面向化學(xué)專業(yè)學(xué)生的大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)探索

李大舟 沈雪雁 高巍

摘要：從培養(yǎng)化學(xué)專業(yè)學(xué)生的大數(shù)據(jù)應(yīng)用實(shí)踐能力出發(fā)，對擬開設(shè)的面向化學(xué)專業(yè)學(xué)生的大數(shù)據(jù)應(yīng)用實(shí)踐課程教學(xué)進(jìn)行初步探索，具體從化學(xué)大數(shù)據(jù)教學(xué)內(nèi)容、教學(xué)方法與師資培養(yǎng)方面進(jìn)行了闡述。

關(guān)鍵詞：大數(shù)據(jù)應(yīng)用實(shí)踐;教學(xué)內(nèi)容;化學(xué)大數(shù)據(jù);教學(xué)方法;師資培養(yǎng)

中圖分類號：G642 ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）34-0074-03

Abstract： Starting from the cultivation of big data application and practice ability of chemistry major students， this paper makes a preliminary exploration of the proposed big data application and practice course teaching for chemistry major students， and elaborates on the teaching contents， teaching methods and teacher training.

Key words： big data application and practice; the teaching content; chemical big data; the teaching method; teacher training

1 概述

化學(xué)專業(yè)旨在培養(yǎng)在科研機(jī)構(gòu)、高等院校和企事業(yè)單位從事科研、教學(xué)和管理工作的基本理論、基本化學(xué)知識和較強(qiáng)實(shí)驗(yàn)技能的高級專門人才。大數(shù)據(jù)時(shí)代推動應(yīng)用化學(xué)教學(xué)，新的教學(xué)理念對應(yīng)用化學(xué)專業(yè)學(xué)生的人才培養(yǎng)有很大的啟迪。更加注重自主實(shí)驗(yàn)課的參與，更加注重個性化教學(xué)體系的精準(zhǔn)開發(fā)[1]。

隨著近期大數(shù)據(jù)熱潮的持續(xù)升溫，人們意識到 "大數(shù)據(jù)"并不是指 "海量數(shù)據(jù)"，而是指規(guī)模更大、類型更多、范圍更廣、價(jià)值更高的數(shù)據(jù)。同時(shí)，一種新的數(shù)據(jù)處理難度模式的出現(xiàn)，在產(chǎn)業(yè)界、學(xué)術(shù)界和教育界產(chǎn)生了巨大的影響。隨著科學(xué)家對大數(shù)據(jù)的深入研究，人們意識到利用數(shù)據(jù)為其生產(chǎn)和生活帶來了極大的便利，但也帶來了不小的挑戰(zhàn)。

現(xiàn)階段大數(shù)據(jù)還處于應(yīng)用的初始階段。目前大數(shù)據(jù)的化學(xué)領(lǐng)域的應(yīng)用是數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)挖掘和數(shù)據(jù)可視化等比較簡單的應(yīng)用。大數(shù)據(jù)的管理和分析、基于云計(jì)算和網(wǎng)絡(luò)的數(shù)據(jù)傳輸和計(jì)算和分布式數(shù)據(jù)庫等核心技術(shù)，在化學(xué)領(lǐng)域體現(xiàn)的還不夠。由此可見，大數(shù)據(jù)在化學(xué)領(lǐng)域的應(yīng)用存在更廣闊的應(yīng)用空間[2]。

未來，隨著大數(shù)據(jù)技術(shù)的發(fā)展和改進(jìn)，傳統(tǒng)的分析儀器將在采集和處理的基礎(chǔ)上，被已經(jīng)小型化和便攜式的分析儀器所取代。分析儀器最終將淪為具有數(shù)據(jù)傳輸功能的檢測器，將采集到的數(shù)據(jù)直接傳輸?shù)酱髷?shù)據(jù)分析平臺，數(shù)據(jù)處理和分析的所有功能都在這個平臺上完成。同樣，傳統(tǒng)的計(jì)算機(jī)數(shù)據(jù)管理容量小、數(shù)據(jù)類型不統(tǒng)一的化學(xué)方法，也將逐漸被以云技術(shù)為代表的大數(shù)據(jù)管理和存儲所取代。在大型服務(wù)器的基礎(chǔ)上，可以輕松管理不同領(lǐng)域、不同類型的化學(xué)數(shù)據(jù)。在化學(xué)信息領(lǐng)域，進(jìn)一步研究和挖掘各類化工信息，可以設(shè)計(jì)和建設(shè)基于大數(shù)據(jù)的化學(xué)搜索引擎和化學(xué)信息數(shù)據(jù)庫，從而加深對研究內(nèi)容的理解。另外，在化學(xué)計(jì)量學(xué)領(lǐng)域，對化學(xué)數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析模型的開發(fā)將幫助研究人員更輕松地處理大容量和復(fù)雜的數(shù)據(jù)源。大數(shù)據(jù)的可視化技術(shù)也可以直觀的幫助研究人員對結(jié)果進(jìn)行表達(dá)和解釋?？梢姡瘜W(xué)大數(shù)據(jù)將對化工設(shè)備、化工數(shù)據(jù)管理與分析、化學(xué)信息與計(jì)量學(xué)產(chǎn)生深遠(yuǎn)而巨大的影響。

