课程大纲 | Syllabus

本页定义课程的学术边界、能力目标与评价逻辑。建议在第一次课前阅读，并在准备课程汇报时再次核对。

课程基本信息 | Course Information

项目	说明
课程名称	环境生物信息学方法 / Methodologies of Environmental Bioinformatics
修读对象	硕士、博士研究生
任课教师	余珂 / Ke Yu
教学形式	课堂讲授、课件导读、方法拆解、课堂讨论与课程汇报
主线材料	lecture/ 目录中的 PDF 课件
考核方式	课程汇报一项

课程定位 | Course Positioning

环境生物信息学连接环境科学、微生物生态学、分子生物学、统计推断与计算流程设计。本课程以环境微生物组研究为中心，从“我们如何观察不可培养微生物”这一问题出发，训练学生理解数据库、比对、组装、分箱、质量评估、系统发育、丰度计算、功能注释、宏转录组和扩增子生态分析之间的逻辑关系。

The course treats bioinformatics as a way of reasoning about environmental biological systems, not merely as a collection of command-line tools. Students learn to build defensible evidence chains from raw sequence data to ecological and evolutionary interpretation.

课程原则 | Course Principle

先问“这个证据能支持什么结论”，再问“应该运行哪个工具”。软件是分析设计的组成部分，而不是研究问题本身。

学习目标 | Learning Objectives

完成课程后，学生应能够：

1. 将环境生物学问题转化为可计算、可验证的分析任务。

2. 理解公共数据库、开放阅读框、同源性搜索和序列比对的基本逻辑。

3. 解释宏基因组分析从采样、测序、组装、分箱到 MAG 质量评估的关键决策。

4. 使用丰度、功能注释与转录证据讨论微生物群落的潜在功能。

5. 将生态学理论与扩增子/宏基因组结果连接起来，避免过度解释。

6. 以课程汇报形式呈现一个方法严谨、证据清楚、可答辩的分析方案或研究案例。

能力与证据 | Learning Evidence

能力维度	学习完成后的可观察表现
问题建模	能把宽泛的环境生物学兴趣收敛为数据可支持、边界清楚的问题
方法判断	能说明数据库、工具、参数与质量阈值的选择依据
证据整合	能连接序列、基因组、功能、丰度、表达与生态层面的证据
风险识别	能主动讨论采样偏差、数据库偏差、组装错误与替代解释
学术表达	能用流程图、关键图表和口头答辩呈现一条紧凑论证

先修要求 | Prerequisites

学生不需要已经是生物信息学专家，但应具备：

• 基础分子生物学知识，包括 DNA、RNA、蛋白质与中心法则。

• 基本命令行和文件系统操作能力。

• 对统计图表、实验设计和科学假设有基本理解。

• 愿意阅读英文工具文档、数据库说明和方法论文。

课程主线 | Course Arc

Unit	Theme	Methodological Focus
1	生物学基础与环境生物信息学问题	微生物暗物质、测序视角、环境微生物资源与问题定义。
2	生物信息学资源	核酸/蛋白序列资源、ORF、数据库检索与比对背景。
3	基础 BLAST 分析实例	同源性搜索、数据库选择、比对结果解释与假阳性意识。
4	宏基因组分析概况及序列组装	扩增子、短读段和基因组分析的差异；assembly 的研究意义。
5-6	宏基因组分析设计及组装	从采样、建库、测序到组装策略的研究设计。
7	宏基因组分箱分析及实操	contig、coverage、mapping、binning 与 MAG 恢复。
8	封箱、基因组质量检测及进化树构建	MAG refinement、质量评估、系统发育定位与工具环境。
9	丰度计算、功能注释及宏转录组基础	CoverM、功能潜能、表达证据和多组学解释。
10	生态学理论及初步扩增子分析	群落构建、多样性、扩增子分析流程与生态解释。

课程主线遵循三个尺度的递进：先理解序列证据，再恢复并评价基因组对象，最后讨论群落功能与生态过程。每一次尺度跃迁都会引入新的假设，因此也需要新的质量控制。

考核方式 | Assessment

课程考核只有课程汇报。课程汇报可采用个人或小组形式，具体组织以任课教师课堂说明为准。汇报应围绕一个环境生物信息学问题、一个方法链条或一个课件相关案例展开，重点展示学生是否能够把问题、数据、方法、结果和解释组织成一条可靠的科学论证。

建议评分维度：

• 问题定义与生物学意义：20%

• 方法选择、数据质量与分析逻辑：30%

• 可复现性、参数透明度与结果可核查性：20%

• 结果解释、局限性与替代假设讨论：20%

• 汇报表达、图表质量与答辩表现：10%

权重与课堂组织如有调整，以任课教师的最新说明为准；评分维度所体现的方法透明、证据充分和解释克制，是课程始终不变的质量标准。

汇报标准 | Presentation Standard

一场优秀的课程汇报应当做到：

• 先给出清楚的研究问题，而不是先罗列软件。

• 说明数据从哪里来，质量如何，哪些步骤会影响结论。

• 用流程图或关键命令展示分析路径，但避免把汇报变成操作日志。

• 对不确定性保持诚实，包括数据库偏差、组装/分箱错误、注释歧义和生态解释边界。

• 用少量高质量图表支撑核心结论，并能回答“为什么这个结果可信”。

参考书目 | References

1. Rodriguez-Ezpeleta, Hackenberg, and Aransay. Bioinformatics of High Throughput Sequencing. 978-1-4614-0781-2, 2012.

2. Hodgman, French, and Westhead. Bioinformatics.