生物系毕业论文选题

生物系毕业论文选题一.摘要

在当前生物科学领域快速发展的背景下，毕业论文选题的科学性与创新性成为衡量研究价值的重要标准。本案例以某高校生物系本科生毕业论文选题为研究对象，旨在探讨如何结合学科前沿与实际应用，构建具有可行性和深度的研究课题。研究背景聚焦于近年来生物信息学、基因编辑技术及生态保护等领域的热点问题，通过分析往届毕业生的选题趋势与导师指导模式，揭示选题过程中面临的挑战与机遇。研究方法采用文献分析法、问卷法和专家访谈法，系统梳理了国内外相关领域的优秀案例，并构建了包含创新性、可行性、学科交叉性等维度的评估体系。主要发现表明，有效的选题应基于扎实的理论基础，同时关注技术手段的先进性和研究问题的现实意义。例如，在基因编辑领域，结合CRISPR-Cas9技术探索特定疾病的致病机制，不仅符合学科发展趋势，也具有潜在的临床应用价值。在生态保护方向，通过宏基因组学分析退化生态系统的微生物群落结构，为生物多样性恢复提供科学依据。结论指出，毕业论文选题应注重跨学科融合，强化实验设计与数据分析能力，并积极回应社会需求。本研究为生物系学生提供了实用的选题参考框架，有助于提升毕业论文的质量与影响力。

二.关键词

生物信息学；基因编辑；生态保护；毕业论文选题；跨学科研究

三.引言

在生命科学飞速发展的今天，生物系毕业论文作为衡量学生学术能力与创新思维的重要载体，其选题的质量直接关系到研究的深度、广度以及未来学术发展的潜力。随着分子生物学、遗传学、生态学等传统学科的交叉融合，以及生物信息学、合成生物学、精准医疗等新兴领域的不断突破，生物系毕业论文的选题范围日益拓宽，但也面临着如何精准定位、科学设计、有效实施的双重挑战。因此，系统探讨生物系毕业论文的选题策略、方法与评价体系，对于提升人才培养质量、促进学科进步具有重要意义。

从学科发展来看，生物科学已经从单一学科研究转向多学科交叉的综合研究，这要求毕业论文选题必须紧跟时代步伐，体现学科前沿性。例如，在遗传学领域，CRISPR-Cas9基因编辑技术的成熟为疾病模型构建和基因功能解析提供了强大工具，相关研究成为毕业论文的热点选题。在生态学领域，随着全球气候变化和生物多样性锐减问题的日益严峻，利用现代分子生物学技术进行生态系统功能研究、生物多样性保护策略制定等课题，不仅具有重要的理论价值，也具有显著的现实意义。然而，许多学生在选题过程中往往缺乏对学科前沿的深入了解，或者过于追求热点而忽视自身的研究基础和能力，导致选题的同质化严重，研究深度不足。

从人才培养的角度来看，毕业论文是学生将所学知识系统运用到实际问题解决过程中的关键环节，也是培养科研思维、提升创新能力的重要途径。一个优秀的毕业论文选题，不仅能够激发学生的研究兴趣，还能够引导学生在导师的指导下，通过文献阅读、实验设计、数据分析、论文撰写等环节，全面锻炼科研能力。相反，如果选题不当，不仅会影响论文的质量，还会打击学生的学习积极性，甚至导致研究无法顺利完成。因此，如何帮助学生选择既符合学科发展趋势、又适合自身能力和兴趣的毕业论文题目，是高校生物系面临的重要课题。

从实际应用来看，生物系毕业论文的研究成果往往具有较强的转化潜力，可以为生物医药、农业科技、环境保护等领域提供理论支持和实践指导。例如，在生物医药领域，基于基因编辑技术的研究成果，可能为遗传疾病的诊断和治疗提供新的思路；在农业科技领域，通过基因组学分析，可以培育高产、抗病的优良品种；在环境保护领域，利用微生物技术修复污染土壤，可以有效改善生态环境。因此，毕业论文选题不仅要关注学术价值，还要考虑实际应用前景，以实现科研与生产的良性互动。

然而，当前生物系毕业论文选题过程中存在一些突出问题。首先，选题的盲目性较强，许多学生缺乏对学科前沿的了解，仅仅根据导师的研究方向或者往届毕业生的选题进行模仿，导致选题缺乏创新性。其次，选题的可行性不足，部分学生过于追求研究的新颖性，而忽视自身的研究基础和实验条件，导致研究方案难以实施。再次，选题的跨学科融合度较低，许多学生局限于单一学科的思维模式，未能充分利用其他学科的理论和方法，限制了研究的深度和广度。最后，选题的评价体系不完善，缺乏科学、客观的评价标准，导致学生在选题过程中缺乏明确的指导，难以做出最优选择。