沈陽化工大學(xué)作為化工院校在2017年開始面向研究生和本科生開設(shè)了大數(shù)據(jù)應(yīng)用實(shí)踐課程。經(jīng)過四年的教學(xué)取得了良好的教學(xué)成果。在此期間，大數(shù)據(jù)應(yīng)用實(shí)踐課程作為計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)核心骨干實(shí)踐課程，在2019年工程認(rèn)證專家入?？疾祀A段經(jīng)過了工程認(rèn)證專家的認(rèn)真考核，在工程認(rèn)證專家反饋會會議紀(jì)要中對該課程給予了很好的評價(jià)，為該專業(yè)成功獲批工程認(rèn)證做出了較大的貢獻(xiàn)。

大數(shù)據(jù)應(yīng)用實(shí)踐課程面向化學(xué)專業(yè)學(xué)生開設(shè)還處于探索階段。首先，大數(shù)據(jù)應(yīng)用實(shí)踐課程作為我校計(jì)算機(jī)科學(xué)與技術(shù)和數(shù)據(jù)科學(xué)與大數(shù)據(jù)兩個專業(yè)的核心課程，雖然已經(jīng)有一定的教學(xué)經(jīng)驗(yàn)，但是其教學(xué)目標(biāo)、教學(xué)方法、課程安排、教學(xué)內(nèi)容、實(shí)驗(yàn)設(shè)計(jì)以及課程考核方法等方面不能直接套用于化學(xué)專業(yè)教學(xué)。其次，化學(xué)專業(yè)也要依據(jù)其學(xué)科特色，在專業(yè)課設(shè)置部分留出一定比例的學(xué)時(shí)和學(xué)分，更新或者增加與大數(shù)據(jù)緊密相連的化學(xué)專業(yè)課程。最后，課程教學(xué)計(jì)劃的制定需要計(jì)算機(jī)專業(yè)和化學(xué)專業(yè)兩個專業(yè)教師進(jìn)行深入探討與溝通，才能解決跨學(xué)科教學(xué)內(nèi)容與教學(xué)培養(yǎng)目標(biāo)不一致的問題。作為化工院校的跨學(xué)科課程，不僅要實(shí)現(xiàn)傳統(tǒng)的教學(xué)目的，還要體現(xiàn)出化工院校的教學(xué)特色。因此，本文結(jié)合本校大數(shù)據(jù)發(fā)展的實(shí)際情況，針對化學(xué)專業(yè)開設(shè)大數(shù)據(jù)相關(guān)應(yīng)用與實(shí)踐課程進(jìn)行了思考與探索，為化工院校的跨學(xué)科教學(xué)改革提供支持和參考。

2 面向化學(xué)專業(yè)的大數(shù)據(jù)課程教學(xué)內(nèi)容的設(shè)計(jì)

