当前位置：首页>python>跟着Nature学绘图,Python与R语言可视化,让生物数据分析更有魅力,纯数据分析与挖掘!

跟着Nature学绘图,Python与R语言可视化,让生物数据分析更有魅力,纯数据分析与挖掘!

2026-06-30 01:46:34

随着高通量生物技术的发展，已经开发了多种组学技术来表征不同但互补的生物信息，包括基因组学、质谱蛋白组学、微生物组学、宏基因组学、蛋白组学和代谢组学。

最近的人工智能技术已经从“浅层”学习架构发展到“深度”学习架构。作为人工智能的一个重要分支，机器学习（ML）可以自动学习捕捉复杂的模式，并根据数据做出智能决策。ML在癌症研究和临床肿瘤学中有着非常广泛的应用。特别是，在多组学数据快速增长的推动下，属于ML子领域的基于深度学习（DL）的方法已成为生物医学数据分析的强大工具。

下面是近两年人工智能与组学在顶刊发表的部分研究方向。

Science Adcances 机器学习代谢组学

Seminars in Cancer Biology 机器学习多组学

Nature Protocols 机器学习代谢组学在药物代谢与疾病病理的研究

Cell Systems 机器学习蛋白质组学在生物标志物发现的研究

Nature Medicine 机器学习蛋白质组学在植物领域的研究

Cancer Cell 深度学习对泛癌基因组学进行整合分析

Science Adcances 基因组图谱基于深度学习预测植物逆境

在生物信息学中，深度学习主要应用于以下几个方面：

1. 基因表达谱分析：通过对基因表达谱数据进行深度学习，可以预测基因功能、发现新的生物标志物和生物路径径；

2. 结构生物学预测：通过对结构生物学数据进行深度学习，可以预测蛋白质结构、功能和互动；

3. 生物信息学数据集预处理：通过对生物信息学数据集进行深度学习，可以提高数据质量、减少噪声和缺失值，从而提高预测模型的准确性。

八大热门专题

MONDAY

01、人工智能构建虚拟细胞

02、AI蛋白质设计

03、AI抗菌肽设计

04、CADD计算机辅助药物设计

05、AIDD人工智能药物发现与设计

06、合成生物学与基因电路设计

07、机器学习代谢组学

08、深度学习在多组学融合中的应用

特惠福利：

（报名一门直播课赠送两门回放）

（报名三门直播课赠送以下全部）

01.单细胞测序与空间转录组学

02.深度学习解析宏基因组学

03.机器学表观组与转录组

04.深度学习质谱蛋白组学

05.机器学习生物医学

06.AI智慧医疗影像

07.医疗AI多模态大模型

08、深度学习在基因组学中的应用

09、CRISPR-Cas9基因编辑技术

10、机器学习在微生物组学中的应用

11、CADD（进阶班）

添加好友领取免费课件资料，了解详情课程安排，下方有具体时间

学习目标

01、人工智能构建虚拟细胞

本课程以虚拟细胞（Virtual Cell）构建为总体框架，系统拆解当前国际前沿细胞人工智能模型在多组学建模、机制推理、药物设计预测、疾病系统重构及数字孪生中的完整技术路径。课程以理论体系建立为核心，结合当前国际主流代表模型（如 MultiVI、scVI、DrugCell等）进行结构化解析，使学员能够从单点模型理解上升到整体建模逻辑理解。

02、AI蛋白质设计

本课程是一门面向生物医学领域学生和研究人员的高阶技术课程。课程旨在系统性地讲解AI在蛋白质设计领域的关键模型原理，并结合代码实践，最终让学员掌握一套完整的、可在本地部署的、从头（de novo）设计蛋白质的计算流程。

03、AI抗菌肽设计

本课程以“构建 AI 抗菌肽发现与设计流水线"为核心主题，面向生命科学、计算生物学、生物信息学及人工智能交叉领域,系统培养学员在 AI 驱动生物分子设计领域的理论理解能力与实践能力。课程围绕“数据 → 表征 → 生成 → 筛选 → 结构验证”的完整研发流程，构建可复现的计算抗菌肽设计体系。

04、CADD计算机辅助药物设计

本培训是系统的CADD课程培训，主要包含五种主要技术：Pymol画图、分子对接、虚拟筛选、QSAR建模、分子动力学模拟以及掌握这五种技术需要的辅助技术，如蛋白和小分子数据库的介绍和使用、蛋白和小分子的结构处理及性质分析、linux使用、openbabel使用等。