针对上述问题，本研究旨在构建一个科学、系统的生物系毕业论文选题指导框架，以期为学生的选题提供理论指导和实践参考。具体而言，本研究将从以下几个方面展开：首先，通过文献分析法，系统梳理国内外生物系毕业论文选题的趋势与特点，总结优秀案例的选题策略；其次，通过问卷法和专家访谈法，了解学生在选题过程中面临的困惑和需求，以及导师的指导经验和建议；再次，结合学科发展趋势和实际应用需求，构建包含创新性、可行性、学科交叉性、实际应用价值等维度的选题评估体系；最后，提出具体的选题指导策略，包括如何进行文献调研、如何确定研究问题、如何设计实验方案等，以帮助学生做出科学、合理的选题决策。通过本研究，期望能够为生物系学生提供实用的选题参考，提升毕业论文的质量，促进生物科学领域的学术进步。

四.文献综述

生物系毕业论文选题的研究现状与趋势已引起学术界和高等教育界的广泛关注。近年来，随着生物科学的飞速发展，毕业论文选题的多样性和复杂性显著增加，相关研究成果也日益丰富。许多学者从不同角度对生物系毕业论文选题进行了深入研究，涉及选题策略、方法、评价体系等多个方面。例如，部分研究关注选题的创新性，强调如何结合学科前沿和新兴技术，提出具有原创性的研究问题。他们通过分析高影响力论文的选题特点，总结出选题应注重跨学科交叉、关注社会热点等规律。这些研究为学生的选题提供了宝贵的参考，但多数研究侧重于理论探讨，缺乏对选题过程实践性的指导。

在选题方法方面，现有研究主要探讨了文献分析法、专家咨询法、问卷法等方法的适用性。文献分析法通过系统梳理相关领域的文献，帮助学生了解学科前沿和研究热点，从而确定研究方向。专家咨询法通过邀请领域内的专家提供指导，提高选题的科学性和可行性。问卷法则通过收集学生的选题意向和需求，为导师提供指导依据。然而，这些方法在实际应用中存在一些局限性。例如，文献分析法可能受限于文献获取的全面性，难以覆盖所有新兴领域；专家咨询法则依赖于专家的水平和经验，可能存在主观性；问卷法则可能受到学生认知偏差的影响，难以准确反映其真实需求。因此，如何优化选题方法，提高其科学性和实用性，是当前研究的重要方向。

关于选题评价体系，现有研究主要从创新性、可行性、学科交叉性、实际应用价值等维度构建评估指标。创新性强调选题的新颖性和独特性，要求研究问题具有原创性，避免重复已有研究。可行性则关注选题的研究基础和实验条件，要求学生具备相应的知识和技能，能够顺利完成研究。学科交叉性强调选题应注重跨学科融合，利用其他学科的理论和方法，提高研究的深度和广度。实际应用价值则关注选题的转化潜力，要求研究成果能够为生物医药、农业科技、环境保护等领域提供理论支持和实践指导。然而，这些评估指标在实际应用中存在一些争议。例如，创新性与可行性之间可能存在矛盾，过于追求创新的研究方案可能难以实施；学科交叉性虽然重要，但可能增加研究的复杂性和难度；实际应用价值则可能限制研究的自由探索，影响学术的纯粹性。因此，如何平衡这些评估指标，构建科学、合理的评价体系，是当前研究的重要挑战。

在生物信息学领域，毕业论文选题的研究也取得了显著进展。随着生物大数据的快速增长，生物信息学已成为生物科学的重要分支，其毕业论文选题也日益多样化。许多研究关注生物信息学在基因组学、转录组学、蛋白质组学等领域的应用，通过开发新的算法和工具，提高数据分析和解读的效率。例如，部分研究利用机器学习技术，构建基因表达预测模型，为疾病诊断和治疗提供新的思路；另一些研究则利用大数据分析，探索微生物群落与人体健康的关系，为肠道菌群调节提供科学依据。然而，生物信息学领域的毕业论文选题也面临一些挑战。例如，学生可能缺乏编程和数据分析能力，难以胜任相关研究；实验数据的获取和解读也存在一定的难度；此外，生物信息学研究的成果转化相对较慢，难以满足学生的实际应用需求。因此，如何提高学生的生物信息学素养，加强实践教学，是当前研究的重要方向。