2.1 國際公開的大型化學(xué)數(shù)據(jù)庫的使用

現(xiàn)階段化學(xué)研究離不開大型公開的化學(xué)數(shù)據(jù)庫的支持，這一點(diǎn)已經(jīng)是現(xiàn)階段化學(xué)教育的一個痛點(diǎn)。學(xué)生不會使用大型公開的化學(xué)數(shù)據(jù)庫，等于無法進(jìn)入到世界化學(xué)研究的前沿領(lǐng)域。公開的數(shù)據(jù)庫如PubChem、BindingDB和ChEMBL代表了大型公共領(lǐng)域化合物活性數(shù)據(jù)庫。ChEMBL和BindingDB包含從數(shù)萬篇文章中手工提取的數(shù)據(jù)。PubChem最初是作為美國國家衛(wèi)生研究院分子圖書館計(jì)劃的高通量篩選實(shí)驗(yàn)的中央數(shù)據(jù)庫而開始的，但也包含了其他數(shù)據(jù)庫（如ChEMBL和BindingDB）的數(shù)據(jù)。商業(yè)數(shù)據(jù)庫，如SciFinder、GOSTAR和Reaxys積累了大量從出版物和專利數(shù)據(jù)中收集的數(shù)據(jù)。與公共和商業(yè)數(shù)據(jù)庫類似，工業(yè)界也產(chǎn)生了大量的數(shù)據(jù)庫。例如，作為阿斯利康國際生物科學(xué)信息系統(tǒng)的一部分，僅2008年以前進(jìn)行的實(shí)驗(yàn)就有超過150M個數(shù)據(jù)點(diǎn)。積累的化學(xué)專利是另一種豐富的化學(xué)信息資源。IBM在PubChem中貢獻(xiàn)了2000年前專利的化學(xué)結(jié)構(gòu)。2014年推出的SureChEMBL數(shù)據(jù)庫提供了隱藏在專利文獻(xiàn)中的豐富知識，目前包含從1400萬份專利文獻(xiàn)中提取的1700萬個化合物。這些努力使得每個組織內(nèi)部的數(shù)據(jù)共享成為可能，并導(dǎo)致 "大數(shù)據(jù)"的規(guī)模進(jìn)一步擴(kuò)大。該方面作為教學(xué)內(nèi)容，可以考慮和借鑒現(xiàn)階段大數(shù)據(jù)應(yīng)用實(shí)踐課程中的互聯(lián)網(wǎng)爬蟲技術(shù)，或者學(xué)習(xí)Python語言和R語言通過公開的數(shù)據(jù)庫提供的訪問接口，快速地訪問、查找和下載數(shù)據(jù)庫中的感興趣的化學(xué)內(nèi)容，對數(shù)據(jù)庫中化學(xué)數(shù)據(jù)進(jìn)行充分的挖掘，實(shí)現(xiàn)對前沿化學(xué)信息的掌握和利用[3]。

2.2 化學(xué)空間的數(shù)據(jù)可視化和分析

化學(xué)數(shù)據(jù)分析的第一步通常是數(shù)百萬化合物的可視化和緊湊表示，這也是大數(shù)據(jù)分析的重大挑戰(zhàn)。解決方法通常是通過將大型化合物集合投射到一個低維空間中，便于人腦進(jìn)行視覺檢查和直觀分析來完成。它可以幫助檢測具有新的化學(xué)支架和物理化學(xué)特性的化學(xué)實(shí)體，比較不同的庫或識別具有特定藥理特征的化學(xué)空間區(qū)域。典型的方法如原理成分分析、生成式地形圖、科霍寧網(wǎng)絡(luò)、擴(kuò)散圖、以及通過投影高維描述符空間獲得的交互式地圖。上述可視化方法也可以用來解釋結(jié)構(gòu)-活性關(guān)系。除了已知的和現(xiàn)有的化學(xué)結(jié)構(gòu)所代表的空間外，由虛擬化合物構(gòu)成的化學(xué)空間要大得多。理論上可以列舉的潛在分子結(jié)構(gòu)的數(shù)量是巨大的。例如，數(shù)據(jù)庫GDB-17中包含了1664億個分子，這些分子是按照化學(xué)穩(wěn)定性和合成可行性的簡單規(guī)則，最多可以有17個C、N、O、S和鹵素原子的可能組合。雖然GDB-17已經(jīng)非常大，但如果擴(kuò)展到20-30個重原子，也就是類藥物分子的平均尺寸，那么它將會大很多個數(shù)量級。即使是每分鐘能夠處理10萬個分子的快速算法，也需要再進(jìn)行3年的計(jì)算，才能注釋完整的GDB-17。這些數(shù)據(jù)集甚至對傳統(tǒng)的化學(xué)化合物集合的剖析提出了新的挑戰(zhàn)。該方面作為教學(xué)內(nèi)容，可以考慮和借鑒現(xiàn)階段大數(shù)據(jù)應(yīng)用實(shí)踐中的分布式計(jì)算技術(shù)，學(xué)習(xí)Hadoop和Spark等大數(shù)據(jù)并行計(jì)算結(jié)構(gòu)，利用云計(jì)算平臺打破化學(xué)分析中現(xiàn)有的單機(jī)本地計(jì)算資源有限的瓶頸，實(shí)現(xiàn)計(jì)算的并行化和云端化。這樣才能將過去無法實(shí)現(xiàn)的化學(xué)分析變成現(xiàn)今可以完成的計(jì)算任務(wù)[4-5]。

