人工智能生物学分析算法是处理生物网络数据的有效方法，它构建机器或程序来模拟人类智能，从而在生物网络中实现分类、聚类和预测任务。在过去的几十年里，我们看到了人工智能生物学分析算法的快速发展。
为了使这项研究易于理解，我们不仅根据生物网络结构的数据将这些人工智能算法分为基于网络的生物学分析算法和基于机器学习（基于ML）的生物学分析算法。
表观遗传学分析DNA或DNA相关蛋白的逆转修饰。这些修饰在不改变DNA序列的情况下影响基因表达，通过人工智能研究表观遗传学数据不仅对于阐明癌症的基本机制很重要，利用信息丰富的转录组学和表观遗传学数据研究组蛋白赖氨酸去甲基化的调控网络，强调了表观遗传调控因子在有丝分裂控制中的重要性及其作为治疗靶点的潜力，表明表观遗传调控因子对肿瘤发生和耐药性至关重要。
基因组学旨在通过使用基因组规模测定（如基因组测序）来表征生物体中每个基因组元素的功能。基因组学的应用包括发现基因型和表型之间的关联，发现用于患者分层的生物标志物，预测基因的功能并绘制生化活性基因组区域。
代谢组学通常用于通过分析生物体液、细胞和组织中的代谢物来发现生物标志物。由于生物技术固有的敏感性，可以检测到代谢途径的细微变化，以深入了解各种生理条件和癌症处理背后的机制。由于网络生物学的创新发展，研究人员利用生物网络进行代谢组学分析，并为我们提供对代谢物在癌症中的作用的系统级理解。
单细胞测序 (scSeq) 因其在单个细胞中测序 DNA 和 RNA 的能力而被选为 2013 年的年度方法，近年来深度测序技术快速发展，使得在单个细胞尺度检测基因表达和染色质开放性成为可能，形成了单细胞多组学数据整合分析的研究热点。深度学习方法已被部署用于处理scRNA-seq数据，重新定义了我们使用人工神经网络的复杂架构分析大规模数据的能力。应用于scRNA-seq数据的深度学习模型在基因表达插补、细胞聚类、批量校正和类似任务中取得了有竞争力的表现。
蛋白质晶体结构解析：近年来结构生物学发展迅速并和其他学科相互渗透交叉,特别是受到结构基因组学等热点学科的极大带动。作为结构生物学的基本手段和技术,蛋白质晶体学从解析简单的蛋白质三维结构延伸到解决各类生物大分子及复合物结构,并更加注重研究结构与功能之间的相互关系
现如今生命科学领域最火的技术之一便是基因编辑，基因编辑领域又属CRISPR系统应用最为广泛,《Nature》2017 年度人物均授予了 CRISPR 相关技术的突破，2020年CRISPR技术获得诺贝奖，短短不到十年时间CRISPR技术荣获最高学术荣誉，足以看出该技术的应用潜力。
九大专题直播学习内容
专题一：CRISPR-Cas9基因编辑专题线上直播
专题二：蛋白质晶体结构解析实践应用专题线上直播
专题三：深度学习在基因组学实践应用专题线上直播
专题四：机器学习微生物组学应用专题线上直播
专题五：机器学习代谢组学专题线上直播
专题六：机器学习转录组与表观组学应用专题线上直播
专题七：深度学习单细胞实践应用专题线上直播
专题八：CADD药物设计应用专题线上直播
专题九：AIDD人工智能药物发现专题线上直播
授课老师简介
基因编辑主讲老师来自中国农业科学院，有十余年基因编辑研究经验，熟悉基因编辑在各个领域应用，在基因编辑系统的开发与优化深耕多年，已发表数十篇SCI，有丰富的教学经验！
蛋白质晶体结构解析主讲老师为国内985、双一流大学，主要擅长多种分子克隆技术、深度学习、机器学习、蛋白质的表达纯化、蛋白晶体的生长及优化、Ubuntu系统操作、蛋白晶体结构的解析及精修。
主讲老师刘老师，生物信息学博士，有十余年的测序数据分析经验。研究领域涉及人工智能、自然语言处理、功能基因组学、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。主持省自然科学基金等项目4项，出版医学实用教材《Python医学实战分析》，发表SCI论文22篇，其中一作及并列一作9篇。
机器学习代谢组学主讲老师来自985高校神经科学博士，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。
主讲老师来自国内高校陈老师授课。在国内外学术刊物发表论文数篇，包括NatureCommunication,CellRegeneration等知名期刊，研究方向主要为生物信息学，发育生物学和遗传学等。利用多组学数据，通过深度学习算法进行数据分析和挖掘，包括ChIP-seq，ATAC-seq，RNA-seq，CNV等，解决并回答领域内多个基础的生物学机制。
主讲老师来自中山大学，主要研究方向是单细胞分析、bulk 转录组分析、机器学习、深度学习等。已发表sci 十余篇，有丰富的教学经验以及论文复现指导能力
机器学习微生物来自国内高校李老师授课，有十余年的蛋白质组及微生物组数据分析经验。研究领域涉及机器学习，芯片数据分析，蛋白质组数据分析，DNA，RNA，甲基化测序数据分析，单细胞测序数据分析，miRNA及靶基因分析等，发表SCI论文30余篇，其中一作及并列一作15篇。
CADD主讲老师来自国内高校、中科院等单位，老师主要擅长深度学习、机器学习、药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究
AIDD授课老师，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，药物靶标识别，药物不良反应等。参与了国自然基金2项，主持了省厅级科研项目3项。一作身份发表SCI论文数篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。
最后，对以上专题直播内容感兴趣的老师，可详细了解V.X交流学习：LIv51666
