核心课程
生物信息学核心课程是生物科学“101 计划”重要的组成部分，旨在为学生提供生物信息学领域的基础知识、前沿技术和创新实践，使其能够运用计算方法解决生物学问题。 该课程融合了生物学、计算机科学和统计学的原理，为学生在现代生物学研究中利用大数据和人工智能奠定坚实基础。
生物信息学核心课程将以虚拟教研室为载体，开展课程建设活动；以核心教材编写、推广为载体，更新课程内容；以微课展示活动、新形态教材为载体， 优化教学设计；以组织听课和课堂提升研讨会为载体，创新教学方法和评价方式。
课程定位
生物信息学是生物学与数学、统计学、计算机科学等多学科交叉的课程，是面向高年级本科开设的专业核心课程。本课程旨在引发学生探索和开发新型生物信息学算法的兴趣， 培养他们多学科交叉融合的思维能力。本课程不是简单的多学科组合或工具介绍，而是强调如何把生物学含义融入到算法设计中，从而基于算法回答深刻的生物学问题， 让学生充分理解生物信息学“从生物中来，回到生物中去”的核心理念，形成以数据驱动生命科学研究的思维范式。课程聚焦于生物学与不同学科之间的衔接和生物信息算法设计的思想内涵， 强调提升学生从不同角度解决和回答生物学问题的能力。
课程内容
课程强调从数据出发理解生物系统，进而理解生物信息学对生命科学的促进作用。课程根据生物信息学的发展历史介绍生物信息学的历史使命和学科特征。 为了帮助学生理解生物信息学算法，课程首先介绍相关的统计学和机器学习的算法基础。接着从生物数据的收集，数据库的构建，理解生物数据资源对生命 科学研究的重要意义。其次，课程从基础的序列数据分析出发，介绍序列分析的基本目标和算法，理解如何从序列中挖掘具有生物学含义的重要元素。 然后，课程分别介绍基因组、转录组、蛋白组、代谢组和表型组的数据分析思路，强调从生物学本身理解不同组学的生物学含义，引导学生思考如何结合 不同的生物学问题分析和挖掘不同组学中的相关信息，理解生物学知识与数学、计算机算法之间的融合模式，思考交叉学科的深刻内涵，同时也强调对数据 分析结果的解读。为进一步加深学生对生物信息学的理解，每一部分都设计了上机实验内容，加深学生对算法的理解。系统生物学部分则强调不同组学之间 的联系，强调生物系统的整体性，让学生理解如何从相对宏观的角度研究某个基因或者蛋白在生物系统中起到的重要功能。在介绍完各个组学的重要内容和 分析思路后，课程根据实际例子来介绍生物信息学在精准医疗、智能药物设计和生物育种方面的重要应用。最后，课程还设计了统计学习/机器学习的高阶 方法部分，让学生对算法有更加深入的理解，培养他们在算法方面的创新能力。
课程目标
- 培养学生的多学科交叉研究思维
- 促进学生理解生物信息学的深刻内涵
- 掌握生物信息学算法开发的底层逻辑
- 了解生物信息学在生物学、医学研究中的重要作用
课程设计
基础理论
- 生物信息学导论
- 算法设计原理
- 统计生物学基础
核心技术
- 基因组序列分析
- 蛋白质结构预测
- 机器学习应用
实践应用
- TCGA数据分析
- 药物靶点发现
- 临床诊断应用