2.3 全新的藥物設(shè)計(jì)方法

全新的藥物設(shè)計(jì)的目的是以定向的方式產(chǎn)生具有類似藥物特性和所需生物活性的新化學(xué)實(shí)體。與一般的虛擬篩選或高通量分析相比，全新的藥物設(shè)計(jì)試圖在硅片中生成假設(shè)的候選化合物。全新的藥物設(shè)計(jì)分子設(shè)計(jì)主要有兩類方法，一類是基于與已知活性化合物的相似性進(jìn)行設(shè)計(jì)，即基于配體的全新藥物設(shè)計(jì);另一類是基于蛋白質(zhì)三維結(jié)構(gòu)生成新的化合物，即基于結(jié)構(gòu)的全新藥物設(shè)計(jì)。全新的藥物設(shè)計(jì)需要搜索大型虛擬化合物數(shù)據(jù)庫，如GDB。為了搜索龐大的虛擬化學(xué)空間，需要結(jié)合高效搜索和多參數(shù)優(yōu)化策略，以盡早過濾掉具有次優(yōu)特征的分子。例如，物理化學(xué)和合成可行性過濾器可以被前置以削減化合物的數(shù)量。另一種策略是反應(yīng)驅(qū)動基于片段的重新設(shè)計(jì)?；谝阎幕瘜W(xué)反應(yīng)和市售的構(gòu)件，通過通常的多步驟和多參數(shù)優(yōu)化過程，尋找滿足特定性質(zhì)的候選化合物，生成化學(xué)上多樣和合成上可行的化合物。這些基于反應(yīng)的方法已經(jīng)被成功地應(yīng)用于設(shè)計(jì)新的生物活性化合物。第三種策略是提供一個智能搜索新化合物的方法，即生成足夠新的結(jié)構(gòu)，但仍然在模型所覆蓋的化學(xué)空間內(nèi)。因此，這些方法在提出新的化學(xué)結(jié)構(gòu)的同時(shí)仍然保持在模型的化學(xué)空間內(nèi)。該方面作為教學(xué)內(nèi)容，可以考慮和借鑒現(xiàn)階段大數(shù)據(jù)應(yīng)用實(shí)踐中的海量搜索和超大規(guī)模分布式數(shù)據(jù)庫技術(shù)，學(xué)習(xí)Hive和Hbase等大數(shù)據(jù)存儲數(shù)據(jù)庫，利用云計(jì)算平臺打破化學(xué)分析中現(xiàn)有的單機(jī)本地?cái)?shù)據(jù)存儲平臺搜索效率低的障礙，借鑒Google、百度和其他大數(shù)據(jù)檢索引擎的基本原理實(shí)現(xiàn)大數(shù)據(jù)的檢索，完成快速的設(shè)計(jì)方法的檢索[6-7]。

3 面向化學(xué)專業(yè)的大數(shù)據(jù)課程教學(xué)方法

教學(xué)方法與教學(xué)內(nèi)容是密不可分的，教學(xué)方法是教學(xué)內(nèi)容的載體，不能完全拋開教學(xué)內(nèi)容空談方法。在面向化學(xué)專業(yè)大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)中，教師需要掌握更加多樣化的教學(xué)方法為教學(xué)服務(wù)，這不僅可以提高學(xué)生的課堂參與度，還有助于提升學(xué)生的創(chuàng)新能力。教學(xué)方法上本質(zhì)上是師生交流合作，通過多途徑開展交流為面向化學(xué)專業(yè)大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)提供服務(wù)。除了提問法、操作法等傳統(tǒng)的交流形式，在面向化學(xué)專業(yè)大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)中還可以通過網(wǎng)絡(luò)課堂、協(xié)作法和小組會議等方式進(jìn)行交流。課堂教學(xué)需要教師充分利用網(wǎng)絡(luò)技術(shù)，通過跨行業(yè)的整合，充分發(fā)揮其優(yōu)勢，為課堂教學(xué)服務(wù)。在課堂上根據(jù)化學(xué)內(nèi)容，可以采用多學(xué)科的教學(xué)方法，以豐富課堂教學(xué)內(nèi)容，提高學(xué)生在課堂上的注意力。

