定义和应用生物信息学的核心能力以改善生物信息学的培训和教育
摘要
在生物医学研究和建库保健中, 生物信息学被认为是许多职业道路的基本知识。但是，在领域内，对于生信知识的含义和如何最好地提供知识几乎没有共识。而且希望掌握这些知识的人群有不同的背景和不同的应用目的，使得分歧加剧。有着不同背景和预期的应用领域的大量需要生物信息学培训的人群，加剧了这些分歧。国际计算生物学学会（ISCB）教育委员会通过多方调查提供了生物信息学能力的评价标准、培训需求和课程框架，以便在一系列跨越许多用户角色和培训计划的生物信息学核心能力培训方面提供支持。
对生物信息学教育和培训的需求是巨大的，也是多样的。目前存在广泛的潜在培训受众，每个人在需要什么样的技能或知识以及深度上有不同的需求。
例如，若有人想成为一名生物信息学工程师（定义为一个积极参与生物信息学算法的开发和应用的人）需要对现有算法有深入的认识，理解它们是怎么运行的，怎么批判性地评估它们，以及如何去解释结果。相比之下，一个生物信息学应用者（定义为在某个背景如医疗实践下应用生物信息学资源的人）需要对方法的基本理解和对输出的重点强调。
Label Competency
A General biology
B Depth in at least one area of biology (e.g., evolutionary biology, genetics, molecular biology, biochemistry,
anatomy, physiology).
C Biological data generation technologies.
D Details of the scientific discovery process and of the role of bioinformatics in it.
E Statistical research methods in the context of molecular biology, genomics, medical, and population genetics
research.
F Bioinformatics tools and their usage.
G The ability of a computer-based system, process, algorithm, component, or program to meet desired needs
in scientific environments/problem.
H Computing requirements appropriate to solve a given scientific problem (e.g., system, process, algorithm,
component or program; define algorithmic time and space complexities and hardware resources required to
solve a problem).
I GUI/Web-based computing skills appropriate to the discipline (e.g., effectively use bioinformatics and
analysis tools through web).
J Command line and scripting based computing skills appropriate to the discipline.
K Construction of software systems of varying complexity based on design and development principles.
L Local and global impact of bioinformatics and genomics on individuals, organizations, and society.
M Professional, ethical, legal, security, and social issues, and responsibilities of bioinformatics and genomic
data in the workplace.
N Effective communication of bioinformatics and genomics problem/issue/topics with a range of audiences,
including, but not limited to, other bioinformatics professionals.
