科教社教案医学人工智能通识教程梅挺第十二章 人工智能在生物医学中的应用.docxVIP

第十二章人工智能在生物医学中的应用

教学基本情况

授课信息

教学内容

基因组学（测序/变异检测/功能预测）、蛋白质组学（功能预测/结构预测/PPI网络）、多组学整合（早期检测/分类分级/预后预测）、智能实验（细胞培养/药物组合/自动化执行/数据解析）、精准医学（预防/诊断/治疗）

授课对象

本科（生物医学工程、生物信息学、临床医学、人工智能等相关专业）

授课地点

多媒体教室

授课学时

4学时（每学时45分钟）

课程类型

理论+实践

学情分析

知识和技能状态：

学生已完成人工智能基础理论、机器学习、深度学习、大数据分析等前置知识学习，对AI技术体系有较全面的认知。具备基本的分子生物学和遗传学知识，但对基因组学、蛋白质组学、多组学整合等生物信息学核心领域缺乏系统性理解，对AI在生物医学大数据分析（序列比对/变异检测/结构预测/网络建模）中的具体应用逻辑认识不足。

认知和实践能力：

学生具备较强的数据分析和逻辑推理能力，能理解基本的生物信息学概念，但对高通量测序数据分析流程、蛋白质结构预测算法（AlphaFold）、PPI网络建模、多组学数据融合等复杂技术原理理解有限；对AI驱动的精准预防、诊断、治疗的临床转化路径缺乏实践认知。

学习特点：

学生对AI与生物医学交叉领域兴趣浓厚，偏好案例驱动、可视化演示（如蛋白质结构展示、基因组浏览器）和多组学数据流程模拟，乐于参与基因变异解读、蛋白质