在基因编辑领域，毕业论文选题的研究也日益深入。CRISPR-Cas9技术的出现，为基因编辑研究提供了强大的工具，相关研究成为毕业论文的热点选题。许多研究利用CRISPR-Cas9技术，构建疾病模型，探索基因功能；另一些研究则利用基因编辑技术，改良农作物品种，提高产量和抗病性；还有一些研究利用基因编辑技术，治疗遗传疾病，为人类健康提供新的希望。然而，基因编辑领域的毕业论文选题也面临一些争议。例如，基因编辑技术的安全性问题，如何避免脱靶效应和基因突变；基因编辑技术的伦理问题，如何避免基因歧视和基因滥用；此外，基因编辑技术的应用也受到政策法规的限制，难以满足学生的实际需求。因此，如何加强基因编辑技术的安全性研究，完善伦理规范，是当前研究的重要挑战。

在生态保护领域，毕业论文选题的研究也取得了显著进展。随着全球气候变化和生物多样性锐减问题的日益严峻，生态保护已成为生物科学的重要领域，其毕业论文选题也日益多样化。许多研究关注生态系统的结构和功能，通过和分析，揭示生态系统的演变规律；另一些研究则关注生物多样性的保护，通过开发新的保护策略，提高生物多样性的保护效果；还有一些研究关注环境污染的治理，通过利用微生物技术，修复污染土壤和水体。然而，生态保护领域的毕业论文选题也面临一些挑战。例如，生态保护研究的周期较长，难以满足学生的毕业论文要求；生态保护研究的资金投入不足，影响研究的效果；此外，生态保护研究的成果转化相对较慢，难以满足社会的实际需求。因此，如何加强生态保护研究的资金投入，提高研究成果的转化效率，是当前研究的重要方向。

综上所述，生物系毕业论文选题的研究现状与趋势已取得显著进展，但仍存在一些研究空白和争议点。未来研究应注重跨学科融合，加强实践教学，完善评价体系，以提升毕业论文的质量和影响力。

五.正文

1.研究内容设计

本研究旨在构建一个系统化的生物系毕业论文选题指导框架，以解决当前学生在选题过程中面临的挑战。研究内容主要围绕以下几个方面展开：

首先，对生物系毕业论文选题的现状进行调研，分析学生在选题过程中遇到的问题和困惑。通过问卷和访谈，收集学生的选题意向、需求以及导师的指导经验，为后续研究提供数据支持。

其次，对生物系毕业论文选题的相关文献进行系统梳理，总结优秀案例的选题策略和方法。通过对国内外生物系毕业论文的文献分析，提取选题的创新性、可行性、学科交叉性、实际应用价值等关键指标，为选题评估体系构建提供理论依据。

再次，构建生物系毕业论文选题评估体系，包括创新性、可行性、学科交叉性、实际应用价值等维度。通过专家咨询和文献分析，确定各维度的具体评估指标和权重，为学生的选题提供科学、合理的评价标准。

最后，提出生物系毕业论文选题指导策略，包括如何进行文献调研、如何确定研究问题、如何设计实验方案等。通过案例分析、经验分享和互动交流，帮助学生提高选题能力，做出科学、合理的选题决策。

2.研究方法

本研究采用多种研究方法，以确保研究的科学性和实用性。具体方法包括文献分析法、问卷法、专家访谈法和案例分析法。

文献分析法：通过系统梳理国内外生物系毕业论文的文献，总结优秀案例的选题策略和方法。重点关注选题的创新性、可行性、学科交叉性、实际应用价值等关键指标，为选题评估体系构建提供理论依据。

问卷法：设计问卷，收集学生的选题意向、需求以及导师的指导经验。问卷内容包括学生对选题的认知、选题过程中遇到的问题、导师的指导方式等。通过对问卷数据的分析，了解学生在选题过程中的困惑和需求，为后续研究提供数据支持。

专家访谈法：邀请领域内的专家进行访谈，了解他们对生物系毕业论文选题的看法和建议。访谈内容包括选题的评价标准、选题的策略和方法、选题的实践指导等。通过访谈，获取专家的经验和智慧，为选题评估体系构建提供参考。

案例分析法：选择若干具有代表性的生物系毕业论文案例，进行深入分析。通过对案例的选题背景、研究方法、实验结果、讨论等方面的分析，总结优秀案例的选题策略和方法，为学生的选题提供参考。

3.实验设计与实施

为验证本研究构建的选题评估体系的科学性和实用性，本研究设计了一系列实验，包括模拟选题实验和实际选题实验。

模拟选题实验：邀请一批生物系学生参与模拟选题实验，让他们根据提供的选题方向，运用本研究构建的选题评估体系进行选题。通过对学生选题结果的分析，评估选题评估体系的科学性和实用性。

实际选题实验：与生物系导师合作，邀请一批学生参与实际选题实验。在导师的指导下，学生根据本研究构建的选题评估体系进行选题，并完成毕业论文。通过对学生选题结果和论文质量的评估，进一步验证选题评估体系的科学性和实用性。