O Effective teamwork to accomplish a common scientific goal.
P Engage in continuing professional development in bioinformatics.
生物信息学的核心能力的开发
正如ISCB课程任务组的一系列报告所述，他们承担了确定一些生物信息学教育需求的广度的任务。这项工作首先来自对当前培训实践和期望培训需求的一系列调查[2]，这项调查确定了一系列广泛的培训需求，而且在所教授的课程，如何以及为什么预期的目标受众有广泛的差异。这些调查的结果是需要确定一套核心能力作为跨越不同计划和培训需求的广泛类别的技能和培训，并且可以为讨论计划与预期成果之间的相似点和差异点提供基础。这促进了进一步的工作，来确定一系列最初的核心能力[3]，从而引发了一个密集的社区参与计划，以提高这些能力，来更好地满足生物信息学培训社区的广泛需求。
核心能力的发展主要有三个步骤：（1）定义使用生物信息学所需的能力，（2）定义描述需要训练的不同子群的各种用户配置文件，以及（3）定义能力将如何适用于每个用户配置文件（评分）。核心能力框架是通过一个反复的过程开发的，此过程有来自不同与生物信息学有关的背景的多方参与。为了更广泛地了解生物信息学界认为哪些能力适用于不同生物信息学用户的概况，ISCB课程任务组已经在ISCB会议和其他生物信息学教育场所举办了多个能力研讨会（定义能力及其应用的讨论会） ，如GOBLET（全球生物信息学习，教育和培训组织）年度大会等。能力工作车间的每次重复不仅极大地提高了能力本身，而且还极大地提高了用户配置文件[1]和能力使用案例评分机制的定义。
最初，将生物信息能力映射到受众考虑了三个主要用户配置文件：（1）生物信息学用户;（2）生物信息科学家；以及（3）生物信息学工程师。早期的能力研讨会很快就推测，这些用户档案分类太狭窄，而且并没有充分地捕捉需要生物信息学能力和课程的人群的广度。参与者花费了大部分的时间来定义生物信息学用户或从生物信息学工程师中区分生物信息学科学家。随后扩大了用例角色，以更好地体现生物信息学用户的广泛性，包括医生，实验室技术人员，伦理学家和生物专家，科学家（包括发现生物学家，学术生物信息学研究人员和核心设施科学家）和工程师（可能是学术界的生物信息学家，研究机构的生物信息学家或软件工程师）。这个改变允许随后的研讨会参与者根据他们最佳识别的用户类别自行选择。
随着用户配置文件的定义更加清晰，能力研讨会随后与能力本身及其定义进行了斗争。 几个早期的能力定义似乎有所重叠。例如，“运用适用于该学科的计算知识（例如，有效地利用生物信息学工具）”非常类似于“分析问题并确定和定义适合其解决方案的计算要求（例如，定义算法的时间和空间复杂性以及硬件资源需要解决一个问题）”。研讨会参与者帮助我们将最初的生物信息学能力的冗余度从20个能力降低到16个能力的精炼集。
能力研讨会还有助于修改每个用户档案的能力评分。早期的研讨会通过简单的是/否回答，将生物信息学能力的适用性评定为特定的个人资料，这不能让人们对特定个人资料所需的能力深度进行评估。这样的评分方法虽然好于不评分，但在为特定用户档案开发课程时并不会有所帮助。随后的研讨会采用分数评分方法，评分从1（不需要能力）到4（需要专业知识）。这也被证明太模糊，不能进行有意义的讨论和分类。评分方法因此再次修改为当前的模型，该模型使用Bloom的修订版分类[4]术语：知识，理解，应用，分析，综合和评估。虽然Bloom的分类标准在将能力水平映射到每个用户档案时很有用，但是这种变化需要对能力列表进行细化，因为早期的一些能力中包含了Bloom的分类标准术语。
总的来说，能力研讨会对于提高和改进生物信息学能力是非常有价值的。通过这些研讨会，ISCB课程任务组已经能够构建一套有用的生物信息学能力，课程开发人员可以使用这些能力来开发，比较和评估针对广泛受众的有影响力的生物信息学培训计划，并最终帮助这些受众建立生物信息学技能 [3]。
表1报告了通过这种社区参与过程制定和完善的能力的现状。表2-4将这些精炼的能力映射到更广泛的人物角色，在课程任务组的社区参与工作的过程中，通过Bloom的分类学术语提出。作为参考，表5提供了Bloom修订后的分类术语的例子和定义。在下一节中，我们将举例说明如何在多种培训环境中应用能力。
使用案例
为了更好地说明能力的使用，我们在这里提出了一系列简短的使用案例 —— 在定义，改进或评估生物信息学培训机制方面，能力已经被证明是有价值的。选择这些使用案例是为了强调不同的培训需求，用户角色，培训计划类型和教育环境。本着这种精神，我们将举例分为三类：（1）完整的学位课程，其能力已被证明对整体课程设计或改进有价值（2）对现有学位课程的补充（即专业，经历，证书）；以及（3）具体学位课程以外的培训资源。
学位课程