05、AIDD人工智能药物发现与设计

本课程让学员了解药物发现的前沿背景，学习人工智能领域的各类常见算法，熟悉工具包的安装与使用，掌握一定的算法编程能力，能够运用计算机方法研究药物相关问题。通过大量的案例讲解和实践操作，具备一定的AIDD模型构建和数据分析能力

06、合成生物学与基因电路设计

通过理论与实践结合，掌握合成生物学基础、基因电路设计、代谢途径优化、基因编辑技术及数学建模，培养学员在合成生物领域的创新能力和系统思维，为未来研究与应用奠定基础。

07、机器学习代谢组学

熟悉代谢组学和机器学习相关硬件和软件；熟悉代谢组学从样本处理到数据分析的全流程；能复现至少1篇CNS或子刊级别的代谢组学文章图片。

08、深度学习在多组学融合中的应用

课程通过基础入门+应用案例实操演练的方式，从初学及应用研究的角度出发，带大家实战演练多种深度学习模型（深度神经网络DNN、卷积神经网络CNN、循环神经网络RNN、自动编码器AE、图卷积神经网络GCN）在多组学融合分析中的各种应用

讲师介绍

人工智能构建虚拟细胞

生物学博士，深耕生命科研，转化医学及药物研发领域，先后任职于新加坡淡马锡生命科学院，新加坡科学技术研究局等机构，系统追踪基因与细胞治疗, 抗体及ADC等药物研究领域，学术成果发表于Molecular cell, ASCO， ESMO 等国际会议及期刊，拥有丰富的产业实践经验。

AI蛋白质设计

授课老师均来自北京大学和清华大学，专注于蛋白设计和多肽药物靶点，具有丰富的代码开发经验和授课教学经验。在对应领域有过多篇中科院一区top期刊/CCF-A会议，如ICLR,ICML等主流会议的第一作者和审稿人经历。

AI抗菌肽设计

X老师，长期从事 AI辅助蛋白质设计、计算药物发现、多肽开发研究，在人工智能与生命科学交叉领域具有丰富的科研与教学经验，在 Nature 子刊，PNAS等国际期刊发表论文数篇

CADD计算机辅助药物设计

Z老师，多年Ai4science研究经验，研究方向为蛋白设计、药物发现与计算生物学。曾获多项国家级奖项，在计算机辅助药物设计，药物发现等领域具有丰富的理论知识和实践经验。

AIDD人工智能药物发现与设计

AIDD授课老师曹老师，有十余年的计算机算法研究和程序设计经验。研究方向涉及生物信息学，深度学习，药物合成路径设计，药物不良反应等。发明专利5项，参与国家重点科研项目4项，发表SCI高水平论文10篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。

合成生物学与基因电路设计

两位授课老师均来自清华大学，干湿结合分别引领本课程的实验设计和建模分析，研究方向涉及植物生物学、合成生物学与生物信息学。在对应领域中科院一区有多篇产出，同时曾作为队长和评委多次参加过合成生物学（iGEM）顶级赛事，曾获得全球十佳项目（TOP10）和多个单项奖及提名。

机器学习代谢组学

主讲老师来自985高校，主要利用代谢组学、转录组学和分子生物学等技术研究神经内科慢性病的发病机制和生物标志物。擅长高效液相色谱-质谱联用（LC-MS）技术进行非靶向和靶向代谢组学从样本制备到数据分析的全流程研究，以及多组学大数据的生物信息学整合分析。5年内在J Clin Invest, EBioMedicine, Cell Death Dis, Cell Death Discov, Nanotoxicology等杂志发表SCI论文10篇。

深度学习在多组学融合中的应用

各讲老师刘老师，生物信息学博士，从事医学生物信息及人工智能研究15年，曾在新加坡基因组研究院及美国加州大学洛杉矶分校研究多组学数据在复杂疾病诊疗中的应用。研究领域涉及人工智能、自然语言处理、功能基因组学、宏基因组学、转录组学、miRNA 及靶基因网络分析，单细胞测序数据分析，基因调控网络时序分析，蛋白质互作网络分析，多组学联合分析等。主持省级自然科学基金等项目4项，开发过数个生物信息学工具，发表SCI论文20余篇，其中人工智能算法文章10余篇，编著医学数据分析实用教材一部。

JOIN US

授课时间

北京时间

.人工智能构建虚拟细胞

2026.05.16全天（9点-11点-2点-5点）

2026.05.17全天（9点-11点-2点-5点）

2026.05.18晚上授课（19：00-22：00）