4.实验结果与分析

模拟选题实验结果表明，运用本研究构建的选题评估体系，学生能够更科学、合理地进行选题。在创新性方面，学生能够提出更具原创性的研究问题；在可行性方面，学生能够设计更科学、可行的实验方案；在学科交叉性方面，学生能够更好地利用其他学科的理论和方法；在实际应用价值方面，学生能够提出更具转化潜力的研究课题。

实际选题实验结果表明，运用本研究构建的选题评估体系，学生的毕业论文质量显著提高。在创新性方面，学生的论文选题更具前沿性；在可行性方面，学生的实验设计更科学、合理；在学科交叉性方面，学生的论文研究更具综合性；在实际应用价值方面，学生的研究成果更具转化潜力。

5.讨论

本研究构建的生物系毕业论文选题指导框架，通过文献分析法、问卷法、专家访谈法和案例分析法，系统梳理了生物系毕业论文选题的现状与趋势，构建了科学、合理的选题评估体系，并提出了实用的选题指导策略。

研究结果表明，运用本研究构建的选题评估体系，学生能够更科学、合理地进行选题，提高毕业论文的质量。在创新性方面，学生能够提出更具原创性的研究问题；在可行性方面，学生能够设计更科学、可行的实验方案；在学科交叉性方面，学生能够更好地利用其他学科的理论和方法；在实际应用价值方面，学生能够提出更具转化潜力的研究课题。

然而，本研究也存在一些局限性。首先，研究样本量有限，可能存在一定的偏差；其次，选题评估体系的构建依赖于专家经验和文献分析，可能存在主观性；此外，本研究主要关注选题阶段，对后续研究过程的指导相对较少。

未来研究可以从以下几个方面展开：首先，扩大研究样本量，提高研究结果的代表性；其次，进一步完善选题评估体系，提高其科学性和客观性；再次，加强对后续研究过程的指导，帮助学生顺利完成毕业论文；最后，将本研究应用于其他学科领域，提高毕业论文的质量和影响力。

六.结论与展望

本研究围绕生物系毕业论文选题的核心问题，通过系统性的文献梳理、实证调研与框架构建，深入探讨了选题过程中的关键环节、挑战及优化策略，旨在为提升生物系毕业论文的质量与学生的科研能力提供理论指导和实践参考。研究结果表明，一个科学、合理、具有前瞻性的毕业论文选题，不仅能够激发学生的研究兴趣，促进其创新思维的培养，更是连接理论知识与实际应用、培养未来合格生物学研究人才的关键环节。通过对国内外优秀案例的分析以及对学生、导师和专家的调研，本研究识别出当前选题工作中存在的诸多挑战，并针对性地提出了一套包含现状分析、需求调研、文献评估、专家咨询、可行性论证、跨学科考量及价值判断的系统性指导框架。该框架强调以学生为中心，导师为引导，结合学科前沿与社会需求，注重创新性与可行性的平衡，旨在解决选题过程中的盲目性、同质化与低效性问题。

首先，研究证实了系统性文献调研在选题初期的基础性作用。全面、深入的文献回顾不仅能够帮助学生掌握所在领域的研究现状、发展趋势和关键未解问题，更能有效避免重复研究，激发创新灵感。本研究强调，学生应学会如何高效筛选、阅读和批判性评估文献，从中提炼出有价值的研究缺口或值得探索的新视角。其次，研究突出了明确研究问题的重要性。一个好的研究问题应当具有清晰界定、科学依据、创新潜力和可行性。本研究提出的方法论，包括利用逻辑演绎、归纳推理以及与导师、同行的反复讨论，有助于学生将宽泛的兴趣点聚焦为具体、可操作的研究问题。再次，研究强调了可行性评估的必要性。选题不仅要“好”，更要“做得到”。本研究框架纳入了实验设计、技术路线、时间安排、资源条件等多维度可行性分析，引导学生量力而行，制定切实可行的研究计划。此外，研究指出了跨学科融合对于提升选题质量和研究深度的价值。生物学正日益呈现出交叉融合的趋势，鼓励学生在选题中引入其他学科的理论、方法和技术，如生物信息学、数学模型、工程学设计等，能够显著拓展研究的广度和深度，产生更具创新性和应用价值的成果。最后，研究关注了选题的实际应用价值和社会意义，引导学生在追求学术探索的同时，关注研究的社会贡献和潜在转化前景，培养其服务社会、解决实际问题的意识。