非洲介绍和掌握生物信息学培训：H3ABioNet。H3ABioNet（www.h3abionet.org）是泛非生物信息学网络，为非洲人类遗传与健康协会（www.h3africa.org）的非洲科学家制定了生物信息学培训计划。这涉及到广泛受众的生物信息学培训，主要是在基因组数据分析，以及培养生物信息学科学家的新生物信息学学位的发展。虽然在非洲有一些机构提供生物信息学研究生学位，但这仅限于少数几个国家，许多其他机构表示希望开发和提供这样的学位，以培养下一代生物信息学学者。随着课程任务组的成立，非洲建立了一个生物信息学教育委员会，负责设计一门生物信息学硕士课程。主题领域是从现有的硕士课程和提出的课程[3]中选择的。从这些基础上，根据研究重点，定义核心模块并增加与特定机构相关的其他选修模块。课程任务组然后充实了每个模块的详细内容，并开始将这些内容映射到生物信息学专家所需的核心能力。尽管一些硕士课程的重点可能不同于更强调软件工程的生物学，但所有生物信息学硕士毕业生都应该具备共同的能力。虽然一些非洲机构有特定的研究重点领域，但这种感觉是所有接受生物信息学培训的学生都应该接触到一套符合ISCB建议的核心主题，而选修科目则倾向于依赖研究重点。这门拟议的课程已经付诸实施，至少有两所大学在过去的两年里开始了他们的第一个硕士课程。
对于生物信息学用户，H3ABioNet已成功开放多个专业短期课程，培训研究人员进行子代序列分析，宏基因组学，基因组关联研究及其他主题。然而，通过与用户的交互，出现了越来越多对基本的“生物信息学介绍”培训的需求。作为回应，H3ABioNet开发了一个生物信息学课程介绍课程，可以远程交付到多个国家的教室。课程主要来源于硕士课程使用的主题，但这次将其映射到了生物信息学用户的能力，并以建模或编程为重点来移除主题。因此，这些受众的能力更关注于对该主题的基本理解，示例算法以及这些工具如何应用于回答生物问题。实际操作还旨在使用户能够使用各种工具浏览并学习解释输出。此课程于2016年首次成功实行，并经评估以确定所需核心能力是否已获得。
利用上述两种情况下的核心能力，课程组织者可以根据目标受众更好地定义每个模块的详细内容，联系时间和重点。我们也可以使用能力来定义学习成果并完善模块评估。
美国研究型大学的本科和研究生学位课程：卡内基梅隆大学计算生物学教育。卡内基梅隆大学长期以来一直积极参与计算生物学和生物信息学教育，考虑到一般能力如何应用，为不同人群提供了少数机会。这些经验包括计算生物学学位课程，包括计算生物学学士学位（自1989年起），计算生物学硕士学位（自1999年起），计算生物学博士学位（自2005年起与匹兹堡大学共同提供）， 并要求在计算生物学方面进行培训，作为生物科学学士学位的核心部分，这是该大学的普通本科生物学专业。虽然所有这些课程都早于ISCB的能力，但考虑这些课程如何使学生在计算生物学方面的工作有不同程度的准备，这些能力为此奠定了基础。其中两个项目——生物科学学士学位和计算生物学博士——被作为具有十分不同的学生人群和培训需求的项目进行讨论，这些项目可以根据能力进行评估。
卡内基梅隆大学的生物科学学士学位，展示了一种生物信息学培训：主要培养学生在实验生物学方面的工作。卡内基梅隆大学在2013年把“计算生物学导论”（ICB）作为每个本科生物科学专业的核心要求，这仍是不寻常的一步，它提供了一个机会，来探索如何设计一个班级是可访问的，但是对一般生物学学生群体又是严格和有用的。因此，应用这些能力需要学生有一门计算生物学课程的学习背景，同时又学习了完整的本科生物学课程。在一个计算生物学课程（C，D，F，I，J；见表1）中，在一个计算生物课上，一个实验生物学家所需要的水平可以很好地涵盖某些能力，主要是那些专注于计算生物学技术方面的能力。在其他重要领域，如更传统的生物学知识，一些能力完全涵盖在了本科生物科学课程的其他领域中，如遗传学，生物化学或细胞生物学（A，B）等更传统的核心课程中都有详细介绍。还有一些，如通信和职业发展中广泛涉及的主题，在课程的其他地方通过课堂内外的各种机制（M，N，O，P）被涵盖到。还有一些领域超出了一门基础课程的范围，但在别处也没有涉及。其中一些（G，H，K）是这类人群可能不需要的能力，但可以在ICB的修订版中加以考虑。最有意思的主题是那些对于实验生物学家至关重要的主题，它们在ICB中没有被充分涵盖，在其他地方（E，即生物统计学）也没有涉及。ICB给后者提供了足够的覆盖范围，可以传达生物信息学工作所需要的关键思想，但能力标志着它成为一个整体课程需要进一步发展的领域。
