夜雨聆风
当AlphaFold破解蛋白质折叠之谜
当生成式AI重塑科研范式
生命科学的探索已经步入全新的“智能化时代”
面对这场深刻变革
清华生院主动破局
将AI前沿技术与生物教学深度融合
一批“AI素养”与“学科融合”课程集体亮相
今天
让我们抢先速览
这批AI浓度极高的宝藏课程！
01
概论类课程
课程名称：人工智能与生命科学（课程号40450711）
课程简介：
人工智能（AI）正在颠覆生命科学的研究范式，从基因解码到新药研发，从精准医疗到合成生物学，AI与生物学的深度融合正在重塑人类对生命的认知与探索。该课程采用理论、案例、实战结合模式，培养学生跨学科解决生物复杂问题的能力。课程分三大模块：基础篇讲授 AI 算法原理、生命科学基础知识及二者交叉逻辑，兼论生物伦理；应用篇围绕基因组、结构生物与药物研发、细胞医学三大方向，介绍多款典型 AI 模型的前沿应用；实战篇开展工具实操与典型案例研习。先修要求：
学生需要有基础生物学/生物化学、编程入门（Python优先）、统计学基础。
授课教师简介
张强锋，清华大学生命科学学院钱塘副教授、清华-北大生命科学联合中心研究员，博士生导师。现任生命科学人工智能中心主任、膜生物学全国重点实验室副主任、中国生物信息学学会（筹）人工智能与生命科学专委会主任。
02
AI基本素养类课程
课程名称：面向人工智能算法的数据结构（新开课）
课程简介：
传统数据结构与算法课程多聚焦通用编程场景，侧重基础逻辑与笔试解题，与人工智能、机器学习实际落地场景脱节，难以满足AI学习者高效理解算法底层、优化模型代码、构建AI算法思维的核心需求。本课程打破传统课程壁垒，以Python为唯一编程语言，深度绑定人工智能基础算法，将数据结构知识融入AI算法原理、模型实现、数据处理的全流程场景，是衔接Python基础与人工智能进阶学习的核心桥梁课程。通过原理讲解与Python代码实战相结合，让学生理解各类数据结构如何支撑AI算法运行，从而提升代码效率与底层逻辑理解能力，为后续机器学习、深度学习课程打下扎实基础。
先修要求：
掌握Python基础语法，具备基础数学与逻辑思维能力，无需提前学习数据结构与AI专业知识。
课程名称：生物信息学（课程号 40450632）
课程简介：
生物信息学是融合数学、统计学与计算机科学，解析生物医学数据的核心交叉学科。面对人工智能时代的科研范式变革，本课程旨在帮助学生掌握生物信息学基础知识、实操技能及相关编程能力，并重点培养学生利用 AI 工具与算法解决复杂生物学问题的能力。课程兼顾理论讲授与前沿探索，尤为注重实操训练。通过依托上机实训，强化学生对生物信息学工具的掌握，并模拟真实科研场景，训练学生结合 AI 技术进行数据挖掘、结果解读及流程自动化的综合应用能力。
授课教师简介
马昱春，北京市青年教学名师，清华大学计算机系教授，清华大学致理书院副院长。获得高等教育（本科）国家级教学成果奖二等奖一项，北京市教学成果奖一等奖两项。
鲁志，清华大学生命科学学院副教授、博士生导师，“生物信息学”教育部重点实验室副主任。
03
AI+神经生物学 课程
课程名称：脑科学与人工智能（课程号80450713）
课程简介：
在人工智能飞速发展的时代，脑科学与人工智能的结合越来越紧密。用人工智能里的模型理解大脑和提出理论已经成为脑科学一重要前沿分支。而与此同时，研究人工智能算法的科学家也希望在脑科学领域寻求灵感，提升算法。本课程采用理论结合实操模式，以视觉信息处理为切入点，讲解计算神经科学相关基础理论与前沿进展；依托编程项目实践，阐释生物智能启发各类神经网络、自监督模型及 Transformer 大模型的原理与神经领域应用。课程旨在帮助学生掌握计算神经科学核心知识，理解 AI 与脑科学双向赋能关系，明晰学科前沿，为后续相关研究奠定基础。先修要求：
学生需要有基本的神经科学，数学（线性代数，微积分）和python语言基本知识。
授课教师简介
贾晓轩，清华大学生命科学学院副教授、博士生导师，生命科学人工智能研究中心副主任，清华-IDG/麦戈文脑科学研究院研究员、清华-北大生命科学联合中心研究员。
04
AI+结构生物学 课程
课程名称：AI赋能的生物大分子模拟和计算（课程号90450232）
课程简介：
生物大分子的动态行为与其功能息息相关，但难以通过传统实验手段全面解析。分子模拟与计算通过构建物理模型和数值计算，可在原子层面揭示生物大分子的结构、动态、功能之间的关系，与实验手段形成优势互补，已成为结构生物学和药物发现等领域不可或缺的研究工具。本课程聚焦于分子模拟与计算在生命科学中的应用，以学生自主上机操作为核心，以案例示范为主线，辅以必要的原理讲解，讲授如何利用GPU计算平台进行生物大分子的模拟和数据分析，并指导学生探索人工智能方法在计算结构生物学中的应用。基础理论部分涉及分子动力学模拟、量子化学计算以及深度学习方法；应用环节聚焦于这些技术在蛋白质、核酸等生物大分子的结构、动态和功能研究中的具体运用，帮助学生掌握分子模拟计算在生命科学研究和药物发现中的关键方法。
先修要求：
学生需要掌握高等数学、线性代数、大学物理学及生物化学的基础知识。建议配合选修“生物大分子的分子模拟”课程，并提前通过在线视频教程对深度学习方法建立基本认识。
授课教师简介
薛毅，清华大学生命科学学院副教授，北京生物结构前沿研究中心研究员，担任清华大学蛋白质研究技术中心核磁平台主管。
王童，清华大学生命科学学院助理教授，课题组研究围绕“人工智能+生物动态结构”展开，开发人工智能和深度学习算法和技术对生物和药物分子进行结构表征学习、性质互作预测、动态模拟和序列设计，以期揭示生命活动的动态机理和助力药物发现。
05
AI+医学 课程
课程名称：生物医学中的AI实践（课程号80450882）
课程简介：
该课程是一门面向生物医学相关专业学生的专业选修课，旨在帮助学生了解和掌握人工智能技术在生物医学领域的应用，包括数据的预处理、常见AI模型的原理以及在生物医学研究中的实际应用。通过理论讲授、案例分析、实验操作和小组讨论等多种教学方式，课程旨在培养学生的数据分析能力、模型构建能力和解决实际生物医学问题的实践能力。
先修要求：
学生需要预修相应的本科生课程，例如“生物信息学”“概率论”“线性代数”“计算机基础”“机器学习或者深度学习”等。
授课教师简介
鲁志，清华大学生命科学学院副教授，博士生导师，“生物信息学”教育部重点实验室副主任。
欢迎同学们提前规划选课~
未来
我们还将推出更多AI与生命科学相结合的前沿课程
期待与大家共同探索AI在生命科学领域的无限可能
往期精选