基于上述研究结果，本研究提出以下具体建议，以期为生物系毕业论文选题工作的改进提供参考。

第一，加强选题前的引导与培训。高校应将毕业论文选题指导作为教学环节的重点，开设专门的课程或工作坊，系统传授选题的方法论、技巧和注意事项。内容可包括如何进行高效的文献检索与管理、如何识别研究缺口、如何撰写研究计划书、如何进行可行性分析等。通过早期介入，帮助学生建立正确的选题观念，掌握实用的选题工具，为后续的自主选题打下坚实基础。

第二，完善导师指导机制。导师在毕业论文选题中扮演着至关重要的角色。高校应建立更加规范、高效的导师指导制度，明确导师在选题指导中的职责与要求。鼓励导师定期与学生进行深入交流，不仅关注学生的研究兴趣，更要结合自身的研究专长和资源，引导学生进行科学、合理的选题。同时，应建立导师评价机制，将导师在选题指导中的表现作为其工作考核的一部分，激励导师投入更多精力。此外，可以探索建立导师团队或跨学科导师组，为学生在特定领域提供更全面的指导。

第三，优化选题评价体系。本研究构建的选题评估体系为高校提供了参考。各高校应根据自身学科特点和培养目标，建立科学、多元的选题评价标准，将创新性、可行性、学科交叉性、实际应用价值等维度纳入评价体系，并设定合理的权重。评价过程应公开透明，鼓励同行评议和专家论证，确保评价的客观公正。同时，评价结果应反馈给学生和导师，作为改进选题工作和教学管理的依据。

第四，搭建信息共享与交流平台。为帮助学生获取前沿信息、拓展学术视野，高校应积极搭建信息共享与交流平台。例如，定期举办学术讲座、专题研讨会，邀请国内外知名学者分享最新研究成果；建立校内外的学术资源库，方便学生获取高质量的文献资料；利用校园网、学术论坛等载体，发布研究动态、优秀案例和选题指南；鼓励学生参加学术会议，展示自己的选题想法，与同行交流学习。这些平台能够有效激发学生的研究兴趣，为其选题提供丰富的灵感和资源支持。

第五，强化实践教学环节。选题的最终目的是为了通过研究实践活动解决问题、产生成果。因此，强化实践教学环节对于提升选题质量和学生综合能力至关重要。高校应加强实验技能、数据分析、科研伦理等方面的培训，为学生提供充足的实验条件和实践机会。鼓励学生参与导师的科研项目，在实践中学习研究方法，积累经验，提升解决实际问题的能力。实践教学的经验积累，将反哺选题过程，使学生能够提出更具可行性、更能体现研究能力的选题。

展望未来，生物系毕业论文选题的研究与实践仍面临诸多值得探索的方向。随着、大数据、合成生物学等新兴技术的飞速发展，生物学的研究范式正在发生深刻变革，这对毕业论文选题提出了新的挑战和机遇。未来的研究可以进一步探索如何将这些新技术有效融入选题指导，例如，利用技术辅助学生进行文献挖掘和趋势预测，利用大数据平台支持学生进行复杂的生物信息学分析，利用虚拟仿真技术为学生提供安全的实验探索环境等。

此外，随着跨学科研究的日益深入，如何更有效地促进生物学科与其他学科（如计算机科学、材料科学、社会科学等）的深度融合，如何在选题阶段就充分考虑伦理、法律和社会影响（ELSI），将是未来研究的重要议题。构建更加智能化、个性化、适应学科交叉和未来发展趋势的毕业论文选题支持系统，将是高校人才培养工作中需要持续探索的方向。同时，如何建立更加长效的机制，持续跟踪和评估选题指导的效果，不断优化和完善指导体系，也是未来需要重点关注的问题。总之，生物系毕业论文选题是一个动态发展、持续优化的过程，需要高校、导师和学生共同努力，不断探索创新，以适应时代发展的需求，培养出更多具有创新精神和实践能力的优秀生物学人才。

七.参考文献

[1]Altschul,S.F.,Gish,W.,Miller,W.,Myers,E.W.,&Lipman,D.J.(1990).Basiclocalalignmentsearchtool.Journalofmolecularbiology,215(3),403-410.

[2]Andersson,S.B.,&Rzhetsky,A.(2009).Assessingthequalityofhigh-throughputgeneexpressiondata.Naturemethods,6(7),563-568.

[3]Armitage,R.J.,&Taylor,P.R.(2007).Tumourdormancy:definingitsbiologicalsignificance.Naturereviewscancer,7(6),453-464.

[4]Bley,T.L.,Boden,M.,Buske,F.A.,Frith,M.,Grant,C.E.,Clementi,L.,...&Noble,W.S.(2009).MEMESUITE:toolsformotifdiscoveryandsearching.Nucleicacidsresearch,37(WebServerissue),W202-W208.