在面向化學(xué)專業(yè)大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)中，課堂教學(xué)可以組織學(xué)生建立學(xué)習(xí)小組，將學(xué)生學(xué)習(xí)知識共享平臺納入慕課[8]。慕課具有使用方便、成本低、覆蓋面廣、有利于自主學(xué)習(xí)、學(xué)習(xí)資源豐富的優(yōu)勢。教師引導(dǎo)學(xué)生使用慕課平臺，指定部分學(xué)習(xí)內(nèi)容，學(xué)生進(jìn)行個性化學(xué)習(xí)，可以學(xué)習(xí)所有內(nèi)容，也可以只學(xué)習(xí)指定小組的內(nèi)容。每個小組在課程中制作PPT匯報(bào)學(xué)習(xí)，在準(zhǔn)備的過程中如果有什么疑問可以通過微信和QQ網(wǎng)絡(luò)向教師提問匯報(bào)，由課程決定由現(xiàn)場匯報(bào)完成后，全組學(xué)生回答教師和其他組學(xué)生的問題，教師可以糾正學(xué)生講解，也可以幫助學(xué)生答疑。慕課的教學(xué)設(shè)計(jì)與翻轉(zhuǎn)課堂相結(jié)合，如果部分小組成績較差，教師可以圍繞重點(diǎn)進(jìn)行必要的微課型講解，但在實(shí)際教學(xué)過程中，總的來說一節(jié)課教師講解時(shí)間不應(yīng)超過15分鐘[9]。除了傳統(tǒng)的教師問學(xué)生答題，學(xué)生、教師要形成并提出答題形式，學(xué)生與學(xué)生之間也可以在課堂上互相提問，甚至辯論，只有這樣才能豐富師生互動的教學(xué)方法。面向化學(xué)專業(yè)大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)中的化學(xué)學(xué)科學(xué)生也要轉(zhuǎn)變角色，以前學(xué)生的重點(diǎn)是理解和記憶，而面向化學(xué)專業(yè)大數(shù)據(jù)應(yīng)用實(shí)踐教學(xué)中的重點(diǎn)應(yīng)該是數(shù)據(jù)的推理和提問。

4 面向化學(xué)專業(yè)的大數(shù)據(jù)課程師資培養(yǎng)

"大數(shù)據(jù)"的挑戰(zhàn)需要經(jīng)過專業(yè)訓(xùn)練的專家，即 "化學(xué)領(lǐng)域的數(shù)據(jù)科學(xué)家"來解決。他們能夠應(yīng)對這一科學(xué)發(fā)現(xiàn)領(lǐng)域復(fù)雜多樣的問題。來自計(jì)算機(jī)科學(xué)領(lǐng)域的教師，以及對計(jì)算機(jī)科學(xué)知之甚少的化學(xué)教師，不太可能有足夠的知識和專業(yè)技能來解決化學(xué)信息學(xué)的問題，因此需要額外的培訓(xùn)。這方面的主要問題有以下幾個：應(yīng)如何平衡化學(xué)和計(jì)算機(jī)科學(xué)培訓(xùn)？如何在保證高水平的科學(xué)專業(yè)知識的同時(shí)，又能保證以實(shí)踐為導(dǎo)向的思維方式？應(yīng)該考慮哪些新的和快速發(fā)展的方法？如何培養(yǎng)學(xué)生在計(jì)算機(jī)、化學(xué)和藥物研究之間的工作？這些問題只有在兩個專業(yè)的教師之間密切互動中，以及行業(yè)企業(yè)緊密參與有針對性的研究培訓(xùn)中才能得到解答。在相關(guān)方面，我校設(shè)立沈陽化工大學(xué)教育教學(xué)培育工程項(xiàng)目實(shí)現(xiàn)政策導(dǎo)向和資金支持，以促進(jìn)和推動跨學(xué)科研究和互動。