匹兹堡大学和卡内基梅隆大学在计算生物学方面的联合博士在另一个极端提供了例子：为期望成为计算生物学专家的学生，期望能够领导独立研究计划的毕业生而制定的全年多年培训计划， 在该领域教授计算生物学，运行生物信息学核心设施，或追求类似要求的工作。与更传统的学位课程相比，计算生物学课程面临着一个特殊的挑战，即在本科层面缺乏明确的培训标准，这意味着除了在生物学、计算机、数学方面的基础能力之外，没有什么人可以确保入学学生的背景知识。此外，由于博士课程是以研究为重点，面临着学位时间限制的压力，正式培训只能占用学生有限的时间，相当于大约一年的全日制课程。在一定程度上，该方案可以依靠招生标准，补救和自学来确保所有学生有基础知识（A，F，I，J）。一些能力可以通过灵活的基于目录的要求来处理，以适应每个学生的个人需求和背景（B）的方式满足能力要求。在另外一些学生中，每个学生都需要高水平的能力，而且必须为这类人群专门设计核心课程（C，D，E，G，H）。其他课程必须通过专业的开发机制以及论文顾问（K，L，M，N，O，P）的一对一辅导来实现。尽管如此，一些学生的能力，特别是依赖研究顾问指导的能力，可能会比其他学生更有效地获得。这些能力再次表明，这些主题应该被标记出来，以便在将来进行更正式的培训。此外，这个计划面对的新来的学生的知识背景的挑战表明，在本科阶段接受能力的水平，可以使其在研究生阶段最有效地利用时间。
澳大利亚大学的本科培训：新南威尔士大学（UNSW）的生物信息学工程教育。新南威尔士大学（UNSW）（澳大利亚悉尼）拥有工程学（生物信息工程）学士学位课程，旨在帮助毕业生设计和实现生物信息学计算系统，包括软件算法以及数据管理和分析基础设施。BE（生物信息工程）学位始于2001年，是澳大利亚历史最悠久的本科生物信息学课程。它被澳大利亚工程师统一认可为工程学位：在所有签署华盛顿协议的国家，其毕业生都被认为是入门级工程师，这是一个负责认证工程学学位课程的机构之间的国际协议[6]。该方案定期修订，以保持其相关性，并由外部工程师每5年进行一次审查，以确保符合认证标准。课程内容与ISCB和Engineers Australia核心能力以及大学毕业生属性的课程映射是这一过程中的关键步骤。
该流程从整个课程层面开始，通过确定程序中的哪些课程可以显著地解决特定的核心能力。 然后，针对每个核心能力，对相关课程的学习成果进行审核和完善，以应对这一能力。评估活动根据核心能力而定制，以确保在课程结束时，学生能够证明他们达到了足够的熟练程度。 每个核心能力都要重复这个过程，从而形成一个能力映射到课程的矩阵。此矩阵可能会显示出不足之处，可以通过修改或替换课程来解决。 例如，在最近的修订版本中，该程序被修改为用通用的选修课程来替代额外的设计项目课程和软件工程研讨会。为了便于评估与核心能力和本科生属性相关的课程，学校的学术信息管理系统要求每个课程的描述都包括课程学习成果与评估任务和核心能力的映射。然后可以为每个课程在整个程序级别上自动生成能力映射矩阵。通过涉足每个核心能力学习成果的例子来扩大ISCB课程指导方针将有助于这种分析，并提高课程设计和评估能力的有用性。
UNSW除了拥有存在已久的生物信息学工程学士学位之外，最近还推出了一个生物信息学学士学位，主修强调使用现有的生物信息学方法进行生物学发现，而不是设计新的生物信息学方法。 核心能力被用来指导程序的设计，通过确定与工程计划（B，C和D）相关以及那些成就水平较低（G，H，J，K，M，O）的强调能力是否可接受。这反过来又引导了理学士学位课程的选择。
一个小型文化艺术学院的生物信息学本科学位：圣文森特学院。宾夕法尼亚州西部的小型文化艺术学院——圣文森学院的生物信息学项目于2005年启动。该方案规模小，专业人员不足20人，但从2009年至今每年至少有一名学生毕业。 最初，学士学位只有一套必修课程，其中包括编程（C ++），数据结构，离散结构，数据库引进，生物统计学，细胞生物学，分子遗传学，基因组学和生物医学信息学等课程。还有一个顶尖的三学期研究项目。 粗略地说，有三类学生参加了这个项目：（1）既具有生物学又有计算能力且都擅长的学生;（2）喜欢生物学，但挣扎于编程课程的学生；以及（3）喜欢编程，但又挣扎于上层生物学课程的学生，特别是在实验室中。该计划倾向于将后两组中的学生从此项目转向生物学或计算机科学。 因此，在2013年，他们将课程分成两个方向——生物学和计算机——以试图吸纳这些群体中的学生，并让他们留在专业的学习领域。大约三分之二的课程在这两个方向之间很常见，但是，例如，生物学方向只需要一个学期的C ++编程而计算机方向需要三个学期。
2015年，该计划进行了全面的计划审查，包括内部和外部审查人员。作为该计划的初始报告的一部分，ISCB核心能力被用作评估课程和学生培训的标准，这一点非常宝贵，因为如果没有它们，则很难找到一种方法来根据外部标准评估课程的优劣。审查中提出的其中一个问题是专业的学习目标，以及如何与这两方向相关，因为在实行这两方向时，学习目标没有得到修订。 粗略地说，这两方向对应于生物信息学用户和生物信息学科学家的ISCB角色。根据能力考察，这些问题突出了小型课程的主要挑战：如何适应两种类型的学生，限制教师的数量，如何适应不同部门提供的课程类型，招生等。
