本课程旨在系统介绍人工智能在生命科学中的前沿应用，面向对AI与生命科学交叉研究感兴趣的高年级本科生和研究生。课程内容将涵盖从基础的机器学习与深度学习模型，到其在结构生物学、基因组学、系统生物学、药物开发等关键领域中的实际应用。

核心主题包括：

1.机器学习与深度学习基本原理

2.AlphaFold等在蛋白结构预测中的应用

3.分子语言模型在基因序列理解与设计中的最新进展

4.图神经网络在基因调控网络和分子互作中的建模

5.AI驱动的药物筛选与设计方法

6.多组学整合中的数据建模方法

课程将采用理论讲授 + 案例分析 + 实践项目三位一体的教学方式，结合生物数据集，指导学生构建实际模型。通过 mini 项目、小组讨论和代码实践，培养学生将AI方法应用于真实生命科学问题的能力。

完成本课程后，学生将能够：

1.系统理解人工智能在生命科学中的典型应用场景与核心方法；

2.掌握以数据驱动的计算建模思维，能够将AI方法与生命科学问题进行有效结合；

3.熟练使用主流AI框架处理生物学数据；

4.具备独立设计并实现跨学科小型研究项目的能力；

5.理解当前AI+生物的研究热点、挑战与发展趋势。