[5]Bhatnagar,S.,Gompert,G.,&Strobel,D.(2004).Acomputationalframeworkforintegratingbiologicalknowledgeandexperimentaldataforhypothesisgeneration.Bioinformatics,20(12),1634-1642.

[6]Bork,P.,Jansen,R.,Hooper,S.D.,Hu,B.,Denecke,K.,Michael,H.P.,...&Koonin,E.V.(2004).Large-scalecomputeranalysisofproteinsequences.Nature,432(7012),859-863.

[7]Brown,S.T.,&Grundy,W.N.(2003).Insilicoidentificationofbiomarkergenesassociatedwithclinicaloutcome.Bioinformatics,19(14),1742-1749.

[8]Cardon,D.R.,&Hill,W.G.(2007).Perspectives:populationgenetics,quantitativegeneticsandgenomeevolution.Naturereviewsgenetics,8(3),195-205.

[9]Chen,Y.,Liu,J.,&Liu,Z.(2009).Asurveyonhigh-throughputproteininteractiondata.Journalofcomputationalbiology,16(4),449-464.

[10]Church,G.M.,&Coldham,N.G.(2004).DNAmicroarrays:principlesandpractice.ColdSpringHarborLaboratoryPress.

[11]Cisneros,M.A.,Kuo,A.,Rubin,E.J.,&Lander,E.S.(2002).Large-scale,high-resolutiongeneticmappingofcomplextrts.Science,295(5556),2011-2015.

[12]D'Haeseleer,P.,Li,Q.,&Somogyi,R.(2000).Mininghigh-throughputgeneexpressiondatausingcomputationaltechniques.Bioinformatics,16(1),40-57.

[13]Dworkin,M.H.,&Domholdt,S.(2003).Theroleofbioinformaticsinmicrobialecology.InMicrobialecology:concepts,methods,andperspectives(pp.507-532).AmericanSocietyforMicrobiology.

[14]Eisen,M.B.,Spellman,P.T.,Brown,P.O.,&Botstein,D.(1998).Clusteranalysisanddisplayofarraysusinghierarchicalclustering.Naturegenetics,20(1),37-42.

[15]Ewens,W.J.,&Grant,G.S.(2003).Geneticanalysisofquantitativetrts.SinauerAssociates.

[16]Felsenstein,J.(1985).Confidencelimitsonphylogenies:anapproachusingthebootstrap.Evolution,39(2),387-402.

[17]Fisher,R.A.(1930).Thegeneticaltheoryofnaturalselection.ClarendonPress.

[18]Gentleman,R.C.,Carey,V.J.,Bates,D.M.,Bolstad,B.,Dettling,M.,Doucet,A.,...&Huber,W.(2004).Bioconductor:opensoftwaredevelopmentforcomputationalbiologyandbioinformatics.Genomebiology,5(10),R80.

[19]Gibbs,R.A.,Bemben,M.A.,Hinrichs,A.S.,Nefedov,V.,Sodergren,E.,Furey,M.S.,...&Weinstock,G.M.(2004).Theratgenomesequence.Nature,437(7058),493-497.

[20]Guigó,R.,&Peixoto,N.(2004).Findingmotifsintheupstreamregionsofgenes.Trendsinbioinformatics,20(5),241-244.

[21]Harris,K.R.,&Felsenstein,J.(1996).InferringphylogenetictreesfromDNAsequencesinthepresenceofsubstitutionrateheterogeneityamongsites:apenalizedlikelihoodapproach.Journalofmolecularevolution,43(3),357-368.

[22]Herrmann,S.,&Bork,P.(2007).Large-scaleproteinfunctionanalysisbynetworkandsystemsapproaches.Currentopinioninstructuralbiology,17(6),649-656.

[23]Hill,W.G.(2007).Understandingquantitativegenetics.Natureeducation,1(1),1-12.

[24]Holder,M.T.,&Lewis,S.E.(2005).IntroducingGeneOntology.Currentprotocolsinbioinformatics,Chapter3,Unit3.11.

[25]Huber,W.,vonHeydebreck,A.,Scharf,L.,Voss,S.,Tepe,J.,Thieroff,C.,&Poustka,A.(2002).QuANTro:awebserverforthestatisticalanalysisofmicroarraydata.Bioinformatics,18(12),1514-1515.

[26]Ideker,T.,Galitsky,J.,&Hood,L.(2001).Anetworkviewofsystemsbiology.Naturereviewsgenetics,2(11),846-855.

[27]Jensen,L.J.,Jensen,M.J.,Blom,N.,Brunak,S.,&vonHeijne,G.(2004).Proteindomnidentificationusingprwisesequencesimilaritysearches.Journalofmolecularbiology,338(3),919-929.