认证，方向和专业化
认证课程和专业：俄亥俄大学。俄亥俄大学在本科生和研究生阶段均提供生物信息学证书。 另外，BS，MS和PhD学位的计算机科学专业的学生可以通过选择包含适当的生物学和生物信息学课程的学位课程来专攻生物信息学。为了完成本科生物信息学认证，受训人员需参加以下课程：统计学，离散数学，数据结构，遗传学，实验室生物学，细胞生物学，生物学选修课，生物信息学工具和数据采掘。 生物信息学研究生的证书的获得，需完成生物化学研究生课程，遗传学/分子生物学/系统学中的两门选修课程，实验室生物学，生物信息学工具，计算基因组学，数据采掘或生物信息学统计学基础。同样地，在计算机科学学位课程中，明确表示生物医学信息学可以让学生选择一个结构化的培训项目。
生物信息学工程师，科学家和用户的培训类别的阐明需要审查俄亥俄州的项目。 虽然计算机科学学位课程中的生物信息学专业为生物信息学工程师提供了充分的培训，但从一劳永逸的生物信息学证书课程转移到培训生物信息学用户，科学家和工程师的多方向课程将是有益的。证书计划目前正在扩大，以允许定制培训每个不同的生物信息学角色。 作为第一步，生物选修课程的要求正逐渐变成一个角色特定的选修课程的要求。 这将使生物信息学工程师能够选择算法分析，数据科学，数据库设计，机器学习，人工智能，软件工程，计算机安全和并行计算等选修课程。此外，生物信息学认证计划要求正在重新设计，以便为用户，科学家和工程师提供特定的方向。 这个重新设计过程将得到生物信息学工程师的ISCB能力的帮助，可能会以样本程序的形式（例如，[1]中讨论的一个生物信息学项目调查的集合），或者通过将每个能力映射到建议的课程和 /或课程主题（例如，来自[1]中定义的受控词汇）。
本科生物工程专业方向：伊利诺伊大学。在伊利诺伊大学，本科生物工程专业选择一个方向，其中之一是计算机和系统生物学（CSB）。 不在CSB方向的学生可以获得少量的编程经验，但是在大二的时候可以选择非专业的CS课程，让他们接触MATLAB和C编程。他们还可以参加初级课程，生物数据计算工具，涵盖了基本概率和统计数据; 假设检验; 建模与仿真; 和实验设计，并将这些概念和技术应用于人类基因组变异; 序列比对; 隐马尔可夫模型和基因发现; 癌症基因组学; 和基因调控网络中。在CSB方向的学生采用上述的生物数据计算工具，但在数学和计算机科学方面有更严格的培训。 具体而言，CSB方向的学生会学习CS专业课程，包括介绍性编程，离散数学，数据结构，数据挖掘和生物信息学。总的来说，CSB的学生在数学，概率，统计学和计算机科学方面都有严格的培训，至少有两门高级课程将这些学科的技术应用于生物信息学分析。 这类人群的经验突出显示了能力方面仍然存在差距，目前这类人群在它们的使用方面没有得到充分的体现。 它为未来的工作提供了一个可能的方向，因为生物信息学工程师课程工作组可能会扩展其指导方针，以更好地涵盖生物工程领域。
其他培训指南和资源
生物信息学短期课程：欧洲生物信息学研究所（EMBL-EBI）和剑桥大学。EMBL-EBI（www.ebi.ac.uk/training）和剑桥大学（UCAM，http：//bioinfotraining.bio.cam.ac.uk/）拥有大量的短期课程，使研究界获得生物信息学的能力。这些课程与上述全日制课程不同，因为它们针对已经从事研究工作的个人。 参加这些课程的大多数科学家是博士研究生，博士后研究人员，或者更高级的研究人员（学术界或者工业界），他们正在进行数据密集型实验，需要实验设计指导，数据分析和解释。作为ELIXIR原理的证明，此原理为欧洲的分布式生物数据基础设施和20个国家的节点，EMBL-EBI和UCAM最近进行了一次练习，将其课程计划映射到ISCB能力框架。 其目标是确定培训经费的任何缺口，并迅速检查能力概况的稳健性——总共考察了UCAM提供的50门短期课程和EMBL-EBI的21门，涵盖了主要针对生物信息学科学家和生物信息学用户的大量主题。这两个课程都涵盖了所有的能力领域，只有很少的课程提高了到A的能力，普通生物学的能力（这在目标读者中已经很完善了，其中许多人拥有生物科学的研究生学位） F课程的比例增加，生物信息学工具及其使用（来自UCAM的48门课程;来自EMBL-EBI的20门课程）; D，科学发现过程的细节和生物信息学的作用（UCAM的34门课程; EMBL-EBI的20门课程）; 和N，生物信息学问题，重要问题和主题的有效沟通（UCAM的28门课程; EMBL-EBI的20门课程）。确定了两个能力领域，他们认为现有框架没有充分涵盖这些领域，希望增加：传播研究数据的数据管理（例如向公共数据库提交数据集时所需的数据注释，以及由对这些资源增值的专业生物人进行的数据注释）和用于研究数据的分析（例如，对新测序的基因组注释以找到直系同源物/旁系同源物或获得基因组功能概述）的数据管理。这次练习，如果在所有ELIXIR节点上进行，将有助于理解ELIXIR培训组合对于不同目标受众的影响，并将使他们能够相应地塑造我们的产品。 将现有的短期课程映射到生物信息学的核心能力也可以用来帮助个人沿着一条学习路线学习，带着他们从一个能力水平到另一个能力水平。
