求真大讲堂回顾 | 第五十九讲：生命科学与数学

引言

求真书院强调通识教育，旨在培养大师级“通才”。“求真大讲堂”是求真书院学生的通识必修环节，由求真书院院长丘成桐先生倡议设立，主题内容包罗万象，从人文诗词到天文科技，从沟通表达到艺术美学，皆聘请在各相关领域的知名学者讲授。求真书院鼓励学生通过汲取不同领域的知识，丰富学科知识体系，更充分地迎接未来的挑战。跟随大师步伐，共赴求真求美之旅。

主讲人介绍

饶毅，现任首都医科大学校长，北京大学生物学讲席教授、北大麦戈文/IDG研究所创始所长、北大-清华生命科学联合中心创始主任、北京脑科学中心创始主任。饶毅实验室的研究，集中用分子神经生物学，用分子生物学、遗传学、生物化学、化学分析、电生理、现代光学成像等交叉学科途径，研究脑和神经系统及其相关问题的分子和细胞机理。曾发现两个眼睛在发育中来源于同一形态发生场、发现Slit为神经导向蛋白质、提出体细胞运动共同分子机理、发现争斗的中枢和外周机理、求偶的分子控制。 提出化学连接组（CCT）的概念（涵盖同一动物中所有的神经递质、神经调质、神经肽及其受体）。正在开展的研究包括：寻找新的神经递质；发现参与睡眠的小分子和蛋白质；研究从小鼠到猴特定社会行为所必需的重要和保守的分子；发现人类识别脸所需要的基因；分离纯化重要蛋白质磷酸化位点的蛋白激酶，研究其参与的信号转导通路；发现G蛋白偶联受体（GPCRs）的新配体，研究配体调节的重要生理或代谢功能；研究药物治疗重要疾病的新靶点、新机理和率先世界的全新先导分子。研究对象包括果蝇、蛙、小鼠、大鼠、猴、人，以理解动物中普遍存在的和人特有的基本原理。

讲座回顾

数学与生物学的结合

讲座伊始，主讲人便提出了数学与生物学结合的重要性。他指出，尽管数学在历史上发展迅速且系统化，但生物学的发展却相对缓慢，原因在于生物学的复杂性和多样性。主讲人通过比较数学与生物学的历史发展，强调了数学在生物学中的潜在价值。

孟德尔：生物学的数学先驱

讲座中，主讲人特别提到了孟德尔，这位被誉为现代遗传学之父的科学家。孟德尔的工作不仅开创了遗传学领域，更是数学在生物学中应用的典范。通过豌豆实验，孟德尔运用了基本的统计学原理，揭示了遗传规律，这在当时是一个划时代的发现。

（孟德尔豌豆杂交实验）

统计学在生物学中的应用

在讲座的第三部分，主讲人深入探讨了统计学在生物学中的应用，特别是在人类遗传学和基因组学领域的重要性。

1.历史发展：主讲人指出，从19世纪末到20世纪初，统计学的发展为生物学提供了强大的分析工具，这些工具在处理和分析生物数据方面发挥了关键作用。

   2.人类遗传学：在人类遗传学领域，统计学的应用使得研究者能够识别和分析基因变异对性状的影响，这对于理解遗传疾病和遗传特征至关重要。

   3.基因组学：基因组学领域中，统计学帮助科学家从整个基因组的层面理解遗传信息，识别与特定疾病或性状相关的基因区域，并评估这些关联的显著性。

   4.复杂疾病研究：统计学在解析多因素疾病，如糖尿病、心脏病和某些癌症的遗传和环境因素相互作用中发挥重要作用。

   5.实验设计：统计学在实验设计中的作用，包括随机化和对照组设置，以减少偏差，以及在解释实验结果时区分真实效应和随机变化。

   6.进化生物学：在进化生物学中，统计学用于系统发育分析，帮助构建和验证物种之间的进化树。

   7.生态学和保护生物学：统计学在生态学和保护生物学中的应用，如分析种群动态、评估保护措施的效果以及预测环境变化对生态系统的影响。

   8.数据整合和网络分析：统计学在整合不同来源的生物数据以及在网络分析中的应用，如基因调控网络和蛋白质相互作用网络。

通过这些讨论，展示了统计学在现代生物学研究中的广泛应用和深远影响，强调了它在推动生物学科学发现和解决复杂生物问题中的关键作用。

计算神经科学的发展

在讲座的后半部分，主讲人深入探讨了计算神经科学（computational neuroscience）的发展，这是一个通过数学模型来理解神经系统工作原理的跨学科领域。尽管这一领域的研究尚未达到物理学中数学应用的深度，但它为理解大脑的复杂性提供了新的视角。

   1.跨学科的尝试：主讲人提到，计算神经科学是数学、物理学和生物学交叉的产物，它试图通过数学模型来模拟和理解神经系统的复杂性。

   2.数学模型的应用：在这一领域，数学模型被用来描述神经元的行为、神经网络的动态以及大脑如何处理信息。这些模型有助于揭示大脑功能的基本机制。

   3.与物理学的比较：主讲人指出，尽管计算神经科学在数学应用的深度上尚未达到物理学的水平，但它在生物学中的应用已经取得了一定的进展。

   4.神经网络的研究：计算神经科学在研究神经网络，如人工神经网络（ANNs）方面发挥了重要作用，这些网络在模式识别、机器学习等领域有着广泛的应用。

   5.大脑模拟的挑战：主讲人强调了在模拟大脑功能时所面临的挑战，包括如何准确地模拟神经元之间的相互作用以及如何处理大脑的非线性和动态特性。

6.神经计算的局限性：尽管计算神经科学提供了理解大脑的新视角，主讲人也提到了这一领域的局限性，包括模型的简化、计算资源的限制以及对生物真实性的挑战。

结语

数学在生物学中的未来

讲座最后，主讲人对数学在生物学中的未来应用表示乐观。他鼓励数学家们将他们的才华应用于生物学领域，无论是通过解决遗传学问题，还是通过开发新的统计工具来分析生物数据。

跨学科合作的潜力

主讲人还强调了跨学科合作的重要性，特别是在生物学和数学之间。他提到，数学家在生物学领域的应用不仅可以推动科学的发展，还可以为社会带来实际的益处，如在医学、农业和环境保护等方面的应用。

教育与研究的结合

在讲座中，主讲人也提到了教育的重要性，尤其是在培养下一代科学家时。他强调了在教育中融入跨学科思维的重要性，鼓励学生在数学和生物学之间建立联系，以培养全面的科学素养。