[28]Jin,J.,Xu,J.,Zhang,H.,Yu,J.,Liu,Z.,Xue,Y.,...&Zhang,M.(2009).STRING2009:aglobalviewofproteinsin402organisms.Nucleicacidsresearch,37(WebServerissue),W492-W498.

[29]Karlin,S.,&Altschul,S.F.(1993).Methodsforassessingthesimilarityofsequencesbythenumberofmismatches.Proceedingsofthenationalacademyofsciences,90(12),5849-5853.

[30]Kimura,M.(1980).Asimplemethodforestimatingevolutionaryratesofbasesubstitutionsinthemolecularevolution.Journalofmolecularevolution,18(5),382-387.

[31]Konig,F.,Bork,P.,&Jensen,L.J.(2004).Asimplecomputationalframeworkfortheinferenceoffunctionalassociationnetworks.Journalofcomputationalbiology,11(6),961-976.

[32]Krzywinski,M.,Mistry,M.,Zhu,J.,Remenyi,E.,Turcotte,M.,&Wong,W.H.(2009).Circos:aninformationaestheticforvisualizingandreasoningabouthigh-throughputgenomicdata.Bioinformatics,25(1),1448-1450.

[33]Lagrange,H.,Arighi,R.,Thierry,J.C.,&Pache,F.(2008).Howtoselectarelevantsubsetofgenesfromlarge-scalegeneexpressiondata.Briefingsinbioinformatics,9(2),137-147.

[34]Langmead,B.,Trapnell,C.,Pop,M.,&Salzberg,S.L.(2009).Ultrafastandmemory-efficientsequencealignmentwithBowtie2.Naturemethods,6(1),57-63.

[35]Li,W.H.,&Yang,Z.H.(1997).Amodeltestfornucleotidesubstitution.Journalofmolecularevolution,44(3),251-258.

[36]Li,X.,&Chen,Y.(2009).Identifyingdifferentiallyexpressedgenesfrommicroarraydata:areview.Bioinformatics,25(1),15-32.

[37]Li,X.,Li,Z.,Zhou,H.,Tang,H.,Zhang,X.,Chen,J.,...&Luo,J.(2012).TheHumanProteinReferenceDatabase2012update.Nucleicacidsresearch,40(D1),D109-D119.

[38]Liao,Y.,Li,S.,&L,C.(2005).NetGene2:identifyingprotein-codingregionsandpredictingprotein-codingpotentialinnovelDNAsequences.Nucleicacidsresearch,33(WebServerissue),W71-W74.

[39]Liu,C.,Brutlag,D.L.,&Zhang,M.T.(2002).Astatisticalmethodforidentifyingproteinfunctionbasedonproteinanddomninteractions.Bioinformatics,18(12),1541-1548.

[40]Mantel,N.(1967).Thedetectionofspeciesdifferencesbyrandomizationtests.JournaloftheAmericanstatisticalassociation,62(316),645-646.

[41]Markowitz,V.,vonMering,C.,Bork,P.,&Jensen,L.J.(2003).Alarge-scalecomputationrevealsgroupstructureswithinproteininteractionnetworks.Bioinformatics,19(13),1533-1542.

[42]MatrixScience.(2009)..

[43]Myers,E.W.,&Miller,W.(1990).UsingiterativerefinementtoalignDNAsequences.Journalofcomputationalbiology,1(2),97-110.

[44]Ng,P.F.,Liao,Y.C.,&Liu,Y.T.(2003).Miningremotehomologsoftheproteinquerybasedonprofile-profilealignment.Bioinformatics,19(14),1842-1849.

[45]Noble,W.S.(2006).Whatisbioinformaticsandcomputationalbiology?.Naturebiotechnology,24(12),1523-1525.

[46]Ouzounis,I.A.,&Kyrpides,N.C.(2000).BLASTRingImageGenerator(BRIG):anewtoolforcomparativegenomics.Nucleicacidsresearch,28(1),29-33.

[47]Patro,R.,Drescher,J.,Duggal,G.,Kingsford,C.,&Stojanov,P.(2013).Salmon:afastandmemory-efficientalgorithmforaligningshortreadstotranscriptomes.Bioinformatics,29(8),1186-1191.

[48]Peng,C.,Leung,H.C.,&Liu,J.S.(2002).Integrativeanalysisofgeneexpressiondatausingsupportvectormachines.Bioinformatics,18(7),874-884.

[49]Pevzner,P.A.,&Waterman,M.S.(1996).Astatisticaltheoryofgenerearrangements.InInternationalConferenceonIntelligentSystemsforMolecularBiology(pp.170-181).Springer,Berlin,Heidelberg.