临床生物信息学：英国100000个基因组项目。当前生物信息学渗透到临床实践的需要非常迫切，例如通过诸如在英国的100, 000个基因组项目（https://www.genomicsengland.co.uk/the-100000-genomes-project/）等程序加速，其将对100, 000个患者基因组进行测序，目的是使用基因组数据通知临床决策。这个项目会影响许多不同类型的医疗专业人员。 例如，专科医疗保健科学家需要培训来处理和解释基因组数据; 参与招募患者到100, 000基因组项目中的临床工作人员需要培训，以了解基因组测序的结果，并咨询患者（及其亲属）; 一般工作人员需要进行培训以提高基因组药物的知名度，以及如何改善患者护理。为了达到这个目的，2014年英国健康教育组织在临床生物信息学方向召集了一个“任务和完成小组”，就培训要求提出建议，这不仅是作为100, 000基因组计划的直接后果，而且还在整个医疗实践中的生物分子数据增加。 该小组决定通过定义医疗保健专业人员所需的能力来解决眼前的问题，使他们能够利用100, 000基因组计划中提供的数据来为临床决策提供信息。作为一个学科的证明，该组织还将这些能力映射到由英国健康教育委托的现有或新设计的培训项目，为未来的医疗保健专业人员的培训计划提供信息。
作为一个起点，该小组利用ISCB的核心竞争力和一份政策文件，明确了临床生物信息学家的作用，起草了一份能力清单; 该小组还创建了一个可能受到10万基因组计划影响的不同类型的医疗保健专业人员名单。然后，该小组的每个成员与同事和更广阔的团体进行协商，要求他们提供关于使用100, 000基因组数据所需的能力的信息，并要求参与者考虑是否需要一些额外的能力。 每个职业至少有五名代表进行了咨询，所有输入的数据结合在一起，形成了一致的能力概况。这个共识发表在白皮书“在NHS中开展临床生物信息学培训”上（https://www.genomicseducation.hee.nhs.uk/images/publications/Developing_NHS_Clinical_Bioinformatics_Training.pdf），通过所列的职业，不仅捕获了哪些能力是必需的，也表明了所需的专业水平，从无知识到普遍意识和工作知识，再到专业知识。 该简介没有提供评估个人是否获得了所需的各项能力所需证明的指导，但这必将是下一步。
metacurricular资源的学习框架：CourseSource生物信息学学习框架。CourseSource（http://www.coursesource.org）是“本科生物科学同行评议的开放期刊”[7]。 CourseSource通过在生物学中发挥不可或缺的生物学科作用（例如，进化，遗传学，分子生物学，生物信息学）来组织其资源。每个学科都有一个相关的学习目标和框架，即生物科学的本科生在完成学业时应该达到的目标和目标。 ISCB课程和能力指南被用作开发生物信息学习框架的模型。 该框架可以在http://www.coursesource.org/courses/bioinformatics查看。 它代表了指导方针的实际应用，并将指导方针拟定到适合在课堂环境中实施的水平。
讨论和结论
任务小组的工作确定了对生物信息学教育的迫切需求，但是在这个需求的细节方面也有巨大的变化，以及对于如何满足不同目标用户群和培训环境普遍被混淆。开发和不断完善生物信息学培训核心能力的工作力求通过提供一个概念框架来帮助这一领域的教育工作者，在这个框架下，该领域可以更有效地分享经验，并集中精力确定生物信息学教育的面向不同的需求和期望的最佳实践方法。多年的社区参与努力和随后的改进使我们更加接近这一目标，从而更广泛地认识到需要生物信息学教育的用户角色范围以及更富有成效的语言，通过这些语言来识别和讨论共同的需求和培训机制。正如这里介绍的用例所示，这个过程中产生的核心能力为生物信息学教育者提供了一个基础，尽管目标和学生人数众多，他们在设计，改进和评估自己的培训方面有共同的经验。
需提醒的是，这些核心能力不是，也不准备是针对一套具体的课程或课程标准的指示。虽然能力突出了培训情景中常见的重点，但很少有观点可以避免异议。该领域仍在搞清楚在生物信息学方面的培训意味着什么，或者如何提供最好的培训。我们不期望这种情况在不久的将来结束。 尽管如此，我们希望有一个框架，在这个框架下，我们可以评估不同的计划如何定义和服务于他们的培训需求，作为一门学科，这对于生物信息学的成熟是有价值的。
