2. 癌症差异甲基化区域的筛选方法及分析
3. 常用的癌症表观遗传学相关的数据库介绍
参考书目及文献：
1.于秀林，任雪松编著，多元统计分析，中国统计出版社，2005
2.北野宏明编，刘笔锋，周艳红等译，系统生物学基础，化学工业出版社，2007
3.贺福初，杨芃原，朱云平主译，系统生物学的理论，方法和应用，复旦大学出版社，2007
4.表观遗传学，C.D. 艾利斯，科学出版社，2008
医学结构生物信息学
Structural Bioinformatics in Medical Research
课程编号： X10007 开课教研室： 生物物理学教研室
学 分： 1学分 总学时数： 20学时
主讲教师： 陈丽娜
教材名称： 结构生物信息学
出 版 社： 化学工业出版社
出版时间： 2009年3月 开课学期： 第1学期 主 编： B．E波恩 H．魏西希
课程简介： 生物系统的高分辨结构信息将允许我们对生命系统的功能、对系统修饰或扰动的后果进行精确的解释和推理。这一结构信息的展现与日益增长的基因组、蛋白组、代谢组信息相联系，为分析生物医学问题提供了强大的研究背景。本课程侧重以基础理论与科研实例相结合的方式，介绍特定结构生物分子在生物通路和重要细胞过程中的作用；同时深入讲解结构生物学信息的方法，在复杂疾病基因挖掘、功能蛋白设计(药靶设计)及蛋白质功能预测等方面的应用。
教学目的： 通过本课程的学习，使学生了解结构生物信息学研究内容及方法，掌握常用的结构生物信息学数据库及相关软件的原理和使用方法，能够根据结构生物学数据资源设计并开展生物医学相关领域课题的研究。
教学重点及要求掌握的内容：
一、结构生物信息学简介（4学时）
1．结构生物信息学基础
主要掌握结构生物信息学的概念和研究的内容；熟悉生物分子的基本结构特征；了解结构生物信息学的起源、研究现状和未来发展趋势。
2．生物分子结构解析技术
主要介绍生物分子结构解析的实验技术和信息学处理方法，要求了解实验技术和信息学处理方法的基本范畴：实验技术包括NMR波谱分析技术、X射线衍射技术、近场光学光谱技术、表面等离子体激元共振技术等获得生物大分子的静态或动态结构信息；信息学处理方法主要包括结构比对方法、高级结构预测方法和可视化软件等。
3．结构生物信息学数据库
主要讲授生物分子结构相关的数据库基础，介绍结构数据库分类和生物分子结构相关的功能信息，要求掌握PDB、SCOP、CATH、HOMSTARAD和CAMPASS等数据库中数据存储格式及使用方法等。
二、结构域蛋白质组学（4学时）
基础理论讲授部分
1．结构域蛋白质组学基础
掌握结构域的概念，结构域蛋白组学的内涵及外延，以及其所涉及的重要生命科学领域（如：信号整合器Caveolae处的结构域互作、复合物中的结构域结合方式、复杂疾病相关的结构域作用、结构域与蛋白质折叠机制、结构域与蛋白质分子进化等）。
2．结构域分析方法和软件简介
着重讲述结构域分析方法及其原理：SMART数据库分析蛋白结构和功能入门，SANGER的Pfam数据库根据序列搜索结构域，NCBI维护的保守结构域数据库CDD。另外，了解结构域比对分析软件及其原理，蛋白质结构域注释工具(Webgestal在线分析软件等)等。
3．结构域相互作用公共数据库
主要介绍3DID、iPfam、InterDom、DIMA和DOM1NE等常用的结构域互作数据库。要求熟悉结构域相关数据库基础和应用。
科研实践讲授部分
应用（一）：相互作用结构域在功能蛋白组学研究中的应用
Human Protein Structural Interaction Network: Domain Effects on Network Topology and Protein Function （CHEN Li-Na,WANG Qian, SHANG Yu-Kui, ZHANG Liang-Cai, SUN Zhao, HE Wei-Ming, ZHAOYan, LI Wan, WANGHong, HE Yue-Han, LI Xia）
三、基于结构的功能预测及应用实例（4学时）
基础理论讲授部分
1．结构与功能基础
着重讲述结构决定功能，结构和功能预测技术（二级结构预测，识别结构域）等，基于结构信息预测PPI调控次序。
2．从蛋白质结构推断其功能的方法与分析软件
主要介绍根据序列预测功能的一般过程、通过比对数据库相似序列确定功能、序列特性预测疏水性和跨膜螺旋等、通过比对模序数据库等确定功能。蛋白质结构预测功能的分析软件主要介绍：二级结构预测分析PHD、三级结构预测Swiss-Model网站、折叠的识别技术TOPITS和Frsvr等。
科研实践讲授部分
应用（一）： 基于结构的蛋白质功能预测
Combining structure and sequence information allows automated prediction of substrate specificities within enzyme families.（Röttig M, Rausch C, Kohlbacher O）
应用（二）：结构域互作影响功能进而诱发人类遗传疾病研究实例