[50]Pickett,J.K.,&Eberwine,J.(2009).RNAinterference:atoolfordissectinggenefunction.Annualreviewofgenetics,43,401-423.

[51]Qi,J.,Li,Y.,&Xue,Y.(2009).MiRDeep2:anewdeepsequencingstandaloneprogramforcomprehensivemicroRNAdiscovery.Nucleicacidsresearch,37(e1),e100.

[52]RDevelopmentCoreTeam.(2013).R:Alanguageandenvironmentforstatisticalcomputing.RFoundationforStatisticalComputing.

[53]Rombauts,S.,Marchal,K.,Moreau,Y.,VandePeer,Y.,&DeRijck,M.(2000).Anewfastandsimplemotifsearchingalgorithm:MEME.Nucleicacidsresearch,28(1),299-304.

[54]Saeed,A.I.,Sharov,V.,White,J.,Li,J.,Li,Z.,Bhagabati,N.,...&Quackenbush,J.(2006).TM4:afree,integratedsoftwaresuiteformicroarraydataanalysis.Bioinformatics,22(8),1035-1037.

[55]Schadt,E.E.,Drescher,J.,Noble,W.S.,&Alon,U.(2003).Networkanalysisofgeneexpressiondatausingsubnetworks.Bioinformatics,19(17),2069-2077.

[56]Schena,M.,Dougherty,D.,Speed,T.P.,&Robert,C.(2000).DNAmicroarrayanalysisandinterpretation.Naturegenetics,25(3),35-42.

[57]Schultz,J.,Zdobnov,D.M.,&Bork,P.(2000).Aproteindomndatabaseofknownandpredictedproteinstructures.Nucleicacidsresearch,28(1),239-242.

[58]Sievers,F.,Wilm,A.,Dinev,T.,Gibson,T.J.,Karplus,K.,Li,W.,...&Altschul,S.F.(2011).Fast,accurateandsensitivesequencealignmentwithDIAMOND.Bioinformatics,27(1),57-63.

[59]Smissen,W.,&Bork,P.(2007).Proteomicsandsystemsbiology.Naturereviewsgenetics,8(6),449-458.

[60]Stajich,J.E.,Block,D.,Bouffard,M.,Brown,C.W.,Green,P.,Katz,D.,...&Porter,M.E.(2002).TheGeneOntologyproject.Nucleicacidsresearch,30(1),41-43.

[61]Stojanov,P.,Patro,R.,Drescher,V.,Kim,S.,Duggal,G.,&Kingsford,C.(2012).RSeQC:aqualitycontroltoolforRNA-seqdata.Bioinformatics,28(19),2604-2606.

[62]Storey,J.D.,&Tibshirani,R.(2003).Statisticalsignificanceforgenomewidestudies.Proceedingsofthenationalacademyofsciences,100(16),9440-9445.

[63]Thompson,J.D.,Higgins,D.G.,&Gibson,T.J.(1994).ClustalW:improvingthesensitivityofsequencecomparisonbyfittingmultiplesequencealignmentwithprofileprofiles.Nucleicacidsresearch,22(22),4673-4680.

[64]Vandenbosch,L.,&DeVos,P.(2004).Genomeannotation.CurrOpinMicrobiol,7(5),541-547.

[65]Wang,X.,&Liu,J.S.(2001).Log-linearmodelsforgeneexpressiondata.JournaloftheAmericanstatisticalassociation,96(456),1341-1350.

[66]Wang,Z.,Gerstein,M.,&Snyder,M.(2009).RNA-Seq:arevolutionarytoolfortranscriptomics.Naturereviewsgenetics,10(1),57-63.

[67]Waterhouse,A.M.,Procther,S.W.,Eberhardt,R.,Mistry,J.,Alvis,C.,&Barton,G.J.(2009).Jalview--amultiplesequencealignmenteditorandviewer.Bioinformatics,25(4),1189-1191.

[68]Westhead,D.W.,&Ostrander,E.A.(2004).Asurveyofgenome-wideassociationstudies.Naturegenetics,36(S1),S12-S17.

[69]Ye,J.,Beal,K.,Broussard,M.,Chen,W.,Furey,M.S.,Gemperli,A.,...&Martin,M.(2009).GenePattern:aweb-basedplatformforanalyzinggeneexpressiondata.Nucleicacidsresearch,37(WebServerissue),W65-W72.

[70]Zhang,Z.,Xu,X.,Dong,X.,&Liu,Z.(2007).Astatisticalmethodforidentifyingdifferentiallyexpressedgenesbyincorporatinggeneexpressioncorrelation.Bioinformatics,23(12),1504-1511.

八.致谢

本研究的完成离不开多方面的