将来，任务小组计划以类似于CourseSource框架的方式详细说明其准则。 具体来说，此计划是提供能力和CourseSource框架之间的明确映射，这是为生命科学家量身定做。 此任务小组的最终目标是在ISCB能力框架中为每个人物角色制定明确的课程对能力的映射。对于生命科学家（具有CourseSource框架）和临床执业者（具有NHS临床生物信息学框架），这已经在进行中。在与其他框架有协同作用的地方，我们认为有可能把这些框架映射到其他人物角色的课程上; 例如，数据科学的爱迪生框架有许多与生物信息学工程师有关的元素; ABET框架确实被用作制定ISCB能力框架的基础; 本手册中描述的课程也提供了具体的例子，这些例子可以概括为生物信息学工程师的框架。
表1. 生物信息学的核心能力。 该表提供了当前的能力列表社区参与。 它具体反映了为适应能力而进行的重大改进按照布卢姆的分类标准进行评分。
Label Competency
A General biology
B Depth in at least one area of biology (e.g., evolutionary biology, genetics, molecular biology, biochemistry,
anatomy, physiology).
C Biological data generation technologies.
D Details of the scientific discovery process and of the role of bioinformatics in it.
E Statistical research methods in the context of molecular biology, genomics, medical, and population genetics
research.
F Bioinformatics tools and their usage.
G The ability of a computer-based system, process, algorithm, component, or program to meet desired needs
in scientific environments/problem.
H Computing requirements appropriate to solve a given scientific problem (e.g., system, process, algorithm,
component or program; define algorithmic time and space complexities and hardware resources required to
solve a problem).
I GUI/Web-based computing skills appropriate to the discipline (e.g., effectively use bioinformatics and
analysis tools through web).
J Command line and scripting based computing skills appropriate to the discipline.
K Construction of software systems of varying complexity based on design and development principles.
L Local and global impact of bioinformatics and genomics on individuals, organizations, and society.
M Professional, ethical, legal, security, and social issues, and responsibilities of bioinformatics and genomic
data in the workplace.
N Effective communication of bioinformatics and genomics problem/issue/topics with a range of audiences,
including, but not limited to, other bioinformatics professionals.
O Effective teamwork to accomplish a common scientific goal.
