AI for Bio:从临床到分子的计算方法论——小样本·单细胞·药物·多组学

模块一

Python 数据分析机器学习与临床表格预测基础

教学内容：

1.机器学习在医学表格数据分析中的基本范式，包括监督学习与无监督学习、训练集与测试集划分、交叉验证、过拟合与正则化、特征选择等。

2.面向医学研究场景的模型评价体系，包括准确率、AUC、ROC 曲线、F1 值、敏感度、特异度、混淆矩阵、校准曲线和决策曲线，并说明不同指标的适用条件与局限性。

3.模型解释和临床规范方面，介绍SHAP基本思想及其在医学预测模型解释中的应用，理解临床预测模型开发、验证和报告过程中的关键问题。

实践环节—将使用 Pandas 完成数据读取、缺失值处理、标准化和基础可视化；使用   scikit-learn 构建逻辑回归、随机森林和 XGBoost等传统机器学习模型，并完成交叉验证、ROC 曲线、校准曲线和 SHAP 解释；引入表格基础模型TabPFN，与传统机器学习模型进行对比。

论文实例 1：TabPFN——临床表格预测与小样本基础模型

论文出处：   Accurate predictions on small data with a tabular foundation model，Nature，2025。

对应复现内容：TabPFN  在小样本表格数据中实现快速预测的核心思想。通过小规模临床数据帮助学员理解其上下文学习、先验拟合网络和单次前向推理的基本机制，并与传统机器学习模型进行性能与效率对比。

复现产出：绘制出TabPFN 与XGBoost、梯度提升树或随机森林在小样本临床表格数据上的AUROC和运行时间对比图，并完成一个临床分类 Notebook。该 Notebook 包括数据处理、传统基线模型、TabPFN 模型、性能评价、运行时间比较和结果解释。

模块二

药物扰动细胞系转录组与机器学习

教学内容：

1.药物扰动细胞系转录组数据的特点与分析范式：讲解扰动效应的传统刻画方式，包括差异表达分析、扰动特征签名、剂量—响应关系和基于签名相关性的药物相似性分析

2.扰动响应的机器学习建模思路，讲解CPA 提出的组合式可解释建模思想。

3.介绍chemCPA 如何进一步结合分子结构信息预测未见药物的响应，为第4天的分子表示与药物人工智能内容建立衔接。

实践环节—在药物扰动单细胞数据上完成 CPU 本地可运行的完整流程：

(1)使用 Scanpy进行质量控制、归一化和 UMAP 可视化；

(2)按照药物、剂量和细胞系进行分组展示；

(3)进行差异表达分析和扰动签名提取；

(4)绘制药物相似性热图和标志基因剂量—响应曲线；

(5)使用scikit-learn完成由表达谱预测药物、作用机制或剂量的分类与回归任务；

(6)实现一个线性组合基线，按照“对照均值 + 药物位移 + 剂量效应”的形式预测留出药物—剂量组合的平均表达谱，并以预测值与真实值之间的 R² 评价结果，复现 CPA 论文中的核心评测逻辑和代表性散点图。

论文实例 2：CPA——药物扰动单细胞转录组的可解释响应建模

论文出处：Predicting   cellular responses to complex perturbations in high-throughput screens，Molecular Systems Biology，2023。

对应复现内容：复现 CPA 的核心思想与评测协议。CPA 将可解释线性模型思想与深度学习灵活性相结合，对单细胞药物扰动响应进行建模，学习药物、剂量和细胞状态的可解释表示，并预测未见过的剂量或药物组合响应。

复现产出：

(1)按药物、剂量和细胞系着色的 UMAP图；

(2)差异表达分析结果和扰动签名；

(3)药物相似性热图；

(4)标志基因剂量—响应曲线；

(5)基于表达谱预测药物、剂量或作用机制的分类与回归结果；

(6)基于线性组合基线的预测—真实表达 R² 散点图，用于复现 CPA 的核心评测逻辑。

模块三

单细胞分析与

深度学习

教学内容：

1.单细胞RNA测序数据分析基本概念与标准流程，包括AnnData数据结构、细胞与基因质量控制、归一化、高变基因筛选、降维、聚类和细胞类型注释。单细胞标准分析流程中各步骤的目的、常用参数及结果解读方式。

2.深度学习部分，讲解自编码器和变分自编码器的基本原理。

3.介绍批次效应的来源及其对单细胞整合分析的影响，并在概念层面扩展介绍 MultiVI、totalVI 等单细胞多组学整合方法。

实践环节—使用Scanpy完成单细胞标准分析流程，包括质量控制、归一化、高变基因筛选、主成分分析、UMAP  降维、Leiden 聚类和标志基因可视化；通过编写一个简化的多层感知机自编码器，直观理解编码器—解码器结构与潜空间表示；使用scVI 完成单细胞批次整合，并与 PCA、Harmony 等经典方法在同一数据集上进行可视化对比。

论文实例 3：scVI——单细胞表征学习与批次整合

论文出处： A   Python library for probabilistic analysis of single-cell omics data，Nature Biotechnology，2022。

对应复现内容：复现scVI概率生成模型核心思想及其批次整合能力，重现整合后潜空间UMAP中“批次充分混合、细胞类型结构得以保留”的代表性结果。

复现产出：在同一数据集上比较 PCA、Harmony 和   scVI 三种方法的整合效果，绘制整合前后 UMAP 图，并结合批次标签和细胞类型注释评价整合质量。

模块四

药物与分子人工智能

教学内容：

1.介绍人工智能在药物发现中的主要任务类型，包括分子性质预测、ADMET 预测、药物—靶点相互作用预测和药物反应预测。

2.常见分子表示方法，包括 SMILES、分子指纹和分子图；介绍图神经网络在分子建模中的基本思想

3.药物AI研究中的标准化基准评测流程

实践环节—使用 RDKit将分子转化为指纹特征，使用 scikit-learn 模型完成分子性质预测，并以 AUROC 等指标进行评价和对比。

论文实例 4：TDC——药物与分子性质预测

论文出处：Artificial   intelligence foundation for therapeutic science，Nature Chemical   Biology，2022。

对应复现内容：复现TDC中ADME与单实例性质预测任务的问题设定及其官方评测流程。重点讲解如何从标准化任务库中加载数据、划分训练集和测试集、构建分子特征、训练传统机器学习模型并评价预测性能。

复现产出：使用RDKit将SMILES转化为分子指纹，使用随机森林、XGBoost或其他scikit-learn模型完成分子性质预测，绘制 AUROC 或回归性能指标对比图，并与 TDC 官方任务设定和排行榜机制进行对照。

模块五

（拓展选讲）

本模块以概念和流程演示讲解为主

1.电子健康档案与患者级预测

EHR数据结构、目标队列、结局定义、时间窗设定和患者级预测建模流程

2.代谢组学

使用MetaboAnalyst内置示例数据进行差异代谢物分析和通路富集演示

3.蛋白结合位点预测

用PeSTo网页服务器进行概念演示，了解蛋白结构数据与结合位点预测思路

4.多组学相似性融合

使用snfpy和模拟数据演示相似性网络融合及谱聚类流程

5.空间组学

使用squidpy内置小数据演示空间邻域富集和 Moran’s I 空间自相关分析