Protein interactions in human genetic diseases（Benjamin Schuster-Böckler and Alex Bateman）
四、结构生物信息学在复杂疾病研究中的应用（4学时）
基础理论讲授部分
1．蛋白质结构异常与疾病关系实质：介绍结构异常与疾病关系的本质，了解导致疾病的结构异常现象。
2．蛋白质结构异常与疾病关系
介绍现有的结构异常与疾病关系实例①蛋白质序列变化引发疾病，如镰刀形贫血症②蛋白质折叠错误引发的疾病，如阿尔兹海默症③疾病过程中的蛋白质相互作用，随着蛋白质精
细结构的逐步解析，从蛋白质结构互作的角度来研究和探索复杂疾病的潜在发生机制，是结构生物信息学十分有意义的研究方向。
3．结构生物信息学与遗传图谱和表达谱数据整合，在复杂疾病研究中的应用简介。 科研实践讲授部分
应用（一）：结构生物信息学在风湿性关节炎致病基因挖掘中的应用
A Towards-Multidimensional Screening Approach to Predict Candidate Genes of Rheumatoid Arthritis based on SNP, Structural and Functional Annotations（Liangcai Zhang, Wan Li, Leilei Song, Lina Chen）
应用（二）：结构域互作网络与表达数据整合及其应用
Integrating expression data with domain interaction networks（Emig D, Cline MS, Lengauer T, Albrecht M.）
五、结构生物信息学在药物发现中的应用（4学时）
基础理论讲授部分
掌握结构信息学辅助估计靶标的成药性、靶标类选和靶标确认以及辅助药物设计方面的基础；熟悉基于结构的药物设计的基本流程；了解细胞色素P450模型在药物代谢预测研究中的应用等。
科研实践讲授部分
应用（一）：结构基因组学与药物发现
Structural genomics and drug discovery: all in the family
应用（二）：结构生物信息学方法挖掘药物靶点实例
Drug-like Index: A New Approach To Measure Drug-like Compounds and Their Diversity （Jun Xu* and James Stevenson）
主要参考书目及文献：
1．B．E波恩 H．魏西希，《结构生物信息学》，化学工业出版社，2009年3月。
2．Ng K L|Huang C H，Liu H C．Applications of domain—domain interactions in pathway study．Comput Biol Chem，2008，32(2)：81～ 87
3．Raghavachari B，Tasneem A，Przytycka T M．DOMINE：a database of protein domain interactions．Nucl Acid Res，2008，36(Database issue)：D656～D661
4．Pagel P，Oesterheld M，Tovstukhina O，et a1．DIM A 2.0 Predicted and known domain interactions．Nucl Acid Res，2008，36(Database issue)：D651～D655
SCI论文与学位论文写作
Technical Writing
课程编号： 开课教研室： 生物信息学教研室
总学时数： 20 学 分： 1
主讲教师： 李霞 开课学期： 第3学期
教材名称： How to Write & Publish a Scientific Paper
出 版 社： ORYX PRESS
出版时间： 1998年 主编：Robert A. Day
课程简介：学术论文通常是指对社会科学和自然科学领域中的某些现象和问题进行比较系统的研究，以探讨其本质特征及其发展规律等的理论性文章。它和一般文章不同，具有科学性、理论性、独创性、专业性的特点。应该按规范格式和要求来撰写，同时在表达方面力求有较高的可读性。科技论文是科技信息交流和新知识及时传播的重要手段，发表科技论文是公布研究成果，取得同行承认的主要途径。因此，论文写作是科技工作者必备的基本功；学位论文撰写是研究生科学素质和基本功训练的重要环节。
教学目的：指导学生掌握科技论文写作的基本技巧和规则，了解SCI论文发表流程以及学位论文的书写过程。辅导学生规范写作流程，提高学生的科研协作能力。
教学重点及要求掌握的内容：
1. 科研论文写作基本技巧
2. SCI论文投稿和发表流程
3. 科研论文中图和表的规范写作，以及画图软件介绍
4. 参考文献整理和辅助软件使用
5. 经典范文解析。
参考书目：
1. How to Write & Publish a Scientific Paper，ORYX PRESS，1998
2. 经典科技范文若干篇