P Engage in continuing professional development in bioinformatics.
https://doi.org/10.1371/journal.pcbi.1005772.t001
表2. 通过Bloom的分类标准将能力映射到生物信息学用户角色。
Competency\Persona Physician Lab technician Ethicist Biocurator
A. General biology knowledge to application comprehension knowledge comprehension
B. Depth in at least one area of biology (e.g., evolutionary biology, genetics,
molecular biology, biochemistry, anatomy, physiology) application application to
evaluation evaluation application to
evaluation
C. Biological data generation technologies. knowledge Knowledge to evaluation Knowledge knowledge
D. Details of the scientific discovery process and of the role of
bioinformatics in it. application to analysis comprehension to
analysis knowledge to comprehension comprehension to
evaluation
E. Statistical research methods in the context of molecular biology,
genomics, medical, and population genetics research. knowledge to
application
knowledge to
application knowledge to
comprehension
comprehension
F. Bioinformatics tools and their usage. comprehension knowledge to
analysis
knowledge application
G. The ability of a computer-based system, process, algorithm, component,
or program to meet desired needs in scientific environments/problem. N/A
knowledge N/A comprehension to
application
H. Computing requirements appropriate to solve a given scientific
problem (e.g., system, process, algorithm, component or program; define
algorithmic time and space complexities and hardware resources required
to solve a problem). N/A
knowledge N/A comprehension to
application
I. GUI/Web-based computing skills appropriate to the discipline (e.g.,
effectively use bioinformatics and analysis tools through web). knowledge
application comprehension application to
evaluation
J. Command line and scripting-based computing skills appropriate to the
discipline. N/A
knowledge N/A comprehension
K. Construction of software systems of varying complexity based on design
and development principles. N/A
N/A N/A knowledge
L. Local and global impact of bioinformatics and genomics on individuals,
organizations, and society. knowledge comprehension application comprehension
M. Professional, ethical, legal, security and social issues and responsibilities
of bioinformatics and genomic data in the workplace. application evaluation evaluation analysis
N. Effective communication of bioinformatics and genomics problem/
issue/topics with a range of audiences, including, but not limited to, other
bioinformatics professionals comprehension
application application application to
evaluation
O. Effective teamwork to accomplish a common scientific goal. knowledge analysis knowledge analysis
P. Engage in continuing professional development in bioinformatics. evaluation to
analysis
application application to
evaluation
application
https://doi.org/10.1371/journal.pcbi.1005772.t002
表3.通过Bloom的分类法将能力映射到生物信息科学家人物角色。
Competency\Persona Discovery biologist/
academic life science
researcher
Molecular life
science educator
Academic
bioinformatics
researcher
Core facility
scientist
A. General biology evaluation comprehension synthesis knowledge
B. Depth in at least one area of biology (e.g., evolutionary biology, genetics,
molecular biology, biochemistry, anatomy, physiology) evaluation analysis evaluation evaluation
C. Biological data generation technologies. evaluation understand evaluation evaluation
D. Details of the scientific discovery process and of the role of
bioinformatics in it. application evaluation synthesis to evaluation application
E. Statistical research methods in the context of molecular biology,
genomics, medical, and population genetics research. application evaluation synthesis to evaluation application
F. Bioinformatics tools and their usage. application evaluation synthesis to evaluation application
G. The ability of a computer-based system, process, algorithm, component,
or program to meet desired needs in scientific environments/problem. application comprehension synthesis to evaluation evaluation
H. Computing requirements appropriate to solve a given scientific
problem (e.g., system, process, algorithm, component or program; define
algorithmic time and space complexities and hardware resources required
to solve a problem). application comprehension synthesis to evaluation evaluation
I. GUI/Web-based computing skills appropriate to the discipline (e.g.,
effectively use bioinformatics and analysis tools through web). application comprehension comprehension evaluation
J. Command line and scripting-based computing skills appropriate to the
discipline. application comprehension application evaluation
K. Construction of software systems of varying complexity based on design
and development principles. comprehension comprehension synthesis to evaluation application
L. Local and global impact of bioinformatics and genomics on individuals,
organizations, and society. knowledge comprehension comprehension remember
M. Professional, ethical, legal, security and social issues and responsibilities
of bioinformatics and genomic data in the workplace. application comprehension application application
N. Effective communication of bioinformatics and genomics problem/
issue/topics with a range of audiences, including, but not limited to, other
bioinformatics professionals application comprehension synthesis to evaluation application
O. Effective teamwork to accomplish a common scientific goal. application analysis evaluation application
P. Engage in continuing professional development in bioinformatics. application application application application
https://doi.org/10.1371/journal.pcbi.1005772.t003
)))))))))]]]]]]]]]]]
